Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte AdeS
Apunte AdeS
2023-1
Dr.-Ing. Miguel Parada Contzen
Transformada Transformada
de Laplace Sec. 3.4 Zeta
Sec. 3.5
Transformada Transformada
Sec. 3.7.1 Sec. 3.7.3
de Fourier de Fourier
Arturo
-¡Ay, que me he quedado sin espada! -se lamentó Arturo mientras iban por el
bosque.
-No tengáis cuidado -respondió Merlín-. La espada que habéis perdido carecía
de mayor mérito y ya sirvió para su propósito. Mas no lejos de aquí os espera
vuestro propio acero: los duendes de Avalón la han forjado sólo para vos, y a
vos os está destinada hasta que la devolváis poco antes de ir allá vos mismo. Su
nombre es Excalibur y nadie puede resistir sus golpes; con ella traeréis paz y
libertad a la tierra de Logres. Ha llegado la hora señalada para que Excalibur
llegue a vuestras manos, pues ahora sostendréis su pomo con total humildad, y en
adelante la desenvainaréis únicamente para defender la causa de la justicia.1
Alonso
Hechas, pues, estas prevenciones, no quiso aguardar más tiempo a poner en efeto
su pensamiento, apretándole a ello la falta que él pensaba que hacía en el mundo
su tardanza, según eran los agravios que pensaba deshacer, tuertos que enderezar,
sinrazones que enmendar, y abusos que mejorar, y deudas que satisfacer. Y así, sin
dar parte a persona alguna de su intención, y sin que nadie le viese, una mañana,
antes del día, que era uno de los calurosos del mes de julio, se armó de todas
sus armas, subió sobre Rocinante, puesta su mal compuesta celada, embrazó su
adarga, tomó su lanza, y, por la puerta falsa de un corral, salió al campo con
grandísimo contento y alborozo de ver con cuánta facilidad había dado principio a
su buen deseo. Mas, apenas se vio en el campo, cuando le asaltó un pensamiento
terrible, y tal, que por poco le hiciera dejar la comenzada empresa; y fue que
le vino a la memoria que no era armado caballero, y que, conforme a ley de
caballería, ni podía ni debía tomar armas con ningún caballero; y, puesto que
lo fuera, había de llevar armas blancas, como novel caballero, sin empresa en
el escudo, hasta que por su esfuerzo la ganase. Estos pensamientos le hicieron
titubear en su propósito; mas, pudiendo más su locura que otra razón alguna,
propuso de hacerse armar caballero del primero que topase, a imitación de otros
muchos que así lo hicieron, según él había leído en los libros que tal le tenían. En
lo de las armas blancas, pensaba limpiarlas de manera, en teniendo lugar, que lo
fuesen más que un armiño; y con esto se quietó y prosiguió su camino, sin llevar
otro que aquél que su caballo quería, creyendo que en aquello consistía la fuerza
de las aventuras.2
1 Roger Lancelyn Green. El Rey Arturo y sus Caballeros de la Tabla Redonda. Capítulo 1: Las dos
espadas. 1987. Basado en relatos de la baja y alta Edad Media.
2 Miguel de Cervantes y Saavedra. El ingenioso hidalgo don Quijote de la Mancha. Capítulo II: Que
trata de la primera salida que de su tierra hizo el ingenioso don Quijote. 1605.
Frodo
1 1 − limN→∞ (1/2)N
=d 1/2
2
1 1
=d 1 =d
2 /2
El cálculo diferencial fue, simultánea e independientemente, "inventado" por
Newton y "descubierto" por Leibniz cerca de la década de 1670 d.C. Es decir,
desde el planteamiento del problema por Zenón de Elea, hasta que fue posible dar
una solución formal y rigurosa a la paradoja, transcurrieron aproximadamente
1 6 7 0
+ 4 6 0
2 1 3 0
¡2130 años!
= a (1 − rn )
d at d ∞ 1 kk
e = ∑ k! a t
dt dt k=0
∞
1 d
= ∑ k! ak dt t k
k=1
∞
1
= ∑ (k − 1)!k a · ak−1 kt k−1
k=1
∞
1
=a∑ ak−1t k−1
k=1 (k − 1)!
∞
1 l l
=a∑ at
l=0 l!
= aeat
Z ∞
1
Z
eat dt = ∑ akt k dt
k=0 k!
∞
1
Z
= ∑ k! ak t k dt
k=0
∞
1 k 1 k+1
=∑ a · t + c0
k=0 k! 1+k
∞
1 1
=∑ ak+1 t k+1 + c1
k=0 (k + 1)! a
∞
1 1
= ∑ ak+1 t k+1 + c1
a k=0 (k + 1)!
1 ∞ 1 l l
= ∑ l! a t + c2
a l=1
1 ∞ 1 l l 1
= ∑ l! a t − a · 1 + c2
a l=0
1
= eat + c3
a
u = sin(ωt) =⇒ du = ω cos(ωt)dt
1
dv = e−λt dt =⇒ v = − e−λt
λ
se tiene:
1 1
Z
I = − e−λt sin(ωt) − − e−λt ω cos(ωt)dt
λ λ
1 −λt
Z
ω
= − e sin(ωt) + e−λt cos(ωt)dt
λ λ
Otro cambio de variables para resolver la integral:
u = cos(ωt) =⇒ du = −ω sin(ωt)dt
1
dv = e−λt dt =⇒ v = − e−λt
λ
Entonces,
1 −λt 1 −λt 1 −λt
Z
ω
I = − e sin(ωt) + − e cos(ωt) − − e · −ω sin(ωt)dt
λ λ λ λ
1 −λt
Z
ω −λt −λt
= − e sin(ωt) − 2 e cos(ωt) + ω e sin(ωt)dt
λ λ
1 −λt ω
= − e sin(ωt) − 2 e−λt cos(ωt) + ωI
λ λ
1 ω ω2
= − e−λt sin(ωt) − 2 e−λt cos(ωt) − 2 I
λ λ λ
Despejando el valor de la integral,
1 1 −λt ω −λt
I=− 2 e sin(ωt) + e cos(ωt)
1 + ω2 λ λ2
λ
x = a · tan(u)
dx d sin(u)
=⇒ =a
du du cos(u)
a
=
cos2 (u)
a a2
cos(u) = √ =⇒ x2 + a2 =
x2 + a2 cos2 (u)
p
x2 + a2
x
−π/2 π/2 x
Con N = (t f − t0 )/∆t :
t0
f (t)dt = lim
∆t→0
∑ f (t0 + k · ∆t)∆t
k=0
t0
f (t)dt = lim
∆t→0
∑ f (t0 + (k + 1) · ∆t)∆t
k=0
en Matlab/Octave existen las funciones exp y expm que realizan operaciones similares
pero no idénticas sobre matrices. El Código 1.2 estudia ambos casos y los compara con
una aproximación de la función exponencial calculada a través de un ciclo for.
Pero un código numérico también permite realizar otro tipo de operaciones. Por
ejemplo, el Código 1.3 aproxima el resultado de la integral
Z 10
2 1 − e−0,4t dt
I=
0
u: entradas y: salidas
Proceso
Definición 1.2 (Proceso). Un proceso es una realidad física (o virtual) que exhibe
un comportamiento temporal.
Definición 1.4 (Señales). Una señal es una cantidad que varía en el tiempo y que
representa cierta información sobre el estado del sistema.
• Definición 1.4.1 (Entradas). Una variable de entrada es una señal externa al
sistema, que puede ser modificada arbitrariamente, pero que incide en el compor-
tamiento del sistema. u(t) ∈ R, u(t) ∈ R p ,u(k) ∈ R, u(k) ∈ R p .
• Definición 1.4.2 (Salidas). Una variable de salida es una señal que permite
evaluar u observar el comportamiento de un sistema en función de su objetivo.
y(t) ∈ R, y(t) ∈ Rq , y(k) ∈ R, y(k) ∈ Rq .
https://electricalfundablog.com/synchronous- motor/
∆P(t) dP(t)
→ = Fe (t) − Fs (t) +Cg (t) −Cc (t)
∆t dt
J θ̈ = Tg + Tr + T
ml 2 θ̈ = −mgl sin(θ ) − dl 2 θ̇ + T
• Conexión electromagnética:
ea = kφ ωm
Te = kφ ia
• Ecuaciones mecánicas:
J = JL + Jm
JαL = Te − TL − bωm
d
αL = ωm
dt
• Flujo hidrostático: s
∆p(t)
q(t) = kv .
ρ
• Diferencial de presión:
∆p(t) = ρgh(t)
• Balance de volumen:
dV (h) ∂V (h) dh
= = qin (t) − qout (t)
dt ∂ h dt
Una pelota se deja caer desde una altura de nueve metros. Si cada vez
rebota un tercio de la altura desde la cual ha caído, ¿cuánto rebota la
sexta vez? ¿Cuál es la distancia total recorrida al tocar el suelo por
octava vez?
Lo anterior describe una progresión geométrica con razón r = 1/3 y condición
inicial a0 = 9, donde:
a0 = 9
1
a1 = · 9 = 3
3
1
a2 = · 3 = 1
3
..
.
n−1
1
an = a1 (r)n−1 = 3
3
La sexta vez que la pelota rebota (n = 6), tenemos que alcanza una altura de:
5
1 1 1
a6 = 3 = 4 = [m]
3 3 81
La octava vez que la pelota toca el suelo, corresponde al séptimo rebote. Y cada
vez que la pelota rebota, ésta sube y luego baja la misma distancia. Luego, la
distancia total recorrida corresponde a
dn |n=7=8−1 = a0 + 2 Sn |n=7=8−1
(1/3)7 − 1
= 9+2·3 1/3 − 1
(1/3)7 − 1
= 9+6
−2/3
≈ 17, 99588477[m]
≈ 18[m]
d∞ = lim dn
n→+∞
1
= 9 − 9 lim −1
n→+∞ 3n
= 18[m]
f (x) = ex
x
1
f (x) = ln(x)
3x = 42x−1
Luego,
T (r) = 180e−kr + 20 = 100 =⇒ e−kr = 80/180 = 4/9
Además,
55
T (r + 10) = 180e−k(r+10) + 20 = 75 =⇒ e−kr e−10k =
180
4 −10k 55
=⇒ e =
9 180
=⇒ e−10k = 11/16
=⇒ −10k = ln (11/16)
−1
=⇒ k = ln (11/16) ≈ 0, 037469344...
10
ex − e−x = −2
Desde donde,
√
p
−2 ± 4 − 4 · (−1)
u= = −1 ± 2
2
Luego,
√
ex = −1 ± 2
√
=⇒ x = ln −1 ± 2
El caso de la raíz negativa debe ser descartado pues con σ ∈ R, eσ > 0. Luego,
√
x = ln(−1 + 2) + ȷ̂ · 2nπ.
Y el caso de la raíz positiva debe ser descartado por las mismas razones que
anteriormente. De aquí tenemos que,
√
x = ln(1 + 2) + ȷ̂ · (2n + 1)π.
Notar que
√
1
− ln 1 + 2 = ln √
1+ 2
√ !
1 −1 + 2
= ln √ √
1 + 2 −1 + 2
√ !
−1 + 2
= ln
−1 + 2
√
= ln −1 + 2
con k ∈ Z.
−1 −1
podemos escribir:
x − y = π/3
√ 2
q
r r= 3 + 12 = 2
√ √
tan(θ ) = 3/1 = 3
1 R
z = (z8 )1/8
π 1/8
= eȷ̂·( 3 +2kπ)
ȷ̂ · ( π3 + 2kπ)/8
=e
π π
= eȷ̂·( 24
π
+k 4 )
π π π
= cos +k + ȷ̂ sin +k
24 4 24 4
Como k ∈ Z, y las funciones trigonométricas son perpiodicas, basta con elegir
ocho valores consecutivos de k para obtener todas las raíces del polinomio. Esto
es, π π π π
z = cos +k + ȷ̂ sin +k , k ∈ {0, 1, 2, 3, 4, 5, 6, 7} .
24 4 24 4
I(t)
I1 (t) I2 (t)
con α(t) = 2π ·60·t. Usando la relación de Euler, podemos expresar las corrientes
como una sumatoria de exponenciales complejas:
√ n o √ −1
I1 (t) = 3 · imag eȷ̂α(t) = 3 ȷ̂ eȷ̂α(t) − e−ȷ̂α(t)
2
n o 1
I2 (t) = −real eȷ̂α(t) = − eȷ̂α(t) + e−ȷ̂α(t)
2
2 2
π/3
π/3 π/3
−1 1 R
Ésta corresponde a una matriz de rotación. Por ejemplo, si el vector x = [1, 0]′ se
pre-multiplica por A(θ ), se obtiene un vector rotado en un ángulo θ con respecto
a la horizontal. Ver diagrama más abajo.
x1
A(θ )x
sin θ
cos θ x x2
An+1 (θ ) = An (θ )A(θ )
= A(nθ )A(θ )
= Jeȷ̂nθ + J̄e−ȷ̂nθ · Jeȷ̂θ + J̄e−ȷ̂θ
= Jeȷ̂nθ · Jeȷ̂θ + Jeȷ̂nθ · J̄e−ȷ̂θ + J̄e−ȷ̂nθ · Jeȷ̂θ + J̄e−ȷ̂nθ · J̄e−ȷ̂θ
= Jeȷ̂(n+1)θ + 0 + 0 + J̄e−ȷ̂(n+1)θ
= A((n + 1)θ )
Luego, n ∈ S = N.
p(λ ) = |λ I − A|
λ − 1 0 −2
= 0 λ −1 −3
2 −2 λ
= (λ − 1)2 λ + 0 + 0 − −4(λ − 1) − 6(λ − 1) − 0
= (λ − 1)(λ 2 − λ − 2)
= (λ − 1)(λ + 1)(λ − 2)
(1 − λ )a + 2c = 0
(1 − λ )b + 3c = 0
−2a + 2b − λ c = 0
• I(t) = e−ȷ̂ωt dt
R
k t = kT f (kT ) f (kT ) · T
0 0, 0 f (0, 0) f (0, 0) · 0, 5
1 0, 5 f (0, 5) f (0, 5) · 0, 5
2 1, 0 f (1, 0) f (1, 0) · 0, 5
.. .. .. ..
. . . .
• En un mismo gráfico, muestre f (t) con una línea curva y muestre f (kT ) con
barras de ancho T , con t = kT en el eje horizontal.
• En base a lo calculado en el apartado anterior, desarrolle la sumatoria
10/T
IT = ∑ f (kT ) · T
k=0
¿Qué observa?
• Repita todo lo anterior considerando intervalos T = 0, 1, T = 0, 01, T = 0, 001,
etc.
E 1.5: Matrices. Construya una función que genere una matriz de la forma
2 −3
0 0
.. ..
4
2 −3 . . 0
.. ..
A=
0 4 2 . . 0 ∈ Rn×n
. .. . .. . .. . ..
0
0 0 0 4 2 −3
0 0 0 0 4 2
1.6.3 Sistemas
E 1.6: Bío-Bío. Para las realidades físicas de las figuras más abajo,
Procesador:https:
Biotrén: http://www.fesur.cl/biotren/ //www.spdigital.cl/products/view/54527
ẋ = ax + b.
−1
Solución candidata: x(t) = Ae−t/τ + B. Entonces ẋ = τ Ae
−t/τ .
Reemplazando:
−1 −t/τ
Ae = aAe−t/τ + aB + b
τ
De donde se deduce que:
−1 −t/τ
Ae = aAe−t/τ
τ
0 = aB + b
Luego,
B = −b/a
y
τ = −1/a
Usando la condición inicial,
Por lo tanto,
b at
x(t) = (x0 + b/a)eat − b/a = eat x0 +
e −1
a
(λ 2 + 2)A = 0
((λ ∗ )2 + 2)B = 0
(3C − 2) = 0
Lo cual se cumple si
√
λ = ȷ̂ 2
√
λ ∗ = −ȷ̂ 2
C = 2/3
Con ello,
√ √ 2
y(t) = Aeȷ̂ 2t
+ Be−ȷ̂ + e−t
2t
3
Notar que la exponencial compleja puede expresarse equivalentemente en base a
funciones trigonométricas.
Los valores de las constantes A ∈ C y B ∈ C se pueden obtener desde la condi-
ción inicial del sistema. Por ejemplo, si y(0) = ẏ(0) = 0, tenemos que
2
y(0) = A + B + =0
3
√ √ 2
ẏ(0) = Aȷ̂ 2 − Bȷ̂ 2 − = 0
3
Igualando término a término esta expresión con la del problema original, se de-
duce el siguiente sistema de ecuaciones:
2A = 1
2(A + B) = 0
2C = 2
D(1 + a2 ) = 0
E(1 + a2 ) = 0
Finalmente,
1 1 1 1 1
y(t) = (t − 1)et + e−t + − − ȷ̂ eȷ̂t + − + ȷ̂ e−ȷ̂t
2 4 2 4 2
1 1
= (t − 1)et + e−t − cos(t) + sin(t)
2 2
L
i(t) v(t)
e(t) + C R
−
di
e(t) − L = v(t)
dt
i(t) = ic (t) + iR (t)
v(t) = RiR (t)
dv
ic (t) = C
dt
Si despejamos las derivadas y reemplazamos algebraicamente se obtiene:
di −1 1
= v(t) + e(t)
dt L L
dv 1 1
= i(t) − v(t)
dt C RC
Calculando la segunda derivada del voltaje y reemplazando la derivada de la
corriente, podemos obtener una única ecuación diferencial:
d2v 1 di 1 dv
2
= −
dt Cdt RC dt
1 −1 1 1 dv
= v(t) + e(t) − (t)
C L L RC dt
1 dv 1 1
=− − v(t) + e(t)
RC dt LC CL
Por otro lado, también podemos elegir las cantidades que aparecen derivadas
como estados (x1 (t) = i(t), x2 (t) = v(t)) y la tensión de la fuente como la entrada
O matricialmente,
0 −1/L 1/L
ẋ(t) = 1 x(t) + u(t)
/C −1/RC 0
Revisemos:
x1 (t)
ẋ1 (t) = −a1 1 + b1 · u(t)
x2 (t)
=⇒ ẋ1 (t) = −a1 · x1 (t) + x2 (t) + b1 · u(t)
=⇒ ẍ1 (t) = −a1 · ẋ1 (t) + ẋ2 (t) + b1 · u̇(t)
ẋ = Ax + Bu + Ep
y = Cx + Du + Fp,
donde x ∈ Rn , u ∈ R p , y ∈ Rq , p ∈ Rr .
p(t)
E F
Si se define:
x̄ := Tx ⇐⇒ x = T−1 x̄
Entonces,
x̄˙ = Tẋ
= TAx + TBu + TEp
= TAT−1 x̄ + TBu + TEp
y = CT−1 x̄ + Du + Ep
0 = ẋ(t) = a · X + b ·U
y(t) = Y = c · X
x̄(t) = x(t)/X
ū(t) = u(t)/U
ȳ(t) = y(t)/Y
y(t) c · x(t) c · X
ȳ(t) = = = x̄(t) = x̄(t)
Y Y Y
Ejercicio: ¿Cómo se normalizaría el sistema si el vector de estados tiene una
dimensión superior a uno?
Z t
x(t) = eA(t−t0 ) x(t0 ) + eAt e−Aτ Bu(τ)dτ
t0
Z t
= eA(t−t0 ) x(t0 ) + eA(t−τ) Bu(τ)dτ
t0
Φ (t) = eAt
Ejemplo 2.7 (Circuito LCR). Retomemos el circuito LCR del Ejemplo 2.4. In-
teresa aproximar numéricamente la solución de la ecuación diferencial asociada.
Esto se puede hacer a través del comando Matlab/Octave ode45 que desarrolla
algorítmicamente el método de Runge-Kutta clásico (RK45). El Código 2.1 de-
fine las matrices A y B asociadas al modelo del circuito y la ecuación diferencial
respectiva. Después de definir un intervalo temporal en el cual se desea aprox-
imar la solución de la ecuación, el código obtiene la respuesta homogénea (CI
arbitraria, entrada nula) y la respuesta forzada (CI nula, entrada arbitraria) que se
grafican más adelante.
0
e
-1
0 0.02 0.04 0.06 0.08 0.1
0.1
0
i
-0.1
0 0.02 0.04 0.06 0.08 0.1
10
0
v
-10
0 0.02 0.04 0.06 0.08 0.1
Respuesta forzada:
0.5
e
0
0 0.02 0.04 0.06 0.08 0.1
0.02
0.01
i
0
0 0.02 0.04 0.06 0.08 0.1
2
1
v
0
0 0.02 0.04 0.06 0.08 0.1
Definición 2.7 (Valores propios). Sea una matriz A ∈ Rn×n , cualquier escalar
λ ∈ eig {A} ⊂ C tal que se cumpla
Av = λ v
p(λ ) = det {A − λ I} = 0
p(λ ) = det {R − λ I}
K cos(θ ) − λ −K sin(θ )
= det
K sin(θ ) K cos(θ ) − λ
= (K cos(θ ) − λ )2 + K 2 sin2 (θ )
= K 2 cos2 (θ ) − 2Kλ cos(θ ) + λ 2 + K 2 sin2 (θ )
= K 2 − 2Kλ cos(θ ) + λ 2
=0
ȷ̂R
1
λ
K sin(θ )
K cos(θ ) R
−K sin(θ )
λ∗
lim eJt = 0
t→+∞
Por lo tanto, la matriz de transición de estados será convergente en el caso en que cada
uno de los valores propios tengan parte real negativa. Es decir, se encuentre en el
semi-plano complejo izquierdo:
imag {λ }
real {λ }
Ejemplo 2.10 (Circuito LCR). Retomemos el circuito LCR de los Ejemplos 2.4
y 2.7. En este caso, la matriz de estados corresponde a:
0 − 1/L
A= 1
/C − 1/RC
y sus valores propios son las raíces del polinomio característico dado por:
p(λ ) := det {A − λ I}
−λ − 1/L
= det 1/C − 1/RC − λ
ẋ(t) = a · x(t)
a<0
1
0.5
0
0 2 4 6 8 10
a>0
150
100
50
0
0 2 4 6 8 10
t = Tk
Ejemplo 2.12 (Sample and Holder). El Código 2.3 observa (sample) una función
"continua" a una tasa regular de muestreo guardando el vector de instantes de
muestreo y el valor de la función en cada instante. Además, genera un nuevo vec-
tor en el tiempo "continuo" donde la observación en tiempo discreto es retenida
(hold) hasta la próxima muestra. La gráfica más abajo muestra las señales con-
tinua, muestreada y retenida. Notar que existe un retardo de fase entre las señales.
0.5
-0.5
-1
0 1 2 3 4 5
Entonces,
T
Z
x((k + 1)T ) = eAT x(kT ) + eA(T −σ ) Bdσ u(kT )
0
ys (kT ) = Cx(kT ) + Du(kT )
Cuando A es invertible:
!
Z T Z T +∞
1 m
eA(T −σ ) Bdσ = ∑ A (T − σ ) Bdσ m
0 0 m=0 m!
+∞ Z T
1 m m
= ∑ A (T − σ ) dσ B
m=0 m! 0
+∞
T
1 m −1 m+1
= ∑ A (T − σ ) B
m=0 m! m+1 0
+∞
1 m 1
= ∑ A T m+1 B
m=0 m! m+1
+∞
1
= ∑ Am+1 T m+1 A−1 B
m=0 (m + 1)!
!
+∞
1 n n
= ∑ A T A−1 B
n=1 n!
!
+∞
1 n n
= −I + ∑ A T A−1 B
n=0 n!
= eAT − I A−1 B
0.5
e
0
0 0.02 0.04 0.06 0.08 0.1
×10 -3
20
10
i
0
0 0.02 0.04 0.06 0.08 0.1
1
v
0
0 0.02 0.04 0.06 0.08 0.1
1
e
0
0 0.02 0.04 0.06 0.08 0.1
×10 -3
20
10
i
0
0 0.02 0.04 0.06 0.08 0.1
1
v
0
0 0.02 0.04 0.06 0.08 0.1
1
e
0
0 0.02 0.04 0.06 0.08 0.1
×10 -3
20
10
i
0
0 0.02 0.04 0.06 0.08 0.1
1
v
0
0 0.02 0.04 0.06 0.08 0.1
Av = λ v
Si λ ∈ R: eT λ > 0.
Ejemplo 2.14 (Sistema discreto con polo negativo). Considere el sistema descrito
por
1
x(k + 1) = − x(k)
2
En este caso, la matriz de estados tiene un único valor propio negativo. Es decir,
este sistema se puede plantear matemáticamente, pero no es el resultado del pro-
ceso de discretización. En la siguiente gráfica se observa una posible trayectoria
de la variable:
x(k)
Ésta corresponde a una progresión geométrica donde cada término es el doble del
anterior. Es decir el término enésimo se obtiene haciendo yn = 2yn−1 :
y1 = 2y0
y2 = 2y1 = 2 · 2y0 = 22 y0
y3 = 2y2 = 2 · 22 y0 = 23 y0
...
yn = 5 · 2n
yn+1 + 2yn = n
yn+1 = (−2)yn
y1 = (−2)y0
y2 = (−2)y1 = (−2)2 y0
y3 = (−2)y2 = (−2)3 y0
..
.
yn = (−2)n y0
yn = A(−2)n + Bn +C
yn+1 = A(−2)n+1 + B(n + 1) +C
Desde donde,
(3B − 1)n + (B + 3C) = 0
y se obtiene el sistema de ecuaciones:
3B − 1 = 0
B + 3C = 0
x(k + 1) = ax(k) + b.
ACCk + B = aACk + aB + b
Entonces,
ACCk = aACk =⇒ C = a
B = aB + b =⇒ B = b/(1 − a)
x(0) = A + B = x0 =⇒ A = x0 − B =⇒ A = x0 − b/(1 − a)
Por lo tanto:
p(k)
E F
k−1
x(k) = Ak x0 + ∑ Ak−1−i Bu(i)
i=0
Φ (k) = Ak
λ k kλ k−1 k(k−1)
k−2 k! k−n+1
2 λ ··· (k−n+1)!(n−1)! λ
k!
0 λk kλ k−1 ··· k−n+2
(k−n+2)!(n−1)! λ
Jki =
. .. .. .. ..
..
. . . .
0 0 0 λk kλ k−1
0 0 0 0 λk
real {λ }
Este módulo es unitario en el caso en que a = 1/2. Es decir, si a < 1/2, los valores
propios se encuentran en el círculo unitario. Por el contrario, si a > 1/2 entonces
los valores propios se encuentran fuera del círculo unitario y por lo tanto la re-
spuesta del sistema es divergente.
El Código 2.5 calcula la trayectoria del sistema descrito ante una condición
inicial arbitraria para un valor del parámetro que garantiza convergencia. La figura
más adelante muestra la trayectoria en el espacio de estados (no como función del
tiempo). Claramente, los estados se aproximan al origen en la medida que el
tiempo transcurre. ¿Qué ocurriría en el gráfico si a > 1/2?
1.5
0.5
x2
-0.5
-1
-1.5
-1.5 -1 -0.5 0 0.5 1 1.5
x1
0 = f(xo , uo , po )
xo = f(xo , uo , po )
a https://en.wikipedia.org/wiki/Brook_Taylor
df 7
= x6
dx 30
d2 f 42 7
= x5 = x5
dx2 30 5
d3 f
= 7x4
dx3
Despreciando los términos de orden superior, la función puede aproximarse en
torno a un punto de operación (xo , f (xo )) con ayuda de la definición de la serie de
Taylor:
!
∂ f (x)
f (x) ≈ f (xo ) + (x − xo )
∂ x x=xo
! !
1 ∂ 2 f (x) 1 ∂ 3 f (x)
2
+ (x − xo ) + (x − xo )3
2! ∂ x2 x=xo 3! ∂ x3 x=xo
1 7 7 6 17 5 1
= 2+ x + x (x − xo ) + x (x − xo )2 + 7xo4 (x − xo )3
30 o 30 o 25 o 6
El Código 2.6 define un punto de operación arbitrario para la función y de-
sarrolla las aproximaciones de primer, segundo y tercer orden. La gráfica más
adelante muestra la función original y las aproximaciones en torno al punto es-
pecificado. Notar cómo en las cercanías del punto de operación, la aproximación
lineal (de primer orden) coincide de buena manera con la función original.
5
f(x)
T 1 (x)
T (x)
2
50 T (x)
3
4.5
40
30
3.5
20
3
10 f(x)
T (x)
1
T 2 (x)
T 3 (x)
0 2.5
0.5 1 1.5 2 2.5 1.5 1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 1.95 2
donde ∆x = x − xo .
Aplicando a un sistema en tiempo continuo tenemos:
˙ = ẋ − ẋo = ẋ = f (x)
∆x
!
∂ f (x)
≈ f (xo ) + ∆x
∂ x x=xo
!
∂ f (x)
= ∆x
∂ x x=xo
∆x(k + 1) = x(k + 1) − xo
= f (x(k)) − f (xo )
!
∂ f (x)
≈ ∆x
∂ x x=xo
2P
0 = −3Y ·U + 2P =⇒ Y =
3U
Las derivadas parciales de la función evaluadas en el punto de operación arrojan:
∂ f
= −3 ·U
∂ y (U,P,Y )
∂ f 2P
= −3 ·Y = −
∂ u (U,P,Y ) U
∂ f
=2
∂ p (U,P,Y )
Luego, con ∆y(t) = y(t) − Y , ∆u(t) = u(t) − U, y ∆p(t) = p(t) − P, tenemos un
modelo linealizado dado por:
d 2P
∆y(t) = −3 ·U∆y(t) − ∆u(t) + 2∆p(t)
dt U
L
E δ I V 0
G ∞
dI
E δ −L =V 0
dt
E δ − Lȷ̂ωI = V
3EVi
KS = cos δ0
SLω
Esta expresión también se puede representar gráficamente como en la siguiente
figura.
∆P̄
KS
− υ
+ 1 R R
∆P̄m 2H ∆δ
−
KD
Sw L
i(t) v(t)
e(t) C R
di 1 1
= Sw · e − v
dt L L
dv 1 1
= i− v
dt C RC
Si el proceso de abrir y cerrar el interruptor se repite períodicamente a alta fre-
cuencia, se puede plantear un modelo promedio reemplazando Sw por su valor
promedio u ∈ [0, 1] o ciclo de trabajo:
di 1 1
= u·e− v
dt L L
dv 1 1
= i− v
dt C RC
Este sistema es no lineal producto de la multiplicación de la señal de entrada con
la perturbación. Aplicando una linealización por serie de Taylor tenemos:
d∆i 1 1 1
= uo · ∆e + eo · ∆u − ∆v
dt L L L
d∆v 1 1
= ∆i − ∆v
dt C RC
El Código 2.7 simula el comportamiento del sistema considerando las
entradas escalonadas más abajo, y los tres modelos anteriores resolviendo la
ecuación diferencial asociada por medio de discretización. Con ello se obtienen
las gráficas más adelante que muestran ambos estados. Notar cómo el modelo
promedio aproxima de buena manera al modelo con estados discretos, mientras
que el modelo linealizado sólo es una buena aproximación del modelo promedio
en la medida que las señales externas sean cercanas al punto de operación.
u
0.55
0.5
0 0.05 0.1 0.15 0.2
24
23.5
e
23
22.5
22
0 0.05 0.1 0.15 0.2
18
16
14
i
12
10
0 0.05 0.1 0.15 0.2
16
14
v
12
switch promedio lineal
10
0 0.05 0.1 0.15 0.2
Si u(t) = 1, entonces
Z t
x(t) = eat x(0) + beat e−aτ dτ
0
1 −aτ τ=t
= eat x(0) + beat e
−a τ=0
b
= eat x(0) − 1 − eat
a
Si u(t) = sin(ωt), entonces,
Z t
x(t) = eat x(0) + b · eat e−aτ sin(ωτ)dτ
0
at b at 1 −at ω −at ω
= e x(0) − e e sin(ωt) + 2 e cos(ωt) − 2
1 + ω 2/a2 a a a
b 1 ω ω
= eat x(0) − sin(ωt) + 2 cos(ωt) − 2 eat
1 + ω 2/a2 a a a
b
= eat x(0) − 2 a sin(ωt) + ω cos(ωt) − ωeat
a +ω 2
∂ f (y) ∂
= (− tan(y(t)) + K · u(t))
∂y ∂y
∂ sin(y(t))
= − + K · u(t)
∂y cos(y(t))
∂ sin(y(t))
=−
∂ y cos(y(t))
cos(y(t)) sin2 (y(t))
=− +
cos(y(t)) cos2 (y(t))
= − 1 + tan2 (y(t))
= − tan2 (y(t)) − 1
Con esto, un modelo linealizado del sistema en torno al punto de operación corres-
ponde a:
d
∆y(t) = − K 2 u20 + 1 ∆y(t) + K∆u(t),
dt
donde ∆y(t) = y(t) − y0 y ∆u(t) = u(t) − u0 . Por simplicidad, podemos definir
a = −K 2 u20 − 1 ∈ R. Notar que la solución del sistema es convergente si y sólo si,
a < 0. Esto es, siempre.
La solución exacta del sistema linealizado se puede escribir desde la fórmula
general como:
Z t
∆y(t) = ea(t−t0 ) ∆y(t0 ) + ea(t−τ) K∆u(τ)dτ
t0
k k−1 k−1−i 1
∆y(kT ) = eaT ∆y(0) + ∑ eaT K eaT − 1 ∆u(iT )
i=0 a
k 1 k−1 k−1−i
= eaT ∆y0 + K eaT − 1 ∑ eaT ∆u(iT )
a i=0
k 1 k−1 k−1−i
∆y(kT ) = eaT ∆y0 + K eaT − 1 ∑ eaT ∆u0
a i=0
k−1
k 1 k−1−i
= eaT ∆y0 + K eaT − 1 ∆u0 ∑ eaT
a i=0
k 1 k−1 k−1 −aT i
= eaT ∆y0 + K eaT − 1 ∆u0 eaT
a ∑ e
i=0
!
k−1
k 1 k−1 i
= eaT ∆y0 + K eaT − 1 ∆u0 eaT 1 + ∑ e−aT
a i=1
−aT k−1 − 1
!
aT k 1 aT aT k−1 −aT e
= e ∆y0 + K e − 1 ∆u0 e 1+e
a e−aT − 1
k−1 !
aT k
1 aT
aT k−1
1 − eaT
= e ∆y0 + K e − 1 ∆u0 e +
a 1 − eaT
k !
aT k
1 aT
1 − eaT
= e ∆y0 + K e − 1 ∆u0
a 1 − eaT
k 1 k
= eaT ∆y0 − K 1 − eaT ∆u0
a
puesto que la suma de los n primeros términos de una progresión geométrica con
razón r es:
n
rn − 1
∑ ai = a1 r − 1 .
i=1
b 1p 2
λ1 = − + b − 4c
2 2
b 1p 2
λ2 = − − b − 4c.
2 2
Se deja como ejercicio verificar que los vectores propios vienen dados por las
columnas de la siguiente matriz:
1 1
V= .
−λ2 −λ1
Como, por definición de valores y vectores propios, se tiene que AV = VD, con
D = diag {λi }λ ∈eig{A} , entonces se tiene la siguiente descomposición de la ma-
i
triz de estados:
λ 0
A=V 1 V−1
0 λ2
p(λ ) = |λ I − A|
λ − 1 0 −2
= 0 λ −1 −3
2 −2 λ
= (λ − 1)2 λ + 0 + 0 − −4(λ − 1) − 6(λ − 1) − 0
= (λ − 1)(λ 2 − λ − 2)
= (λ − 1)(λ + 1)(λ − 2)
(1 − λ )a + 2c = 0
(1 − λ )b + 3c = 0
−2a + 2b − λ c = 0
ÿ(t) + y(t) = 1
Además,
Z t Z t
eA(t−τ) Bu(τ)dτ = eA(t−τ) Bdτ
0 0
= eAt − I A−1 B
cos(t) − 1 sin(t) 0 −1 0
=
− sin(t) cos(t) − 1 1 0 1
cos(t) − 1 sin(t) −1
=
− sin(t) cos(t) − 1 0
1 − cos(t)
=
sin(t)
Con esto, tenemos que la respuesta del sistema viene dada por:
Z t
cos(t) sin(t) 1 − cos(t)
x(t) = eAt x(0) + eA(t−τ) Bu(τ)dτ = x(0) +
0 − sin(t) cos(t) sin(t)
d d
a) dt y(t) + y(t) = a, a>0 f) dt y(t) + 2y(t) = 10
d2 −4 1 1
b) dt 2
y(t) + y(t) = a, a>0 g) ẋ(t) = x(t) + , y(t) =
2 −3 2
d3
c) y(t) + y(t) = a, a > 0 4 10 x(t) + 1.
dt 3
d 4 1 1
d) dt y(t) + y(t) = a sin(ωt), a > 0, ω > 0 h) ẋ(t) = x(t) + , y(t) =
2 3 2
d −σt ,
e) dt y(t) + y(t) = ae a > 0, σ > 0 4 10 x(t) + 1.
d
a) dt y(t) + 2y(t) = 10 50t)
d2
b) dt 2
y(t) + 3 dtd y(t) + 5y(t) = 1 e) d2
y(t) + 3 dtd y(t) + 5y2 (t) = sin(2π ·
dt 2
d2 50t)
c) dt 2
y(t) + 3 dtd y(t) + 5y(t) = sin(2π ·
50t) d2
f) dt 2
y(t)+ 3 dtd y(t) + 5 sin(y2 (t)) =
2
d) dtd 2 y(t) + 3 dtd y(t) + 5y(t) = sin(2π ·
sin(2π · 50t)
2 −1 σ ω
b) A = . d) A = , con {σ , ω} ⊂ R.
7 3 −ω σ
E 2.5: Preguntas.
• ¿Cuáles son los valores propios de una matriz diagonal?
• ¿Cuáles son los valores propios de una matriz triangular?
• ¿Cuáles son los valores propios de una matriz diagonal por bloques?
• ¿Cuáles son los valores propios de una matriz triangular por bloques?
E 2.6: Demostraciones. Para una matriz arbitraria A ∈ Rn×n , considerando que los
valores (λ ) y vectores (v) propios cumplen con Av = λ v, demuestre los siguientes
enunciados:
k
a) si T ∈ Cn×n es invertible, entonces TAT−1 = TAk T−1 , ∀k ∈ N (ayuda: use
inducción).
b) si λ ∈ eig {A}, entonces kλ ∈ eig {kA}, ∀k ∈ R (ayuda: use Av = λ v).
c) si T ∈ Cn×n es invertible y λ ∈ eig {A}, entonces λ ∈ eig TAT−1 (ayuda: use
w = Tv).
d) si λ ∈ eig {A}, entonces λ m ∈ eig {Am }, ∀m ∈ N0 (ayuda: use inducción).
e) si v es un vector propio de A y de B, entonces v es un vector propio de A + B.
Demuestre que
−1
a) eTAT = TeA T−1
d At
b) = AeAt = eAt A
dt e
c) 0T eA(T −σ ) dσ = eAT − I A−1 = A−1 eAT − I
R
E 2.8: EDO. Escriba un programa que defina una matriz A ∈ Rn×n con valores propios
en el semi-plano izquierdo, y matrices aleatorias B ∈ Rn×1 y C ∈ R1×n . A partir de una
condición inicial arbitraria x0 ∈ Rn , el programa debe graficar en el intervalo t ∈ [0, 10]
la solución y(t) ∈ R de la ecuación diferencial
2.5.3 Discretización
E 2.9: Discretización. Considere la ecuación diferencial
ẋ(t) = −2x(t) + 1
con condición inicial nula. Grafique su solución x(t) e identifique en el gráfico las cinco
primeras observaciones de un sensor digital que muestrea a una tasa de T = 0, 5[s].
E 2.10: Muestreo. Considere las siguientes funciones, con parámetros arbitrarios:
f (t) = A 1 − e−t/τ
f (t) = A sin(ωt + φ )
(
0, t <θ
f (t) =
A 1−e −(t−θ )/τ , t ≥θ
Basado en un ciclo for, escriba un programa que determine las primeras N observa-
ciones de un sensor digital con tasa de muestreo T > 0 para cada función. Grafique
las funciones como una línea curva y destaque sobre ella las observaciones del sensor
determinadas anteriormente.
E 2.11: Sistemas. Encuentre los sistemas equivalentes en tiempo discreto de los
siguientes sistemas en tiempo continuo.
d d
a) dt y(t) + y(t) = u(t) e) dt y(t) + 2y(t) = 10u(t − 2)
d2
b) dt 2
y(t) + y(t) = u(t)
c) d3
y(t) + y(t) = u(t) 0 a 1
dt 3 f) ẋ(t) = x(t) + u(t), y(t) =
b c 0
d
d) dt y(t) + 2y(t) = 10u(t) 1 0 x(t) + u(t).
b) y(k + 1) + 23 y(k) = 1
−4 1 1
c) y(k + 1) + y(k) = 1 + a, a > 0 h) x(k + 1) = x(k) + ,
2 −3 2
d) y(k + 2) + y(k) = 1 + a, a > 0 y(k) = 4 10 x(k) + 1.
d 2 d
a) dt y(t) + y (t) = u(t) c) dt y(t) + sin(y(t)) = u(t)
d d
b) dt y(t) + |y(t)|y(t) = u(t) d) dt y(t) + u(t) sin(y(t)) = 0
E 2.17: Sistemas Eléctricos. Para los sistemas descritos más abajo, desarrolle lo
siguiente:
• Identifique parámetros, señales de entrada, perturbaciones, estados y posibles
salidas.
True RMS
vz
R
vi (t) AD538
+
vo (t)
vy C −
vx
La salida del circuito multiplicador AD538, que llamaremos v′i (t), corresponde a
vy (t)vz (t)
v′i (t) = .
vx (t)
Donde el voltaje vi (t) > 0 se impone desde una fuente, y el voltaje vo (t) > 0 es el
resultado de la medición a través del circuito.
El filtro RC previo al amplificador operacional se comporta de tal forma que:
dvo
CR = −vo (t) + v′i (t).
dt
Boost
L v(t)
i(t)
e(t) Sw C R
di
e(t) − L = (1 − d(t))v(t)
dt
dv v(t)
(1 − d(t))i(t) = C +
dt R
Donde d(t) ∈ [0, 1] corresponde al ciclo de trabajo manipulable del interruptor,
v(t) al voltaje del condensador, i(t) a la corriente en el inductor, y e(t) a un voltaje
no manipulable. El sistema opera nominalmente con d(t) = Do = 0.5 y e(t) =
Eo = 12[V ]. R = 10[Ω], L = 0.5[mH], y C = 50[µF] se consideran parámetros
constantes del modelo.
Buck-Boost
Sw v(t)
e(t) L C R
i(t)
Modelo promedio:
di
L = d(t)e(t) + (1 − d(t))v(t)
dt
dv v(t)
0 = (1 − d(t))i(t) +C +
dt R
Donde d(t) ∈ [0, 1] corresponde al ciclo de trabajo manipulable del interruptor,
v(t) al voltaje del condensador, i(t) a la corriente en el inductor, y e(t) a un voltaje
no manipulable. El sistema opera nominalmente con d(t) = Do = 0.5 y e(t) =
Eo = 12[V ]. R = 10[Ω], L = 0.5[mH], y C = 50[µF] se consideran parámetros
constantes del modelo.
Panel fotovoltaico
VD Rs
I V
I ph Rp
ID
La figura muestra un modelo circuital típico para una celda fotovoltaica con re-
donde la corriente de saturación del diodo (IDSS ), el voltaje térmico (VT ) y la con-
stante de idealidad n, son todos parámetros de la ecuación de Shockley y dependen
de la construcción del panel y de la temperatura a la cual se está operando.
Máquina Sincrónica
Una máquina sincrónica se modela habitualmente a través de la ecuación del pén-
dulo en por unidad:
2Mω(t) dω
= ω(t)Tm (t) − Pe (t) − b(ω(t) − ωo ),
ωo dt
X
V δ I E 0
Donde δ (t) es el ángulo de desfase con respecto al bus infinito que opera nomi-
nalmente a δ (t) = δo > 0; Pre f (t) es una referencia de la potencia que el inversor
inyecta al bus infinito, en operación nominal Pre f (t) = Po = 2.5[kW ]. La potencia
eléctrica transmitida por la línea corresponde a:
V E(t)
P(t) = sin δ (t)
X
Donde la amplitud de voltaje en el bus infinito corresponde a E(t) que en op-
eración nominal corresponde a E(t) = V = 220[V ]. k p = 1/2Po , y X = 2π · 50[Hz] ·
2.5[mH] se consideran parámetros constantes del modelo.
Nodo de micro-red DC
v(t) R1 e(t)
+
R2
−
Definición 3.1 (Soporte). El soporte de una señal x(t) son los intervalos de tiempo
donde la señal no es idénticamente nula. D(x(t)) = {t ∈ R|x(t) ̸= 0}.
• Definición 3.1.1 (Soporte positivo). Una señal tiene soporte positivo si D =
R+
• Definición 3.1.2 (Soporte negativo). Una señal tiene soporte negativo si D =
R−
Definición 3.5 (Ortogonalidad). Dos señales x1 (t) y x2 (t), son ortognales en [a, b]
sii Z b
< x1 (t), x2 (t) >= x1 (t)x2 (t)dt = 0
a
Hǫ (t)
1
0.5
0
-1 -0.5 0 0.5 1
δ ǫ (t)
20
10
0
-1 -0.5 0 0.5 1
rǫ (t)
1.5
0.5
0
-1 -0.5 0 0.5 1
epsilon=0.200
epsilon=0.100
epsilon=0.050
epsilon=0.025
f (t)
δ (t) δ (t − t0 )
f (t)
H(t − t0 )
f (t)
r(t − t0 )
t
a https://en.wikipedia.org/wiki/Paul_Dirac
b https://en.wikipedia.org/wiki/Oliver_Heaviside
f (k)
δ (k) δ (k − k0 )
f (k)
H(k − k0 )
f (k)
r(k − k0 )
Notar que:
r(k + 1) − r(k) = H(k) H(k + 1) − H(k) = δ (k)
k k
r(k) = ∑ H(k − i − 1) H(k) = ∑ δ (k − i)
i=0 i=0
Muestreador ideal:
∞
y(k) = ∑ y(iT )δ (k − i)
i=0
Retentor:
∞
y(t) = ∑ y(i) (H(t − iT ) − H(t − iT − T ))
i=0
0.5
-0.5
-1
0.5
-0.5
-1
0.5
-0.5
-1
Problema Solución
Transformación Anti-Transformación
Problema Solución
Transformado Transformada
• Distributividad con respecto a la suma: f (t) ∗ (g(t) + h(t)) = f (t) ∗ g(t) + f (t) ∗
h(t).
• Asociatividad: f (t) ∗ (g(t) ∗ h(t)) = ( f (t) ∗ g(t)) ∗ h(t).
a https://en.wikipedia.org/wiki/Pierre-Simon_Laplace
• L {δ (t)} = 1
Z +∞
L {δ (t)} = δ (t)e−st dt
0
Z +∞
= δ (t)e−s·0 dt
0
Z +∞
= δ (t) · 1dt
−∞
Z τ
= lim δ (t)dt
τ→+∞ −∞
= lim H(τ)
τ→+∞
=1
• L {H(t)} = 1/s
Z +∞
L {H(t)} = H(t)e−st dt
0
Z +∞
= 1 · e−st dt
0
1 −st +∞
=− e
s 0
1
= − (0 − 1)
s
1
=
s
con c1 > σc
A B A(s + a) + Bs
+ =
s s+a s(s + a)
(A + B)s + Aa
=
s(s + a)
! a
=
s(s + a)
A+B = 0
Aa = a
Como ya conocemos L {H(t)} = 1/s y L {e−at H(t)} = 1/(s + a), podemos encon-
trar la señal solicitada haciendo:
a 1 1
L −1 = L −1 −
s(s + a) s s+a
−1 1 −1 1
=L −L
s s+a
= H(t) − e−at H(t)
= 1 − e−at H(t)
1, 00
0, 63
Linealidad:
Z +∞
L {α f1 (t) + β f2 (t)} = (α f1 (t) + β f2 (t)) e−st dt
0
Z +∞ Z +∞
−st
=α f1 (t)e dt + β f2 (t)e−st dt
0 0
Escalamiento en el tiempo:
Z +∞
L { f (at)} = f (at)e−st dt, τ = at =⇒ dτ = adt
0
Z +∞
1
= f (τ)e−(s/a)τ dτ
a 0
1
L { f (at)} = F(s/a)
a
Desplazamiento en el tiempo:
Z +∞
L { f (t − a)} = f (t − a)e−st dt, τ = t − a =⇒ dτ = dt
0
Z +∞
= f (τ)e−s(τ+a) dτ
0
Z +∞
= f (τ)e−sτ e−sa dτ
0
Z +∞
= e−sa f (τ)e−sτ dτ
0
Desplazamiento en frecuencia:
Z +∞
L f (t)e−at = f (t)e−at e−st dt
0
Z +∞
= f (t)e−(a+s)t dt
0
Derivación en el tiempo:
Z +∞
L { f (t)} = f (t)e−st dt
0
Z +∞
d 1
= f (t) − e−st dt
0 dt s
Regla de la cadena ("un valiente soldado vestido de uniforme"):
dv du
Z Z
u dt = uv − v dt
dt dt
Luego,
+∞ Z +∞
1 1 df
L { f (t)} = f (t) − e−st − − e−st
dt
s 0 0 s dt
1 1 +∞ d f −st
Z
= f (0) + e dt
s s 0 dt
1 1 df
= f (0) + L
s s dt
Por lo tanto, si f (0) = 0,
df
L = sF(s)
dt
Repitiendo el proceso:
dn f
L = sn F(s)
dt n
Integración en el tiempo:
Z +∞
L { f (t)} = f (t)e−st dt
0
Z +∞ Z t
d
= e−st f (τ)dτ dt
0 dt 0
Z t +∞ Z +∞ Z t
−st
d −st
=e f (τ)dτ −
f (τ)dτ e dt
0 0 0 0 dt
Z +∞ Z t
= (0 − 0) + s f (τ)dτ e−st dt
0 0
Z t
= sL f (τ)dτ
0
t
Z
1
L f (τ)dτ = F(s)
0 s
d n F(s)
L {t n f (t)} = (−1)n
dsn
Integración en frecuencia:
Z +∞ Z +∞ Z ∞
F(s)ds = f (t)e−st dt ds
w w 0
Z ∞ Z +∞
= f (t) e−st ds dt
0 w
f (t) −st +∞
Z ∞
= e dt w
0 −t
f (t) −wt
Z ∞
= e dt
0 t
Z +∞
L { f (t)/t} = F(w)dw
s
df
L + f (0) = sL { f (t)}
dt
Z +∞
d f −st
e dt + f (0) = sL { f (t)}
0 dt
+∞
Z
d f −st
lim e dt + f (0) = lim (sL { f (t)})
s→+∞ 0 dt s→+∞
Trenes de señales:
( ) Z +∞
!
∞ ∞
L ∑ f (t − iT ) = ∑ f (t − iT ) e−st dt
i=0 0 i=0
∞ Z +∞
=∑ f (t − iT )e−st dt
i=0 0
∞
−siT
= ∑e L { f (t)}
i=0
∞
= L { f (t)} ∑ e−siT
i=0
( )
∞
1
L ∑ f (t − iT ) = F(s)
i=0 1 − e−sT
Convolución:
Z +∞ Z +∞
L { f (t) ∗ g(t)} = g(t − τ) f (τ)dτ e−st dt
0 0
Z +∞ Z +∞
= g(t − τ)e−st esτ f (τ)e−sτ dtdτ, σ = t − τ
0 0
Z +∞ Z +∞
= g(σ )e−sσ f (τ)e−sτ dσ dτ
0 0
Z +∞ Z +∞
= g(σ )e−sσ dσ f (τ)e−sτ dτ
0 0
Z c1 +ȷ̂∞
1
L { f (t)g(t)} = F(s − w)G(w)dw
2π ȷ̂ c1 −ȷ̂∞
3.5 Transformada Z
La suma de una progresión geométrica:
∞
1 − rn 1
∑ rk = 1 + r + r2 + r3 + ... = lim 1 n→∞ 1−r
=
1−r
k=0
d +∞ k +∞ +∞
∑ r = ∑ k · rk−1 = ∑ (k + 1) · rk
dr k=0 k=1 k=0
• Z {δ (kT )} = 1
∞
Z {δ (kT )} = ∑ δ (kT )z−k
k=0
∞
= δ (0 · T )z−0 + ∑ δ (kT )z−k
k=1
−0
= δ (0 · T )z +0
= 1·1
=1
n o ∞
Z e−a·kT H(kT ) = ∑ e−a·kT z−k
k=0
∞ k
= ∑ e−a·T z−1
k=0
1
= , |e−aT z−1 | < 1
1 − e−aT z−1
(1 − e−T )z−1
F(z) =
(1 − z−1 )(1 − e−T z−1 )
(1 − e−T )z−1
A B
Z −1 = Z −1
+
(1 − z−1 )(1 − e−T z−1 ) 1 − z−1 1 − e−T z−1
A+B = 0
−T
−Ae − B = 1 − e−T
(1 − e−T )z−1
1 1
Z −1 = Z −1
−
(1 − z−1 )(1 − e−T z−1 ) 1 − z−1 1 − e−T z−1
1 1
= Z −1 − Z −1
1 − z−1 1 − e−T z−1
= H(kT ) − e−kT H(kT )
= (1 − e−kT )H(kT )
Linealidad:
+∞
Z {α f1 (k) + β f2 (k)} = ∑ (α f1 (k) + β f2 (k)) z−k
k=0
+∞ +∞
=α ∑ f1 (k)z−k + β ∑ f2 (k)z−k
k=0 k=0
Z { f (akT )} = F(z1/a )
Desplazamiento en el tiempo:
+∞
Z { f (kT − aT )} = ∑ f (kT − aT )z−k , n = k − a, a > 0
k=0
+∞
= ∑ f (nT )z−n−a
n=−a
+∞
= ∑ f (nT )z−n z−a
n=−a
−1 ∞
= z−a ∑ f (nT )z−n + z−a ∑ f (nT )z−n
n=−a n=0
−1
Z { f (kT − aT )} = z−a F(z) + z−a ∑ f (nT )z−n
n=−a
+∞
Z { f (kT + aT )} = ∑ f (kT + aT )z−k , n = k + a, a > 0
k=0
+∞
= ∑ f (nT )z−n+a
n=a
+∞
= ∑ f (nT )z−n za
n=a
∞ a−1
=z a
∑ f (nT )z−n − za ∑ f (nT )z−n
n=0 n=0
a−1
Z { f (kT + aT )} = za F(z) − za ∑ f (nT )z−n
n=0
n o
Z ak f (kT ) = F(z/a)
Diferencia unitaria:
( )
k
1
Z ∑ f (iT ) = F(z)
i=0 1 − z−1
Convolución:
+∞
Z { f (kT ) ∗ g(kT )} = ∑ f (kT ) ∗ g(kT )z−k
k=0
+∞ +∞
= ∑ ∑ f (iT )g(kT − iT )z−k , n = k−i
k=0 i=0
+∞ +∞
= ∑ ∑ f (iT )g(nT )z−n−i
n=−i i=0
+∞ +∞
= ∑ g(nT )z−n ∑ f (iT )z−i
n=−i i=0
+∞ +∞
= ∑ g(nT )z−n ∑ f (iT )z−i
n=0 i=0
F(z) =
f (t) F(s) = L { f (t)} f (kT ) = f (t)|t=kT
Z { f (kT )}
δ (t − τ) e−sτ – –
1/s 1
H(t) H(kT ) 1−z−1
1/s2 T z−1
r(t) r(kT ) (1−z−1 )2
T 2 z−1 (1+z−1 )
t 2 H(t) 2/s3 (kT )2 H(kT ) (1−z−1 )3
e−at H(t) 1
s+a e−aT k H(kT ) 1
1−e−aT z−1
(1−e−aT )z−1
(1 − e−at )H(t) a
s(s+a) (1 − e−aT k )H(kT ) (1−z−1 )(1−e−aT z−1 )
Te−aT )z−1
te−at H(t) 1
(s+a)2
kTe−aT k H(kT ) (1−e−aT z−1 )2
ω z−1 sin(ωT )
sin(ωt)H(t) s2 +ω 2
sin(ωkT ) 1−2z−1 cos(ωT )+z−2
s 1−z−1 cos(ωT )
cos(ωt)H(t) s2 +ω 2
cos(ωkT ) 1−2z−1 cos(ωT )+z−2
con f (t) ∈ R, t ∈ R+ y ω ∈ R.
a https://en.wikipedia.org/wiki/Joseph_Fourier
• F { f (t)} = L2 { f (t)}|s=ȷ̂ω
• si f (t) tiene soporte positivo, F { f (t)} = L { f (t)}|s=ȷ̂ω
• F e−|t| = 2/(1 + ω 2 )
n o Z +∞
F e−|t| = e−|t| e−ȷ̂ωt dt
−∞
Z 0 Z +∞
= et e−ȷ̂ωt dt + e−t e−ȷ̂ωt dt
−∞ 0
Z 0 Z +∞
= e(1−ȷ̂ω)t
dt + e−(t+ȷ̂ω)t dt
−∞ 0
0 +∞
1 (1−ȷ̂ω)t
1 −(1+ȷ̂ω)t
= e − e
1 − ȷ̂ω
−∞ 1 + ȷ̂ω
0
1 1
= (1 − 0) − (0 − 1)
1 − ȷ̂ω 1 + ȷ̂ω
1 1
= +
1 − ȷ̂ω 1 + ȷ̂ω
1 + ȷ̂ω + 1 − ȷ̂ω
=
(1 − ȷ̂ω)(1 + ȷ̂ω)
2
=
1 + ω2
et e−t
Z +∞
F e−at H(t) = e−at H(t)e−ȷ̂ωt dt
−∞
Z +∞
= e−at e−ȷ̂ωt dt
0
Z +∞
= e−(a+ȷ̂ω)t dt
0
1 +∞
=− e−(a+ȷ̂ω)t
a + ȷ̂ω 0
1
=− (0 − 1)
a + ȷ̂ω
1
=
a + ȷ̂ω
1, 00
f (t) = e−at
f (t) = 0
• F {δ (t − a)} = e−ȷ̂ωa
F {δ (t − a)} = L {δ (t − a)}|s=ȷ̂ω
= 1 · e−a·s
s=ȷ̂ω
−ȷ̂ωs
=e
Z +∞
F {H(t + a) − H(t − a)} = (H(t + a) − H(t − a)) e−ȷ̂ωt dt
−∞
Z +a
= 1 · e−ȷ̂ωt dt
−a
1 +a
= e−ȷ̂ωt −a
−ȷ̂ω
1 −ȷ̂ω·a
− e+ȷ̂ω·a
=− e
ȷ̂ω
−1
= (cos(ωa) − ȷ̂ sin(ωa) − cos(ωa) − ȷ̂ sin(ωa))
ȷ̂ω
2
= sin(ωa)
ω
1, 00
2
f(t)
0.5
0
0
-2
-5 -4 -3 -2 -1 0 1 2 3 4 5 -10 -8 -6 -4 -2 0 2 4 6 8 10
tiempo [s] ω [rad/s]
4 200
F(ω) [grad]
3 150
|F(ω)|
2 100
1 50
0 0
-10 -8 -6 -4 -2 0 2 4 6 8 10 -10 -8 -6 -4 -2 0 2 4 6 8 10
ω [rad/s] ω [rad/s]
H(ȷ̂ω) = 2 43ȷ̂ȷ̂ω+1
ω+1 e
−ȷ̂2ω
con f (t) ∈ R, t ∈ R+ y ω ∈ R.
• F −1 {δ (ω − ω0 )} = eȷ̂ω0 t /(2π)
1 +∞
Z
F −1 {δ (ω − ω0 )} = δ (ω − ω0 )eȷ̂ωt dω
2π −∞
1 +∞
Z
= δ (ω − ω0 )eȷ̂ω0 t dω
2π −∞
1 ȷ̂ω0 t +∞
Z
= e δ (ω − ω0 )dω
2π −∞
1 ȷ̂ω0 t
= e ·1
2π
1 ȷ̂ω0 t
= e
2π
• F −1 {πδ (ω − ω0 ) + πδ (ω + ω0 )} = cos(ω0t)
F −1 {πδ (ω − ω0 ) +πδ (ω + ω0 )}
= πF −1 {δ (ω − ω0 )} + πF −1 {δ (ω + ω0 )}
1 1
= eȷ̂ω0 t + e−ȷ̂ω0 t
2 2
1
= (cos(ω0t) + ȷ̂ sin(ω0t) + cos(ω0t) − ȷ̂ sin(ω0t))
2
= cos(ω0t)
∴ F {cos(ω0t)} = πδ (ω − ω0 ) + πδ (ω + ω0 )
F {g(t)} = 2π f (t)|t=−ω
Convolución:
1 +∞
Z
F −1 {F(ω)G(ω)} = F(ω)G(ω)eȷ̂ωt dω
2π −∞
1 +∞ +∞
Z Z
= f (τ)e−ȷ̂ωτ dτG(ω)eȷ̂ωt dω
2π −∞ −∞
Z +∞
1 +∞
Z
= G(ω)eȷ̂ω(t−τ) dω f (τ)dτ
−∞ 2π −∞
Z +∞
= g(t − τ) f (τ)dτ
−∞
Suma de Poisson:
La suma de Poisson6 indica que para f : R 7→ R con F(ω) = F { f (t)},
+∞ +∞
1
∑ f (t + nT ) ≡ ∑ F(m/T )eȷ̂2πmt/T
n=−∞ T m=−∞
+∞ +∞
1
∑ δ (t − nT ) ≡ ∑ eȷ̂2πmt/T
n=−∞ T m=−∞
Luego,
( ) ( )
+∞ +∞ +∞
1 2π
F ∑ δ (t − nT ) =F ∑ eȷ̂2πmt/T
= ∑ δ (ω − 2πm/T )
n=−∞ T m=−∞ T m=−∞
6 https://en.wikipedia.org/wiki/Simeon_Denis_Poisson
20
10
f(t)
0
M=2
-10
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t [s]
40
20
f(t)
0
M=5
-20
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t [s]
400
200
f(t)
0
M = 50
-200
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t [s]
4000
2000
f(t)
0
M = 500
-2000
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
t [s]
Producto:
Z +∞
F { f (t)g(t)} = f (t)g(t)e−ȷ̂ωt dt
−∞
Z +∞ Z +∞
1
= f (t) G(ψ)eȷ̂ψt dψe−ȷ̂ωt dt
−∞ 2π −∞
1 +∞ +∞
Z Z
= f (t)eȷ̂(ψ−ω)t dt G(ψ)dψ
2π −∞ −∞
1 +∞
Z
= F(ψ − ω)G(ψ)dψ
2π −∞
1
F { f (t)g(t)} = F(ω) ∗ G(ω)
2π
Modulación AM:
1
F { f (t) cos(ω0t)} = F(ω) ∗ (πδ (ω − ω0 ) + πδ (ω + ω0 ))
2π
1
= (F(ω − ω0 ) + F(ω + ω0 ))
2
Muestreo por impulsos:
Conjugación:
Z +∞
F { f (t)∗ } = f (t)∗ e−ȷ̂ωt dt
−∞
Z +∞ ∗
= f (t)eȷ̂ωt dt
−∞
Z +∞
∗
= f (t)e−ȷ̂(−ω)t dt
−∞
∗
= F (−ω)
F(−ω) = F ∗ (ω)
Definición 3.19 (Coeficientes de Fouriera ). Para una señal f (t) periódica de pe-
riodo T ,
1 T /2
Z
Fn { f (t)} = c(n) = f (t)e−ȷ̂ω0 nt
T −T /2
3
1
real{ F(ω) }
2
f(t)
0.5
1
0
0
-0.5 -1
-15 -10 -5 0 5 10 15 -10 -8 -6 -4 -2 0 2 4 6 8 10
tiempo [s] ω [rad/s]
eȷ̂ΩaT e−ȷ̂ΩaT
−F(Ω) =
1 − e−ȷ̂ΩT 1 − e−ȷ̂ΩT
Ojo: primero se calcula la TdeF del escalón y luego se desplaza.
1
f(kT)
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
tiempo [s]
20
15
| F(Ω) |
10
0
-50 -40 -30 -20 -10 0 10 20 30 40 50
Ω [rad/s]
200
100
{ F(Ω) }
-100
-200
-50 -40 -30 -20 -10 0 10 20 30 40 50
Ω [rad/s]
1 N−1
Fm { f (kT )} = c(m) = ∑ f (kT )e−ȷ̂mΩ0 kT
N k=0
donde N = T0 /T = 2π/(Ω0 T ) ∈ N.
a Transformada de Fourier Discreta
0.5
0
-15 -10 -5 0 5 10 15
tiempo [s]
20
| F(ω) |
10
0
-50 -40 -30 -20 -10 0 10 20 30 40 50
ω [rad/s]
200
{ F(ω) }
-200
-50 -40 -30 -20 -10 0 10 20 30 40 50
ω [rad/s]
1
f(kT)
0.5
0
-15 -10 -5 0 5 10 15
tiempo [s]
A+B = 0
−ȷ̂ωA + ȷ̂ωB = 1
Y por lo tanto,
ω
L {sin(ωt)} =
s2 + ω 2
Ahora consideremos una expresión similar,
−1 s −1 s 1
L =L
s2 + ω 2 s + ȷ̂ω s − ȷ̂ω
−1 A B
=L +
s + ȷ̂ω s − ȷ̂ω
= Ae−ȷ̂ωt + Beȷ̂ωt
A+B = 1
−ȷ̂ωA + ȷ̂ωB = 0
Por lo tanto,
s
L {cos(ωt)} =
s2 + ω 2
• lim Hε (t).
t→−∞ • lim δε (t).
t→0
• lim Hε (t).
t→0
• lim δε (t).
• lim Hε (t). ε→0
ε→0
d d
• δε (t) := Hε (t). • rε (t), donde rε (t) := tHε (t).
dt dt
• lim δε (t). • Las gráficas de δε (t), Hε (t), y rε (t).
t→+∞
• y(t) = eαt · (H(t − a) − H(t − b)), • y(t) = r(t − a) + r(t − b) + r(t − c),
a < b. a < b < c.
• y(t) = eα(τ−t) ·(H(t − a) − H(t − b)), • y(t) = r(t −a)−r(t −b)+r(t −c)−
a < b. r(t − d), a < b < c < d.
3.9.2 Laplace
E 3.4: TdeL. Encuentre la transformada de Laplace de las funciones en E3.2.
E 3.5: Fracciones Parciales. Encuentre la anti-transformada de Laplace de las sigu-
ientes funciones:
5 1 1 −6s
• F(s) := 4s+1 s • F(s) := 2 1+s
s+6 s e
2 1 1 −θ s
• F(s) := s+6 s • F(s) := K a+s
s+b s e
2 1 −6s −θ s
• F(s) := s+6 s e • F(s) := K a+s
s+b e
2 1 −θ s K·ωn2 1 −θ s
• F(s) := e • F(s) := s2 +ξ ωn s+ωn2 s
e
4s2 +25s+6 s
2·16 1 −θ s K·ωn2
• F(s) := se
• F(s) := s2 +ξ ωn s+ωn2
s2 +20s+16
3.9.3 Zeta
E 3.8: TZ. Encuentre la transformada Zeta de las funciones en E3.2 evaluadas en
t = kT .
E 3.9: Fracciones Parciales. Encuentre la anti-transformada Zeta de las siguientes
funciones:
5 1 2 1
• F(s) := z−1 s+1 1−z−1
• F(s) := 4z−2 +25z−1 +6 1−z−1
2 1
• F(s) := z−1 +6 1−z−1 • F(s) := 2 1
z−2 +20z−1 +1 1−z−1
−1
• F(s) := 2 1+z 1
z−1 +6 1−z−1 2 1
• F(s) := z−2 +0,8z−1 +1 1−z−1
−1 1
• F(s) := K za+z
−1 +b 1−z−1
K·ωn2 1
−1 • F(s) := z−2 +ξ ωn z−1 +ωn2 1−z−1
• F(s) := K za+z
−1 +b
2 1 K·ωn2
• F(s) := (z−1 +6)(4z−1 +1) 1−z−1
• F(s) := z−2 +ξ ωn z−1 +ωn2
E 3.12: Funciones**.
d2y dy
2
+ 2ξ ωn + ωn2 y(t) = kωn2 u(t)
dt dt
Aplicando Laplace podemos desarrollar lo siguiente:
d2y dy
2
+ 2ξ ωn + ωn2 y(t) = Kωn2 u(t)
dt dt
2
d y dy
L + 2ξ ωn + ωn y(t) = L Kωn2 u(t)
2
dt 2 dt
2
d y dy
L 2
+ 2ξ ωn L + ωn2 L {y(t)} = Kωn2 L {u(t)}
dt dt
s2 y(s) + 2ξ ωn sy(s) + ωn2 y(s) = Kωn2 u(s)
s2 + 2ξ ωn s + ωn2 y(s) = Kωn2 u(s)
Kωn2 y(s)
= = Huy (s)
s + 2ξ ωn s + ωn2
2 u(s)
s2 + 2ξ ωn s + ωn2 = 0
p
−2ξ ωn ± 4ξ 2 ωn2 − 4ω 2
s=
·1
2p
= −ξ ωn ± ȷ̂ωn 1 − ξ 2
Kωn2
= 2
0 + 2ξ ωn · 0 + ωn2
Kω 2
= 2n
ωn
=K
n o
Φ(t)} = L eAt = (sI − A)−1
L {Φ
¿Y en un sistema MIMO?:
ẋ = Ax + Bu =⇒ L {ẋ} = L {Ax + Bu}
=⇒ sx(s) = Ax(s) + Bu(s)
=⇒ (sI − A) x(s) = Bu(s)
=⇒ x(s) = (sI − A)−1 Bu(s)
1
=⇒ x(s) = adj {sI − A} Bu(s)
det {sI − A}
=⇒ y(s) = Cx(s) + Du(s)
1
= C adj {sI − A} B + D u(s)
det {sI − A}
fs
dh
A = fe (t) − fs (t)
dt
Ash(s) = fe (s) − fs (s)
1
=⇒ y(s) = h(s) = ( fe (s) − fs (s))
As
La válvula de control se puede modelar como una ecuación diferencial de
primer orden con retardo:
d fs
τ + fs (t) = K · u(t − θ )
dt
(τs + 1) fs (s) = K · u(s)e−θ s
fs (s) Ke−θ s
=⇒ =
u(s) τs + 1
Ke−θ s
1
y(s) = fe (s) − u(s)
As τs + 1
fe
u ke−θ s 1 y
τs+1
+ As
fs −
Tm
−
va ia ωm
1 Kφ 1
+ La s+Ra + Js+b
Te
−
Kφ
Kφ2 Kφ
(Js + b) ωm (s) + ωm (s) = va (s) − Tm (s)
La s + Ra La s + Ra
(Js + b) (La s + Ra ) + Kφ2 Kφ La s + Ra
ωm (s) = va (s) − Tm (s)
La s + Ra La s + Ra La s + Ra
Kφ
ωm (s) = va (s)
(Js + b) (La s + Ra ) + Kφ2
La s + Ra
− Tm (s)
(Js + b) (La s + Ra ) + Kφ2
ωm (s) = Huy (s)va (s) + H py (s)Tm (s)
y(z) Kωn2
Huy (z) = = 2
u(z) z + 2ξ ωn z + ωn2
Constante DC:
KDC := lim Huy (z)
z→1
Kωn2
= lim
z→1 z2 + 2ξ ωn z + ωn2
Kωn2
=
1 + 2ξ ωn + ωn2
Polos:
z2 + 2ξ ωn z + ωn2 = 0
p
−2ξ ωn ± 4ξ 2 ωn2 − 4ω 2
z=
·1
2p
= −ξ ωn ± ȷ̂ωn 1 − ξ 2
n o
Z {Φ
Φ(k)} = Z Ak = (zI − A)−1 z
¿Y en un sistema MIMO?:
v(k) v(t)
k t
u(k) u(t)
H(t) − H(t − T )
δ (kT )
k t
1 − e−sT
HS/H (s) = L {H(t) − H(t − T )} =
s
p(t)
Sistema Digital
A+B = 0
aB +C = 0
Aω 2 + aC = ω
−Bω 2 + aC = ω
−Bω 2 − a2 B = ω
para despejar
ω
B=−
ω 2 + a2
Desde donde obtenemos que:
ω
A=
ω 2 + a2
donde el ángulo φ = arctan(A/B) (ver imagen más abajo). Notar que desde el
triángulo que caracteriza a la relación trigonométrica también se desprende que,
Luego,
p
S= A2 + B2 cos(x − π/2 + arctan(B/A))
p
= A2 + B2 cos(−x − arctan(B/A) + π/2)
p
= A2 + B2 sin(x + arctan(B/A))
π −φ p
2 r= A2 + B2
φ B
−φ R
p
r= A2 + B2
−A
Relación final
Utilizando la propiedad trigonométrica anterior, se tiene que (4.1) se puede
transformar en:
ω 1
y(t) = e−at + √ sin(ωt + arctan(−ω/a))
ω 2 + a2 ω 2 + a2
ω 1
= 2 2
e−at + √ sin(ωt − arctan(ω/a))
ω +a ω + a2
2
Huy (ȷ̂ω) = real Huy (ȷ̂ω) + ȷ̂ imag Huy (ȷ̂ω)
= |Huy (ȷ̂ω)| Huy (ȷ̂ω) = |Huy (ȷ̂ω)|eȷ̂ ∠Huy (ȷ̂ω)
ȷ̂R
Ĥ(ω) = H(s)|s=ȷ̂ω a
1 a2 +ω 2
=
ȷ̂ω + a
α R
1 a − ȷ̂ω
=
ȷ̂ω + a a − ȷ̂ω r
a − ȷ̂ω
= 2
a + ω2
ω
− a2 +ω 2
Y su fase:
α = 2π − ψ
ω
ω 2 +a2
tan(α) = a = ω/a
ω 2 +a2
tan(2π − ψ) = ω/a
tan(−ψ) = ω/a
− tan(ψ) = ω/a
ψ = − arctan(ω/a)
Ĥ(ω) = − arctan(ω/a)
a https://en.wikipedia.org/wiki/Hendrik_Wade_Bode
b https://en.wikipedia.org/wiki/Alexander_Graham_Bell
Cantidad en decibeles:
|H(s)|[dB] = 20 log (|H(s)|)
40
30
20
Magnitude (dB)
10
-10
-20
-30
-40
-89
-89.5
Phase (deg)
-90
-90.5
-91
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
-5
-10
Magnitude (dB)
-15
-20
-25
-30
-35
-40
0
Phase (deg)
-45
-90
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
ωn2
Huy (s) = k
s2 + 2ξ ωn s + ωn2
ωn ∈ {0, 5; 1, 0; 1, 5}
Bode Diagram
-20
Magnitude (dB)
-40
-60
-80
-100
0
-45
Phase (deg)
-90
-135
-180
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
50
0
Magnitude (dB)
-50
-100
0
-45
Phase (deg)
-90
-135
-180
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
k ∈ {0, 5; 1, 0; 1, 5}
Bode Diagram
50
0
Magnitude (dB)
-50
-100
0
-45
Phase (deg)
-90
-135
-180
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
Rf Rf
R1 R1
− −
vo (t) vo (t)
vi (t) + vi (t) +
R
C C R
Rf s
Rf 1/(CR) H pa (s) = +1
H pb (s) = +1 R1 s + 1/(CR)
R1 s + 1/(CR)
10 10
0 0
Magnitude (dB)
Magnitude (dB)
-10 -10
-20 -20
-30 -30
-40 -40
0 90
Phase (deg)
Phase (deg)
-45 45
-90 0
10 -1 10 0 10 1 10 2 10 3 10 4 10 5 10 6 10 -1 10 0 10 1 10 2 10 3 10 4 10 5 10 6
Frequency (rad/s) Frequency (rad/s)
20
10
Magnitude (dB)
-10
-20
-30
90
45
Phase (deg)
-45
-90
10 -1 10 0 10 1 10 2 10 3 10 4 10 5 10 6
Frequency (rad/s)
Para ω → 0+ :
• Sistema sin polos ni ceros en el origen. Ej. Huy (s) = 1/(s + a)
– Módulo es 20 log Huy (0)[dB] (recta horizontal).
– Fase es 0° (recta horizontal).
Para ω > 0:
• Un polo real de orden r ubicado en s = −a < 0. Ej. Huy (s) = ar /(s + a)r .
– Módulo varía −20r[dB/dec] a partir de ω = a.
– Fase comienza a bajar una década antes de ω = a y una década después
completa una disminución de r · 90°.
– Para suavizar la curva de magnitud, se restan 3r[dB] al valor de magnitud
en ω = a.
• Un cero real de orden r ubicado en s = −a < 0. Ej. Huy (s) = (s + a)r /ar .
– Módulo varía +20r[dB/dec] a partir de ω = a.
– Fase comienza a subir una década antes de ω = a y una década después
completa una alza de r · 90°.
– Para suavizar la curva de magnitud, se agregan 3r[dB] al valor de magnitud
en ω = a.
• Un par de polos complejos conjugados con parte real no positiva tales que (s/ωn )2 +
2ξ (s/ωn ) + 1 = 0.
– Módulo varía −40[dB/dec] a partir de ω = ωn .
– Fase comienza a bajar antes de ω = ωn y completa una disminución de
180°.
• Un par de ceros complejos conjugados con parte real no positiva tales que (s/ωn )2 +
2ξ (s/ωn ) + 1 = 0.
– Módulo varía +40[dB/dec] a partir de ω = ωn .
– Fase comienza a subir antes de ω = ωn y completa una alza de 180°.
– Para valores de ξ ≤ 0, 5, la magnitud presenta un "pico de resonancia" y el
cambio de la fase es abrupto.
20
-20
-40
Magnitude (dB)
-60
-80
-100
-120
-140
-160
-180
-200
0
-45
Phase (deg)
-90
-135
-180
10 -5 10 -4 10 -3 10 -2 10 -1 10 0 10 1 10 2 10 3 10 4 10 5 10 6 10 7
Frequency (rad/s)
−100s + 100
100s + 100 H2 (s) =
H1 (s) = s2 + 60s + 100
s2 + 60s + 100
10 10
5 5
0 0
Magnitude (dB)
Magnitude (dB)
-5 -5
-10 -10
-15 -15
-20 -20
-25 -25
-30 -30
45 360
0 270
Phase (deg)
Phase (deg)
-45 180
-90 90
10 -2 10 -1 10 0 10 1 10 2 10 3 10 -2 10 -1 10 0 10 1 10 2 10 3
Frequency (rad/s) Frequency (rad/s)
-5
-10
Magnitude (dB)
-15
-20
-25
-30
-35
-40
0
-90
Phase (deg)
-180
-270
10 -2 10 -1 10 0 10 1 10 2
Frequency (rad/s)
F huy (kT )
ȷ̂ΩkT
=e
= eȷ̂ΩkT Z huy (kT ) z=eȷ̂ΩT
T = 0, 2, a = e−10T , b = 1 − a.
0
-0.5
Magnitude [dB]
-1
-1.5
-2
-2.5
200
150
100
Phase [deg]
50
-50
-100
-150
-200
10 -2 10 -1 10 0 10 1 10 2 10 3
Frequency [rad/s]
1
Ti s
Luego,
y(s) u(s) y(s) Ti s + 1 c
Hvy (s) = = = KP e−sθ
v(s) v(s) u(s) Ti s (as + b)
El diagrama de Bode asintótico de esta función puede esbozarse utilizando las
reglas de construcción contenidas en el capítulo. Como la función presenta un
polo en el origen, el módulo del diagrama es decreciente para frecuencias bajas.
Esto se ve acentuado para frecuencias mayores, si es que el polo ocurre antes
que el cero. De lo contrario, el cero compensa la caída inicial. De cualquier
modo, para frecuencias altas, después del polo y el cero, el diagrama de módulo
es decae 20[dB] por década. El efecto del retardo hace que el diagrama de fase
sea marcadamente decreciente.
La respuesta escalón del sistema se produce cuando v(s) = 1/s. Reemplazando
A +C = 0
b
B + A = Ti
a
b
B =1
a
Lo cual lleva a:
a a2
A = Ti − 2
b b
a
B=
b
a a2
C = −Ti + 2
b b
Con ello, aplicando antitransformada de Laplace se obtiene que:
y(t) = L −1 {y(s)}
KP c −1 As + B C −sθ
= L + e
Ti a s2 s + b/a
KP c −1 A B C −sθ
= L + + e
Ti a s s2 s + b/a
KP c b
= A · H(t − θ ) + B · (t − θ )H(t − θ ) +C · e− a (t−θ ) H(t − θ )
Ti a
KP c b
= A · H(t − θ ) + B · r(t − θ ) +C · e− a (t−θ ) H(t − θ )
Ti a
a a2 a a2 − b (t−θ )
KP c a
= Ti − 2 H(t − θ ) + r(t − θ ) + −Ti + 2 e a H(t − θ )
Ti a b b b b b
40
30
Magnitud [dB]
20
10
-10
100
50
Fase [deg]
-50
-100
10 -2 10 -1 10 0 10 1 10 2 10 3 10 4 10 5
Frequencia [rad/s]
E 4.2: TOTF. Encuentre la constante DC, ceros y polos de la siguiente FdeT con τ > 0,
ωn > 0, y 0 < ξ < 1. Grafique sus polos y ceros en el plano complejo, determine su
parte real e imaginaria, y su módulo y fase.
1 ωn2
H(s) =
τs + 1 s2 + 2ξ ωn s + ωn2
PLL
y(t)
1
θi (t) + K s θo (t)
−
Máquina sincrónica
∆P̄(t)
K1
− y(t)
1 1
∆P̄m (t) + 2Hs s ∆δ (t)
−
K2
1/(Ti s)
Predictor Smith
yr e y
+ + hc (s) huy (s)e−tr s
− −
1 − e−tr s pm (s)
yr e y
+ Hc Huy +
−
yr e y
+ Hc + Huy
−
E 4.4: FdeT.
1) Encuentre las funciones de transferencia entre las entradas u(·) y las salidas y(·) en
los siguientes sistemas:
a) d
dt y(t) + y(t) = u(t) j) y(k + 1) + 12 y(k) = u(k)
d2
b) dt 2
y(t) + y(t) = u(t) k) y(k + 1) + 32 y(k) = u(k)
d3
c) dt 3
y(t) + y(t) = u(t) l) y(k + 1) + y(k) = u(k)
d
d) dt y(t) + 2y(t) = 10u(t − 2) m) y(k + 2) + y(k) = u(k)
d d
e) dt y(t) + 2y(t) = dt u(t)
n) y(k + 3) + y(k) = u(k)
f) τ dtd y(t) + y(t) = ku(t)
g) τ dtd y(t) + y(t) = ku(t − θ ) o) y(k + 1) + ay(k) = u(k − 1), a > 0
h) τ dtd y(t) + y(t) = k dtd u(t − θ ) p) y(k + 1) + ay(k) = u(k + 1), a > 0
d2
i) dt 2
y(t) + 2ξ ωn dtd y(t) + ωn2 y(t) = q) y(k + 1) + ay(k) = u(k) − u(k − 1),
kωn2 u(t − θ ) a>0
E 4.6: Bodes en Matlab. Escriba un programa que dibuje los diagramas de Bode de
las funciones en el ejercicio anterior.
E 4.7: Laboratorio. En una experiencia de laboratorio, se determinaron las ganancias
de amplificación para distintas frecuencias de la señal de entrada, en circuitos ampli-
ficadores basados en transistores BJT y FET. Los valores experimentales se ven en la
tabla más abajo. Proponga funciones de transferencia que describan el comportamiento
de los amplificadores, detalle sus polos, ceros, y ganancia DC.
BJT FET
f [Hz]
Av [V /V ] Av [V /V ]
1 2,0166 2,1447
5 2,8203 3,2935
10 2,8920 3,3657
50 2,9154 3,3899
100 2,9160 3,3906
500 2,9161 3,3909
1000 2,9161 3,3909
5000 2,9161 3,3909
A.1.1 Generalidades
Las siguientes líneas corresponden a algunas operaciones básicas de matrices.
1 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
2 %definir un escalar
3 T = 1;
4 %definir matrices
5 A = [−3 1;
6 −1 −3];
7 B = [2;
8 1];
9 I = eye(2,2); %matriz identidad
10 unos = ones(2,2); %matriz de unos
11 %funciones de una matriz cuadrada
12 [fil,col] = size(A);
13 lambda = eig(A); %valores propios
14 realLambda = real(lambda); %parte real de los valores ppios
15 imagLambda = imag(lambda); %parte imaginaria de los valores ...
ppios
16 absLambda = abs(lambda); %mOdulo de valores ppios
17 [V,D] = eig(A); %valores y vectores propios
18 deter = det(A); %determinante
19 [Vj,J] = jordan(A); %descomposiciOn de Jordan
20 eA = expm(A*T); %exponencial de A*T / no confundir ...
con exp(A*T)
21 norma = norm(A); %norma Euclideana de A
Ejercicios:
• Calcule el producto de los elementos de lambda y compárelo con deter.
• Calcule la exponencial de los elementos de lambda y compárelos con los valores
propios de eA
• ¿Cómo calcular la norma 1, la norma 2, y la norma infinito de matrices y vec-
tores?
• Proponga un código que le permita aproximar la exponencial matricial de un
argumento arbitrario como un polinomio de grado N.
22 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
23 %integraciOn por trapecios en ciclo for
24 pasos = 100; %cantidad de trapecios
25 dtau = T/(pasos−1); %diferencial de tau
26 tau = 0:dtau:T; %instantes de evaluaciOn
27 Suma = zeros(size(B)); %inicializar sumador
28 for kk=2:length(tau), %recorrer instante a instante
29 fant = expm(A.*(T−tau(kk−1)))*B; %altura instante anterior
30 fact = expm(A.*(T−tau(kk)))*B; %altura instante actual
31 Trap = fant*dtau + (fact−fant)*dtau/2; %Area de trapecio
32
33 Suma = Suma + Trap; %sumar Area de trapecio
34 end
35 Bdisc1 = Suma;
ẋ(t) = f (x(t),t).
Notar que el nombre del archivo debe ser idéntico al nombre de la función y el archivo
debe estar en el directorio de trabajo. En este caso, flin_0.m.
Con esto, se puede aproximar la solución de la ecuación diferencial en un intervalo
dado a través de los siguientes comandos:
39 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
40 %soluciOn de ecuaciOn diferencial por mEtodos RK nativos
41 % dx/dt = Ax + Bu
42 %Con parAmetros internos
43 %definir tiempo de integraciOn
44 tini = 0;
45 tfin = 100;
46 %CI
47 u0 = 1;%condiciOn inicial arbitraria
48 x0 = −inv(A)*B*u0; %condiciOn incial para estado estacionario
49 %simulaciOn por ode45
50 [t45_0,x45_0] = ode45(@(t,x)flin_0(t,x),[tini,tfin],x0);
51 x45_0 = x45_0'; %vector fila en columnas
52 %simulaciOn por ode23
53 [t23_0,x23_0] = ode23(@(t,x)flin_0(t,x),[tini,tfin],x0);
54 x23_0 = x23_0'; %vector fila en columnas
Notar que los vectores de tiempo para los cuales se determinan los valores de los
estados son también una salida de las funciones ode. Es decir, los vectores de tiempo
no necesariamente son iguales, ni tienen la misma cantidad de elementos.
En ocasiones es conveniente entregar los parámetros de la función de manera ex-
terna, de tal forma de no tener que re-definir las matrices cada vez que se evalúa la
función. En el siguiente archivo, se define la misma función que anteriormente, pero
se entregan las cantidades A, B, y u0 como entradas externas a la función.
En este caso, el archivo que contiene a la función debe nombrarse flin_1.m. Se puede
ejecutar la simulación llamando a los comandos que se presentan a continuación:
Notar que la entrada del sistema se sigue calculando dentro de la función. Esto
dificulta obtener el vector de valores de la entrada para, por ejemplo, graficarlo junto
con la respuesta del sistema. Por ello, se puede pre-calcular el vector de entradas para
instantes determinados, y entregar esta información a la función como en el siguiente
archivo flin_2.m
Ejercicios:
• ¿Cuál método de los anteriores debiese ser más rápido? Haga un script que mida
el tiempo de ejecución de la simulación con los métodos anteriores.
• Genere un script para calcular el error cuadrático medio como función del tiempo
de las simulaciones anteriores con respecto a la respuesta exacta del sistema.
96 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
97 % ConstrucciOn de figuras
98 papel = 200;
99 figure
100 subplot(2,1,1)
101 hold
102 plot(t45_2,x45_2(1,:),'g−') %un elemento de x
103 plot(t23_2,x23_2(1,:),'r−−') %un elemento de x
104 plot(tt,x(1,:),'o') %un elemento de x
105 grid on
106 box on
107 axis([tini tfin x45_2(1,1)−0.1 x45_2(1,end)+0.1])
108 xlabel('time [s]')
109 ylabel('x_1 [p.u.]')
110 legend('ode45','ode23','discreto')
111
112 subplot(2,1,2)
113 hold
114 plot(t45_2,x45_2(2,:),'g−') %otro elemento de x
115 plot(t23_2,x23_2(2,:),'r−−') %otro elemento de x
116 plot(tt,x(2,:),'o') %otro elemento de x
117 grid on
118 box on
119 axis([tini tfin x45_2(2,1)−0.05 x45_2(2,end)+0.05])
120 xlabel('time [s]')
121 ylabel('x_2 [p.u.]')
122 legend('ode45','ode23','discreto')
123
124 set(gca,'FontName','Times New Roman','FontSize',12);
125 set(gcf,'PaperUnits','centimeters',...
126 'PaperSize',[papel 2*papel/3],...
127 'PaperPosition',[0 0 papel 2*papel/3]); %[0 0 ...
ancho alto]
128 nombre = 'x';
129 print('−depsc','−r200',nombre) % FunciOn para guardar .eps
Los resultados de las líneas anteriores para las simulaciones de las secciones anteriores
se muestran a continuación:
x 1 [p.u.]
0.9
0.8
0.7
0.6
0 10 20 30 40 50 60 70 80 90 100
time [s]
ode45
0.18 ode23
discreto
0.16
0.14
x2 [p.u.]
0.12
0.1
0.08
0.06
0 10 20 30 40 50 60 70 80 90 100
time [s]
130 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
131 %Sistemas definidos en el espacio de estados
132 %definir salida arbitraria.
133 C = [1 0];
134 D = 0;
135
136 %sistema en tiempo continuo
137 SistCont_1 = ss(A,B,C,D); %sistema en tiempo continuo
138 Hcont_1 = tf(SistCont_1); %funciOn de transferencia
139 poloscont_1 = pole(SistCont_1); %polos de FdeT
140 zeroscont_1 = zero(SistCont_1); %polos de FdeT
141 Kdc_cont_1 = evalfr(Hcont_1,0); %ganancia DC
142
143 %sistema en tiempo discreto
144 SistDisc_1 = ss(eA,Bdisc1,C,D,T); %sistema en tiempo ...
discreto con muestreo T
145 Hdisc_1 = tf(SistDisc_1); %funciOn de transferencia
146 polosDisc_1 = pole(SistDisc_1); %polos de FdeT
147 zerosDisc_1 = zero(SistDisc_1); %polos de FdeT
148 Kdc_disc_1 = evalfr(Hdisc_1,1); %ganancia DC
Además, se pueden definir las unidades de Laplace o Z para trabajar de manera más
parecida al álgebra de matrices:
Ejercicios:
• ¿Qué hacen los comandos minreal y zpk? Compare las funciones de transfer-
encia antes y después de aplicarlos.
• ¿Cómo se relacionan los polos de las funciones anteriores con los valores propios
de la matriz A?
158 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
159 %Diagrama de Bode continuo
160 figure
161 bode(Hcont_2)
162 title('Bode H_{uy}(s)')
163 grid on
164 box on
165 set(gca,'FontName','Times New Roman','FontSize',12);
166 set(gcf,'PaperUnits','centimeters',...
167 'PaperSize',[papel 2*papel/3],...
168 'PaperPosition',[0 0 papel 2*papel/3]); %[0 0 ancho ...
alto]
169 print('−depsc','−r200','BodeCont') % FunciOn para guardar .eps
170 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
171 %Diagrama de Bode discreto
172 figure
173 bode(Hdisc_2)
174 title('Bode H_{uy}(z)')
175 grid on
176 box on
177 set(gca,'FontName','Times New Roman','FontSize',12);
178 set(gcf,'PaperUnits','centimeters',...
179 'PaperSize',[papel 2*papel/3],...
-5
-10
Magnitude (dB)
-15
-20
-25
-30
-35
-40
0
Phase (deg)
-45
-90
10-1 100 101 102
Frequency (rad/s)
Bode H uy(z)
-3
-3.1
-3.2
Magnitude (dB)
-3.3
-3.4
-3.5
-3.6
-3.7
-3.8
0
-45
Phase (deg)
-90
-135
-180
10-2 10-1 100 101
Frequency (rad/s)
Ejercicios:
• ¿Qué hace el comando margin?
• ¿Cómo dibujar un diagrama de Bode en tiempo discreto más allá de la frecuencia
de corte?
• ¿Cómo se pueden marcar los polos y ceros en los diagramas respectivos?
A.2.1 Instalación
Octave puede descargarse desde el sitio web https://www.gnu.org/software/o
ctave/index para distintos sistemas operativos. El instalador de Windows además
instala algunos paquetes de uso común. Sin embargo, cada vez que se ejecuta Octave,
los paquetes requeridos deben ser cargados. La siguiente línea muestra cómo hacer
esto para el paquete control:
En general los ciclos siguen la misma sintaxis que en Matlab. Aquí se ve el código
para implementar una suma por trapecios, que es idéntico al presentado en el apartado
anterior.
Notar que se hace referencia a las funciones flin_0.m, flin_1.m, y flin_2.m que
son exactamente los mismos archivos adicionales que se usaron para los ejemplos del
capítulo anterior sobre Matlab.
0.9 discreto
0.8
0.7
0.6
0 20 40 60 80 100
time [s]
0.2
0.18 ode45
0.16 ode23
x2 [p.u.]
0.14 discreto
0.12
0.1
0.08
0.06
0 20 40 60 80 100
time [s]
Sin embargo, hay varias funciones que no han sido aún implementadas, por ejem-
plo evalfr, y minreal. Además, Octave es más vulnerable a errores numéricos que
Matlab. Por ejemplo, el siguiente código debería computar funciones de transferencias
equivalentes a las anteriores.
146 %Sistemas definidos 'algebraicamente'
147 s = tf('s'); %s de Laplace
148 z = tf('z',T); %z de Z con muestreo T
149
150 Hcont_2 = C*inv(s*I − A)*B + D; %Notar que inversa no es ...
precisa!
151 Hdisc_2 = C*inv(z*I − eA)*Bdisc1 + D; %Notar que inversa no ...
es precisa!
La inclusión de la función inv para invertir una matriz dependiente de las variables
de Laplace o Zeta es genera inexactitudes numéricas que se evidencian a través de una
advertencia (warning):
1 warning: tf: converting to minimal state−space for MIMO TF ...
interconnections
2 warning: called from
3 __sys_connect__ at line 103 column 5
4 mtimes at line 58 column 7
5 intro_Octave at line 155 column 13
1 >> Hcont_1
2 Transfer function 'Hcont_1' from input 'u1' to output ...
3
4 2 s + 7
5 y1: −−−−−−−−−−−−−−
6 s^2 + 6 s + 10
7
8 Continuous−time model.
9 >> Hcont_2
10
11 Transfer function 'Hcont_2' from input 'u1' to output ...
12
13 −6.076e−16 s^2 + 2 s + 7
14 y1: −−−−−−−−−−−−−−−−−−−−−−−−
15 s^2 + 6 s + 10
16
17 Continuous−time model.
18 >>
152 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
153 %Diagrama de Bode continuo
154 figure
155 bode(Hcont_1)
156 % title('Bode H_{uy}(s)')%notar que se elimina tItulo
157 grid on
158 box on
159 print(gcf,'BodeCont_oct.eps','−deps','−color')
160 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
161 %Diagrama de Bode discreto
162 figure
163 bode(Hdisc_1)
164 % title('Bode H_{uy}(z)')
165 grid on
166 box on
167 print(gcf,'BodeDisc_oct.eps','−deps','−color')
Bode Diagram
-5
Hcont 1
Magnitude [dB]
-10
-15
-20
-25
-30
-35
10 -1 10 0 10 1 10 2
0
Hcont 1
-20
Phase [deg]
-40
-60
-80
10 -1 10 0 10 1 10 2
Frequency [rad/s]
0
Hdisc 1
Phase [deg]
-50
-100
-150
10 -1 10 0
Frequency [rad/s]
A.3.1 Preliminar
La primera observación importante es que los comentarios no se hacen con el signo
porcentual (%) sino con doble barra de división (//). Además, la sintaxis de muchas
funciones son distintas que en Matlab. En particular, la función para calcular valores
propios es spec (de spectrum).
1 /////////////////////////////////////////
2 //definir un escalar
3 T = 1;
4 //definir matrices
5 A = [−3 1;
6 −1 −3];
7 B = [2;
8 1];
9 I = eye(2,2); //matriz identidad
10 unos = ones(2,2); //matriz de unos
11 //funciones de una matriz cuadrada
12 [fil,col] = size(A);
13 lambda = spec(A); //valores propios
14 realLambda = real(lambda); //parte real de los valores ppios
15 imagLambda = imag(lambda); //parte imaginaria de los valores ...
ppios
16 absLambda = abs(lambda); //mOdulo de valores ppios
17 [V,D] = spec(A); //valores y vectores propios
18 deter = det(A); //determinante
19 //[Vj,J] = jordan(A); //jordan no implementado
20 eA = expm(A*T); //exponencial de A*T / no confundir ...
con exp(A*T)
21 norma = norm(A); //norma Euclideana de A
22 /////////////////////////////////////////
Aprovechando que se pueden hacer funciones sobre más líneas, podemos proponer re-
solver una integral vectorial, como muchas integrales sobre cada uno de los elementos
del vector.
39
40 function y=fun(tau,i),
41 cc = eye(size(A,1),size(A,1));
42 ci = cc(i,:);
43 y=ci*expm(A.*(T−tau))*B,
44 endfunction //funciOn a integrar
45 for i = 1:2,
46 Bdisc2(i)=intg(0,T,list(fun,i))
47 end
Notar que en este caso la función a integrar tiene dos argumentos, de tal forma que es
necesario pasar la función como una lista al integrador para fijar uno de los argumentos
y dejar libre la variable de integración.
Sin embargo, también se puede resolver la integral planteándola como uan ecuación
diferencial:
d
v = eA(T −τ) B
dt
con condición inicial nula v(0) = 0, de tal forma que al evaluar v(t = T ) obtengamos el
valor deseado. Como la función ode para ecuaciones diferenciales sí acepta funciones
vectoriales, podemos escribir:
58 /////////////////////////////////////////
59 //ecuaciones diferenciales ordinarias
60 function xdot=linear(t, x, A, u, B,ts,u0)
61 xdot=A*x+B*u(t,ts,u0)
62 endfunction
63 function ut=u(t, ts,u0)
64 if t<ts then
65 ut = u0;
66 else
67 ut = 1.5*u0;
68 end
69 endfunction
70 //definir tiempo de integraciOn
71 tini = 0;
72 tfin = 100;
73 t=tini:0.1:tfin;
74 //CI
75 u0 = 1;//condiciOn inicial arbitraria
76 x0 = −inv(A)*B*u0; //condiciOn incial para estado ...
estacionario
77 ts = 30;
78 // resolver ode
79 x = ode(x0,tini,t,list(linear,A,u,B,ts,u0))
El manejo de las figuras para imprimir los resultados es similar que en los lenguajes
anteriores, pero con algunas diferencias importantes que se muestran en el código más
abajo. Se recomienda usar el comando scf en vez de figure que parece presentar
algunos problemas de despliegue. Por otro lado, notar lo simple del comando para ex-
portar la figura en formato eps. Otros comandos similares existen para otros formatos
de imagen.
97 /////////////////////////////////////////
98 //Manejo de figurasfigure
99 scf(0); clf(); //en vez de figure que parece generar ...
problemas con los fondos
100 subplot(2,1,1)
101 plot(t,x(1,:),'r−') //un elemento de x
102 plot(tt,xd(1,:),'ko') //un elemento de x
103 xgrid(2)
104 a=gca() ;//get the current axes
105 a.box="on";
106 a.data_bounds=[tini tfin x(1,1)−0.1 ...
x(1,length(t))+0.1]; //define the bounds
107 xlabel('time [s]')
108 ylabel('x_1 [p.u.]')
109 legend('ode','discreto')
110
111 subplot(2,1,2)
112 plot(t,x(2,:),'r−') //un elemento de x
113 plot(tt,xd(2,:),'ko') //un elemento de x
114 xgrid(2)
115 a=gca() ;//get the current axes
116 a.box="on";
117 a.data_bounds=[tini tfin x(2,1)−0.05 ...
x(2,length(t))+0.05]; //define the bounds
118 xlabel('time [s]')
119 ylabel('x_2 [p.u.]')
120 legend('ode','discreto')
121 //exportar figura como eps
122 xs2eps(gcf(),'x_SciLab.eps','landscape')
x_1 [p.u.]
0.8
0.6
0 10 20 30 40 50 60 70 80 90 100
time [s]
ode
0.2
discreto
0.15
x_2 [p.u.]
0.1
0.05
0 10 20 30 40 50 60 70 80 90 100
time [s]
123 /////////////////////////////////////////
124 //Sistemas definidos en el espacio de estados
125 //definir salida arbitraria.
126 C = [1 0];
127 D = 0;
128 //sistema en tiempo continuo
129 SistCont = syslin('c',A,B,C,D); //sistema en tiempo continuo
130 Hcont = ss2tf(SistCont); //funciOn de transferencia
131 [zeroscont poloscont ] = tf2zp(Hcont); //encontrar zeros ...
y polos
132 Kdc_cont = repfreq(Hcont,0); //Ganancia DC
133
134 //sistema en tiempo discreto
135 SistDisc = syslin(T,eA,Bdisc3,C,D); //sistema en tiempo ...
discreto con muestreo T
136 Hdisc = ss2tf(SistDisc); //funciOn de transferencia
137 [zerosDisc polosDisc] = tf2zp(Hdisc); //encontrar zeros y ...
polos
138 Kdc_disc = repfreq(Hdisc,1); //Ganancia DC
139 /////////////////////////////////////////
140 //Diagramas de Bode
141 scf(1); clf();
142 bode(Hcont)
−20
Magnitude (dB)
−40
−60
−3 −2 −1 0 1 2 3
10 10 10 10 10 10 10
Frequency (Hz)
−20
Phase (degree)
−40
−60
−80
−3 −2 −1 0 1 2 3
10 10 10 10 10 10 10
Frequency (Hz)
Bode H_{uy}(z)
−3
−3.2
Magnitude (dB)
−3.4
−3.6
−3.8
−3 −2 −1 0
10 10 10 10
Frequency (Hz)
−50
Phase (degree)
−100
−150
−3 −2 −1 0
10 10 10 10
Frequency (Hz)
Lo cual permite obtener una aproximación discreta de la solución continua del sistema.
Si f(·) es continuamente diferenciable, se pueden obtener aproximaciones de mayor
orden de exactitud. Con N = 2,
∂ f(x(t), u(t),t) ∂ f(x(t), u(t),t) ∂ f(x(t), u(t),t)
ẍ(t) = ẋ(t) + u̇(t) + ·1
∂ x(t) ∂ u(t) ∂t
∂ f(x(t), u(t),t) ∂ f(x(t), u(t),t) ∂ f(x(t), u(t),t)
ẍ(kT ) = f(x(kT ), u(kT ), kT ) + u̇(kT ) +
∂ x(t) ∂ u(t) ∂t
t=kT t=kT t=kT
∂ f(x(t), u(t),t)
ẍ(kT ) = f(x(kT ), u(kT ), kT )
∂ x(t)
t=kT
cuando la entrada es constante y f(·) no depende explícitamente del tiempo. Con ello:
1
x((k + 1)T ) ≈ x(kT ) + f(x(kT ), u(kT ), kT )T + ẍ(kT )T 2
2
1
x(kT + T ) = x(kT ) + (m1 + 2m2 + 2m3 + m4 )
6
donde,
m1 = T · f(kT, x(kT ))
T m1
m2 = T · f(kT + , x(kT ) + )
2 2
T m2
m3 = T · f(kT + , x(kT ) + )
2 2
m4 = T · f(kT + T, x(kT ) + m3 )
Otros métodos Runge Kutta En general, los métodos RK son una familia de algo-
ritmos para resolver EDO de la forma:
ẋ = f (t, x)
m1 = f (tk , x(tk ))
m2 = f (tk + c2 T, x(tk ) + T · (a21 m1 ))
m3 = f (tk + c3 T, x(tk ) + T · (a31 m1 + a32 m2 ))
..
.
i−1
mi = f (tk + ci T, x(tk ) + T · ∑ ai j m j )
j=1
m1 = f (tk , x(tk ))
m2 = f (tk + T, x(tk ) + T · m1 )
m3 = f (tk + T /2, x(tk ) + T · (m1 /4 + m2 /4))