Modulo Sistemas Dinamicos

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

CONTENIDO DIDÁCTICO DEL CUSO: 201527 – SISTEMAS DINÁMICOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
PROGRAMA DE INGENIERÍA ELECTRÓNICA
201527 – SISTEMAS DINÁMICOS
DIEGO FERNANDO SENDOYA LOSADA

Director Nacional
JAIRO HERNAN LOPEZ BAYONA

Acreditador
NEIVA
Julio de 2009
ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO
El presente módulo fue diseñado en el año 2007 por el ingeniero Diego

Fernando Sendoya Losada, tutor de la UNAD, y ubicado en el CEAD de Neiva, el
ingeniero Sendoya es Ingeniero Electrónico de la Universidad Surcolombiana,
especialista en Automatización Industrial de la Universidad de Ibagué, y candidato
a Master de la misma universidad, se ha desempeñado como tutor de la UNAD
desde el 2005 hasta el año 2009 y ha sido catedrático de diversas universidades
del departamento del Huila.
El presente módulo ha tenido dos actualizaciones desarrolladas por el

mismo ingeniero Sendoya en los años 2008 y 2009. El ingeniero Sendoya se
desempeña actualmente como director del cuso a nivel nacional.
En el año 2009 el ingeniero Jairo Hernán López Bayona, tutor del CEAD
Sogamoso, apoyó el proceso de revisión de estilo del módulo y dio aportes
disciplinares, didácticos y pedagógicos en el proceso de acreditación de material
didáctico desarrollado en el mes de JULIO de 2009.
INTRODUCCIÓN
El curso de Sistemas Dinámicos es de tipo metodológico, pertenece al campo de

formación profesional específico y es ofrecido dentro del portafolio de cursos
específicos para el área profesional del programa de tecnología e ingeniería
electrónica de la Universidad Nacional Abierta y a Distancia – UNAD. Tiene como
objetivo principal desarrollar en el estudiante la habilidad para el manejo de un
conjunto de herramientas analíticas que le permitan modelar y analizar plantas y
sistemas de control lineales e invariantes en el tiempo tanto continuo como
discreto; todo esto a través de la estrategia de educación abierta y a distancia.
El curso tiene 2 créditos académicos, los cuales comprenden el estudio

independiente y el acompañamiento tutorial, con el propósito que el estudiante:
• Reconozca sistemas dinámicos lineales e invariantes en el tiempo y esté en

capacidad de modelarlos matemáticamente para conocer su respuesta a través
de los diagramas obtenidos con un proceso matemático.
• Pueda analizar la estabilidad de los sistemas de control, a partir de los

modelos matemáticos de los sistemas dinámicos.
• Comparta sus logros, experiencias y dudas con su tutor y sus compañeros de

curso, futuros colegas.
• Desarrolle procesos y habilidades necesarias para su continua formación en el

ámbito personal, social y profesional.
Este curso está compuesto por DOS (2) unidades didácticas, a saber:
Unidad 1. Representación de los Sistemas Dinámicos. Trata en primer lugar, los

aspectos introductorios y la terminología referente al área de control, en segundo
lugar, introduce y refuerza el manejo matemático necesario para el modelado de
los sistemas dinámicos, como lo es la transformada de Laplace y la transformada
Z, y en tercer lugar trata las diferentes representaciones que se pueden utilizar
para analizar los sistemas dinámicos.
Unidad 2. Análisis de los sistemas dinámicos. Trata los diferentes métodos de

análisis que se utilizan en control, como son el análisis en el dominio del tiempo, el
análisis en el dominio de la frecuencia, análisis mediante el lugar geométrico de
las raíces y análisis en el espacio de estados.
La metodología a seguir será bajo la estrategia de educación a distancia. Por tal

razón, será importante planificar los procesos de:
• Estudio Independiente: este se desarrollará a través del trabajo personal y

del trabajo en pequeños grupos colaborativos de aprendizaje.
• Acompañamiento tutorial: corresponde al acompañamiento que el tutor

realiza al estudiante para potenciar el aprendizaje y la formación. Este
acompañamiento se puede adelantar de forma individual, en pequeños grupos
o a nivel de grupo de curso.
La evaluación del curso se define como cualitativa - participativa, y mide la calidad

de los procesos y productos de aprendizaje. Se evidencia desde las formas de:
• Autoevaluación: evaluación que realiza el estudiante para valorar su propio

proceso de aprendizaje.
• Coevaluación: se realiza a través de los grupos colaborativos, y pretende la

socialización de los resultados del trabajo personal.
• Heteroevaluación: Es la valoración que realiza el tutor del proceso de

aprendizaje.
Otro aspecto a considerar dentro del curso es el sistema de interactividades, el

cual vincula a los actores del proceso mediante diversas actividades de
aprendizaje que orientan el trabajo de los estudiantes hacia el logro de los
objetivos que se pretenden. Se puede dar de la siguiente manera:
• Tutor-estudiante: a través del acompañamiento individual.
• Estudiante-estudiante: mediante la participación activa en los grupos

colaborativos de aprendizaje.
• Estudiantes-tutor: a través del acompañamiento a los pequeños grupos

colaborativos de aprendizaje.
• Tutor-estudiantes: mediante el acompañamiento en grupo de curso
• Estudiantes-estudiantes: en los procesos de socialización que se realizan en

el grupo de curso.
Para el desarrollo del curso es importante el papel que juegan los recursos
didácticos y tecnológicos como medio activo e interactivo, buscando la
interlocución durante todo el proceso de diálogo tutor-estudiante.
Se tienen diferentes opciones y tecnologías, las cuáles deben ser empleadas de la

mejor forma de acuerdo al espacio, y a los objetivos propuestos en cada curso.
Algunas de las más empleadas, son:
• Materiales virtuales: Son el soporte fundamental para el curso y para

favorecer los procesos de aprendizaje autodirigido. Estos contenidos serán
publicados en la plataforma virtual de la UNAD.
• Sitios Web: propician el acercamiento al conocimiento, la interacción y la

producción de nuevas dinámicas educativas.
• Sistemas de interactividades sincrónicas: permite la comunicación a través

de encuentros presénciales directos o de encuentros mediados (Chat, audio
conferencias, videoconferencias, tutorías telefónicas).
• Sistemas de interactividades asincrónicas: permite la comunicación en

forma diferida favoreciendo la disposición del tiempo del estudiante para su
proceso de aprendizaje (correo electrónico, foros, grupos de discusión, entre
otros).
El acceso a documentos complementarios adquiere una dimensión de suma

importancia, en tanto la información sobre el tema exige conocimientos de
actualidad.
En la medida que el estudiante interiorice y aplique los puntos abordados

anteriormente, podrá obtener los logros propuestos en este curso, así como un
aprestamiento en los enfoques de la ingeniería mediante la estrategia de

educación a distancia.
INDICE DE CONTENIDO
UNIDAD 1.......................................................................................................................................... 14
CAPITULO 1: SISTEMAS DE CONTROL ........................................................................................ 15
INTRODUCCIÓN............................................................................................................................... 15
Lección 1: ELEMENTOS DE UN SISTEMA DE CONTROL............................................................. 16
1. ELEMENTOS DE CONTROL........................................................................................................ 16
2. ELEMENTOS DE UN SISTEMA DE CONTROL AUTOMÁTICO ................................................. 18
3. TIPOS DE VARIABLES................................................................................................................. 21
4. SEÑALES DE COMUNICACIÓN .................................................................................................. 23
Lección 2: SISTEMAS CONTINUOS Y DISCRETOS....................................................................... 24
1. SISTEMAS DE CONTROL CONTINUOS..................................................................................... 24
2. SISTEMAS DE CONTROL DISCRETOS ..................................................................................... 25
3. EJEMPLOS DE SISTEMAS DE CONTROL ................................................................................. 27
Lección 3: TIPOS DE SISTEMAS DE CONTROL ............................................................................ 28
1. CONTROL EN LAZO CERRADO ................................................................................................. 29
2. CONTROL EN LAZO ABIERTO.................................................................................................... 29
Lección 4: EFECTOS DE LA REALIMENTACIÓN ........................................................................... 30
Lección 5: MÉTODOS DE CONTROL .............................................................................................. 33
1. MÉTODOS DE CONTROL CLÁSICO........................................................................................... 33
2. MÉTODOS DE CONTROL MODERNO........................................................................................ 34
3. MÉTODOS DE CONTROL AVANZADO....................................................................................... 35
CAPITULO 2: HERRAMIENTAS MATEMÁTICAS............................................................................ 37
INTRODUCCIÓN............................................................................................................................... 37
Lección 1: TRANSFORMADA DE LAPLACE ................................................................................... 40
1. FUNCIONES COMPLEJAS .......................................................................................................... 40
2. DEFINICIÓN DE LA TRANSFORMADA DE LAPLACE ............................................................... 43
3. TRANSFORMADA DE LAPLACE DE FUNCIONES ELEMENTALES ......................................... 45
3.1. Función Impulso ó Delta de Dirac .............................................................................................. 45
3.2. Función Escalón......................................................................................................................... 46
3.3. Función Rampa .......................................................................................................................... 47
3.4. Función Exponencial .................................................................................................................. 48
3.5. Función Senoidal........................................................................................................................ 49
Lección 2: PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA DE LAPLACE .................... 52
1. MULTIPLICACIÓN POR UNA CONSTANTE ............................................................................... 52
2. LINEALIDAD.................................................................................................................................. 53
3. TRASLACIÓN COMPLEJA ........................................................................................................... 53
4. TRASLACIÓN EN EL TIEMPO ..................................................................................................... 54
5. CAMBIO DE ESCALA ................................................................................................................... 54
6. DIFERENCIACIÓN REAL ............................................................................................................. 55
7. INTEGRACIÓN REAL ................................................................................................................... 56
8. DIFERENCIACIÓN COMPLEJA ................................................................................................... 57
9. TEOREMA DEL VALOR INICIAL.................................................................................................. 57
10. TEOREMA DEL VALOR FINAL .................................................................................................. 58
11. INTEGRAL DE CONVOLUCIÓN................................................................................................. 58
Lección 3: TRANSFORMADA INVERSA DE LAPLACE .................................................................. 61
1. FRACCIONES PARCIALES.......................................................................................................... 62
1.1. Raíces Reales Simples .............................................................................................................. 62
1.2. Raíces Complejas Simples ........................................................................................................ 64

1.3. Raíces Múltiples ......................................................................................................................... 68
2. SOLUCIÓN DE ECUACIONES DIFERENCIALES ....................................................................... 70
Lección 4: TRANSFORMADA Z .................................................................................................... 73
1. DEFINICIÓN DE LA TRANSFORMADA Z ................................................................................ 73
2. TRANSFORMADA Z DE FUNCIONES ELEMENTALES .......................................................... 74
2.1. Función Delta de Kronecker....................................................................................................... 74
2.2. Función Escalón Unitario ........................................................................................................... 75
2.3. Función Rampa Unitaria............................................................................................................. 75
2.4. Función Polinomial ..................................................................................................................... 76
2.5. Función Exponencial .................................................................................................................. 77
2.6. Función Senoidal........................................................................................................................ 78
3. PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA Z .................................................. 81
3.1. Multiplicación por una Constante ............................................................................................... 81
3.2. Linealidad ................................................................................................................................... 81
k
3.3. Multiplicación por a .................................................................................................................. 82
3.4. Traslación Compleja................................................................................................................... 83
3.5. Traslación Real .......................................................................................................................... 83
3.6. Suma de Funciones ................................................................................................................... 84
3.7. Teorema del Valor Inicial............................................................................................................ 85
3.8. Teorema del Valor Final ............................................................................................................. 85
Lección 5: TRANSFORMADA Z INVERSA ................................................................................... 86
1. MÉTODO DE DIVISIÓN DIRECTA............................................................................................... 88
2. MÉTODO DE FRACCIONES PARCIALES................................................................................... 90
3. MÉTODO DE LOS RESIDUOS..................................................................................................... 96
4. SOLUCIÓN DE ECUACIONES EN DIFERENCIA...................................................................... 100
CAPITULO 3: MODELADO DE SISTEMAS DINÁMICOS.............................................................. 102
INTRODUCCIÓN............................................................................................................................. 102
Lección 1: SISTEMAS FÍSICOS Y MODELOS............................................................................... 105
1. SISTEMAS ELÉCTRICOS .......................................................................................................... 105
2. SISTEMAS MECÁNICOS ........................................................................................................... 111
3. SISTEMAS DE NIVEL DE LÍQUIDO........................................................................................... 114
4. SISTEMAS TÉRMICOS .............................................................................................................. 121
Lección 2: FUNCIÓN DE TRANSFERENCIA ................................................................................. 125
1. RESPUESTA IMPULSO ............................................................................................................. 125
2. FUNCIÓN DE TRANSFERENCIA DE SISTEMAS CONTINUOS .............................................. 127
3. FUNCIÓN DE TRANSFERENCIA DE SISTEMAS DISCRETOS ............................................... 129
3.1. Muestreo de una Señal ............................................................................................................ 129
3.2. Retención de Datos.................................................................................................................. 131
3.3. Teorema del Muestreo ............................................................................................................. 132
3.4. Función de Transferencia Pulso .............................................................................................. 137
Lección 3: SISTEMAS NO LINEALES ............................................................................................ 140
Lección 4: DIAGRAMAS DE BLOQUES......................................................................................... 144
1. ELEMENTOS DE UN DIAGRAMA DE BLOQUES ..................................................................... 144
2. REDUCCIÓN DE DIAGRAMAS DE BLOQUES PARA SISTEMAS CONTINUOS .................... 146
3. REDUCCIÓN DE DIAGRAMAS DE BLOQUES PARA SISTEMAS DISCRETOS ..................... 150
4. REGLA DE MASON .................................................................................................................... 154
Lección 5: ESPACIO DE ESTADOS............................................................................................... 156
1. DEFINICIONES........................................................................................................................... 157
2. ECUACIONES DE ESTADO PARA SISTEMAS CONTINUOS.................................................. 159
3. ECUACIONES DE ESTADO PARA SISTEMAS DISCRETOS .................................................. 166
4. REPRESENTACIÓN EN EL ESPACIO DE ESTADOS .............................................................. 167
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD 1........................................................... 173
FUENTES DOCUMENTALES DE LA UNIDAD 1 ........................................................................... 174

UNIDAD 2........................................................................................................................................ 175
CAPITULO 4: ANÁLISIS DE LA RESPUESTA EN EL TIEMPO .................................................... 176
INTRODUCCIÓN............................................................................................................................. 176
Lección 1: SISTEMAS DE PRIMER ORDEN.................................................................................. 177
Lección 2: SISTEMAS DE SEGUNDO ORDEN ............................................................................. 181
Lección 3: SISTEMAS DE ORDEN SUPERIOR............................................................................. 189
1. CANCELACIÓN CERO-POLO.................................................................................................... 190
2. APROXIMACIÓN DE POLOS DOMINANTES............................................................................ 191
Lección 4: ERROR EN ESTADO ESTACIONARIO........................................................................ 191
Lección 5: ESTABILIDAD Y CRITERIOS DE ESTABILIDAD......................................................... 196
1. ESTABILIDAD EN SISTEMAS EN TIEMPO CONTINUO .......................................................... 196
2. ESTABILIDAD EN SISTEMAS DE TIEMPO DISCRETO ........................................................... 204
CAPITULO 5: ANÁLISIS DE RESPUESTA EN FRECUENCIA...................................................... 213
INTRODUCCIÓN............................................................................................................................. 213
Lección 1: DIAGRAMAS DE BODE ................................................................................................ 216
Lección 2: ANÁLISIS DE ESTABILIDAD DE BODE ....................................................................... 220
1. MARGEN DE FASE .................................................................................................................... 225
2. MARGEN DE GANANCIA........................................................................................................... 226
Lección 3: DIAGRAMA DE NYQUIST............................................................................................. 228
Lección 4: ANÁLISIS DE ESTABILIDAD DE NYQUIST ................................................................. 230
Lección 5: RESPUESTA FRECUENCIAL DE SISTEMAS EN TIEMPO DISCRETO..................... 244
CAPITULO 6: ANÁLISIS DEL LGR Y DEL ESPACIO DE ESTADOS............................................ 252
INTRODUCCIÓN............................................................................................................................. 252
Lección 1: REGLAS DE CONSTRUCCIÓN DEL LUGAR DE LAS RAÍCES .................................. 253
Lección 2: ASPECTOS IMPORTANTES EN LA CONSTRUCCIÓN DEL LGR.............................. 270
1. EFECTOS DE ADICIÓN DE POLOS Y CEROS......................................................................... 270
2. EFECTOS DE MOVIMIENTOS DE POLOS Y CEROS.............................................................. 272
3. LGR EN SISTEMAS DISCRETOS.............................................................................................. 273
Lección 3: REPRESENTACIONES EN EL ESPACIO DE ESTADOS............................................ 275
1. FORMA CANÓNICA CONTROLABLE ....................................................................................... 276
2. FORMA CANÓNICA OBSERVABLE .......................................................................................... 277
3. FORMA CANÓNICA DIAGONAL................................................................................................ 277
4. FORMA CANÓNICA DE JORDAN ............................................................................................. 278
Lección 4: SOLUCIÓN DE LA ECUACIÓN DE ESTADOS ............................................................ 281
1. SOLUCIÓN DE LAS ECUACIONES DE ESTADO PARA EL CASO HOMOGÉNEO ................ 281
2. SOLUCIÓN DE LAS ECUACIONES DE ESTADO PARA EL CASO NO HOMOGÉNEO.......... 284
Lección 5: CONTROLABILIDAD Y OBSERVABILIDAD ................................................................. 286
1. CONTROLABILIDAD .................................................................................................................. 286
2. OBSERVABILIDAD ..................................................................................................................... 287
LISTADO DE TABLAS
Table 2.1 Pares de transformadas de Laplace ................................................................................. 50

Table 2.2 Propiedades de la transformada de Laplace .................................................................... 60
Table 2.3 Pares de transformadas Z ............................................................................................. 79
Table 2.5 Transformadas Z de x( k + n) y x( k − n) .................................................................. 100

Table 2.4 Propiedades de la transformada Z ................................................................................. 86
Table 3.1 Reglas del álgebra de bloques........................................................................................ 147

Table 3.2 Sistemas de control discreto en lazo cerrado ................................................................. 153
Table 4.1 Error en estado estacionario para diversos sistemas ..................................................... 195
Table 4.2 Arreglo de Jury ................................................................................................................ 209
LISTADO DE GRÁFICOS Y FIGURAS
Figure 1.1 Diagrama general de un proceso..................................................................................... 17

Figure 1.2 Sistema de control automático......................................................................................... 18
Figure 1.3 Sistema de control de nivel.............................................................................................. 21
Figure 1.4 Intercambiador de calor ................................................................................................... 22
Figure 1.5 Diagrama de bloques del intercambiador de calor .......................................................... 22
Figure 1.6 Sistema de control continuo............................................................................................. 25
Figure 1.7 Sistema de control discreto.............................................................................................. 26
Figure 1.8 Sistema de control de dirección de un auto..................................................................... 27
Figure 1.9 Sistema de control de velocidad de un auto.................................................................... 27
Figure 1.10 Sistema de control de temperatura de un horno eléctrico ............................................. 28
Figure 1.11 Sistema de control en lazo cerrado ............................................................................... 29
Figure 1.12 Sistema de control en lazo abierto................................................................................. 30
Figure 1.13 Sistema realimentado .................................................................................................... 31
Figure 2.1 Señales en tiempo continuo y en tiempo discreto ........................................................... 39
Figure 2.2 Plano complejo s ............................................................................................................ 40
Figure 2.3 Aproximación a la función impulso .................................................................................. 45
Figure 2.4 Función impulso ............................................................................................................... 46
Figure 2.5 Función escalón ............................................................................................................... 46
Figure 2.6 Función rampa ................................................................................................................. 47
Figure 2.7 Función exponencial ........................................................................................................ 48
Figure 2.8 Función senoidal .............................................................................................................. 49
Figure 2.9 Función delta de Kronecker ............................................................................................. 74
Figure 2.10 Función escalón unitario ................................................................................................ 75
Figure 2.11 Función rampa unitaria .................................................................................................. 76
Figure 2.12 Función polinomial ......................................................................................................... 76
Figure 2.13 Función exponencial ...................................................................................................... 77
Figure 2.15 Funciones en tiempo continuo con los mismos valores en t = 0, T , 2T ,... .................. 87
Figure 2.14 Función senoidal ............................................................................................................ 78
Figure 3.1 No linealidad de saturación............................................................................................ 104

Figure 3.2 No linealidad de zona muerta ........................................................................................ 104
Figure 3.3 No linealidad de ley cuadrática ...................................................................................... 104
Figure 3.4 Circuito RL en serie........................................................................................................ 105
Figure 3.5 Circuito RC en serie ....................................................................................................... 106
Figure 3.6 Circuito RC en paralelo .................................................................................................. 107
Figure 3.7 Circuito RLC en serie ..................................................................................................... 108
Figure 3.8 Circuito RC..................................................................................................................... 109
Figure 3.9 Sistema masa-amortiguador.......................................................................................... 112
Figure 3.10 Diagrama de cuerpo libre para el sistema masa-amortiguador................................... 112
Figure 3.11 Sistema masa-resorte-amortiguador ........................................................................... 113
Figure 3.12 Diagrama de cuerpo libre para el sistema masa-resorte-amortiguador ...................... 113
Figure 3.13 Sistema de nivel de líquido .......................................................................................... 115
Figure 3.14 Sistema de nivel de líquido .......................................................................................... 117
Figure 3.15 Sistema de nivel de líquido con interacción................................................................. 119
Figure 3.16 Sistema térmico ........................................................................................................... 123
Figure 3.17 Muestreo mediante impulsos ....................................................................................... 130
Figure 3.18 Reconstrucción efectuada por el ZOH......................................................................... 131

Figure 3.19 Muestreo y reconstrucción de una señal ..................................................................... 133
Figure 3.20 Espectro de la señal f (t ) ........................................................................................... 133
Figure 3.21 Repetición del espectro de la señal debido al muestreo ............................................. 134
Figure 3.22 Superposición de espectros (aliasing) ......................................................................... 134
Figure 3.23 Distorsión del espectro de la señal al recuperar con el ZOH ...................................... 135
Figure 3.24 Muestreo y reconstrucción ideal .................................................................................. 136
Figure 3.25 Muestreo ideal y reconstrucción mediante ZOH.......................................................... 136
Figure 3.26 Muestreo real (ancho de pulso p ) y reconstrucción mediante ZOH .......................... 137
Figure 3.27 Sistema continuo excitado por una entrada continua.................................................. 138
Figure 3.28 Sistema continuo excitado por una entrada discreta................................................... 138
Figure 3.29 Respuesta de un sistema continuo a una entrada discreta......................................... 138
Figure 3.30 Intercambiador de calor ............................................................................................... 142
Figure 3.31 Elementos de un diagrama de bloques ....................................................................... 144
Figure 3.32 Circuito RC................................................................................................................... 145
Figure 3.33 Diagrama de bloques para el ejemplo 3.18 ................................................................. 147
Figure 3.34 Sistema muestreado mediante impulsos ..................................................................... 150
Figure 3.35 Sistema muestreado con un muestreador entre los elementos en serie .................... 151
Figure 3.36 Sistema muestreado sin muestreador entre los elementos en serie........................... 152
Figure 3.37 Diagrama de bloques para el ejemplo 3.21 ................................................................. 154
Figure 3.38 Circuito RLC................................................................................................................. 157
Figure 3.39 Sistema LTI en espacio de estados............................................................................. 162
Figure 3.40 Sistema mecánico........................................................................................................ 162
Figure 4.1 Sistema de primer orden. T : Constante de tiempo del sistema ................................... 177
Figure 4.2 Respuesta escalón de un sistema de primer orden ...................................................... 178
Figure 4.3 Respuesta rampa de un sistema de primer orden......................................................... 179
Figure 4.5 Ubicación de los polos en función de ζ ....................................................................... 182

Figure 4.4 Respuesta impulso de un sistema de primer orden ...................................................... 180
Figure 4.6 Diferentes respuestas escalón de un sistema de segundo orden................................. 183
Figure 4.8 M p en función de ζ .................................................................................................... 186

Figure 4.7 Especificaciones para un sistema con respuesta subamortiguada............................... 184
Figure 4.9 Curvas envolventes de la respuesta paso..................................................................... 187

Figure 4.10 Respuestas al escalón de sistemas de segundo orden .............................................. 188
Figure 4.11 Funciones continuas según la ubicación de sus polos en el plano s ......................... 196
Figure 4.12 Estructura de un sistema de control en lazo cerrado .................................................. 197
Figure 4.13 Diagrama de bloques de un sistema de lazo cerrado ................................................. 203
Figure 4.14 Funciones discretas según la ubicación de sus polos en el plano z ......................... 205
Figure 4.15 Diagrama de bloques de un sistema de control discreto en lazo cerrado................... 205
Figure 4.16 Relación entre los planos s, z y w ............................................................................. 206
Figure 4.17 Diagrama de bloques para el ejemplo 4.8 ................................................................... 207
Figure 5.1 Sistema de tiempo continuo........................................................................................... 214
Figure 5.2 Diagramas de Bode aproximados para sistemas de primer orden ............................... 217
Figure 5.3 Diagramas de Bode aproximados para sistemas de segundo orden............................ 218
de ζ ............................................................................................................................................... 219
Figure 5.4 Diagrama de Bode de magnitud para un sistema de segundo orden con distintos valores
ζ .................................................................................................................................................... 219
Figure 5.5 Diagrama de Bode de fase para un sistema de segundo orden con distintos valores de
Figure 5.6 Relación entre el LGR y los diagramas de Bode........................................................... 221

Figure 5.7 Sistema del ejemplo 5.1................................................................................................. 222
Figure 5.8 Diagrama de Bode para el ejemplo 5.1 ......................................................................... 222
Figure 5.9 Medición del MF y del MG en el diagrama de Bode para K = 600 ............................. 227
Figure 5.10 Medición del MF y del MG en el diagrama de Bode para K = 15 ............................. 227
Figure 5.11 Diagrama polar............................................................................................................. 228
Figure 5.12 Diagrama polar de un sistema de tercer orden ........................................................... 229
Figure 5.13 Diagrama polar de un sistema de segundo orden....................................................... 230
Figure 5.14 Teorema de la transformación conforme ..................................................................... 231
Figure 5.15 Teorema de la representación ..................................................................................... 232
Figure 5.17 Diagrama de Nyquist a) en el plano 1 + G ( jω ) H ( jω ) b) en el plano G ( jω ) H ( jω )

Figure 5.16 Recorrido de Nyquist.................................................................................................... 233
......................................................................................................................................................... 234
Figure 5.18 Recorrido de Nyquist modificado ................................................................................. 236
Figure 5.19 Sistema realimentado para el ejemplo 5.2 .................................................................. 236
Figure 5.20 Recorrido de Nyquist modificado para el ejemplo 5.2 ................................................. 237
Figure 5.22 Diagrama de Nyquist para K = 1 (línea continua) y simétrico (línea discontinua)..... 240
Figure 5.21 LGR para el sistema del ejemplo 5.2........................................................................... 238
Figure 5.23 Diagrama polar que contiene al punto −1 + j 0 .......................................................... 241
Figure 5.25 Diagrama de Nyquist para K = 10, 60 y 200 ............................................................ 242

Figure 5.24 LGR del sistema de ejemplo........................................................................................ 242
Figure 5.26 Medición del MF y del MG en el diagrama polar para K = 30 ................................... 243
Figure 5.27 Medición del MF y del MG en el diagrama polar para K = 100 ................................. 244
Figure 5.28 Sistema de tiempo discreto.......................................................................................... 244
Figure 5.29 Sistema discreto en lazo abierto.................................................................................. 248
Figure 5.30 Sistema discreto en lazo cerrado................................................................................. 249
Figure 6.1 Polos y ceros en lazo abierto......................................................................................... 254
Figure 6.2 LGR sobre el eje real ..................................................................................................... 254
Figure 6.3 Inicio y final del LGR ...................................................................................................... 256
Figure 6.4 Asíntotas del LGR .......................................................................................................... 256
Figure 6.5 Ubicación de las asíntotas ............................................................................................. 257
Figure 6.6 Puntos de ruptura........................................................................................................... 258
Figure 6.7 LGR sobre eje real entre dos polos ............................................................................... 259
Figure 6.8 LGR sobre eje real entre dos ceros ............................................................................... 259
Figure 6.9 LGR sobre eje real entre cero y polo ............................................................................. 260
Figure 6.10 Puntos de cruce del LGR con el eje imaginario........................................................... 260
Figure 6.11 Ángulos de arranque y llegada .................................................................................... 262
Figure 6.12 Polos y ceros del ejemplo 6.1 ...................................................................................... 263
Figure 6.13 LGR del ejemplo 6.1 .................................................................................................... 266
Figure 6.14 Polos y ceros del ejemplo 6.2 ...................................................................................... 267
Figure 6.16 Evaluación de los ceros en lazo cerrado ..................................................................... 269
Figure 6.17 Efecto de la adición de polos sobre el LRG................................................................. 271
Figure 6.18 Efecto de la adición de un cero sobre el LGR ............................................................. 272
Figure 6.19 Efecto del movimiento de un polo hacia el semiplano derecho................................... 272
Figure 6.20 Sistema del ejemplo 6.3............................................................................................... 273
UNIDAD 1
Nombre de la
Representación de los Sistemas Dinámicos
Unidad
La Unidad 1 trata en primer lugar, los aspectos introductorios
y la terminología referente al área de control; en segundo
lugar, introduce y refuerza el manejo matemático necesario
Introducción para el modelado de los sistemas dinámicos, como lo es la
transformada de Laplace y la transformada Z; y en tercer
lugar trata las diferentes representaciones que se pueden
utilizar para analizar los sistemas dinámicos.
El estudiante de tecnología e ingeniería electrónica debe
conocer la importancia que tiene la representación de los
sistemas dinámicos dentro de la ingeniería, ya que esto le
permitirá enfrentar un sistema real y obtener las bases para
diseñar una solución que mejore su desempeño. En la
Unidad 1 se presentan las herramientas analíticas que le
permiten modelar plantas y sistemas de control lineales e
Justificación invariantes en el tiempo tanto continuo como discreto.
Mediante el desarrollo de las lecciones propuestas se

pretende concientizar a los estudiantes del propósito que
tienen los sistemas de control desde el punto de vista de la
representación del sistema, la ubicación del modelamiento
de sistemas dinámicos como profesión y como tarea dentro
del ciclo de vida de los sistemas industriales.
Lograr que el estudiante comprenda la manera de
representar y modelar sistemas dinámicos lineales e
Intencionalidades invariantes en el tiempo, empleando para ello algunas
Formativas herramientas matemáticas que le permitan aplicar
apropiadamente estos conocimientos en el campo
• Capítulo 1: Sistemas de control

tecnológico.
• Capítulo 2: Herramientas matemáticas

Denominación de
• Capítulo 3: Modelado de sistemas dinámicos
Capítulos
1. CAPITULO 1: SISTEMAS DE CONTROL
INTRODUCCIÓN
En muchos procesos industriales (sistemas dinámicos) la función de control es

realizada por un operario (ser humano), este operario es el que decide cuándo y
cómo manipular las variables de tal modo que se obtenga una cadena productiva
continua y eficiente.
La eficiencia productiva implica el constante aumento de los niveles de producción

de la maquinaria instalada, el mejoramiento de la calidad del producto final, la
disminución de los costos de producción, y la seguridad tanto para el personal
como para los equipos. Para lograr esto es necesario que los procesos
productivos se realicen a la mayor velocidad posible y que las variables a controlar
estén dentro de valores constantes.
Debido a estas exigencias, la industria ha necesitado de la utilización de nuevos y

más complejos procesos, que muchas veces el operario no puede controlar debido
a la velocidad y exactitud requerida, además muchas veces las condiciones del
espacio donde se lleva a cabo la tarea no son las más adecuadas para el
desempeño del ser humano.
Frente a este panorama, surgen los sistemas de control como una solución que
permite llevar la producción a estándares de calidad mucho mejores.
Actualmente en el mundo, se ve una introducción de los computadores y de la

microelectrónica en la industria y en la sociedad, esto trae consigo una extensión
del campo de los sistemas de control industrial ya que permite, a través del
manejo de la información (señales, datos, mediciones, etc.), transformar los
mecanismos de producción y procesos productivos de algunas industrias.
El principal objetivo de este capitulo es presentar las definiciones acerca de los

diferentes elementos que componen un sistema de control y los tipos de sistemas
de control existentes tanto en tiempo continuo como discreto. También se realiza
una introducción a los diferentes métodos de control aplicados actualmente en la
industria con el fin de que el estudiante tenga una visión general de los alcances
de la teoría de control.
Antes de iniciar con este estudio hay que aclarar algunos conceptos que serán
manejados a lo largo de este texto:
• Control: Acción ejercida con el fin de poder mantener una variable dentro de
un rango de valores predeterminados.
• Sistema de Control: Conjunto de equipos y componentes, que van a permitir

llevar a cabo las operaciones de control.
• Operaciones de Control: Conjunto de acciones que buscan mantener una

variable dentro de patrones de funcionamiento deseados.
• Control Automático: Es el desarrollo de la acción de control, sin la

participación directa de un ser humano (operario).
Lección 1: ELEMENTOS DE UN SISTEMA DE CONTROL
1. ELEMENTOS DE CONTROL
Dependiendo del tipo de proceso y la función de control requerida, los sistemas de

control van desde los más simples como mantener el nivel de agua o de
temperatura en un tanque, hasta los más complicados en los cuales se hace uso
de equipos sofisticados y de un conjunto de algoritmos de control óptimo, control
robusto, inteligencia artificial, etc.
Se realiza el control de un proceso, cuando es posible regular el valor de la

variable de salida, variando el valor de la señal de control o señal de entrada.
Figure 1.1 Diagrama general de un proceso
• Planta: Es el ambiente donde se encuentran los equipos y donde se lleva a

cabo el proceso. Se puede decir que es el conjunto de objetos físicos, en los
cuales es necesario desarrollar acciones especialmente organizadas con el fin
de lograr los resultados de funcionamiento y desempeño deseados; estos
objetos van a ser controlados por medio de acciones.
• Señales de Control: Son aquellas acciones elaboradas por el sistema de

control, o dadas por un operario, a través de las variables manipuladas. Por
ejemplo, si se desea mantener un tanque a una temperatura constante, se
deberá manipular el nivel de voltaje que recibe la resistencia que brinda calor al
tanque.
• Perturbaciones: Son aquellas acciones que no dependen del sistema de

control ni del operario, pero intervienen positiva o negativamente en el proceso.
Por ejemplo, para el caso anterior si se desea mantener una temperatura
constante en un tanque, la temperatura ambiental actuará e interferirá con el
calor del tanque.
• Variables de Salida: Son aquellas que caracterizan el estado de los procesos

dentro de la planta, estas variables son guiadas por variables controladas. Por
ejemplo, si se cuenta con un recipiente de agua en el cual la variable de salida
será el nivel, entonces la variable controlada será el flujo de líquido que ingresa
al recipiente.
• Proceso Industrial (Sistema Dinámico): Es la sucesión de cambios

graduales (en el tiempo) de materia y energía, todo proceso implica una
transformación; generalizando se puede decir que es todo fenómeno físico que
se puede medir y controlar. Pueden ser procesos continuos (siderúrgica,
petroquímica), procesos de manufactura (embotelladoras, confección de
textiles), procesos de servicio (distribución de agua), y procesos híbridos

(reciclaje de vidrio).
2. ELEMENTOS DE UN SISTEMA DE CONTROL AUTOMÁTICO
Adicionalmente a los componentes anteriores, se encuentran aquellos que le van

a dar la particularidad de ser automático, es decir, el sistema de control va a
actuar independiente del operario y va a determinar por sí mismo los mejores
valores para las señales de control.
Para ello se contará con una referencia, que es un valor dado por el operario, este
valor es fijo y depende del tipo de proceso y de las exigencias que este amerite; es
conocido como set-point, este valor es el que se desea alcanzar y mantener.
Figure 1.2 Sistema de control automático
Así, se tienen cuatro elementos que conforman el sistema de control:
• Controlador: Es aquel instrumento que compara el valor medido con el valor

deseado, en base a esta comparación calcula un error (diferencia entre valor
medido y deseado), para luego actuar a fin de corregir este error. Tiene por
objetivo elaborar la señal de control que permita que la variable controlada o
variable de salida corresponda a la señal de referencia. Los controladores
pueden ser de tipo manual, neumático o electrónico.
Los controladores electrónicos más usados son: computadores con tarjetas de

adquisición de datos, PLC (Controladores Lógicos Programables) y
microcontroladores (PIC).
El tipo de controlador más común es el PLC, el cual es un equipo electrónico

basado en microprocesadores. El PLC hace uso de memorias programables y
regrabables (RAM), en donde se almacenan instrucciones a manera de algoritmos
que van a permitir seguir una lógica de control. Contiene interfaces que le
permiten manejar gran número de entradas y salidas tanto analógicas como
digitales.
• Actuador: Es aquel equipo que sirve para regular la variable de control y

ejecutar la acción de control, también es conocido como elemento final de
control. Los actuadores pueden ser de tres tipos:
¾ Actuadores eléctricos: Son usados para posicionar dispositivos de

movimientos lineales o rotacionales. Por ejemplo: motores, relés,
switches y electroválvulas.
¾ Actuadores neumáticos: Trabajan con señales de presión, estas

señales son convertidas a movimientos mecánicos. Por ejemplo:
pistones neumáticos y válvulas.
¾ Actuadores hidráulicos: Operan igual a los neumáticos, son usados en

tareas que requieren mayor fuerza por ejemplo levantar compuertas,
mover grúas, elevadores, etc. Por ejemplo: pistones hidráulicos.
• Proceso: Esta referido al equipo que va a ser automatizado, por ejemplo

puede ser una bomba, una tolva, un tanque, un compresor, un molino, un
intercambiador de calor, un horno, un secador, una caldera, etc.
• Sensor: Es un elemento de medición de parámetros o variables del proceso.

Los sensores pueden ser usados también como indicadores, para transformar
la señal medida en señal eléctrica. Los sensores más comunes son los de
nivel, temperatura, presencia, proximidad, flujo, presión, entre otros. Pueden
ser de varios tipos:
¾ Sensores de contacto: Son aquellos que realizan la medida en

contacto directo, real y físico con el producto o materia. Por ejemplo:
sensores de boya para medir nivel en un tanque, termocuplas para
medir temperatura, etc.
¾ Sensores de no contacto: Se basan en propiedades físicas de los

materiales, son más exactos, pero son propensos a interferencias del
medio ambiente. Por ejemplo: sensores ultrasónicos, sensores ópticos,
etc.
¾ Sensores digitales: Trabajan con señales digitales, en código binario,

pueden representar la codificación de una señal analógica, o también la
representación de dos estados ON/OFF. Por ejemplo: sensores tipo
switch.
¾ Sensores analógicos: Proporcionan medidas continuas, los rangos

típicos son de 4 a 20 mA, 0 a 5 V, entre otros. Por ejemplo: sensores
capacitivos, sensores piezoresistivos, etc.
¾ Sensores mecánicos: Son aquellos que traducen la acción física del

elemento medido, en un comportamiento mecánico, típicamente de
movimiento y/o calor. Por ejemplo: barómetros, termómetros de
mercurio, etc.
¾ Sensores electro-mecánicos: Este tipo de sensor emplea un elemento

mecánico elástico combinado con un transductor eléctrico. Por ejemplo:
sensores resistivos, sensores magnéticos, etc.
A continuación, se muestra un ejemplo de un sistema de control de nivel, donde el

proceso esta constituido por un tanque abierto, el controlador es de tipo
electrónico, y a través de un transductor se convierte la señal eléctrica a
neumática, esta señal de presión de aire acciona una válvula neumática que
cumple la función de actuador, finalmente se cuenta con un sensor de nivel de tipo
no contacto.
Figure 1.3 Sistema de control de nivel
3. TIPOS DE VARIABLES
Se define como variable a todo aquel parámetro físico cuyo valor puede ser
medido. Puede ser:
• Variable Controlada: Es aquella que se busca mantener constante o con

cambios mínimos. Su valor debe seguir al set-point.
• Variable Manipulada: A través de esta se debe corregir el efecto de las

perturbaciones. Sobre esta se colocará el actuador.
• Variable Perturbadora: Esta dado por los cambios repentinos que sufre el
sistema y que provocan inestabilidad.
• Variable Medida: Es toda variable adicional, cuyo valor es necesario registrar

y monitorear, pero que no es necesario controlar.
Ejemplo 1.1 La figura 1.4 muestra un intercambiador de calor. A continuación, se

presenta un diagrama y un cuadro donde se describen las distintas variables que
intervienen en el proceso.
Figure 1.4 Intercambiador de calor
Solución:
Figure 1.5 Diagrama de bloques del intercambiador de calor

Si ingresa agua fría y sale agua caliente, entonces se

Variable
busca controlar la temperatura del agua que sale, cuya
Controlada
temperatura estará dada por un set-point
El calor dentro del intercambiador depende del suministro
Variable
de valor caliente, por tanto será el flujo de vapor caliente,
Manipulada
cuyo actuador es la válvula de vapor
Variable No se conoce la temperatura ni la presión del agua que
Perturbadora ingresa, por tanto, estos pueden afectar a la salida
Se puede medir por ejemplo la temperatura del vapor
Variable Medida
caliente
4. SEÑALES DE COMUNICACIÓN
Como se puede observar el flujo de información entre los elementos se da a través

de señales. Las señales son un conjunto de datos que fluyen en diversos sentidos,
conformando un flujo de información. Estas pueden ser:
• Señales Eléctricas: Utilizan el flujo de electrones sobre un conductor, pueden

ser:
¾ Señales analógicas: Son señales en tiempo continuo, la información

esta dada por la amplitud de la señal.
¾ Señales digitales: Son señales en tiempo discreto, la información esta

dada en código binario.
• Señales Neumáticas: La información está dada por la variación física de

compresión o expansión de un fluido gaseoso en un tiempo determinado.
• Señales Hidráulicas: En este caso las variaciones de presión por lo general

de un líquido viscoso generan el conjunto de datos a ser transmitidos.
• Señales de Sonido: Conformadas por ondas de sonido producidas por el

movimiento vibratorio de los cuerpos a una determinada frecuencia; también
son usadas las ondas ultrasónicas.
• Señales Electromagnéticas: La información viaja sobre una onda de radio,

microondas o satélite, empaquetada dentro de una señal portadora,
recorriendo grandes distancias.
• Señales Ópticas: Se hace uso de la fibra óptica y son empleadas para

transmitir grandes volúmenes de información, generalmente usadas en redes
de controladores.
Lección 2: SISTEMAS CONTINUOS Y DISCRETOS
1. SISTEMAS DE CONTROL CONTINUOS
Los sistemas de control continuos son aquellos que están descritos mediante
ecuaciones diferenciales que describen las leyes físicas que rigen el
comportamiento de dicho sistema, y que relacionan el comportamiento de la salida
de este ante una entrada determinada.
Estos sistemas se caracterizan porque las variables poseen un valor para

cualquier tiempo posible dentro de un intervalo de tiempo finito. Está referido a las
señales analógicas, y su comportamiento matemático es similar a una onda
continua. Por ejemplo un proceso de llenado de balones de gas.
Recordando que un sistema de control, generalmente estará formado por diversos

sistemas (planta, control, etc.). La topología típica de un sistema de control
continuo es:
Figure 1.6 Sistema de control continuo
De forma general, se puede escribir la ecuación diferencial que representa a este

tipo de sistemas, como se muestra a continuación:
d n −1 y d m −1u
+ a1 + + an −1 + an y = b0 + b1 + + bm −1 + bm u donde n ≥ m (1.1)
dny dy d mu du
n n −1 m m −1
dt dt dt dt dt dt
La solución a este tipo de ecuaciones, se puede encontrar mediante el uso de la

transformada de Laplace ( L ) y de la transformada inversa de Laplace ( L −1 ).
2. SISTEMAS DE CONTROL DISCRETOS
Los sistemas de control discretos son aquellos descritos mediante ecuaciones en

diferencia, y solo poseen valores para determinados instantes de tiempo,
separados por intervalos dados por un periodo constante. Está referido a las
señales digitales, y su comportamiento matemático es similar a un tren de pulsos.
Por ejemplo el encendido y apagado de un switch que acciona una alarma.
Un sistema de control en tiempo discreto se caracteriza principalmente por realizar

un procesado, mediante alguno de sus elementos, de señales discretas en el
tiempo. La topología típica de un sistema discreto es la que se puede observar en
la siguiente figura:
Figure 1.7 Sistema de control discreto
Respecto a los sistemas control en tiempo continuo se observa la inclusión de

algunos elementos nuevos:
• Control digital o discreto: Es un sistema procesador diseñado para que el

sistema de control logre las especificaciones requeridas. Este sistema trabaja u
opera en instantes de tiempo predeterminados, múltiplos del periodo de
muestreo y es, por tanto, un sistema síncrono. La operatividad del sistema o su
funcionamiento de procesado queda caracterizada plenamente mediante su
ecuación en diferencias:
y ( k + n) + + an −1 y ( k + 1) + an y ( k ) = b0 u ( k + m) + + bm −1u ( k + 1) + bm u ( k ) donde n ≥ m (1.2)
Este tipo de ecuaciones se pueden solucionar empleando la transformada Z y la

transformada Z inversa ( Z −1 ).
• Interfaces A/D y D/A: Se usan para convertir señales continuas en señales

discretas y señales discretas en señales continuas, respectivamente. Permiten
la introducción de un procesador discreto en el sistema de control y
reconstruyen temporalmente la señal discreta en una señal continua en el
tiempo.
Debe observarse que el periodo de muestreo T depende fundamentalmente del

tiempo de ciclo del programa que ejecuta el algoritmo de control; así, normalmente
el tiempo de ciclo de programa suele ser mayor que el periodo de muestreo de los
conversores A/D. En algunos casos, el periodo de muestreo se diseña para que
sea mayor que el tiempo de ciclo (cuando las constantes de tiempo del proceso o
planta son muy grandes), utilizándose el resto de tiempo del procesador para
realizar funciones de transmisión y representación de datos o, simplemente,

funciones de gestión de posibles alarmas.
Algunas ventajas del muestreo en sistemas de control son:
• Mayor facilidad de realización.
• No existen errores (ruido, interferencias, etc.).
• Son más compactos, menos pesados.
• Menor costo.
• Flexibilidad de programación.
3. EJEMPLOS DE SISTEMAS DE CONTROL
Un ejemplo sencillo de un sistema de control continuo, es el sistema de control de

dirección de un automóvil. La dirección de las ruedas delanteras se puede
considerar la variable controlada o salida y (t ) , y la dirección el volante es la señal
actuante o entrada u (t ) . El proceso en este caso está compuesto por el
mecanismo de la dirección y de la dinámica del automóvil completo.
Dirección Dirección de las

del volante ruedas delanteras
u (t ) PLANTA y (t )
Figure 1.8 Sistema de control de dirección de un auto
Por otro lado, si el objetivo es controlar la velocidad del automóvil, entonces la

presión ejercida sobre el acelerador sería la señal de entrada y la velocidad del
automóvil sería la señal de salida.
Presión sobre Velocidad del

acelerador auto
u (t ) PLANTA y (t )
Figure 1.9 Sistema de control de velocidad de un auto
En ambos casos se trata de un sistema de control continuo, ya que las señales

que se procesan en la planta varían continuamente en el tiempo.
Otro ejemplo se muestra a continuación, donde se aprecia el diagrama

esquemático del control de temperatura de un horno eléctrico.
Termómetro
Convertidor
A/D Interfase
Horno
eléctrico
Entrada
Computador programada
Relevador Amplificador Interfase

Calefactor
Figure 1.10 Sistema de control de temperatura de un horno eléctrico
La temperatura del horno eléctrico se mide mediante un termómetro, que es un

dispositivo analógico. La temperatura analógica se convierte a una temperatura
digital mediante un convertidor A/D. La temperatura digital se introduce a un
controlador, que en este caso es un computador, mediante una interfase. Esta
temperatura digital se compara con una temperatura que se ingresa mediante un
programa y si hay una discrepancia (error) el controlador envía una señal al
calefactor, a través de una interfase, un amplificador y un relevador, para hacer
que la temperatura del horno adquiera el valor deseado.
En este último ejemplo se observa que se trata de un sistema de control discreto,

ya que las señales que se procesan no son continuas en el tiempo, sino que son
muestreadas a intervalos regulares de tiempo mediante la acción del convertidor
A/D.
Lección 3: TIPOS DE SISTEMAS DE CONTROL
En base a su principio de funcionamiento los sistemas de control pueden emplear

o no, información a cerca de la planta, a fin de elaborar o no, estrategias de
supervisión y control. Se cuenta con dos tipos de sistemas de control: en lazo
abierto y en lazo cerrado.
1. CONTROL EN LAZO CERRADO
Un sistema de control en lazo cerrado es aquel que toma una muestra de la señal
de salida y (t ) y la compara con la señal de entrada o señal de referencia r (t ) , si
hay discrepancia entre las dos señales, entonces se produce una señal de error
e(t ) , la cual actúa sobre el mecanismo controlador con el fin de que este genere
una señal adecuada u (t ) , que permita un control efectivo sobre la planta o
proceso.
e (t ) u (t )
r (t ) Comparación Controlador Proceso y (t )
Medida
Figure 1.11 Sistema de control en lazo cerrado
En el ejemplo del control de temperatura de un horno, se observa que la señal de

salida y (t ) corresponde a la temperatura del horno, la cual es medida por un
termómetro y es comparada con la temperatura previamente programada r (t ) , si
estas dos señales no son iguales, se presentará una señal de error e(t ) , la cual es
interpretada por el computador, que en este caso hace las veces de controlador, el
cual genera una señal u (t ) que actúa directamente sobre el calefactor,
permitiendo aumentar o disminuir la temperatura hasta que la señal que se mida a
la salida (dentro del horno) corresponda a la deseada (la que está programada). Al
no existir error, entonces el controlador no realizará ninguna acción, pues ya se ha
cumplido el objetivo deseado.
Los sistemas de control en lazo cerrado se denominan también sistemas

realimentados.
2. CONTROL EN LAZO ABIERTO
Un sistema de control en lazo abierto funciona sin realimentación y genera

directamente la salida en respuesta a la señal de entrada. En cualquier sistema de
control en lazo abierto, la salida y (t ) no se compara con la entrada de referencia
r (t ) . Por lo tanto, a cada entrada de referencia le corresponde una condición
operativa fija; como resultado, la precisión del sistema depende de la calibración
que se le haya dado. Ante la presencia de perturbaciones, un sistema de control

en lazo abierto no realiza la tarea deseada.
Dispositivo u (t )
r (t ) Proceso y (t )
de actuación
Figure 1.12 Sistema de control en lazo abierto
En la práctica, el control en lazo abierto sólo se usa si se conoce la relación entre

la entrada y la salida y si no hay perturbaciones internas ni externas. Es evidente
que estos sistemas no son de control realimentado. Observe que cualquier
sistema de control que opere con una base de tiempo es en lazo abierto. Por
ejemplo, el control del tránsito mediante señales operadas con una base de
tiempo, o el control de la temperatura en una tostadora.
Lección 4: EFECTOS DE LA REALIMENTACIÓN
En la lección anterior, se ha visto que la realimentación es usada para reducir el

error entre la entrada de referencia y la salida del sistema, sin embargo el efecto
de la realimentación en sistemas de control es mucho más complejo que lo tratado
hasta ahora.
La reducción del error es sólo uno de los efectos que la realimentación realiza
sobre el sistema, ya que también repercute en las características de desempeño
del sistema como son:
• Estabilidad
• Ancho de banda
• Ganancia global
• Perturbaciones
• Sensibilidad
Considere un sistema realimentado sencillo como el de la figura, donde r es la

señal de entrada, y es la señal de salida, e es el error y los parámetros G y H ,
se pueden considerar como ganancias constantes.
+ e
r G y
-
H
Figure 1.13 Sistema realimentado
De este diagrama se observa que:
y = eG (1.3)
Y además,
e = r − yH (1.4)
Despejando e de la ecuación (1.3) y reemplazando en (1.4), se obtiene la relación

entre la salida y la entrada del sistema:
= r − yH
y
G
=
y G
r 1 + GH
(1.5)
sistema no realimentado en un factor de 1 + GH . El sistema de la figura anterior

Como se observa en la ecuación (1.5), la realimentación afecta la ganancia G del
tiene realimentación negativa, ya que se asigna un signo menos a la señal

realimentada.
La cantidad GH puede incluir el signo menos, por lo tanto el efecto general de la

realimentación es que puede aumentar o disminuir la ganancia G . En un sistema
de 1 + GH puede ser mayor que 1 en un intervalo de frecuencias y menor que 1 en

de control práctico, G y H son funciones de la frecuencia, por lo que la magnitud
otro intervalo.
De forma general, la estabilidad describe si un sistema es capaz de seguir un

comando de entrada. Para observar el efecto de la realimentación sobre la
GH = −1 , la salida del sistema del sistema tiende a infinito para cualquier entrada
estabilidad de un sistema nuevamente se hace referencia a la ecuación (1.5). Si
aplicada, y se dice que el sistema es inestable. Por lo tanto, se puede apreciar que
la realimentación puede ocasionar que un sistema que originalmente es estable,
se vuelva inestable. También puede ocurrir lo contrario, es decir, que mediante el
uso de la realimentación se pueda estabilizar un sistema originalmente inestable.
Desde el punto de vista de la estabilidad, el sistema de control en lazo abierto es

más fácil de desarrollar, porque la estabilidad del sistema no es un problema
importante. Por otra parte, la estabilidad es una función principal en el sistema de
control en lazo cerrado, lo cual puede conducir a corregir en exceso errores que
producen oscilaciones de amplitud constante o cambiante.
Debido a que todos los elementos físicos tienen propiedades que van cambiando
con el ambiente y con la edad, no se pueden considerar los parámetros de un
sistema de control como completamente estacionarios durante la vida de
operación del mismo, es por eso que las consideraciones sobre sensibilidad son
importantes cuando se trata con sistemas de control.
Una ventaja del sistema de control en lazo cerrado es que el uso de la

realimentación vuelve la respuesta del sistema relativamente insensible a las
perturbaciones externas y a las variaciones internas en los parámetros del
sistema. Por lo tanto, es posible usar componentes relativamente precisos y
baratos para obtener el control adecuado de una planta determinada, en tanto que
hacer eso es imposible en el caso de un sistema en lazo abierto.
Debe señalarse que, para los sistemas en los que se conocen con anticipación las
entradas y en los cuales no hay perturbaciones, es aconsejable emplear un control
en lazo abierto. Los sistemas de control en lazo cerrado sólo tienen ventajas
cuando se presentan perturbaciones impredecibles y/o variaciones impredecibles
en los componentes del sistema.
En general, la realimentación también tiene efectos sobre el ancho de banda, la

impedancia, la respuesta transitoria y la respuesta en frecuencia.
La cantidad de componentes usados en un sistema de control en lazo cerrado es

mayor que la que se emplea para un sistema de control equivalente en lazo
abierto. Por lo tanto, el sistema de control en lazo cerrado suele tener costos más
grandes. Por lo general, una combinación adecuada de controles en lazo abierto y
en lazo cerrado es menos costosa y ofrecerá un desempeño satisfactorio del
sistema general.
Lección 5: MÉTODOS DE CONTROL
Existen métodos y estrategias para realizar la acción de control, los métodos de

control (clásico y moderno) permiten al controlador reaccionar mandando una
señal correctiva del error, mientras que las estrategias de control, hacen más
eficiente a la labor de control, ahorrando recursos y tiempo.
1. MÉTODOS DE CONTROL CLÁSICO
Los métodos de control clásico son aquellos que esperan a que se produzca un
error para luego realizar una acción correctiva. El error se presenta a causa de la
diferencia de lectura entre la variable de salida medida y la señal de referencia,
este error está presente en todo momento, y la finalidad es minimizarlo. En
algunos casos suele generarse un comportamiento oscilatorio alrededor del valor
de referencia.
Los métodos de control clásico pueden ser:
• Control ON/OFF: Este método solo acepta dos posiciones para el actuador:
encendido (100%) y apagado (0%). La lógica de funcionamiento es tener un
punto de referencia, si la variable es mayor el actuador asume una posición, y
si la variable es menor el actuador asume la otra posición. Por ejemplo, los
sistemas de seguridad contra robos, las refrigeradoras domésticas, sistemas
de aire acondicionado, etc.
• Control Proporcional: Es un control que se basa en la ganancia aplicada al

sistema, se basa en el principio de que la respuesta del controlador deber ser
proporcional a la magnitud del error. No corrige ni elimina perturbaciones,
puede atenuar o aumentar la señal de error.
• Control Integral: Conocido como RESET. Este tipo de controlador anula

errores y corrige perturbaciones, mediante la búsqueda de la señal de
referencia, necesita de un tiempo para localizar dicha señal.
• Control Derivativo: Conocido como RATE. Este controlador por sí solo no es

utilizado, necesita estar junto al proporcional y al integral. Sirve para darle
rapidez o aceleración a la acción de control. Necesita de una diferencial de
tiempo para alcanzar la señal de referencia.
• Control Proporcional-Integral: Actúa en forma rápida, tiene una ganancia y

corrige el error, no experimenta un offset en estado estacionario. La aplicación
típica es en el control de temperatura.
• Control Proporcional-Derivativo: Es estable, y reduce los retardos, es decir

es más rápido. Es usado típicamente para el control de flujo de minerales.
• Control Proporcional-Integral-Derivativo: Este controlador es el más

completo y complejo, tiene una respuesta más rápida y estable siempre que
esté bien sintonizado. Resumiendo se puede decir que:
¾ El control proporcional actúa sobre el tamaño del error.
¾ El control integral rige el tiempo para corregir el error.
¾ El control derivativo le brinda la rapidez a la actuación.
2. MÉTODOS DE CONTROL MODERNO
Los métodos de control moderno brindan nuevas técnicas que permiten ya sea
compensar el error y/o eliminarlo, las más comunes son las siguientes:
• Control Anticipatorio (Feedforward): Este método permite al controlador

analizar los datos de entrada y de salida y mediante algoritmos matemáticos
calculará la próxima salida probable, de modo tal que auto ajusta sus
parámetros con la finalidad de adecuarse al cambio, y minimizar la diferencia
de medidas. Se recomienda para procesos lentos. Su desventaja radica en que
es necesario medir todas las variables perturbadoras, ya que no corrige las
perturbaciones no medidas. Se puede mejorar este método agregando una
retroalimentación a la salida, de modo tal que se deje que se produzca un error
mínimo, el cual será detectado y corregido en la siguiente medición.
• Compensadores Adelanto-Atraso: Este método permite realizar un control

en el dominio de la frecuencia, en el cual se busca compensar la fase del
sistema, agregando (adelanto) o quitando (atraso) fase, para lo cual se
agregan nuevos componentes o nuevas funciones matemáticas al sistema. Se
puede poner cuantos compensadores sean necesarios a fin de llevar la
respuesta del sistema a un valor deseado.
• Realimentación de Estados: Este método permite ejercer una acción de

control mediante la medición de cada uno de los estados (del modelo en
espacio estado del sistema), atribuyéndole una ganancia a cada uno de los
valores leídos, de este modo el lazo de control es cerrado por medio del
compensador o controlador de estados y no por el sensor.
• Sistemas de Seguimiento: Este método también es conocido como tracking,

es un complemento del método anterior, puesto que mediante el control por
realimentación de estados se puede llevar la variable controlada a un valor de
cero (porque no se cuenta con una referencia), con este método se podrá
llevar a la variable dada a un valor deseado, puesto que se incorpora una
referencia en el sistema.
• Feedback Linealization: Debido a que los procesos reales no cuentan con

modelos lineales que los representan, es necesario el uso de controladores no
lineales. Este método es conocido como control con modelo de referencia,
utiliza la teoría de Lyapunov para determinar la estabilidad del sistema, y el
modelo matemático esta dado en la forma espacio estado.
3. MÉTODOS DE CONTROL AVANZADO
Los métodos de control avanzado son aquellos que actúan en forma preventiva,
de modo tal que en base a los datos tomados, actúan de modo tal que previenen
la ocurrencia de error, por tanto el controlador está ajustando sus parámetros
constantemente.
• Control Adaptativo: Es una variante del control anticipatorio, en donde la

respuesta del controlador varía automáticamente basado en los cambios de las
condiciones dentro del proceso, es decir, la respuesta del controlador será
variable dependiendo del comportamiento actual del proceso. Para que se lleve
a cabo esta adaptación se requiere de algoritmos matemáticos que simulen el
proceso en base a los datos tomados en el instante mismo en que se realiza la
acción, este resultado va a generar una señal compensadora que garantizará

la confiabilidad del sistema.
• Control Óptimo: El control óptimo busca el mejor desempeño en la acción de

control, tiene por objetivo buscar una o varias soluciones que cumplan con
ciertas restricciones impuestas por el problema y que a la vez cumpla con una
función objetivo (función de costo), la cual puede ser maximizar o minimizar
dicha función. El control permite diversas soluciones para un mismo problema,
pero el control óptimo busca dentro de esas soluciones la más adecuada para
cumplir con los requisitos planteados.
• Control Robusto: El control robusto es aquel que va a permitir mantener la

acción de control pese a perturbaciones externas e internas. Pueden existir
perturbaciones externas como ruido y vibraciones propias del proceso; o
perturbaciones internas como un mal modelamiento matemático, sistemas no
lineales difíciles de linealizar, incertidumbre en el accionar, entre otros. El
control robusto se resume a identificar y controlar la incertidumbre en los
parámetros y en el comportamiento de una planta.
• Control en Tiempo Real: Se define el control de sistemas en tiempo real,

como el control realizado en un intervalo de tiempo finito y constante, es decir
que la información será medida con muestras intermitentes pero todas las
veces con un mismo tiempo de muestreo.
• Control Difuso: Se basa en la lógica difusa, la cual a diferencia de la lógica

binaria o booleana (verdadero/falso ó 1/0), asigna valores intermedios dentro
de esta escala. Utiliza la experiencia del operador para generar una lógica de
razonamiento para el controlador. No requiere del modelamiento matemático
de la planta, puede representar modelos de sistemas lineales y no lineales
mediante el uso de variables lingüísticas y una serie de condiciones o reglas
previamente definidas.
• Control Neuronal: Hace uso de neuronas de inteligencia artificial. La neurona

artificial estándar es un elemento de procesamiento que calcula una salida
multiplicando su vector de entradas por un vector de pesos y este resultado es
aplicado a una función de activación; un conjunto de neuronas conforman una
red neuronal. Las redes neuronales son parte de la inteligencia artificial (AI)
caracterizadas por su capacidad de aprendizaje, su velocidad mediante el
procesamiento masivo en paralelo de datos y por la facilidad de modelado de
sistemas y controladores no lineales.
• Algoritmos Genéticos: Este método simula la evolución natural de las

especies propuesta por Charles Darwin, fue ideado por John Holland en 1970.
La información va sufriendo cambios igual que lo harían las especies, es decir
se van adaptando al entorno, lo cual se lleva a cabo por medio de los procesos
de selección natural, mezcla y mutación. En cada ciclo (iteración) una parte del
conjunto de hipótesis conocido como población actual, es reemplazado por una
nueva población mediante las funciones evolutivas anteriores. Así
sucesivamente en cada ciclo la población es evaluada en base a una función
evolutiva, siendo conservados los datos más exactos, y siendo eliminados los
datos que presentan error (selección natural). Para conservar el número de
individuos (datos) estos son mezclados, lo cual genera nuevos individuos
similares a sus procreadores. Finalmente cada cierto tiempo o dada cierta
cantidad de individuos, algunos de los nuevos individuos son mutados
aleatoriamente, pudiendo ser conservados o eliminados en la próxima iteración
dependiendo de su utilidad dentro del sistema.
• Sistemas Expertos: Estos sistemas tratan de emular la experiencia adquirida

por uno o más seres humanos a lo largo del tiempo para realizar un trabajo.
Este sistema tendrá en su memoria una base de datos con múltiples
soluciones a un mismo problema, luego el sistema tendrá que escoger de entre
esas soluciones a la que pueda aplicarse a fin de lograr los mejores resultados.
El sistema se crea basándose en las experiencias humanas, la elección de la
estructura de control dependerá de las características del trabajo en donde se
aplicará, además el sistema podrá ir aprendiendo con el tiempo y almacenar
sus propias experiencias, existe mucha analogía entre los sistemas expertos y
los sistemas neuro-fuzzy.
2. CAPITULO 2: HERRAMIENTAS MATEMÁTICAS
INTRODUCCIÓN
Para la representación y el análisis de los sistemas dinámicos se utilizan

herramientas matemáticas como la transformada de Laplace, cuando se trata de
un sistema en tiempo continuo; o la transformada Z , cuando se trata de un
sistema en tiempo discreto.
La transformada de Laplace es un método operativo que aporta muchas ventajas

cuando se usa para resolver ecuaciones diferenciales lineales de la forma:
d n −1 y d m −1u
+ an −1 + + a1 + a0 y = bm + bm −1 + + b1 + b0 u donde n ≥ m (2.1)
dny dy d mu du
n n −1 m m −1
dt dt dt dt dt dt
Mediante el uso de la transformada de Laplace, es posible convertir muchas

funciones comunes, tales como las funciones senoidales, las funciones senoidales
amortiguadas y las funciones exponenciales, en funciones algebraicas de una
variable compleja s . Las operaciones tales como la diferenciación y la integración
se sustituyen por operaciones algebraicas en el plano complejo.
Por lo tanto, una ecuación diferencial lineal se transforma en una ecuación

algebraica, en términos de la variable compleja s . Si se despeja en la ecuación
algebraica en s la variable dependiente, la solución de la ecuación diferencial se
puede encontrar mediante una tabla de transformadas de Laplace o empleando
una técnica de expansión en fracciones parciales.
Una ventaja del método de la transformada de Laplace es que permite el uso de

técnicas gráficas para predecir el desempeño del sistema, sin tener que resolver
las ecuaciones diferenciales del sistema. Otra ventaja del método de la
transformada de Laplace es que, cuando se resuelve la ecuación diferencial, es
posible obtener simultáneamente tanto el componente transitorio como el
componente de estado estable de la solución.
Por otra parte, una herramienta matemática muy utilizada en el análisis y la

síntesis de sistemas de control en tiempo discreto es la transformada Z . El papel
de la transformada Z en sistemas en tiempo discreto es similar al de la
transformada de Laplace en sistemas en tiempo continuo.
En un sistema de control en tiempo discreto, una ecuación en diferencias lineal

caracteriza la dinámica del sistema. Para determinar la respuesta del sistema a
una entrada dada, se debe resolver dicha ecuación en diferencias.
Con el método de la transformada Z , las soluciones a las ecuaciones en

diferencias se convierten en un problema de naturaleza algebraica. (De la misma
forma en que la transformada de Laplace transforma las ecuaciones diferenciales
lineales invariantes en el tiempo en ecuaciones algebraicas en s , la transformada
Z transforma las ecuaciones en diferencias lineales e invariantes en el tiempo en
ecuaciones algebraicas en z ).
El principal objetivo de este capitulo es presentar las definiciones de las

transformadas (Laplace y Z ), los teoremas básicos asociados con ellas y los
métodos para encontrar las transformadas inversas. También se estudia la
solución de ecuaciones diferenciales mediante el método de la transformada de

Laplace y la solución de ecuaciones en diferencias mediante el método de la
transformada Z .
Antes de iniciar con este estudio hay que aclarar que las señales en tiempo
discreto surgen si el sistema involucra la operación de muestreo de señales en
tiempo continuo.
Figure 2.1 Señales en tiempo continuo y en tiempo discreto
La señal muestreada es, x(0), x(T ), x(2T ),..., donde T es el periodo de muestreo.
Dicha secuencia de valores que surge de la operación de muestreo normalmente
se escribe como x(kT ) . Si el sistema incluye un proceso iterativo realizado por
una computadora digital, la señal involucrada es una secuencia de números
x(0), x(1), x(2) . La secuencia de números normalmente se escribe como x(k ) ,
donde el argumento k indica el orden en el que se presentan los números en la
secuencia, por ejemplo x(0), x(1), x(2),... . Aunque x(k ) es una secuencia de
números, ésta se puede considerar como una señal muestreada de x(t ) cuando el
periodo de muestreo T es 1 segundo.
La transformada de Laplace se aplica a la señal en tiempo continuo x(t ) , mientras

que la transformada Z se aplica a la señal muestreada x(kT ) y a la secuencia de
números x(k ) . Sino se presenta confusión en el estudio al tratar con la
transformada Z , de manera ocasional se emplean x(kT ) y x(k ) intercambiadas,
es decir, para simplificar la presentación, en ocasiones se omite la aparición
explícita de T y se escribe x(kT ) como x(k ) .
Lección 1: TRANSFORMADA DE LAPLACE
1. FUNCIONES COMPLEJAS
Antes de introducir el tema de la transformada de Laplace, se estudiarán los

conceptos de variable y función compleja. También se revisará el teorema de
Euler, que relaciona las funciones senoidales con las funciones exponenciales.
Primero hay que recordar que un número complejo está compuesto de una parte
real y una parte imaginaria, ambas son constantes. Si la parte real y/o la parte
imaginaria son variables, el número complejo se denomina variable compleja. La
transformada de Laplace usa la notación s para la variable compleja, esto es:
s = σ + jω (2.2)
Donde σ es la parte real y ω es la parte imaginaria. De forma gráfica en el plano

s , la componente real está representada por el eje σ en la dirección horizontal y
la componente imaginaria se mide a lo largo del eje vertical jω . La figura 2.2
muestra el plano complejo s , en donde cualquier punto arbitrario s = s1 está
definido por las coordenadas σ = σ 1 y ω = ω1 , o simplemente s1 = σ 1 + jω1 .
jω
ω1 σ 1 + jω1
σ
s1
0 σ1
Figure 2.2 Plano complejo s
Se dice que la función G ( s ) es una función compleja, si para cada valor de s

existen uno o más valores correspondientes de G ( s ) . Debido a que s se define
con partes real e imaginaria, la función G ( s) también está representada por sus
partes real e imaginaria, esto es:
G ( s ) = Gx + jG y (2.3)
En donde Gx y G y son cantidades reales. La magnitud de G ( s ) es:
G ( s ) = Gx2 + G y2 (2.4)
Y el ángulo θ de G ( s ) es:
⎛ Gy ⎞
θ = tan −1 ⎜ ⎟ (2.5)
⎝ Gx ⎠
El ángulo se mide en sentido opuesto al movimiento de las manecillas del reloj, a

partir del eje real positivo.
El complejo conjugado de G ( s ) es:
G ( s ) = Gx − jG y (2.6)
Si para cada valor de s existe sólo un valor correspondiente de G ( s) , se dice que

G ( s ) es una función univaluada. Por lo general, las funciones complejas que se
encuentran en el análisis de sistemas de control lineales son funciones
univaluadas de s .
Una función G ( s) se llama función analítica en una región del plano s , si la

función y todas sus derivadas existen en dicha región.
Ejemplo 2.1 Determine si la siguiente función es analítica:
G(s) =
1
s ( s + 1)
Solución:
Es analítica en cada punto del plano s , excepto en los puntos s = 0 y s = −1 , ya

que en estos dos puntos el valor de la función tiende a infinito.
Ejemplo 2.2 Determine si la siguiente función es analítica:
G ( s) = s + 2
Solución:
La función es analítica en todos los puntos del plano s .
Los puntos en el plano s en los cuales la función G ( s ) es analítica se denominan

puntos ordinarios, en tanto que los puntos en el plano s en los cuales la función
G ( s) no es analítica se denominan puntos singulares.
Los puntos singulares en los cuales la función G ( s) o sus derivadas tienden a

infinito se denominan polos.
Ejemplo 2.3 Encuentre los polos de la siguiente función:
G (s) =
1
s +1
Solución:
La función tiene un polo en s = −1 .
Los puntos en los cuales la función G ( s ) es igual a cero se denominan ceros.
Ejemplo 2.4 Encuentre los polos y los ceros de la siguiente función:
10( s + 2)
G (s) =
s ( s + 1)( s + 3) 2
Solución:
La función tiene polos sencillos en s = 0 y s = −1 , tiene un polo repetido o de orden

2 en s = −3 , además tiene un cero sencillo o simple en s = −2 .
Para finalizar, se revisará el teorema de Euler, el cual es de gran ayuda, ya que

con el se puede expresar la función seno y la función coseno en términos de una
función exponencial, esto es:
e jθ = cos θ + j sin θ (2.7)
Teniendo en cuenta que e − jθ es el complejo conjugado de e jθ , se tiene:
e jθ + e − jθ = cos θ + j sin θ + cos θ − j sin θ e jθ − e − jθ = cos θ + j sin θ − cos θ + j sin θ

e jθ + e − jθ e jθ − e − jθ
cos θ = (2.8) sin θ = (2.9)
2 2j
2. DEFINICIÓN DE LA TRANSFORMADA DE LAPLACE
La transformada de Laplace es una herramienta matemática utilizada para la

solución de ecuaciones diferenciales lineales de la forma:
d n −1 y d m −1u
+ an −1 + + a1 + a0 y = bm + bm −1 + + b1 + b0 u donde n ≥ m (2.10)
dny dy d mu du
n n −1 m m −1
dt dt dt dt dt dt
En comparación con el método clásico de resolución de ecuaciones diferenciales

lineales, la transformada de Laplace tiene dos características atractivas:
• La solución de la ecuación homogénea y la solución particular se obtienen en

una sola operación.
• La transformada de Laplace convierte la ecuación diferencial en una ecuación

algebraica en s . Entonces es posible manipular la ecuación mediante reglas
algebraicas simples para obtener la solución en el dominio s . La solución final

se obtiene hallando la transformada inversa de Laplace.
Primero se presenta una definición de la transformada de Laplace y después se

ofrecen ejemplos de las transformadas de Laplace en varias funciones comunes.
Sean,
f (t ) : una función en el tiempo t , tal que f (t ) = 0 para t < 0
s: una variable compleja
L :
se va a transformar mediante la integral de Laplace ∫ e − st dt

un símbolo operativo que indica que la cantidad a la que antecede
∞
F ( s ) : la transformada de Laplace de f (t )
La transformada de Laplace de f (t ) se obtiene mediante:
[ f (t )] = F ( s) = ∫ f (t )e− st dt
∞
L (2.11)
0
El proceso inverso de encontrar la función en el tiempo f (t ) a partir de la

transformada de Laplace F ( s ) se denomina transformada inversa de Laplace. La
notación para la transformada inversa de Laplace es L −1 , la cual se encuentra a
partir de F ( s ) mediante la integral de inversión:
[ F (s)] = f (t ) = ∫
c + j∞
−1
F ( s )e st ds para t > 0 (2.12)
2π j c − j∞
1
L
En donde c es una constante real cuyo valor es mayor que las partes reales de
todas las singularidades de F ( s ) . En la práctica rara vez se emplea esta integral
para encontrar f (t ) , ya que existen métodos más sencillos para obtenerla.
A continuación, se encontraran las transformadas de Laplace de algunas

funciones que se utilizan con frecuencia.
3. TRANSFORMADA DE LAPLACE DE FUNCIONES ELEMENTALES
3.1. Función Impulso ó Delta de Dirac
Algunos sistemas mecánicos suelen estar sometidos a una fuerza externa (o a

una tensión eléctrica en el caso de los circuitos eléctricos) de gran magnitud, que
solamente actúa durante un tiempo muy corto. Por ejemplo, una descarga
eléctrica podría caer sobre el ala vibrante de un avión; a un cuerpo sujeto a un
resorte podría dársele un fuerte golpe con un martillo, una pelota de tenis
inicialmente en reposo, podría ser enviada velozmente por los aires al ser
golpeada con violencia con una raqueta de tenis. La función impulso puede servir
como un modelo para tal fuerza.
La función impulso, conocida también como delta de Dirac o función delta es una
función infinitamente angosta, infinitamente alta, cuya integral tiene un valor
rectangular que va de −ε / 2 a ε / 2 con una altura de 1/ ε .

unitario. Tal vez, la manera más simple de visualizar esto, es usar un pulso
Figure 2.3 Aproximación a la función impulso
Al hacer que ε → 0 , se observa que su ancho tiende a ser cero y su altura tiende
función del impulso usualmente se escribe como δ (t ) .

a infinito conforme su área total permanece constante con un valor de uno. La
Figure 2.4 Función impulso
Entonces, la función impulso puede ser definida así:
⎧ ∞ para t = 0
f (t ) = ⎨
⎩0 para t ≠ 0
La transformada de Laplace de la función impulso es:
L [ f (t )] = 1
3.2. Función Escalón
En ingeniería es común encontrar funciones que corresponden a estados de sí o

no, o bien activo o inactivo. Por ejemplo, una fuerza externa que actúa sobre un
sistema mecánico o una tensión eléctrica aplicada a un circuito, puede tener que
suspenderse después de cierto tiempo. Para tratar de forma efectiva con estas
funciones discontinuas conviene introducir una función especial llamada función
escalón.
Figure 2.5 Función escalón

Se puede definir la función escalón de la siguiente forma:
⎧0 para t < 0
f (t ) = ⎨
⎩ A para t ≥ 0
En donde A es una constante. Su transformada de Laplace es:
L [ A] = ∫ Ae dt = − e − st
∞ ∞
− st
=− (0) + (1) =
A A A A
0
s 0 s s s
La función escalón en donde A = 1 , se denomina función escalón unitario o función

de Heaviside y se denota como u (t ) .
3.3. Función Rampa
Figure 2.6 Función rampa
Sea la función rampa,
⎧0 para t < 0
f (t ) = ⎨
⎩ At para t ≥ 0
En donde A es una constante y corresponde a la pendiente de la recta. La

transformada de Laplace de la función rampa es:
L [ At ] = ∫ Ate dt = A∫ te − st dt
∞ ∞
− st
0 0
Usando la fórmula ∫ xe dx = 2 (ax − 1) , se tiene:

eax ax
⎡ e − st ⎤
L [ At ] = A∫ te dt = A ⎢
∞
∞
− st
(− st − 1) ⎥ = 2
A
⎣ (− s ) ⎦0 s
2
0
La función rampa en donde A = 1 , se denomina función rampa unitaria y se denota

como r (t ) .
3.4. Función Exponencial
Figure 2.7 Función exponencial
Considere la función exponencial de la figura 2.7 definida como:
⎧0 para t < 0
f (t ) = ⎨ − at
⎩ Ae para t ≥ 0
En donde A y a son constantes. La transformada de Laplace de esta función

exponencial se obtiene así:
⎤⎦ = ∫ Ae e dt = A∫ e
∞ ∞ ∞
L ⎡⎣ Ae − at − at − st − ( a + s )t
dt = − =− (0) + (1) =
A − ( a + s )t A A A
s+a s+a s+a s+a
e
0 0 0
Se aprecia que la función exponencial produce un polo en el plano complejo.
3.5. Función Senoidal
Figure 2.8 Función senoidal
Sea una función senoidal como la de la figura 2.8, definida de la siguiente forma:
⎧0 para t < 0
f (t ) = ⎨
⎩ A sin ωt para t ≥ 0
∫e
En donde A y son constantes. Usando la fórmula de integración
sin bx dx = (a sin bx − b cos bx) , se tiene que la transformada de Laplace

ax
e
a + b2
ax
2
es:
Ae− st (− s sin ωt − ω cos ωt ) Aω
L [ A sin ωt ] = A∫ e
∞ ∞
− st
sin ωt dt = = 2
0
s +ω
2 2
0
s + ω2
Del mismo modo, se puede verificar que la transformada de Laplace de A cos ωt

es:
L [ A cos ωt ] =
s + ω2
As
2
El estudiante puede realizar la comprobación de esta última ecuación, como un

ejercicio complementario que le permita afianzar los conocimientos adquiridos
hasta el momento.
Se observa que la transformada de Laplace de cualquier función f (t ) se puede

encontrar al multiplicar la función por e − st , y luego evaluar la integral del producto
entre t = 0 y t = ∞ . No obstante, una vez conocido el método para obtener la
transformada de Laplace, es posible usar las tablas de transformadas de Laplace
para encontrar la transformada de una función f (t ) determinada. La tabla 2.1
muestra las transformadas de Laplace de funciones que se utilizarán con
frecuencia en el análisis de sistemas de control.
Table 2.1 Pares de transformadas de Laplace
Impulso unitario δ (t )
f (t ) F (s)
1 1
1
2 Escalón unitario u (t )
s
1
3 t
s2
t n −1
(n = 1, 2,3,...)
1
(n − 1)!
4
sn
(n = 1, 2,3,...)
n!
s n +1
5 tn
e− at
1
s+a
6
te− at
1
( s + a)2
7
t n −1e− at (n = 1, 2,3,...)
1 1
(n − 1)! ( s + a)n
8
t n e − at (n = 1, 2,3,...)
n!
( s + a) n +1
9
ω
sin ωt
s + ω2
10 2
cos ωt
s + ω2
s
11
ω
2
sinh ωt
s −ω2
12 2
Tabla 2.1 Pares de transformadas de Laplace (continuación)

cosh ωt
s −ω2
s
13 2
(1 − e− at )
1
s( s + a)
1
14
a
(e− at − e− bt )
1
( s + a)( s + b)
1
b−a
15
(be− bt − ae− at )
s
( s + a)( s + b)
1
b−a
16
1 ⎡ ⎤
⎢1+ (be − at − ae −bt ) ⎥
1
s ( s + a )( s + b)
1
ab ⎣ a − b ⎦
17
(1 − e − at − ate− at )
1
s( s + a)2
1
18 2
a
(at − 1 + e − at )
1
s ( s + a)
1
19 2
ω
a2
e− at sin ωt
( s + a)2 + ω 2
20
s+a
e − at cos ωt
( s + a)2 + ω 2
21
ωn ωn2
e −ζϖ nt sin ωn 1 − ζ 2 t (0 < ζ < 1)
1− ζ 2 s 2 + 2ζωn s + ωn2
( )
22
− e −ζϖ nt sin ωn 1 − ζ 2 t + φ (0 < ζ < 1, 0 < φ < π 2)

1
1− ζ 2
⎛ 1− ζ 2 ⎞ s + 2ζωn s + ωn2
s
φ = tan ⎜
23
⎟
2
−1
⎜ ζ ⎟
⎝ ⎠
1−
1
1− ζ
(
e −ζϖ nt sin ωn 1 − ζ 2 t + φ ) (0 < ζ < 1, 0 < φ < π 2)
ωn2
s ( s 2 + 2ζωn s + ωn2 )
2
⎛ 1− ζ 2 ⎞
φ = tan −1 ⎜
24
⎟
⎜ ζ ⎟
⎝ ⎠
ω2
1 − cos ωt
s( s 2 + ω 2 )
25
ω3
ωt − sin ωt
s 2 (s 2 + ω 2 )
26
2ω 3
Tabla 2.1 Pares de transformadas de Laplace (continuación)
sin ωt − ωt cos ωt
(s 2 + ω 2 )2
27
t sin ωt
(s + ω 2 )2
s
2ω
1
28 2
s2 − ω 2
t cos ωt
(s 2 + ω 2 )2
29
(cos ω1t − cos ω2t ) (ω12 ≠ ω22 ) ( s + ω1 )( s 2 + ω22 )

s
ω − ω1
1 2 2
30 2 2
2
(sin ωt + ωt cos ωt )
s2
2ω (s 2 + ω 2 )2
1
31
s+a
te sin ωt
1 − at
2ω ⎡⎣( s + a) 2 + ω 2 ⎤⎦
32 2
( s + a)2 − ω 2
te − at cos ωt
⎡⎣( s + a) 2 + ω 2 ⎤⎦
33 2
Lección 2: PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA DE

LAPLACE
Las aplicaciones de la transformada de Laplace, en muchos casos se simplifican

al emplear las propiedades de la transformada.
1. MULTIPLICACIÓN POR UNA CONSTANTE
Sea A una constante y F ( s ) la transformada de Laplace de f (t ) , entonces:
L [ Af (t ) ] = AL [ f (t )] = AF ( s) (2.13)
2. LINEALIDAD
Sean F1 ( s ) y F2 ( s ) las transformadas de Laplace de f1 (t ) y f 2 (t ) ,

respectivamente, entonces:
L [ f1 (t ) ± f 2 (t )] = L [ f1 (t )] ± L [ f 2 (t )] = F1 ( s) ± F2 ( s) (2.14)
Ejemplo 2.5 Encuentre la transformada de Laplace de la función f (t ) = 3t − 5sin 2t
Solución:
Aplicando las propiedades de multiplicación por una constante y de linealidad se

tiene:
L [3t − 5sin 2t ] = 3L [t ] − 5L [sin 2t ] = 3 ⎜ 2 ⎟ − 5 ⎜ 2

⎛ 1 ⎞ ⎛ 2 ⎞ −7 s + 12
2 ⎟
=
2
⎝ s ⎠ ⎝ s + 2 ⎠ s ( s + 4)
2 2
3. TRASLACIÓN COMPLEJA
La transformada de Laplace de f (t ) multiplicada por e ∓ at , donde a es una

constante, es igual a la transformada de Laplace F ( s) , con s reemplazada por
s ± a , esto es:
L ⎣⎡e ∓ at f (t ) ⎦⎤ = L [ f (t )] s = s ± a = F ( s ± a) (2.15)
Ejemplo 2.6 Encuentre la transformada de Laplace de la función f (t ) = e −5t t 3
Solución:
Aplicando la propiedad de traslación compleja se encuentra que su transformada

de Laplace es:
L ⎡⎣e −5t t 3 ⎤⎦ = L ⎡⎣t 3 ⎤⎦ = 4 =
3! 6
s = s +5 s s = s +5 ( s + 5) 4
4. TRASLACIÓN EN EL TIEMPO
La transformada de Laplace de f (t ) retrasada un tiempo a , es igual a la

transformada de Laplace de f (t ) multiplicada por e − as , esto es:
L [ f (t − a)] = e− asL [ f (t )] = e− as F ( s) (2.16)
Ejemplo 2.7 Encuentre la transformada de Laplace de la función f (t ) = (t − 2)3
Solución:
Aplicando la propiedad de traslación en el tiempo se encuentra que su

transformada de Laplace es:
⎛ 3! ⎞ 6e
−2 s
L ⎡⎣(t − 2)3 ⎤⎦ = e −2 sL ⎡⎣t 3 ⎤⎦ = e −2 s ⎜ 4 ⎟ = 4
⎝s ⎠ s
5. CAMBIO DE ESCALA
La transformada de Laplace de f (t a ) , donde a es una constante, es igual a la

multiplicación de a por la transformada de Laplace F ( s) , con s reemplazada por
as , esto es:
L [ f (t a)] = aL [ f (t )] s =as = aF (as) (2.17)
Ejemplo 2.8 Encuentre la transformada de Laplace de la función f (t ) = sin(t 2)
Solución:
Aplicando la propiedad de cambio de escala se encuentra que su transformada de

Laplace es:
L [sin(t 2) ] = 2 L [sin t ] s = 2 s = 2 ⎜ 2 ⎟
⎛ 1 ⎞
= 2
2
⎝ s + 1 ⎠ s =2 s 4s + 1
6. DIFERENCIACIÓN REAL
Sea F ( s ) la transformada de Laplace de f (t ) , y f (0) es la función evaluada en

t = 0 . La transformada de Laplace de la derivada de f (t ) con respecto al tiempo
es:
⎡ df (t ) ⎤
L ⎢ = sF ( s ) − f (0) (2.18)
⎣ dt ⎥⎦
En general, para las derivadas de orden superior de f (t ) , se tiene:
⎡ d n f (t ) ⎤ n
L ⎢ ⎥ = s F ( s ) − s n −1 f (0) − s n − 2 f 1 (0) − − s 2 f ( n −3) (0) − sf ( n − 2) (0) − f ( n −1) (0) (2.19)
⎣ dt ⎦
n
En donde f (i ) (0) denota la derivada de i-ésimo orden de f (t ) con respecto a t ,

evaluada en t = 0 .
Ejemplo 2.9 Encuentre la transformada de Laplace de la función:
f '(t ) = cos ωt
Solución:
Como se conoce que f '(t ) = cos ωt es la derivada de la función
f (t ) = sin ωt
ω
1
Se puede hallar su transformada de Laplace aplicando la propiedad de

diferenciación real, esto es:
s⎛ ω ⎞
L [ cos ωt ] = L [sin ωt ] − sin(0) = ⎜ 2 2 ⎟
= 2
ω ω ω ⎝ s + ω ⎠ s + ω2
s 1 s
7. INTEGRACIÓN REAL
La transformada de Laplace de la integral de f (t ) con respecto al tiempo, es F ( s)

dividida entre s , esto es:
⎡t ⎤ F (s)
L ⎢ ∫ f (t )dt ⎥ =
⎣0 ⎦
(2.20)
s
Para la integración de n-ésimo orden se tiene:
⎡ t1 t2 ⎤ F (s)
L ⎢∫ ∫ ∫ f (t )dt dt dtn ⎥ = n
tn
⎢⎣ 0 0 ⎥⎦
1 2 (2.21)
0
s
Ejemplo 2.10 Hallar la transformada de Laplace de la integral de la función f (t ) ,
f (t ) = sin 2t
donde:
Solución:
Al aplicar la propiedad de la integración real se obtiene que la transformada de

Laplace es:
L ⎡⎣ ∫ sin 2tdt ⎤⎦ = L [sin 2t ] = ⎜ 2

1⎛ 2 ⎞
2 ⎟
=
1 2
s s ⎝ s + 2 ⎠ s ( s + 4)
2
8. DIFERENCIACIÓN COMPLEJA
Si f (t ) se puede transformar mediante el método de Laplace, entonces:
L [tf (t ) ] = −
d
F ( s) (2.22)
ds
De forma general,
L ⎡⎣t n f (t ) ⎤⎦ = (−1) n n F ( s) (2.23)

dn
ds
Ejemplo 2.11 Hallar la transformada de Laplace de t 2 e−2t
Solución:
f (t ) = e−2t , entonces
Aplicando la propiedad de diferenciación compleja se puede apreciar que
L ⎡⎣t 2 e −2t ⎤⎦ = (−1) 2 2 F ( s )

d2
ds
Donde F ( s) =
1
s+2
, por lo que
d2 ⎛ 1 ⎞
L ⎡⎣t e
2 −2 t
⎤⎦ = (−1) 2 ⎜ ⎟=
2
ds ⎝ s + 2 ⎠ ( s + 2)3
2
9. TEOREMA DEL VALOR INICIAL
Si la transformada de Laplace de f (t ) es F ( s) , entonces:
lim f (t ) = lim sF ( s ) (2.24)

t →0 s →∞
10. TEOREMA DEL VALOR FINAL
Si la transformada de Laplace de f (t ) es F ( s) , y si F ( s) es analítica sobre el eje

imaginario y en el semiplano derecho del plano s , entonces:
lim f (t ) = lim sF ( s ) (2.25)

t →∞ s →0
Este teorema es de utilidad en diversas aplicaciones, donde puede ser necesario

encontrar el valor final (valor de estado estacionario) de la salida de un sistema sin
final sólo es válido si sF ( s ) no tiene polos sobre el eje jω o en el semiplano

conocer la función en el dominio del tiempo. Sin embargo, el teorema del valor
derecho del plano s .
Ejemplo 2.12 Encuentre el valor hacia el cual tiende la función f (t ) , si:
F (s) =
5
s ( s + s + 2)
2
Solución:
Debido a que sF ( s ) es analítica sobre el eje imaginario y en el semiplano derecho

del plano s , el teorema del valor final puede ser aplicado. Utilizando la ecuación
(2.25), se tiene:
lim f (t ) = lim sF ( s ) = lim =

5 5
t →∞ s →0 s →0 s +s+2 2
2
11. INTEGRAL DE CONVOLUCIÓN
Sean F1 ( s) y F2 ( s) las transformadas de Laplace de f1 (t ) y f 2 (t ) ,

respectivamente, entonces:
⎡t ⎤
L ⎢ ∫ f1 (τ ) f 2 (t − τ )dτ ⎥ = L [ f1 (t ) ∗ f 2 (t )] = L [ f1 (t )] L [ f 2 (t )] = F1 ( s) F2 ( s)
⎣0 ⎦
(2.26)
Donde el símbolo “ ∗ ” denota la convolución en el dominio del tiempo.
Ejemplo 2.13 Encuentre la transformada de Laplace de la convolución entre:
f1 (t ) = t y f 2 (t ) = 1 − e −t
Solución:
Debido a que,
F1 ( s ) = y F2 ( s ) = −
1 1 1
s 2
s s +1
Entonces la transformada de Laplace de la convolución se obtiene así:
⎛ 1 ⎞⎛ 1 1 ⎞ 1 1 1
L ⎣⎡(t ) ∗ (1 − e − t ) ⎦⎤ = F1 ( s ) F2 ( s ) = ⎜ 2 ⎟⎜ − ⎟= 3 − 2 + −
1
⎝ s ⎠⎝ s s + 1 ⎠ s s s s +1
Ahora se verifica que la solución obtenida es en verdad la transformada de

Laplace de la integral de convolución, primero se realiza la integral de convolución
y después se le aplica la transformada de Laplace al resultado obtenido:
f1 (t ) ∗ f 2 (t ) = ∫ (τ )(1 − e − (t −τ ) )dτ = ∫ (t − τ )(1 − e −τ ) )dτ = − t + 1 − e−t

t t
t2
0 0
2
Entonces,
⎡t2 ⎤ 1 1 1
L ⎢ − t + 1 − e −t ⎥ = 3 − 2 + −
1
⎣2 ⎦ s s s s +1
Lo que concuerda con el resultado obtenido anteriormente.

La tabla 2.2 resume las propiedades y teoremas de la transformada de Laplace.
L [ Af (t ) ] = AF ( s )
Table 2.2 Propiedades de la transformada de Laplace
[ f1 (t ) ± f 2 (t )] = F1 ( s) ± F2 ( s)
1
2 L
⎡d ⎤
L ⎢ f (t ) ⎥ = sF ( s ) − f (0)
⎣ dt ⎦
3
⎡d ⎤
L ⎢ 2 f (t ) ⎥ = s 2 F ( s ) − sf (0) − f (1) (0)
2
⎣ dt ⎦
4
L ⎢ n f (t ) ⎥ = s n F ( s ) − ∑ s n − k f ( k −1) (0) donde f ( k −1) (t ) = k −1 f (t )

⎡ dn ⎤ n
d k −1
⎣ dt ⎦
5
k =1 dt
⎡t ⎤ F (s)
L ⎢ ∫ f (t )dt ⎥ =
⎣0 ⎦
6
s
⎡ t1 t2 tn ⎤ F (s)
L ⎢ ∫ ∫ ∫ f (t )dt1dt2 dtn ⎥ = n
⎣⎢ 0 0 0 ⎦⎥
7
s
∫ ∫ f (t )dt existe
∞ ∞
f (t )dt = lim F ( s ) si
s →0
8
L ⎡⎣e ∓ at f (t ) ⎤⎦ = F ( s ± a )
0 0
L [ f (t − a )] = e − as F ( s ) donde a ≥ 0
9
10
L [tf (t ) ] = −
d
11 F ( s)
ds
L ⎡⎣t 2 f (t ) ⎤⎦ = 2 F ( s )
d2
12
ds
⎡ ⎤
L ⎣t f (t ) ⎦ = (−1)
n
n n d
13 F (s)
ds n
f (t ) ⎥ = ∫ F ( s )ds si lim f (t ) existe

⎡1 ⎤
∞
L ⎢
1
⎣t ⎦ s t →0 t
14
15 L [ f (t a)] = aF (as)
⎡t ⎤
L ⎢ ∫ f1 (τ ) f 2 (t − τ )dτ ⎥ = F1 ( s ) F2 ( s )
⎣0 ⎦
16
2π j c −∫j∞
L [ f (t ) g (t )] =
c + j∞
F ( p)G ( s − p )dp
1
17
Lección 3: TRANSFORMADA INVERSA DE LAPLACE
L [ f (t ) ] = F ( s ) , entonces f (t ) se denomina la transformada inversa de Laplace

Si la transformada de Laplace de una función f (t ) es F ( s ) , es decir, si
de F ( s ) y se expresa
f (t ) = L −1
[ F ( s )] (2.27)
−1
Donde L se llama el operador transformada inversa de Laplace.
Ejemplo 2.14 Encuentre la transformada inversa de Laplace de:
s+a
( s + a)2 + ω 2
Solución:
Conociendo que
s+a
L ⎡⎣e − at cos ωt ⎤⎦ =
( s + a)2 + ω 2
Entonces,
⎡ s+a ⎤ − at
⎢ ( s + a) 2 + ω 2 ⎥ = e cos ωt
−1
⎣ ⎦
L
Existen varios métodos para determinar transformadas inversas de Laplace,

algunos de los cuales son:
• Métodos de las fracciones parciales (uno de esos métodos hace uso del
teorema del desarrollo de Heaviside).
• Método de las series.
• Método de las ecuaciones diferenciales.
• Método de la fórmula de inversión compleja también denominada fórmula

integral de Bromwich
En este texto se usará el método de expansión en fracciones parciales y se hará

énfasis en algunos de los casos que se pueden presentar.
1. FRACCIONES PARCIALES
Para problemas de análisis de sistemas de control, F ( s ) es la transformada de

Laplace de f (t ) y con frecuencia se presenta de la forma:
B( s ) b0 s m + b1s m −1 + + bm − 2 s 2 + bm −1s + bm
F (s) = = n
s + a1s n −1 + + an − 2 s 2 + an −1s + an
(2.28)
A( s )
En donde, A( s ) y B( s ) son polinomios en s . Durante la expansión de

F ( s ) = B( s ) / A( s ) en fracciones parciales, es importante que la potencia más alta
de s en A( s) sea mayor que la potencia más alta de s en B( s) , en otras palabras,
que el grado del polinomio A( s) sea mayor que el grado del polinomio B( s) . Si tal
no es el caso, el numerador B( s ) debe dividirse entre el denominador A( s ) para
producir un polinomio en s además de un residuo, es decir, la función sobre la
cual se aplica la expansión en fracciones parciales debe ser una función propia.
1.1. Raíces Reales Simples
Suponga que F ( s ) puede escribirse de forma factorizada como:
B( s ) K ( s + z1 )( s + z2 ) ( s + zm )
F (s) = = para m < n (2.29)
A( s ) ( s + p1 )( s + p2 ) ( s + pn )
Donde p1 , p2 ,… , pn son los polos de la función y z1 , z2 ,… , zm corresponden a los

ceros. Si F ( s) sólo involucra polos distintos, entonces se puede escribir de la
forma
F (s) = = + + +
B( s) a1 a2 an
A( s ) ( s + p1 ) ( s + p2 ) ( s + pn )
(2.30)
En donde a1 , a2 ,… , an se denominan residuos y son valores constantes. Para

determinar el valor de ak se multiplican ambos miembros de la ecuación (2.30) por
s + pk y se evalúa la función en s = − pk , lo que conduce a lo siguiente:
⎡ B( s) ⎤ ⎡ a ( s + pk ) a2 ( s + pk ) ak ( s + pk ) an ( s + pk ) ⎤
⎢ ( s + pk ) A( s ) ⎥ =⎢ 1 + + + + + ⎥
⎣ ⎦ s =− pk ⎣ ( s + p1 ) ( s + p2 ) ( s + pk ) ( s + pn ) ⎦ s =− p
k
Se observa que todos los términos se cancelan a excepción de ak . Por lo tanto el

residuo ak se encuentra a partir de:
⎡ B( s) ⎤
ak = ⎢( s + pk )
⎣ A( s ) ⎥⎦ s =− pk
(2.31)
Ejemplo 2.15 Encuentre la función f (t ) , utilizando el método de expansión en

fracciones parciales, para la función:
2s 2 + 11s + 19
F (s) =
s 3 + 6s 2 + 11s + 6
Solución:
Inicialmente, se reescribe la función F ( s ) como:
2 s 2 + 11s + 19
F ( s) = = + +
A B C
( s + 1)( s + 2)( s + 3) s + 1 s + 2 s + 3
Donde,
⎡ 2s 2 + 11s + 19 ⎤ ⎡ 2s 2 + 11s + 19 ⎤
A = [ ( s + 1) F ( s )] s =−1 = ⎢( s + 1) =
⎣ ( s + 1)( s + 2)( s + 3) ⎥⎦ s =−1 ⎢⎣ ( s + 2)( s + 3) ⎥⎦ s =−1
2(−1) 2 + 11(−1) + 19 2 − 11 + 19 10
A= = = =5
(−1 + 2)(−1 + 3) (1)(2) 2
⎡ 2s 2 + 11s + 19 ⎤ ⎡ 2s 2 + 11s + 19 ⎤
B = [ ( s + 2) F ( s ) ] s =−2 = ⎢( s + 2) =
⎣ ( s + 1)( s + 2)( s + 3) ⎥⎦ s =−2 ⎢⎣ ( s + 1)( s + 3) ⎥⎦ s =−2
2(−2) 2 + 11(−2) + 19 8 − 22 + 19 5
B= = = = −5
(−2 + 1)(−2 + 3) (−1)(1) −1
⎡ 2s 2 + 11s + 19 ⎤ ⎡ 2s 2 + 11s + 19 ⎤
C = [ ( s + 3) F ( s ) ] s =−3 = ⎢( s + 3) =
⎣ ( s + 1)( s + 2)( s + 3) ⎦⎥ s =−3 ⎣⎢ ( s + 1)( s + 2) ⎦⎥ s =−3
2(−3) 2 + 11(−3) + 19 18 − 33 + 19 4
C= = = =2
(−3 + 1)(−3 + 2) (−2)(−1) 2
Una vez determinados los residuos se sustituyen en F ( s )
2 s 2 + 11s + 19 −5
F ( s) = = + +
5 2
( s + 1)( s + 2)( s + 3) s + 1 s + 2 s + 3
Ahora se aplica la transformada inversa de Laplace a F ( s ) para hallar f (t )
[ F ( s)] = L −1 ⎢⎡
2 ⎤
f (t ) = L − +
⎣ s + 1 s + 2 s + 3 ⎥⎦
−1 5 5
⎡ 1 ⎤ ⎡ 1 ⎤ ⎡ 1 ⎤
f (t ) = 5L −1
⎢⎣ s + 1 ⎥⎦ − 5L
−1
⎢⎣ s + 2 ⎥⎦ + 2L
−1
⎢⎣ s + 3 ⎥⎦ = 5e − 5e + 2e
−t −2 t −3t
1.2. Raíces Complejas Simples
Ya que las raíces complejas de un polinomio con coeficientes reales siempre

aparecen en pares conjugados, se puede suponer que F ( s ) tiene la forma:
F (s) = =
A( s ) ( s + α + j β )( s + α − j β ) D1 ( s )
B( s) B( s)
(2.32)
Donde −α − j β y −α + j β no son raíces de D1 ( s ) . Entonces se puede escribir

F ( s ) como
K∗
F (s) = + + F1 ( s ) (2.33)
s + α + jβ s + α − jβ
K
Donde se determina K y su complejo conjugado K ∗ . Expresado de otra forma,
B (−α − j β )
K = (s + α + j β ) F (s) = =
( s + α − j β ) D1 ( s ) s =−α − j β (−2 j β ) D1 (−α − j β )
B( s)
(2.34)
Una vez se han determinado K y K ∗ , pueden combinarse los dos términos

correspondientes como se indica a continuación.
Suponga que,
K = x + jy y K ∗ = x − jy
Entonces,
K∗ x + jy x − jy
+ = +
s + α + jβ s + α − jβ s + α + jβ s + α − jβ
K
( x + jy )( s + α − j β ) + ( x − jy )( s + α + j β )
=
( s + α + j β )( s + α − j β )
( xs + xα − jxβ + jys + jyα + y β ) + ( xs + xα + jxβ − jys − jyα + y β )
=
(s + α )2 + β 2
2 x( s + α ) + 2 y β
=
( s + α )2 + β 2
K∗ (s + α ) β
+ = 2x + +2 y
s + α + jβ s + α − jβ (s + α ) + β (s + α )2 + β 2
K
2 2
(2.35)
Esta última ecuación se puede usar cuando la función tiene raíces complejas. No
olvidar que,
⎡ (s + α ) ⎤
⎢ A1 ( s + α ) 2 + β 2 ⎥ = A1e cos β t
−1 −α t
⎣ ⎦
L
⎡ β ⎤
⎢ A2 ( s + α ) 2 + β 2 ⎥ = A2 e sin β t
−1 −α t
⎣ ⎦
L
Ejemplo 2.16 Hallar la transformada inversa de Laplace de la función:
10s 2 + 15s − 5
F ( s) =
s 3 + 2 s 2 + 5s
Solución:
Inicialmente, se reescribe la función F ( s ) como:
10 s 2 + 15s − 5 10 s 2 + 15s − 5 B∗
F (s) = 3 = = + +
A B
s + 2 s 2 + 5s s ( s + 1 + j 2)( s + 1 − j 2) s s + 1 + j 2 s + 1 − j 2
Donde,
⎡ 10s 2 + 15s − 5 ⎤ ⎡10s 2 + 15s − 5 ⎤

A = [ sF ( s ) ] s =0 = ⎢s ⎥ =⎢ 2 ⎥
⎣ s ( s + 2s + 5) ⎦ s =0 ⎣ s + 2s + 5 ⎦ s =0
2
10(0) 2 + 15(0) − 5
A= = −1
(0) 2 + 2(0) + 5
⎡ ⎤
B = [ ( s + 1 + j 2) F ( s ) ] s =−1− j 2
10s 2 + 15s − 5
= ⎢( s + 1 + j 2)
⎣ s ( s + 1 + j 2)( s + 1 − j 2) ⎥⎦ s =−1− j 2
⎡10 s 2 + 15s − 5 ⎤ 10(−1 − j 2) 2 + 15(−1 − j 2) − 5

B=⎢ ⎥ =
⎣ s ( s + 1 − j 2) ⎦ s =−1− j 2 (−1 − j 2)(−1 − j 2 + 1 − j 2)
10 + j 40 − 40 − 15 − j 30 − 5 −50 + j10 −50 + j10 ⎛ −8 − j 4 ⎞

B= = = ⎜ ⎟
(−1 − j 2)(− j 4) −8 + j 4 −8 + j 4 ⎝ −8 − j 4 ⎠
400 + j 200 − j80 + 40 440 + j120 44
B= = = +j = +j
12 11 3
64 + 16 80 8 8 2 2
Como B = + j , entonces su conjugado es B∗ = − j

11 3 11 3
2 2 2 2
Luego,
+j −j
−1 2
11 3 11 3
F (s) = + 2 + 2
s s +1+ j2 s +1− j2
2
Conociendo que
+j −j
2 = x + jy + x − jy
11 3 11 3
2 + 2
s + 1 + j2 s + 1 − j 2 s + α + jβ s + α − jβ
2
Se tiene que
x= y = , α = 1, β = 2
11 3
,
2 2
Sustituyendo los valores anteriores en la ecuación (2.35)
⎛ 11 ⎞ s +1 ⎛3⎞ s +1
2⎜ ⎟ + 2⎜ ⎟ = 11 +3
2 2
⎝ 2 ⎠ ( s + 1) + 2 ⎝ 2 ⎠ ( s + 1) + 2 ( s + 1) + 2 ( s + 1) 2 + 22
2 2 2 2 2 2
Se encuentra que la transformada inversa de Laplace de F ( s) es:

[ F ( s)] = L −1 ⎢ −
⎡ 1 s +1 ⎤
f (t ) = L −1
+ 11 +3 2⎥
2
⎣ s ( s + 1) + 2
2 2
( s + 1) + 2 ⎦
2
⎡1⎤ ⎡ s +1 ⎤ ⎡ ⎤
f (t ) = −L −1
⎢⎣ s ⎥⎦ + 11L
⎢ ( s + 1)2 + 22 ⎥ + 3L
−1 −1
⎢ ( s + 1) 2 + 22 ⎥
2
⎣ ⎦ ⎣ ⎦
f (t ) = −1 + 11e cos 2t + 3e sin 2t
−t −t
1.3. Raíces Múltiples
Suponga que F ( s ) tiene la forma
F (s) = =
B( s) B( s)
A( s ) ( s + s0 ) n D1 ( s )
(2.36)
Donde − s0 no es una raíz de D1 ( s ) y en general es compleja. Entonces se puede

escribir F ( s ) como
F (s) = + + + + + F1 ( s ) (2.37)
K1 K2 K n −1 Kn
s + s0 ( s + s0 ) 2 ( s + s0 ) n −1
( s + s0 ) n
Multiplicando los dos miembros de esta ecuación por ( s + s0 ) n se tiene como

resultado:
( s + s0 ) n F ( s ) = K1 ( s + s0 ) n −1 + K 2 ( s + s0 ) n − 2 + + K n −1 ( s + s0 ) + K n + ( s + s0 ) n F1 ( s )
Haciendo s = − s0 , se obtiene
K n = ( s + s0 ) n F ( s )
s =− s0
Para encontrar K n −1 , después de la multiplicación se derivan ambos miembros de

la ecuación con respecto a s . Entonces
⎡( s + s0 ) n F ( s ) ⎦⎤ = (n − 1) K1 ( s + s0 ) n − 2 + (n − 2) K 2 ( s + s0 ) n −3 +
⎣
d
ds
+ 2 K n − 2 ( s + s0 ) + K n −1 + 0 + ( s + s0 ) n 1 + n( s + s0 ) n −1 F ( s )
dF ( s )
ds
Haciendo s = − s0 en esta ecuación, se obtiene
K n −1 = ⎡⎣ ( s + s0 ) n F ( s ) ⎤⎦
d
(2.38)
ds s =− s0
Repitiendo el proceso,
2 K n−2 = ⎡( s + s0 ) n F ( s ) ⎤⎦
2 ⎣
d2
ds s =− s0
Por lo que,
K n−2 = ⎡ ( s + s0 ) n F ( s ) ⎤⎦
2 ⎣
1 d2
2 ds s =− s0
En general,
K n−r = ⎡( s + s0 ) n F ( s ) ⎤⎦ para r = 1, 2,3,..., n − 1 (2.39)

r ! ds r ⎣
1 dr
s =− s0
Ejemplo 2.17 Hallar la transformada inversa de Laplace para la función:
s−2
F (s) =
s ( s + 1)3
Solución:
F ( s ) tiene el siguiente desarrollo en fracciones parciales
s−2
F (s) = = + + +
A B C D
s ( s + 1) 3
s s + 1 ( s + 1) ( s + 1)3
2
Donde
⎡ s−2 ⎤ ⎡ s−2 ⎤
A = [ sF ( s ) ] s =0 = ⎢ s
(0) − 2
3⎥
=⎢ 3⎥
= = −2
⎣ s ( s + 1) ⎦ s =0 ⎣ ( s + 1) ⎦ s =0 (0 + 1)
3
⎡ s−2 ⎤ ⎡s − 2⎤ −1 − 2
D= ⎡( s + 1)3 F ( s ) ⎤⎦
0 ⎣
= ⎢ ( s + 1)3 3⎥
=⎢ ⎥ = =3
1 d0
0! ds s =−1
⎣ s ( s + 1) ⎦ s =−1 ⎣ s ⎦ s =−1 −1
d1 ⎡ s−2 ⎤ d1 ⎡ s − 2 ⎤
C= ⎡ ( s + 1) F ( s ) ⎦⎤
1 ⎣
= 1 ⎢( s + 1) 3⎥
= 1⎢ ⎥ = 2 =2
1 d1 2
ds ⎣ s ( s + 1) ⎦ s =−1 ds ⎣ s ⎦ s =−1 s
3 3
=−
1! ds s =−1
s 1
⎡ s−2 ⎤ 1 d2 ⎡s − 2⎤
B= ⎡ + ⎤ = ⎢ + 3⎥
= =− 3 =2
2! ds 2 ⎣ ⎦ s =−1 2 ds 2 2 ⎢ ⎥
1 d2 1 d2 2
⎣ s ( s + 1) ⎦ s =−1 2 ds ⎣ s ⎦ s =−1
3 3
( s 1) F ( s ) ( s 1)
s s =−1
Así,
F (s) = − + + +
2 2 2 3
s s + 1 ( s + 1) ( s + 1)3
2
Utilizando una tabla de transformadas de Laplace se encuentra que
f (t ) = −2 + 2e − t + 2te − t + t 2 e− t
3
2
2. SOLUCIÓN DE ECUACIONES DIFERENCIALES
La transformada de Laplace se puede aplicar a un gran número de problemas de

análisis y diseño de sistemas, entre ellos los sistemas de control. Las aplicaciones
se basan en el uso de las propiedades de la transformada de Laplace,
especialmente las asociadas a la diferenciación, la integración y la convolución.
Una de las aplicaciones más comunes es la solución de ecuaciones diferenciales

lineales con coeficientes constantes. Como se mencionó anteriormente esas
ecuaciones se usan para representar sistemas lineales e invariantes en tiempo
continuo (sistemas LTI).
El procedimiento es directo y sistemático, y se puede resumir en los siguientes

pasos:
• Dado un conjunto de condiciones iniciales, tomar la transformada de Laplace

de ambos miembros de la ecuación diferencial para obtener la ecuación
algebraica Y ( s ) .
• Despejar Y ( s ) en la ecuación algebraica.
• Tomar la transformada inversa de Laplace para obtener y (t ) .
Ejemplo 2.18 Encuentre la solución para la siguiente ecuación diferencial lineal de

segundo orden y de coeficientes constantes:
y (t ) + 5 y (t ) + 6 y (t ) = e − t
Con condiciones iniciales y '(0) = 1 y y (0) = 2 .
Solución:
Aplicando la transformada de Laplace a ambos miembros de la ecuación se

obtiene:
⎡⎣ s 2Y ( s ) − 2s − 1⎤⎦ + 5 [ sY ( s ) − 2] + 6Y ( s ) =
1
s +1
Despejando Y ( s ) ,
( s 2 + 5s + 6)Y ( s ) = + 2s + 11
1
s +1
2 s 2 + 13s + 12 2 s 2 + 13s + 12
Y (s) = =
( s + 1)( s 2 + 5s + 6) ( s + 1)( s + 2)( s + 3)
Aplicando el método de expansión en fracciones parciales se tiene:
2 s 2 + 13s + 12
Y (s) = = + +
A B C
( s + 1)( s + 2)( s + 3) s + 1 s + 2 s + 3
Donde,
⎡ 2s 2 + 13s + 12 ⎤ ⎡ 2s 2 + 13s + 12 ⎤
A = [ ( s + 1)Y ( s ) ] s =−1 = ⎢( s + 1) =
⎣ ( s + 1)( s + 2)( s + 3) ⎦⎥ s =−1 ⎣⎢ ( s + 2)( s + 3) ⎦⎥ s =−1
2(−1) 2 + 13(−1) + 12 2 − 13 + 12 1
A= = =
(−1 + 2)(−1 + 3) (1)(2) 2
⎡ 2 s 2 + 13s + 12 ⎤ ⎡ 2 s 2 + 13s + 12 ⎤
B = [ ( s + 2)Y ( s )] s =−2 = ⎢ ( s + 2) =
⎣ ( s + 1)( s + 2)( s + 3) ⎥⎦ s =−2 ⎢⎣ ( s + 1)( s + 3) ⎥⎦ s =−2
2(−2) 2 + 13(−2) + 12 8 − 26 + 12 −6
B= = = =6
(−2 + 1)(−2 + 3) (−1)(1) −1
⎡ 2s 2 + 13s + 12 ⎤ ⎡ 2s 2 + 13s + 12 ⎤
C = [ ( s + 3)Y ( s ) ] s =−3 = ⎢( s + 3) =
⎣ ( s + 1)( s + 2)( s + 3) ⎥⎦ s =−3 ⎢⎣ ( s + 1)( s + 2) ⎥⎦ s =−3
2(−3) 2 + 13(−3) + 12 18 − 39 + 12
C= = =−
9
(−3 + 1)(−3 + 2) (−2)(−1) 2
Por lo tanto,
2 s 2 + 13s + 12 ⎛1⎞ 1 ⎛9⎞ 1
Y (s) = =⎜ ⎟ + (6) −⎜ ⎟
1
( s + 1)( s + 2)( s + 3) ⎝ 2 ⎠ s + 1 s+2 ⎝ 2⎠ s+3
Ahora se aplica la transformada inversa de Laplace a Y ( s ) para hallar y (t )
⎡ 1 ⎤ ⎡ 1 ⎤ 9 ⎡ 1 ⎤ 1 −t
y (t ) = L −1
⎢⎣ s + 1 ⎥⎦ + 6L
−1
⎢⎣ s + 2 ⎥⎦ − 2 L
−1
⎢⎣ s + 3 ⎥⎦ = 2 e + 6e − 2 e
−2 t
1 9 −3t
2
Lección 4: TRANSFORMADA Z
1. DEFINICIÓN DE LA TRANSFORMADA Z
El método de la transformada Z es un método operacional muy poderoso cuando

se trabaja con sistemas en tiempo discreto. A continuación se definirá la
transformada Z de una función del tiempo o de una secuencia de números.
Al considerar la transformada Z de una función del tiempo, sólo se toman en

cuenta los valores muestreados de x(t ) , esto es, x(0), x(T ), x(2T ),..., donde T es
el período de muestreo.
La transformada Z de una función del tiempo x(t ) , donde t es positivo, o de la

secuencia de valores x(kT ) , donde k adopta valores de cero o de enteros
positivos y T es el periodo de muestreo, se define mediante la siguiente ecuación:
X ( z ) = Z [ x(kT ) ] = ∑ x(kT ) z − k (2.40)

∞
k =0
Para una secuencia de números x(k ) , la transformada Z se define como:
X ( z ) = Z [ x(k ) ] = ∑ x(k ) z − k (2.41)

∞
k =0
En donde z es una variable compleja con parte real e imaginaria. Un significado

de las ecuaciones (2.40) y (2.41) es que la transformada Z convierte la secuencia
de números en el dominio real a una expresión en el dominio complejo z .
Observe que la expansión del segundo miembro de la ecuación (2.40) da como

resultado
X ( z ) = x(0) + x(T ) z −1 + x(2T ) z −2 + + x(kT ) z − k + (2.42)

La ecuación (2.42) implica que la transformada Z de cualquier función en tiempo

continuo x(t ) se puede escribir, mediante inspección, en la forma de una serie. La
z − k en esta serie indica la posición en el tiempo en la que se presenta la amplitud
x(kT ) . De manera contraria, si X ( z ) está dada en la forma de una serie como la
que se indicó, la transformada Z inversa se puede obtener por inspección como
una secuencia de la función x(kT ) que corresponde a los valores de x(t ) en los
valores de tiempo respectivos.
Si la transformada Z está dada como el cociente de dos polinomios en z ,

entonces la transformada Z inversa se puede obtener mediante varios métodos
diferentes, tales como:
• Método de la división directa.
• Método de expansión en fracciones parciales.
• Método de los residuos
2. TRANSFORMADA Z DE FUNCIONES ELEMENTALES
A continuación, se encontrarán las transformadas Z de algunas funciones que se

utilizan con frecuencia.
2.1. Función Delta de Kronecker
En sistemas de tiempo discreto, la función delta de Kronecker desempeña el

mismo papel que la función delta de Dirac en sistemas de tiempo continuo.
Figure 2.9 Función delta de Kronecker
Puede definirse la función como:

⎧1 para k = 0
x(k ) = ⎨ donde k = 0,1, 2,...
⎩0 para k > 0
X ( z ) = Z [ x(k ) ] = 1
Entonces,
2.2. Función Escalón Unitario
La función escalón unitario en tiempo discreto es el resultado del muestreo

aplicado a la función escalón unitario en tiempo continuo.
Figure 2.10 Función escalón unitario
La función escalón se puede definir así:
⎧0 para k < 0
x(k ) = ⎨ donde k = 0,1, 2,...
⎩1 para k ≥ 0
Entonces, refiriéndose a la ecuación (2.41), se tiene
X ( z ) = Z [1(k ) ] = ∑1z − k = ∑ z − k = 1 + z −1 + z −2 + z −3 +
∞ ∞
= =
1 z
k =0 k =0 1− z −1
z −1
2.3. Función Rampa Unitaria
La función rampa unitaria en tiempo discreto es el resultado del muestreo aplicado

a la función rampa unitaria en tiempo continuo.
Figure 2.11 Función rampa unitaria
La función rampa unitaria está dada por:
⎧ 0 para k < 0
x(kT ) = ⎨ donde k = 0,1, 2,...
⎩kT para k ≥ 0
Entonces, refiriéndose a la ecuación (2.40), se tiene
X ( z ) = Z [ kT ] = ∑ kTz = T ∑ kz
∞ ∞
z −1
−k −k
= T ( z + 2 z + 3z +
−1 −2 −3
) =T =
Tz
k =0 k =0 (1 − z )
−1 2
( z − 1) 2
2.4. Función Polinomial
Figure 2.12 Función polinomial
Considere la función definida como

⎧0 para k < 0
x(k ) = ⎨ k donde k = 0,1, 2,...
⎩a para k ≥ 0
Donde a es una constante. Con referencia a la definición de transformada Z

dada por la ecuación (2.41), se obtiene:
X ( z ) = Z ⎡⎣ a k ⎤⎦ = ∑ a k z − k = 1 + az −1 + a 2 z −2 + a 3 z −3 +
∞
k =0
X ( z) = =
1 z
1 − az −1
z−a
2.5. Función Exponencial
Figure 2.13 Función exponencial
Sea la función exponencial
⎧0 para k < 0
x(kT ) = ⎨ − akT donde k = 0,1, 2,...
⎩e para k ≥ 0
De acuerdo a la ecuación (2.40), se tiene
X ( z ) = Z ⎡⎣ e − akT ⎤⎦ = ∑ e − akT z − k = 1 + e− aT z −1 + e −2 aT z −2 + e−3aT z −3 +

∞
k =0
X ( z) = =
1 z
1− e − aT
z −1
z − e − aT
2.6. Función Senoidal
Figure 2.14 Función senoidal
Considere la función senoidal
⎧0 para k < 0
x(kT ) = ⎨ donde k = 0,1, 2,...
⎩sin ω kT para k ≥ 0
e jωt = cos ωt + j sin ωt

Recordando que
e − jωt = cos ωt − j sin ωt
Se tiene,
sin ω kT = − e − jω kT )
1 jω kT
(e
2j
Como la transformada Z de la función exponencial es:
Z ⎡⎣e − akT ⎤⎦ =
z
z − e − aT
Se encuentra que,
⎡1 ⎤ 1 ⎛
X ( z ) = Z [sin ω kT ] = Z ⎢ (e jω kT − e − jω kT ) ⎥ =
⎞
⎜ − − jωT ⎟
z z
⎣2 j ⎦ 2 j ⎝ z−e z −e ⎠
jωT
1 ⎛ (e jωT − e − jωT ) z ⎞ z sin ωT

X ( z) = ⎜ 2 ⎟= 2
2 j ⎝ z − (e + e
jωT − jωT
) z + 1 ⎠ z − 2 z cos ωT + 1
Del mismo modo, se puede verificar que la transformada Z de cos ω kT es:
z 2 − z cos ωT
X ( z ) = Z [ cos ω kT ] =
z 2 − 2 z cos ωT + 1
El estudiante puede realizar la comprobación de esta última ecuación, como un

ejercicio complementario que le permita afianzar los conocimientos adquiridos
hasta el momento.
De la misma forma como se trabaja con la transformada de Laplace, la tabla 2.3

de transformadas Z de las funciones comúnmente encontradas es muy útil en la
resolución de problemas en el campo de los sistemas en tiempo discreto.
Table 2.3 Pares de transformadas Z
Delta de Kronecker δ (k )
x(kT ) o x(k ) X ( z)
δ (n − k )
1 1
2 z −k
z
z −1
3 1(k )
e− akT
z
z − e − aT
4
Tz
( z − 1) 2
5 kT
T 2 z ( z + 1)
( z − 1)3
6 (kT ) 2
T 3 z ( z 2 + 4 z + 1)
( z − 1) 4
7 (kT )3
(1 − e − aT ) z
1 − e− akT
( z − 1)( z − e − aT )
8
Table 2.3 Pares de transformadas Z (continuación)

(e − aT − e −bT ) z
− akT
−e − bkT
( z − e − aT )( z − e − bT )
9 e
Te − aT z
kTe − akT
( z − e − aT ) 2
10
z 2 − (1 + aT )e − aT z
(1 − akT )e − akT
( z − e − aT ) 2
11
T 2 e − aT ( z + e − aT ) z
(kT ) 2 e − akT
( z − e − aT )3
12
⎡⎣(aT − 1 + e − aT ) z + (1 − e − aT − aTe − aT ) ⎤⎦ z
akT − 1 + e − akT
( z − 1) 2 ( z − e − aT )
13
z sin ωT
sin ω kT
z − 2 z cos ωT + 1
14 2
z 2 − z cos ωT
cos ω kT
z 2 − 2 z cos ωT + 1
15
e− aT z sin ωT
e− akT sin ω kT
z 2 − 2e − aT z cos ωT + e−2 aT
16
z 2 − e− aT z cos ωT
e − akT cos ω kT
z 2 − 2e − aT z cos ωT + e−2 aT
17
z
z−a
18 ak
a k −1
1
z−a
19
ka k −1
z
( z − a)2
20
z ( z + a)
k 2 a k −1
( z − a )3
21
k −1
z ( z 2 + 4az + a 2 )
( z − a)4
3
22 k a
k −1
z ( z 3 + 11az 2 + 11a 2 z + a 3 )
( z − a )5
4
23 k a
a k cos kπ
z
z+a
24
k (k − 1) z
( z − 1)3
25
2!
k (k − 1) (k − m + 2)
Table 2.3 Pares de transformadas Z (continuación)
z
(m − 1)! ( z − 1) m
26
k (k − 1) k − 2 z
( z − a )3
27 a
k (k − 1) (k − m + 2)
2!
z
(m − 1)! ( z − a)m
28
z ( z 2 sin ωT − sin ωT )
k sin ω kT
( z 2 − 2 z cos ωT + 1) 2
29
z ( z 2 cos ωT − 2 z + cos ωT )
k cos ω kT
( z 2 − 2 z cos ωT + 1) 2
30
ze − aT ( z 2 sin ωT − e −2 aT sin ωT )
ke − akT sin ω kT
( z 2 − 2 ze − aT cos ωT + e −2 aT ) 2
31
ze − aT ( z 2 cos ωT − 2 ze − aT + e −2 aT cos ωT )
− akT
cos ω kT
( z 2 − 2 ze − aT cos ωT + 1) 2
32 ke
3. PROPIEDADES Y TEOREMAS DE LA TRANSFORMADA Z
Las aplicaciones de la transformada Z , en muchos casos se simplifican al

emplear las propiedades de la transformada.
3.1. Multiplicación por una Constante
Sea a una constante y X ( z ) la transformada Z de x(kT ) , entonces:
Z [ ax(kT )] = aZ [ x(kT ) ] = aX ( z ) (2.43)
3.2. Linealidad
Sean X 1 ( z ) y X 2 ( z ) las transformadas Z de x1 (kT ) y x2 (kT ) , respectivamente,

entonces:
Z [ x1 (kT ) ± x2 (kT ) ] = Z [ x1 (kT ) ] ± Z [ x2 (kT ) ] = X 1 ( z ) ± X 2 ( z ) (2.44)
Ejemplo 2.19 Encuentre la transformada Z de la función x(kT ) = 2kT − 3sin 5kT
Solución:
Aplicando las propiedades de multiplicación por una constante y de linealidad, se

tiene:
Z [ 2kT − 3sin 5kT ] = 2Z [ kT ] − 3Z [sin 5kT ] = 2 ⎜

⎛ Tz ⎞ ⎛ ⎞
2 ⎟
− 3⎜ 2 ⎟
z sin 5T
⎝ ( z − 1) ⎠ ⎝ z − 2 z cos 5T + 1 ⎠
3.3. Multiplicación por a k
La transformada Z de x(kT ) multiplicada por a k , donde a es una constante, es

igual a la transformada Z X ( z ) , con z reemplazada por z a , esto es:
Z ⎣⎡ a k x(kT ) ⎦⎤ = Z [ x(kT )] z = z a = X ⎜ ⎟ (2.45)

⎛z⎞
⎝a⎠
Ejemplo 2.20 Encuentre la transformada Z de la función x(kT ) = 2k kT
Solución:
Aplicando la propiedad anterior, la transformada Z se puede hallar así:
⎡ Tz ⎤
Z ⎡⎣ 2k kT ⎤⎦ = Z [ kT ] z = z 2 = ⎢ 2⎥
=
2Tz
⎣ ( z − 1) ⎦ z = z 2 ( z − 2)
2
3.4. Traslación Compleja
La transformada Z de x(kT ) multiplicada por e∓ akT , donde a es una constante, es

igual a la transformada Z ( X ( z ) ), con z reemplazada por ze ± aT , esto es:
Z ⎡⎣e ∓ akT x(kT ) ⎤⎦ = Z [ x(kT ) ] z = ze± aT = X ( ze ± aT ) (2.46)
Ejemplo 2.21 Encuentre la transformada Z de x(kT ) = e −5 kT kT
Solución:
Aplicando la propiedad de traslación compleja se encuentra que su transformada

Z es:
Z ⎡⎣e −5 kT kT ⎤⎦ = Z [ kT ] z = ze5T =
Tze −5T
= =
Tz Tze5T
( z − 1) 2 z = ze5 T
( ze5T − 1) 2 ( z − e −5T ) 2
3.5. Traslación Real
La transformada Z de x(kT ) retrasada un tiempo n , es igual a la transformada

Z de x(kT ) multiplicada por z − n , esto es:
Z [ x(kT − n) ] = z − nZ [ x(kT )] = z − n X ( z ) (2.47)
De igual forma la transformada Z de x(kT ) adelantada un tiempo n , se puede

representar de la siguiente forma:
Z [ x(kT + n) ] = z n ⎨Z [ x(kT ) ] − ∑ x(kT ) z − k ⎬ = z n ⎢ X ( z ) − ∑ x(kT ) z − k ⎥ (2.48)

⎧ n −1
⎫ ⎡ n −1
⎤
⎩ k =0 ⎭ ⎣ k =0 ⎦
Ejemplo 2.22 Encuentre la transformada Z de la función x(kT ) = (kT − 3) 2

Solución:
Aplicando la propiedad de traslación real se encuentra que su transformada Z es

entonces:
⎛ T 2 z ( z + 1) ⎞ T 2 ( z + 1)
Z ⎡⎣(kT − 3) 2 ⎤⎦ = z −3Z ⎡⎣(kT ) 2 ⎤⎦ = z −3 ⎜ 3 ⎟
= 2
⎝ ( z − 1) ⎠ z ( z − 1)
3
3.6. Suma de Funciones
y ( k ) = ∑ x ( h)
Sea la función:
para k = 0,1, 2,...
k
h=0
Desarrollando la función se obtiene que
y (k ) = x(0) + x(1) + x(2) + + x(k − 1) + x(k )

y (k − 1) = x(0) + x(1) + x(2) + + x(k − 1)
Restando estas dos expresiones se tiene
y (k ) − y (k − 1) = x(k )
Sacando la transformada Z ,
Y ( z ) − z −1Y ( z ) = X ( z )
Entonces, despejando Y ( z ) , se tiene que:
Y ( z) = X ( z) =
1 z
1− z −1
z −1
X ( z ) (2.49)
3.7. Teorema del Valor Inicial
Si la transformada Z de x(k ) es X ( z ) , entonces:
lim x(k ) = lim X ( z ) (2.50)

k →0 z →∞
3.8. Teorema del Valor Final
Si la transformada Z de x(k ) es X ( z ) , y si X ( z ) es analítica sobre o fuera del

círculo unitario z = 1 en el plano z , entonces:
lim x(k ) = lim( z − 1) X ( z ) (2.51)

k →∞ z →1
Este teorema es de gran utilidad siempre y cuando ( z − 1) X ( z ) no tenga polos

sobre o fuera del círculo unitario z = 1 en el plano z .
k →∞
Ejemplo 2.23 Encuentre el valor hacia el cual tiende la siguiente función cuando
F (s) =
2z
z −1
Solución:
Debido a que ( z − 1) X ( z ) es analítica sobre el círculo unitario y fuera de él en el

plano z , el teorema del valor final puede ser aplicado. Utilizando la ecuación
lim x(k ) = lim( z − 1) X ( z ) = lim 2 z = 2

(2.51), se tiene:
k →∞ z →1 z →1
La tabla 2.4 resume las propiedades y teoremas de la transformada Z .

Z [ ax(k )] = aX ( z )
Table 2.4 Propiedades de la transformada Z
Z [ x1 (k ) ± x2 (k ) ] = X 1 ( z ) ± X 2 ( z )
1
Z [ x(k + 1) ] = zX ( z ) − zx(0)
2
Z [ x(k + 2) ] = z 2 X ( z ) − z 2 x(0) − zx(1)

3
Z [ x(k + n) ] = z n X ( z ) − z n x(0) − z n −1 x(1) −

4
− zx(n − 1)
Z [ x ( k − n) ] = z − n X ( z )
5
6
Z [ kx(k ) ] = − z
d
7 X ( z)
dz
8 Z ⎡⎣e∓ ak x(k ) ⎤⎦ = X ( ze± a )
⎛z⎞
Z ⎡⎣ a k x(k ) ⎤⎦ = X ⎜ ⎟
⎝a⎠
9
d ⎛z⎞
Z ⎡⎣ ka k x(k ) ⎤⎦ = − z X ⎜ ⎟
dz ⎝ a ⎠
10
x(0) = lim X ( z )
z →∞
11
x(∞) = lim( z − 1) X ( z )
Z [ x(k ) − x(k − 1)] = ( z − 1) X ( z )
z →1
12
Z [ x(k + 1) − x(k ) ] = ( z − 1) X ( z ) − zx(0)

13
14
Z ⎢ ∑ x( k ) ⎥ =
⎡ n ⎤ z
⎣ k =0 ⎦ z −1
15 X ( z)
⎛ d ⎞
Z ⎣⎡ k x(k ) ⎦⎤ = ⎜ − z ⎟ X ( z )
n
⎝ dz ⎠
n
16
Z ⎢ ∑ x(k ) y (n − k ) ⎥ = X ( z )Y ( z )
⎡ n ⎤
⎣ k =0 ⎦
17
Lección 5: TRANSFORMADA Z INVERSA
La transformada Z en sistemas de control en tiempo discreto juega el mismo

papel que la transformada de Laplace en sistemas de control en tiempo continuo.
Para que la transformada Z sea útil, hay que familiarizarse con los métodos para
encontrar la transformada Z inversa.
La notación para la transformada Z inversa es Z −1 . La transformada Z inversa

de X ( z ) da como resultado la correspondiente secuencia de tiempo.
Se debe observar que a partir de la transformada Z inversa sólo se obtiene la

secuencia de tiempo en los instantes de muestreo. De esta manera, la
transformada Z inversa de X ( z ) da como resultado una única x(k ) , pero no da
una única x(t ) . Esto significa que la transformada Z inversa da como resultado
una secuencia de tiempo que especifica los valores de x(t ) solamente en los
valores discretos de tiempo, t = 0, T , 2T ,..., y no dice nada acerca de los valores de
x(t ) en todos los otros tiempos. Es decir, que muchas funciones del tiempo x(t )
diferentes pueden tener la misma x(k ) .
Figure 2.15 Funciones en tiempo continuo con los mismos valores en t = 0, T , 2T ,...
Un método obvio para encontrar la transformada Z inversa es referirse a una

tabla de transformadas Z . Sin embargo, a menos que se refiera a una tabla de
transformadas Z muy extensa, no seria capaz de encontrar la transformada Z
inversa de una función de z complicada.
Existen otros métodos para obtener la transformada Z inversa que no implican el

uso de tablas:
• Método de la división directa.
• Método de expansión en fracciones parciales.
• Método de los residuos.
1. MÉTODO DE DIVISIÓN DIRECTA
En el método de la división directa, la transformada Z inversa se obtiene

mediante la expansión de X ( z ) en una serie infinita de potencias de z −1 .
Este método es útil cuando es difícil obtener una expresión en forma cerrada para
la transformada Z inversa o se desea encontrar solo algunos de los primeros
términos de x(k ) . El método de la división directa proviene del hecho de que si
X ( z ) está expandida en una serie de potencias de z −1 , esto es, si
X ( z ) = ∑ x(k ) z − k = x(0) + x(1) z −1 + x(2) z −2 +

∞
x( k ) z − k +
k =0
Entonces x(k ) es el coeficiente del término z − k . Por lo tanto, los valores de x(k )
para k = 0,1, 2,... se pueden determinar por inspección.
Si X ( z ) está dada en la forma de una función racional, la expansión en una serie

de potencias infinita en potencias crecientes de z −1 se puede lograr sencillamente
al dividir el numerador entre el denominador, donde tanto el numerador como el
denominador de X ( z ) se escriben en potencias crecientes de z −1 .
Ejemplo 2.24 Encuentre x(k ) cuando X ( z ) está dada por la expresión:
z −1
X ( z) = =
1
z + 1 1 + z −1
Solución:
Al dividir el numerador entre el denominador, se obtiene
z −1 − z −2 + z −3 − z −4 +
1 + z −1 z −1
z −1 + z −2
− z −2
− z −2 − z −3
z −3
z −3 + z −4
− z −4
− z −4 − z −5
z −5
X ( z ) = z −1 − z −2 + z −3 − z −4 +
De este modo,
Al comparar esta expansión de X ( z ) se tiene,
x(0) = 0
x(1) = 1
x(2) = −1
x(3) = 1
x(4) = −1
Esta es una señal alternante entre −1 y 1 , que empieza en k = 1 .
Como se ve a partir de este ejemplo, el método de la división directa se puede

llevar a cabo mediante cálculos manuales si sólo se desean los primeros términos
de la secuencia. En general, el método no produce una expresión en forma

cerrada para x(k ) , excepto en casos especiales.
2. MÉTODO DE FRACCIONES PARCIALES
El método de expansión en fracciones parciales que se presenta aquí y que es

idéntico al método de expansión en fracciones parciales que se utiliza en la
transformada de Laplace, es muy empleado en problemas rutinarios que
involucran transformadas Z . El método requiere que todos los términos de la
expansión en fracciones parciales se puedan reconocer fácilmente en la tabla de
pares de transformadas Z .
Para encontrar la transformada Z inversa, si X ( z ) tiene uno o más ceros en el

origen ( z = 0 ), entonces X ( z ) z se expande en la suma de términos sencillos de
primero o segundo orden mediante la expansión en fracciones parciales y se
emplea una tabla de transformadas Z para encontrar la función del tiempo
correspondiente para cada uno de los términos expandidos. Se debe observar que
la única razón de que se expanda X ( z ) z en fracciones parciales es que cada uno
de los términos expandidos tenga una forma que se pueda encontrar fácilmente a
partir de las tablas de transformadas X ( z ) z de que se dispone comúnmente.
El proceso de efectuar un desarrollo en fracciones parciales se analizará en tres

casos. En cada uno se supondrá que
b0 z m + b1 z m −1 + + bm −1 z + bm
X ( z) = donde n ≥ m (2.52)
z n + a1 z n −1 + + an −1 z + an
Para expandir X ( z ) en fracciones parciales, primero se factoriza el polinomio del

denominador y se encuentran los polos de X ( z ) :
b0 z m + b1 z m −1 + + bm −1 z + bm
X ( z) =
( z − p1 )( z − p2 ) ( z − pn )
(2.53)
Luego se expande X ( z ) z en fracciones parciales, de manera que cada uno de

los términos sea reconocido fácilmente en una tabla de transformadas Z . La
transformada Z inversa de X ( z ) se obtiene como la suma de las transformadas

Z inversas de las fracciones parciales.
diferentes y hay por lo menos un cero en el origen (esto es, bm = 0 ) es dividir

Un procedimiento de uso muy común para los casos donde todos los polos son
ambos miembros de X ( z ) entre z y entonces expandir X ( z ) z en fracciones

parciales. Una vez que X ( z ) z se ha expandido, ésta será de la forma
= 1 + +
X ( z) a a2 an
z − p1 z − p2 z − pn
(2.54)
z
El coeficiente ai , se puede determinar multiplicando ambos miembros de la

ecuación (2.54) por z − pi , y haciendo que z = pi . Esto dará como resultado que
todos los términos del segundo miembro sean cero excepto el término ai , en el
cual el factor que está multiplicando z − pi , ha sido cancelado por el denominador.
Por lo tanto, se tiene
⎡ X ( z) ⎤
ai = ⎢ ( z − pi )
⎣ z ⎥⎦ z = pi
(2.55)
Ejemplo 2.25 Encuentre la función x(k ) utilizando el método de expansión en

fracciones parciales para la siguiente función:
z (0.5 z − 1)
X ( z) =
( z − 0.5)( z − 0.8)
Solución:
Aplicando el método de expansión en fracciones parciales se tiene
0.5 z − 1
= = +
X ( z) A B
z ( z − 0.5)( z − 0.8) z − 0.5 z − 0.8
Donde,
⎡ X ( z) ⎤ ⎡ 0.5 z − 1 ⎤ ⎡ 0.5 z − 1 ⎤
A = ⎢( z − 0.5) ⎥ = ⎢ ( z − 0.5) ⎥ =⎢
⎣ z ⎦ z =0.5 ⎣ ( z − 0.5)( z − 0.8) ⎦ z =0.5 ⎣ z − 0.8 ⎦⎥ z =0.5
(0.5)(0.5) − 1 0.25 − 1 −0.75 5
A= = = =
0.5 − 0.8 −0.3 −0.3 2
⎡ X ( z) ⎤ ⎡ 0.5 z − 1 ⎤ ⎡ 0.5 z − 1 ⎤
B = ⎢( z − 0.8) ⎥ = ⎢ ( z − 0.8) ⎥ =⎢
⎣ z ⎦ z =0.8 ⎣ ( z − 0.5)( z − 0.8) ⎦ z =0.8 ⎣ z − 0.5 ⎦⎥ z =0.8
(0.5)(0.8) − 1 0.4 − 1 −0.6
B= = = = −2
0.8 − 0.5 0.3 0.3
0.5 z − 1 −2
Por lo tanto,
= = +
X ( z) 52
z ( z − 0.5)( z − 0.8) z − 0.5 z − 0.8
⎛5⎞ z
Entonces,
X ( z) = ⎜ ⎟ − (2)
z
⎝ 2 ⎠ z − 0.5 z − 0.8
Ahora se aplica la transformada Z inversa a X ( z ) para hallar x(k )
⎡ z ⎤ ⎡ z ⎤ 5
x( k ) = Z −1
⎢⎣ z − 0.5 ⎥⎦ − 2Z
−1
⎢⎣ z − 0.8 ⎥⎦ = 2 (0.5) − 2(0.8)
5 k k
Observe que dicha forma para determinar ai es válida sólo para polos simples.
Si X ( z ) z involucra un polo múltiple, por ejemplo, un polo doble en z = pi , y no

tiene más polos, entonces X ( z ) z tendrá la forma
= + 2
X ( z) a1 a
( z − p1 ) z − p1
2
(2.56)
z
Donde los coeficientes a1 y a2 se determinan a partir de

⎡ X ( z) ⎤
a1 = ⎢( z − p1 ) 2
⎣ z ⎥⎦ z = p1
(2.57)
d ⎡ X ( z) ⎤
a2 = ⎢ ( z − p1 ) 2
dz ⎣ z ⎥⎦ z = p1
(2.58)
Ejemplo 2.26 Encuentre la función x(k ) utilizando el método de expansión en

fracciones parciales para la siguiente función:
z ( z − 1)
X ( z) =
( z − 0.5) 2
Solución:
La función tiene el siguiente desarrollo en fracciones parciales:
z −1
= = +
X ( z) A B
z ( z − 0.5) 2
( z − 0.5) 2
z − 0.5
Donde,
⎡ z −1 ⎤
= [ z − 1] z =0.5 = 0.5 − 1 = −0.5
⎡ X ( z) ⎤
A = ⎢( z − 0.5) 2 = ⎢ ( z − 0.5) 2
⎣ ⎥
z ⎦ z =0.5 ⎣ ( z − 0.5) 2 ⎥⎦ z =0.5
d ⎡ z −1 ⎤
= [ z − 1] z =0.5 = 1
d ⎡ 2 X ( z) ⎤
B= ⎢ − ⎥ = ⎢ − 2⎥
d
dz ⎣ z ⎦ z =0.5 dz ⎣ ( z − 0.5) ⎦ z =0.5 dz
2
( z 0.5) ( z 0.5)
z −1 −0.5
Así,
= = +
X ( z) 1
z ( z − 0.5) 2
( z − 0.5) 2
z − 0.5
− ( 0.5 )
Entonces,
X ( z) =
z z
z − 0.5 ( z − 0.5) 2
Utilizando una tabla de transformadas Z se encuentra que
x(k ) = (0.5) k − 0.5k (0.5) k −1 = (0.5) k − k (0.5) k
Por último, se puede considerar el caso en el que X ( z ) z tiene polos complejos

conjugados, por lo que la transformada inversa será una función x(k ) que
involucra términos de funciones seno y coseno.
No olvidar que,
⎡ z 2 − e − aT z cos ωT ⎤
⎢ z 2 − 2e − aT z cos ωT + e −2 aT ⎥ = A1e
−1 − akT
cos ω kT
⎣ ⎦
Z A1
⎡ e − aT z sin ωT ⎤
Z −1 ⎢ A2 2 −2 aT ⎥
= A2 e − akT sin ω kT
⎣ z − 2e z cos ωT + e ⎦
− aT
Ejemplo 2.27 Hallar la transformada Z inversa de:
z ( z − 1)
X ( z) =
z2 + z +1
Solución:
Inicialmente, se reescribe la función X ( z ) como:
z2 − z z 2 − e − aT z cos ωT e − aT z sin ωT
X ( z) = = +
z2 + z +1 z 2 − 2e − aT z cos ωT + e −2 aT z 2 − 2e − aT z cos ωT + e −2 aT
A B
Az 2 + z ( Be − aT sin ωT − Ae − aT cos ωT )
X ( z) =
z 2 − 2e − aT z cos ωT + e −2 aT
Donde, al comparar los denominadores se observa que para z 2 :
1=1
1 = −2e − aT cos ωT
Para z :
1 = e−2 aT
Para el término independiente:
De esta última expresión se obtiene el valor de aT ,
aT = =0
ln(1)
−2
Luego,
e − aT = e(0) = 1
Por lo que se puede encontrar el valor de ωT ,
⎛ 1 ⎞
ωT = cos −1 ⎜ ⎟ = cos (−0.5) = 2.0944 rad
−1
⎝ −2e ⎠
− aT
Ahora se comparar los numeradores
z 2 − z = Az 2 + Az ( Be − aT sin ωT − Ae − aT cos ωT )
A =1
De donde se observa que para z 2 :
−1 = Be− aT sin ωT − e− aT cos ωT

Para z :
e − aT cos ωT − 1 (1)(−0.5) − 1
Por lo que ,
−1.5
B= = = = −1.7321
e sin ωT
− aT
1(0.8660) 0.8660
Sustituyendo los valores para X ( z ) :
z2 − z z 2 − z cos(2.0944)
X ( z) = 2 = 2 − (1.7321) 2
z sin(2.0944)
z + z + 1 z − 2 z cos(2.0944) + 1 z − 2 z cos(2.0944) + 1
Se encuentra que la transformada Z inversa de X ( z ) es:
x(k ) = cos(2.0944k ) − 1.7321sin(2.0944k )
3. MÉTODO DE LOS RESIDUOS
Ésta es una técnica útil para la obtención de la transformada Z inversa. La

integral de inversión esta dada por:
2π j ∫
−1
[ X ( z )] = x(k ) = X ( z ) z k −1dz (2.59)
1
Z
C
La ecuación que da la transformada Z inversa en términos de los residuos se

puede obtener si se utiliza la teoría de la variable compleja. Ésta se puede obtener
como sigue:
x(k ) = K1 + K 2 + + K m (2.60)
Donde K1 , K 2 ,..., K m denotan los residuos de X ( z ) z k −1 en los polos z1 , z2 ,...zm ,
X ( z ) z k −1 contiene un polo simple en z = zi , entonces el residuo K correspondiente

respectivamente. Al evaluar los residuos, observe que si el denominador de
esta dado por:
K = lim ⎡⎣( z − zi ) X ( z ) z k −1 ⎤⎦ (2.61)

z → zi
Si X ( z ) z k −1 contiene un polo múltiple zi de orden n , entonces el residuo K está

dado por:
K= lim ⎡ ( z − zi ) n X ( z ) z k −1 ⎤⎦ (2.62)
(n − 1)! z → zi ⎣
1
Debe observarse que el método de la integral de inversión, cuando se evalúa por

residuos, es una técnica muy sencilla para obtener la transformada Z inversa,
siempre que X ( z ) z k −1 , no tenga polos en el origen ( z = 0 ). Sin embargo, si
X ( z ) z k −1 tiene un polo simple o uno múltiple en z = 0 , el cálculo se puede tornar
tedioso y el método de expansión en fracciones parciales podría ser más sencillo
de aplicar. Por otro lado, en ciertos problemas el enfoque de expansión en
fracciones parciales puede ser muy laborioso. En esos casos es más conveniente
el método de los residuos.
Ejemplo 2.28 Encuentre la función x(k ) , utilizando el método de los residuos,

para la función:
z ( z 2 − 1)
X ( z) = 2
( z + 1) 2
Solución:
Reescribiendo la función se tiene:
z ( z 2 − 1)
X ( z) =
( z + j )2 ( z − j )2
los cuales se encuentran ubicados en z = ± j . Entonces empleando el método en

Donde se aprecia que la función posee dos polos complejos conjugados dobles,
x(k ) = K1 + K 2
cuestión se obtienen dos residuos:
Donde,
d ⎡ z ( z 2 − 1) z k −1 ⎤
K1 = lim ⎣⎡ ( z + j ) 2 X ( z ) z k −1 ⎦⎤ = lim ⎢ +
( z + j ) 2 ( z − j ) 2 ⎥⎦
1 d
(2 − 1)! z →− j dz ⎣
2
( z j )
z →− j dz
d ⎡ ( z 2 − 1) z k ⎤ d ⎡ z k +2 − z k ⎤
K1 = lim ⎢ 2 ⎥
= ⎢ 2 ⎥
⎣ ( z − j ) ⎦ z →− j dz ⎣ z − j 2 z − 1 ⎦
lim
z →− j dz
⎡ (kz k z + 2 z k z − kz k z )( z 2 − j 2 z − 1) − ( z k z 2 − z k )(2 z − j 2) ⎤
K1 = lim ⎢ ⎥
z →− j
⎣ z 4 − j 4z3 − 6z 2 + j 4z + 1 ⎦
Al evaluar el límite hay que recordar que − j es un número complejo, el cual

puede ser representado por su magnitud y su ángulo, así
π
−j=e
−j
2
Es decir, una magnitud de 1 y un ángulo de − π 2 . También hay que tener en

cuenta que:
( − j ) 2 = −1
( − j )3 = j
(− j )4 = 1
De esta manera se halla el valor para K1 :
⎛ π
−j k ⎞
π
⎛ −j k ⎞
π
⎜ − j 2ke − j 2e ⎟ (−4) − ⎜ − j 2e ⎟ (− j 4)
−j k
⎝ ⎠ ⎝ ⎠
2 2 2
K1 =
16
π π
−j k −j k
K1 = =−
2 2
jke ke
2 j2
Ahora se halla K 2 :
d ⎡ z ( z 2 − 1) z k −1 ⎤
K2 = lim ⎣⎡( z − j ) 2 X ( z ) z k −1 ⎦⎤ = lim ⎢( z − j ) 2
( z + j ) 2 ( z − j ) 2 ⎥⎦
1 d
(2 − 1)! z → j dz z → j dz
⎣
d ⎡ ( z 2 − 1) z k ⎤ d ⎡ z k +2 − z k ⎤
K 2 = lim =
dz ⎢⎣ ( z + j ) 2 ⎥⎦ z → j dz ⎢⎣ z 2 + j 2 z − 1 ⎥⎦
lim
z→ j
⎡ (kz k z + 2 z k z − kz k z )( z 2 + j 2 z − 1) − ( z k z 2 − z k )(2 z + j 2) ⎤
K 2 = lim ⎢ ⎥
z→ j
⎣ z4 + j4z3 − 6z2 − j4z + 1 ⎦
Al evaluar el límite hay que recordar que j también es un número complejo, el

cual puede ser representado por su magnitud y su ángulo, así
π
j=e
j
2
Es decir, una magnitud de 1 y un ángulo de π 2 . También hay que tener en

cuenta que:
( j ) 2 = −1
( j )3 = − j
( j )4 = 1
De esta manera se halla el valor para K 2 :
⎛ π
j k ⎞
π
⎛ j k ⎞
π
⎜ + ⎟ − − ⎜ − ⎟ ( j 4)
j k
⎝ ⎠ ⎝ ⎠
2 2 2
j 2 ke j 2 e ( 4) j 2 e
K2 =
16
π π
− jke
K1 = =
j k j k
2
ke 2
2 j2
Con los valores de K1 y K 2 se encuentra el valor de x(k ) :
π π π π
−e ⎛π ⎞
−j k −j k
x(k ) = K1 + K 2 = − + =k = k sin ⎜ k ⎟
j k j k
ke 2 ke 2 e 2 2
2j 2j 2j ⎝2 ⎠
4. SOLUCIÓN DE ECUACIONES EN DIFERENCIA
Las ecuaciones en diferencias se pueden solucionar fácilmente mediante el uso de

una computadora digital, siempre que se proporcionen los valores numéricos de
todos los coeficientes y los parámetros. Sin embargo, las expresiones en forma
cerrada para x(k ) no se pueden obtener a partir de la solución por computadora,
excepto para casos muy especiales. La utilidad del método de la transformada Z
es que permite obtener la expresión en forma cerrada para x(k ) .
Considere un sistema en tiempo discreto lineal e invariante en el tiempo,

caracterizado por la siguiente ecuación en diferencias:
x(k ) + a1 x(k − 1) + + an x(k − n)

= b0u (k ) + b1u (k − 1) + + bmu (k − m)
(2.63)
Donde u (k ) y x(k ) son la entrada y la salida del sistema respectivamente. Al

escribir dicha ecuación en diferencias en el plano z , se toma la transformada Z
de cada uno de los términos de la ecuación.
Entonces, x(k + 1), x(k + 2).x(k + 3),... y x(k − 1), x(k − 2).x(k − 3),... se pueden
expresar en términos de X ( z ) y de las condiciones iniciales. Las transformadas
Z de estas expresiones se resumen en la tabla 2.5.
Table 2.5 Transformadas Z de x(k + n) y x(k − n)

x( k ) X ( z)
x(k + 4) z X ( z ) − z x(0) − z 3 x(1) − z 2 x(2) − zx(3)
4 4
x(k + 3) z 3 X ( z ) − z 3 x(0) − z 2 x(1) − zx(2)

x(k + 2) z 2 X ( z ) − z 2 x(0) − zx(1)
x(k + 1) zX ( z ) − zx(0)
x( k ) X ( z)
x(k − 1) z −1 X ( z )
x(k − 2) z −2 X ( z )
x(k − 3) z −3 X ( z )
x(k − 4) z −4 X ( z )
A continuación se presenta un ejemplo que permite observar la solución de

ecuaciones en diferencias mediante el método de la transformada Z .
Ejemplo 2.29 Encuentre la solución para la siguiente ecuación en diferencias:
x( k + 2) + 3 x(k + 1) + 2 x(k ) = 0 donde x(0) = 0, x(1) = 1
Solución:
Al tomar las transformadas Z de ambos lados de la ecuación se obtiene:
⎡⎣ z 2 X ( z ) − z 2 x(0) − zx(1) ⎤⎦ + 3[ zX ( z ) − zx(0) ] + 2 [ X ( z ) ] = 0
Al sustituir las condiciones iniciales y simplificar se tiene:
X ( z) = =
z z
z + 3z + 2 ( z + 1)( z + 2)
2
Luego, aplicando el método de expansión en fracciones parciales se tiene:
= = +
X ( z) 1 A B
z ( z + 1)( z + 2) z + 1 z + 2
Donde,
⎡ X ( z) ⎤ ⎡ ⎤ ⎡ 1 ⎤
A = ⎢( z + 1) = ⎢( z + 1) =⎢
⎥ ( z + 1)( z + 2) ⎦ z =−1 ⎣ ( z + 2) ⎥⎦ z =−1
⎥
1
⎣ z ⎦ z =−1 ⎣
A= = =1
1 1
(−1 + 2) 1
⎡ X ( z) ⎤ ⎡ ⎤ ⎡ 1 ⎤
B = ⎢( z + 2) = ⎢( z + 2) =⎢
⎥ ( z + 1)( z + 2) ⎦ z =−2 ⎣ ( z + 1) ⎥⎦ z =−2
⎥
1
⎣ z ⎦ z =−2 ⎣
B= = = −1
1 1
(−2 + 1) −1
Por lo tanto,
= = −
X ( z) 1 1 1
z ( z + 1)( z + 2) z + 1 z + 2
Entonces,
X ( z) = −
z z
z +1 z + 2
Ahora se aplica la transformada Z inversa a X ( z ) para hallar x(k )
⎡ z ⎤ ⎡ z ⎤
x( k ) = Z −1
⎢⎣ z + 1 ⎥⎦ − Z
−1
⎢⎣ z + 2 ⎥⎦ = (−1) − (−2)
k k
3. CAPITULO 3: MODELADO DE SISTEMAS DINÁMICOS
INTRODUCCIÓN
Un modelo matemático de un sistema dinámico se define como un conjunto de

ecuaciones que representan la dinámica del sistema, este modelo no es único
para un sistema determinado ya que el mismo sistema puede representarse en
muchas formas diferentes, dependiendo de cada perspectiva.
La dinámica de muchos sistemas, ya sean mecánicos, eléctricos, térmicos,

económicos, biológicos, etc., se describe en términos de ecuaciones diferenciales,
las cuales provienen de las leyes físicas que gobiernan un sistema determinado.
Por ejemplo, los sistemas mecánicos se pueden representar mediante las leyes de
Newton y los sistemas eléctricos mediante las leyes de Kirchhoff. Obtener un
modelo matemático adecuado es la parte más importante de todo el proceso de
análisis.
Los modelos matemáticos pueden adoptar muchas formas distintas. Por ejemplo,
los sistemas lineales invariantes con el tiempo que poseen una entrada y una
salida se pueden representar fácilmente mediante la función de transferencia,
mientras que los sistemas multivariables variantes en el tiempo se representan

generalmente, en espacio de estados.
En la obtención de un modelo matemático, se debe establecer un equilibrio entre

la simplicidad del mismo y la precisión de los resultados del análisis. Al obtener un
modelo matemático razonablemente simplificado, a menudo resulta necesario
ignorar ciertas propiedades físicas inherentes al sistema. Si los efectos que estas
propiedades ignoradas tienen sobre la respuesta son pequeños, se obtendrá un
buen acuerdo entre los resultados del análisis de un modelo matemático y los
resultados del estudio experimental del sistema físico.
En general, cuando se soluciona un problema nuevo, es conveniente desarrollar

primero un modelo simplificado para obtener una idea general de la solución y a
continuación se desarrolla un modelo matemático más completo que se usa para
un análisis más detallado.
Si la respuesta producida por un sistema, ante la aplicación simultánea de dos

funciones de entradas diferentes es la suma de las dos respuestas individuales, y
además son proporcionales la causa y el efecto, el sistema se considera lineal.
Los sistemas dinámicos formados por componentes de parámetros concentrados
lineales e invariantes con el tiempo se describen mediante ecuaciones
diferenciales lineales. Tales sistemas se denominan sistemas lineales invariantes
en el tiempo o LTI. Los sistemas que se representan mediante ecuaciones
diferenciales cuyos coeficientes son funciones del tiempo, se denominan sistemas
lineales variantes con el tiempo. Un ejemplo de un sistema variante en el tiempo
es el sistema de control de una nave espacial, ya que la masa de esta cambia
debido al consumo de combustible.
Por otra parte, para un sistema no lineal la respuesta a dos entradas no puede
calcularse tratando cada una a la vez y sumando los resultados. En la práctica,
muchos sistemas electromecánicos, hidráulicos, neumáticos, etc., involucran
relaciones no lineales entre las variables.
Por ejemplo, la salida de un componente puede saturarse para señales de entrada

grandes (figura 3.1). Puede haber una zona muerta que afecte las señales
pequeñas (figura 3.2). Puede ocurrir una no linealidad de ley cuadrática en
algunos componentes (figura 3.3). Por ejemplo, los amortiguadores que se utilizan
en los sistemas físicos pueden ser lineales para operaciones a baja velocidad,
pero pueden volverse no lineales a altas velocidades.
Figure 3.1 No linealidad de saturación
Figure 3.2 No linealidad de zona muerta
Figure 3.3 No linealidad de ley cuadrática
En general, los procedimientos para encontrar las soluciones a problemas que

involucran sistemas no lineales son muy complicados. Por lo que resulta necesario
introducir sistemas lineales “equivalentes” en lugar de los no lineales. Tales
sistemas lineales equivalentes sólo son válidos para un rango limitado de
operación. Una vez que se aproxima un sistema no lineal mediante un modelo
matemático lineal, pueden aplicarse varias herramientas lineales para su análisis.
En la ingeniería de control, una operación normal del sistema puede ocurrir

alrededor de un punto de equilibrio, y las señales pueden considerarse señales
pequeñas alrededor del equilibrio. Sin embargo, si el sistema opera alrededor de
un punto de equilibrio y si las señales involucradas son pequeñas, es posible

aproximar el sistema no lineal mediante un sistema lineal. Tal sistema lineal es
equivalente al sistema no lineal, considerado dentro de un rango de operación
limitado. Ese modelo linealizado es muy importante en la ingeniería de control.
Lección 1: SISTEMAS FÍSICOS Y MODELOS
1. SISTEMAS ELÉCTRICOS
Las leyes fundamentales que gobiernan los circuitos eléctricos son las leyes de
corrientes y voltajes de Kirchhoff. La ley de corrientes de Kirchhoff (la ley de
nodos) plantea que la suma algebraica de todas las corrientes que entran y salen
de un nodo es cero. La ley de voltajes de Kirchhoff (la ley de mallas) establece que
en cualquier instante determinado la suma algebraica de los voltajes alrededor de
cualquier malla en un circuito eléctrico es cero. Un modelo matemático de un
circuito eléctrico se obtiene aplicando una o ambas leyes de Kirchhoff.
Esta sección presenta una serie de ejemplos que permiten modelar

matemáticamente sistemas eléctricos sencillos, es decir, sistemas que involucran
resistencias, condensadores y bobinas.
Ejemplo 3.1 Encuentre un modelo matemático que relacione la tensión de entrada

ei (t ) con la corriente de salida io (t ) , para el circuito eléctrico RL en serie de la
figura:
Figure 3.4 Circuito RL en serie
Solución:
Si se desea relacionar la tensión de entrada ei (t ) con la corriente de salida io (t ) ,

se puede aplicar la ley de voltajes de Kirchhoff a la malla, así:
ei (t ) = eR (t ) + eL (t )
Donde eR (t ) corresponde al voltaje sobre la resistencia y eL (t ) es la caída de

voltaje en la bobina, de esta manera se puede escribir la ecuación diferencial que
relaciona ei (t ) con io (t ) :
ei (t ) = Rio (t ) + L o
di (t )
dt
Reescribiendo esta última ecuación se tiene una ecuación diferencial de primer

orden:
+ io (t ) = ei (t )
dio (t ) R 1
dt L L
Ejemplo 3.2 Encuentre un modelo matemático que relacione el voltaje de entrada

ei (t ) con el voltaje de salida eo (t ) , para el circuito eléctrico RC en serie de la
figura:
Figure 3.5 Circuito RC en serie
Solución:
El parámetro de entrada en este caso es el voltaje ei (t ) , y el parámetro de salida

es el voltaje sobre el condensador eo (t ) , como se trata de un circuito en serie, se
puede aplicar la ley de voltajes de Kirchhoff para la malla de esta forma:
ei (t ) = eR (t ) + eC (t )
Donde eR (t ) corresponde al voltaje sobre la resistencia y eC (t ) es la caída de

voltaje en el condensador, de esta manera se puede escribir la ecuación:
C∫
ei (t ) = Ri (t ) +
1
i (t )dt
C∫
Teniendo en cuenta que:
eC (t ) = eo (t ) =
1
i (t )dt
Se obtiene,
i (t ) = C
deo (t )
dt
Por lo que la ecuación diferencial que relaciona ei (t ) con eo (t ) es:
ei (t ) = RC + eo (t )
deo (t )
dt

orden:
+ eo (t ) =
deo (t ) 1 1
ei (t )
dt RC RC
Ejemplo 3.3 Encuentre un modelo matemático que relacione la corriente de

entrada ii (t ) con el voltaje de salida eo (t ) , para el circuito eléctrico RC en paralelo
de la figura:
Figure 3.6 Circuito RC en paralelo

Solución:
Si se desea relacionar la corriente de entrada ii (t ) con la tensión de salida eo (t ) ,

se puede aplicar la ley de corrientes de Kirchhoff al nodo, así:
ii (t ) = iR (t ) + iC (t )
Donde iR (t ) corresponde a la corriente a través de la resistencia y iC (t ) es la

corriente a través del condensador, de esta manera se puede escribir la ecuación
diferencial que relaciona ii (t ) con eo (t ) :
ii (t ) = eo (t ) + C o
1 de (t )
R dt

orden:
+ eo (t ) = ii (t )
deo (t ) 1 1
dt RC C

ei (t ) con la corriente de salida io (t ) , para el circuito eléctrico RLC en serie de la
figura:
Figure 3.7 Circuito RLC en serie
Solución:
Si se desea relacionar la tensión de entrada ei (t ) con la corriente de salida io (t ) ,

se puede aplicar la ley de voltajes de Kirchhoff a la malla, así:
ei (t ) = eR (t ) + eL (t ) + eC (t )
Donde eR (t ) corresponde al voltaje sobre la resistencia, eL (t ) es el voltaje en la

bobina y eC (t ) es la caída de voltaje en el condensador, de esta manera se puede
escribir la ecuación diferencial que relaciona ei (t ) con io (t ) :
ei (t ) = Rio (t ) + L + ∫ io (t )dt
dio (t ) 1
dt C
Derivando esta última ecuación se tiene que:
=R +L + io (t )
dei (t ) dio (t ) d 2io (t ) 1
dt dt dt 2 C
Reescribiendo esta última ecuación se tiene una ecuación diferencial de segundo

orden:
+ + io (t ) =
d 2io (t ) R dio (t ) 1 1 dei (t )
2
dt L dt LC L dt

ei (t ) con el voltaje de salida eo (t ) , para el circuito eléctrico de la figura:
Figure 3.8 Circuito RC
Solución:
El parámetro de entrada en este caso es el voltaje ei (t ) , y el parámetro de salida

es el voltaje sobre el condensador eo (t ) , se puede aplicar la ley de voltajes de
Kirchhoff para la malla 1 de esta forma:
C1 ∫
ei (t ) = R1i1 (t ) + [i1 (t ) − i2 (t )] dt (3.1)
1
Para la malla 2 se tiene que:
∫ [i1 (t ) − i2 (t )] dt = R2i2 (t ) + ∫ i2 (t )dt (3.2)

1 1
C1 C2
C2 ∫
Pero se sabe que,
i2 (t )dt = eo (t ) (3.3)
1
Por lo que,
i2 (t ) = C2
deo (t )
dt
Reemplazando esta relación en la ecuación (3.2) se obtiene:
∫ [i1 (t ) − i2 (t )] dt = R2C2 o + eo (t ) (3.4)

1 de (t )
C1 dt
Derivando esta última expresión se tiene:
[1 − ] 2 2 2 +
=
1 d 2 eo (t ) deo (t )
i (t ) i2 (t ) R C
C1 dt dt
Despejando i1 (t )
i1 (t ) = R2C1C2 + C1 o + C2 o
d 2 eo (t ) de (t ) de (t )
2
(3.5)
dt dt dt
Reemplazado las ecuaciones (3.4) y (3.5) en la ecuación (3.1):

ei (t ) = R1 R2C1C2 + R1C1 o + R1C2 o + R2C2 o + eo (t )

d 2 eo (t ) de (t ) de (t ) de (t )
2
dt dt dt dt

orden:
d 2 eo (t ) ⎛ R1C1 + R1C2 + R2C2 ⎞ deo (t )

+⎜ ⎟ + eo (t ) =
1 1
⎝ ⎠ dt
2
ei (t )
dt R1 R2C1C2 R1 R2C1C2 R1 R2C1C2
2. SISTEMAS MECÁNICOS
En esta sección se analizará el modelado matemático de los sistemas mecánicos.

La ley fundamental que controla los sistemas mecánicos es la segunda ley de
Newton, que se aplica a cualquier sistema mecánico. Antes de representar los
sistemas mecánicos es conveniente recordar las definiciones de masa y fuerza.
• Masa: La masa de un cuerpo es la cantidad de materia que contiene, en

sistemas LTI se supone siempre constante. Físicamente, la masa es la
propiedad de un cuerpo que le da inercia, es decir, resistencia a moverse o
detenerse. Un cuerpo es atraído por la Tierra y la magnitud de la fuerza que
ejerce la Tierra sobre él se denomina peso. En situaciones prácticas, se
conoce el peso w de un cuerpo pero no su masa m . La masa m se calcula a
partir de
m=
w
g
En donde g es la constante de aceleración gravitacional. El valor de g varía

ligeramente de un punto a otro de la superficie terrestre. Como resultado, el peso
de un cuerpo varía ligeramente en diferentes puntos de la superficie de la Tierra,
pero su masa permanece constante. Para propósitos de ingeniería,
g = 9.8 m/s 2
En el espacio exterior, un cuerpo pierde su peso; no obstante, su masa

permanece constante y por tal razón el cuerpo posee inercia. La unidad de medida
de la masa en el SI es el kilogramo.
• Fuerza: La fuerza se define como la causa que tiende a producir un cambio en

el movimiento de un cuerpo al cual se aplica. Para mover un cuerpo, debe
aplicarse una fuerza sobre él. Dos tipos de fuerza pueden actuar sobre un
cuerpo: las fuerzas de contacto y las fuerzas de campo. Las fuerzas de
contacto son aquellas que tienen un contacto directo con el cuerpo, en tanto
que las fuerzas de campo, tales como la fuerza gravitacional y la fuerza
magnética, actúan sobre el cuerpo sin entrar en contacto con él. La unidad de
medida para la fuerza en el SI es el newton (N).
Ejemplo 3.6 Encuentre un modelo matemático que relacione la fuerza aplicada

sobre el bloque, con la velocidad adquirida por este, para el sistema masa-
amortiguador de la figura, el cual se encuentra sobre una superficie sin fricción:
Figure 3.9 Sistema masa-amortiguador
Solución:
Al sistema mecánico que se encuentra sobre una superficie sin fricción, se le

aplica una fuerza f (t ) por lo que el diagrama de cuerpo libre del sistema
quedaría:
f B (t ) f (t )
Figure 3.10 Diagrama de cuerpo libre para el sistema masa-amortiguador
Aplicando la segunda ley de Newton:
∑ F = ma
Y teniendo en cuenta que la aceleración es la derivada de la velocidad se tiene:

f (t ) − f B (t ) = ma
f (t ) − Bv(t ) = m
dv(t )
dt

orden:
+ v(t ) = f (t )
dv(t ) B 1
dt m m
La cual tiene una forma idéntica a la ecuación diferencial que describe el circuito
RL en serie del ejemplo 3.1. Claramente se observa la analogía existente entre la
masa y la inductancia, al igual que entre el coeficiente de amortiguamiento viscoso
y la resistencia.
Ejemplo 3.7 Encuentre un modelo matemático que relacione la fuerza aplicada

sobre el bloque, con la velocidad adquirida por este, para el sistema masa-
amortiguador de la figura, el cual se encuentra sobre una superficie sin fricción:
Figure 3.11 Sistema masa-resorte-amortiguador
Solución:
Al sistema mecánico que se encuentra sobre una superficie sin fricción, se le

aplica una fuerza f (t ) por lo que el diagrama de cuerpo libre del sistema
quedaría:
f K (t )
f (t )
f B (t )
Figure 3.12 Diagrama de cuerpo libre para el sistema masa-resorte-amortiguador

Aplicando la segunda ley de Newton
∑ F = ma
Y teniendo en cuenta que la aceleración es la derivada de la velocidad se tiene:
f (t ) − f K (t ) − f B (t ) = ma
f (t ) − K ∫ v(t )dt − Bv(t ) = m

dv(t )
dt
Derivando esta ecuación se obtiene:
− Kv(t ) − B =m
df (t ) dv(t ) d 2 v(t )
dt dt dt 2

orden:
+ + v(t ) =
d 2 v(t ) B dv(t ) K 1 df (t )
2
dt m dt m m dt
RLC en serie del ejemplo 3.4.
3. SISTEMAS DE NIVEL DE LÍQUIDO
Un sistema de nivel de líquido (sistema hidráulico), se describe mediante

ecuaciones diferenciales lineales o no lineales, en dependencia de si el flujo
manipulado es laminar o turbulento, respectivamente. Esto se puede establecer de
acuerdo con la magnitud del número de Reynolds. Si el número de Reynolds está
entre 3000 y 4000, el flujo es turbulento. El flujo es laminar si el número de
Reynolds es menor que unos 2000.
Si se introduce el concepto de resistencia y capacitancia para los sistemas del

nivel de líquido, es posible describir en forma simple las características dinámicas
de tales sistemas.
• Resistencia: Considere el flujo a través de un tubo corto que conecta dos

tanques. La resistencia R para el flujo de líquido en tal tubo se define como el
cambio en la diferencia de nivel (la diferencia entre el nivel de líquido en los
dos tanques) necesaria para producir un cambio de una unidad en la velocidad
del flujo; es decir,
cambio en la diferencia de nivel [m ]

R=
cambio en la velocidad del flujo ⎡⎣m 3 /s ⎤⎦
Para entender mejor este concepto, considere el sistema del nivel de líquido de la
figura 3.13. En este sistema el líquido sale a chorros a través de la válvula de
carga a un lado del tanque. Si el flujo a través de esta restricción es laminar, la
relación entre la velocidad del flujo en estado estable y la altura en estado estable
en el nivel de la restricción se obtiene mediante
Q = KH (3.6)
Donde,
Q : Velocidad del flujo del líquido en estado estable, ⎡⎣ m3 /s ⎤⎦

K : Coeficiente, ⎡⎣ m 2 /s ⎤⎦
H : Altura en estado estable, [ m ]
Figure 3.13 Sistema de nivel de líquido

Entonces, la resistencia Rl se obtiene mediante:
Rl = =
dH H
(3.7)
dQ Q
Se aprecia que la resistencia del flujo laminar es constante y análoga a la

resistencia eléctrica.
Si el flujo es turbulento a través de la restricción, la velocidad del flujo en estado

estable se obtiene mediante:
Q = K H (3.8)
La resistencia Rt para el flujo turbulento, se obtiene a partir de:
Rt =
dH
dQ
Derivando la ecuación (3.8) se obtiene
dQ =
K
dH (3.9)
2 H
Reemplazando las ecuaciones (3.8) y (3.9) en la ecuación (3.7), se tiene
Rt =
2H
(3.10)
Q
Se observa que la resistencia de flujo turbulento depende del flujo y de la altura.

Sin embargo, el valor de Rt se considera constante si los cambios en la altura y en
el flujo son pequeños.
• Capacitancia: La capacitancia C de un tanque se define como el cambio

necesario en la cantidad de líquido almacenado, para producir un cambio en la
altura.
cambio en el líquido almacenado ⎡⎣m 3 ⎤⎦

C=
cambio en la altura [ m ]
Debe señalarse que la capacidad ( m3 ) y la capacitancia ( m 2 ) son diferentes. La

capacitancia del tanque es igual a su área transversal. Si ésta es constante, la
capacitancia es constante para cualquier altura.
Ejemplo 3.8 Encuentre un modelo matemático que relacione el flujo de entrada

qi (t ) con el flujo de salida qo (t ) , para el sistema de nivel de líquido de la figura:
Válvula de control
qi
Válvula de carga
h
qo
Capacitancia Resistencia
C R
Figure 3.14 Sistema de nivel de líquido
Solución:
El parámetro de entrada en este caso es el flujo qi (t ) , y el parámetro de salida es

el flujo qo (t ) , se puede analizar el sistema teniendo en cuenta que:
flujo de entrada - flujo de salida = flujo acumulado

Es decir,
qi (t ) − qo (t ) = C
dh(t )
dt
h(t ) = Rqo (t )
Teniendo en cuenta que,
Se obtiene:
qi (t ) − qo (t ) = RC
dqo (t )
dt

orden:
+ qo (t ) =
dqo (t ) 1 1
qi (t )
dt RC RC
RC en serie del ejemplo 3.2.

qi (t ) con la altura del líquido acumulado h(t ) , para el sistema de nivel de líquido
de la figura 3.14.
Solución:
El parámetro de entrada en este caso es el flujo qi (t ) , y el parámetro de salida es

la altura del líquido acumulado h(t ) , se puede analizar el sistema teniendo en
cuenta que:

Es decir,
qi (t ) − qo (t ) = C
dh(t )
dt

qo (t ) =
1
h(t )
R
Se obtiene:
qi (t ) − h(t ) = C
1 dh(t )
R dt

orden:
+ h(t ) = qi (t )
dh(t ) 1 1
dt RC C
RC en paralelo del ejemplo 3.3.

q (t ) con el flujo de salida q2 (t ) , para el sistema de nivel de líquido de la figura:
q
Tanque 1 Tanque 2
h1 R1 R2
h2
q2
C1 q1 C2
Figure 3.15 Sistema de nivel de líquido con interacción

Solución:
Usando los símbolos definidos en la figura, obtenemos las ecuaciones siguientes

para este sistema:
q(t ) − q1 (t ) = C1
dh1 (t )
(3.11)
dt
h1 (t ) − h2 (t ) = R1q1 (t ) (3.12)
q1 (t ) − q2 (t ) = C2
dh2 (t )
(3.13)
dt
h2 (t ) = R2 q2 (t ) (3.14)
Derivando la ecuación (3.14) y reemplazando en la ecuación (3.13) se obtiene:
q1 (t ) − q2 (t ) = R2C2
dq2 (t )
dt
Despejando q1 (t ) de esta última ecuación y luego derivando se obtiene:
= R2C2 +
dq1 (t ) d 2 q2 (t ) dq2 (t )
(3.15)
dt dt 2 dt
Despejando h1 (t ) de la ecuación (3.12) y luego derivando se obtiene:
= R1 +
dh1 (t ) dq(t ) dh2 (t )
(3.16)
dt dt dt
Reemplazando las ecuaciones (3.15) y (3.16) en la ecuación (3.11) se obtiene:
q(t ) − R2C2 − q2 (t ) = R1C1 R2C2 + R1C1 2 + R2C1 2

dq2 (t ) d 2 q2 (t ) dq (t ) dq (t )
2
dt dt dt dt

orden:
d 2 q2 (t ) ⎛ R1C1 + R2C1 + R2C2 ⎞ dq2 (t )

+⎜ ⎟ + q2 (t ) =
1 1
⎝ ⎠ dt
2
q(t )
dt R1C1 R2C2 R1C1 R2C2 R1C1 R2C2
RC del ejemplo 3.5.
4. SISTEMAS TÉRMICOS
Los sistemas térmicos son aquellos que involucran la transferencia de calor de

una sustancia a otra. Estos sistemas se analizan en términos de resistencia y
capacitancia, aunque la capacitancia térmica y la resistencia térmica tal vez no se
representen con precisión como elementos de parámetros concentrados, dado
que, por lo general, están distribuidas en todas las sustancias. Para lograr análisis
precisos, deben usarse modelos de parámetros distribuidos.
Sin embargo, para simplificar el análisis, se supondrá que un sistema térmico se

representa mediante un modelo de parámetros concentrados, que las sustancias
que se caracterizan mediante una resistencia al flujo de calor tienen una
capacitancia térmica insignificante y que las sustancias que se caracterizan por
una capacitancia térmica tienen una resistencia insignificante al flujo de calor.
El calor fluye de una sustancia a otra de tres formas diferentes: por conducción,
por convección y por radiación. Aquí sólo se considerarán la conducción y la
convección, ya que la transferencia de calor por radiación sólo se aprecia si la
temperatura del emisor es muy alta en comparación con la del receptor. La mayor
parte de los procesos térmicos en los sistemas de control de procesos no
involucran transferencia de calor por radiación.
Para la transferencia de calor por conducción o convección se tiene que:
q = K Δθ (3.17)
Donde,
q : Flujo de calor, [ kcal/seg ]

Δθ : Diferencia de temperatura, [ ºC]
K : Coeficiente, [ kcal/segºC]
El coeficiente K se obtiene mediante:
K=
kA
Δx
por conducción (3.18)
K = HA por convección (3.19)
En donde,
k : Conductividad térmica, [ kcal/m seg ºC]

A : Área normal para flujo de calor, ⎡⎣ m 2 ⎤⎦
Δx : Espesor del conductor, [ m ]
H : Coeficiente de convección, ⎡⎣ kcal/m 2 seg ºC ⎤⎦
Si se introduce el concepto de resistencia y capacitancia térmicas, es posible

describir en forma simple las características dinámicas de los sistemas térmicos.
• Resistencia térmica: La resistencia térmica R para la transferencia de calor

entre dos sustancias se define del modo siguiente:
cambio en la diferencia de temperatura [ ºC]

R=
cambio en el flujo de calor [kcal/seg ]
La resistencia térmica para una transferencia de calor por conducción o por

convección se obtiene mediante
d (Δθ ) 1
R= = (3.20)
dq K
Dado que los coeficientes de conductividad y convección térmica son casi

constantes, la resistencia térmica para la conducción o la convección es
constante.
• Capacitancia térmica: La capacitancia térmica C se define mediante:
cambio en el calor almacenado [kcal ]

C=
cambio en la temperatura [ ºC]
O bien,
C = mc (3.21)
En donde,
m : Masa de la sustancia considerada, [ kg ]

c : Calor específico de la sustancia, [ kcal/kg ºC]
Ejemplo 3.11 Encuentre un modelo matemático que relacione el flujo de calor a la

entrada qi (t ) con el flujo de calor a la salida qo (t ) , para el sistema térmico de la
figura:
Mezclador
Líquido
caliente
Calefactor
Líquido
frío
Figure 3.16 Sistema térmico
Solución:
El parámetro de entrada en este caso es el flujo de calor a la entrada qi (t ) , y el

parámetro de salida es el flujo de calor a la salida qo (t ) , se puede analizar el
sistema teniendo en cuenta que:
dθ (t )
Es decir,
qi (t ) − qo (t ) = C
dt
θ (t ) = Rqo (t )
Se obtiene:
qi (t ) − qo (t ) = RC
dqo (t )
dt

orden:
+ qo (t ) =
dqo (t ) 1 1
qi (t )
dt RC RC
RC en serie del ejemplo 3.2.
entrada qi (t ) con la temperatura del líquido acumulado θ (t ) , para el sistema

Ejemplo 3.12 Encuentre un modelo matemático que relacione el flujo de calor a la
térmico de la figura 3.16.
Solución:
parámetro de salida es la temperatura del líquido acumulado θ (t ) , se puede

El parámetro de entrada en este caso es el flujo de calor de entrada qi (t ) , y el
analizar el sistema teniendo en cuenta que:

dθ (t )
Es decir,
qi (t ) − qo (t ) = C
dt

qo (t ) = θ (t )
1
R
dθ (t )
Se obtiene:
qi (t ) − θ (t ) = C
1
R dt

orden:
dθ (t ) 1
+ θ (t ) = qi (t )
1
dt RC C
RC en paralelo del ejemplo 3.3.
Lección 2: FUNCIÓN DE TRANSFERENCIA
1. RESPUESTA IMPULSO
La respuesta impulso de un sistema lineal es la respuesta del sistema a una

entrada impulso unitario cuando las condiciones iniciales son cero. Para el caso de
sistemas continuos la entrada corresponde a la función delta de Dirac, mientras
que para los sistemas discretos la función de entrada es la delta de Kronecker.
La respuesta impulso del sistema se puede determinar a partir de la ecuación que

lo describe.
Ejemplo 3.13 Encuentre la respuesta impulso del sistema representado por la

siguiente ecuación diferencial:
2 y (t ) + 4 y (t ) = 3 x(t )
Solución:
Haciendo x(t ) = δ (t ) se obtiene la respuesta y (t ) = h(t ) . Por lo tanto, h(t ) debe

satisfacer la siguiente ecuación diferencial:
2h(t ) + 4h(t ) = 3δ (t )
Aplicando la transformada de Laplace a ambos miembros de la ecuación y

recordando que las condiciones iniciales son cero, se obtiene:
2 sH ( s ) + 4 H ( s ) = 3
2 H ( s)( s + 2) = 3
Despejando H ( s ) ,
H ( s) =
3 1
2 s+2
Ahora, se aplica la transformada inversa de Laplace a H ( s ) para hallar h(t ) o
⎡ 1 ⎤ 3 −2t
respuesta impulso:
h(t ) = L −1 ⎢ = e
⎣ s + 2 ⎥⎦ 2
3
2
2. FUNCIÓN DE TRANSFERENCIA DE SISTEMAS CONTINUOS
En general, cualquier sistema lineal invariante en el tiempo (LTI) puede modelarse

mediante una ecuación diferencial de la forma:
d n −1 y d m −1u
+ a1 + + an −1 + an y = b0 + b1 + + bm −1 + bm u donde n ≥ m (3.22)
dny dy d mu du
n n −1 m m −1
dt dt dt dt dt dt
Esta ecuación diferencial relaciona la señal de salida y (t ) de un sistema con la

señal de entrada u (t ) del mismo, y permite conocer la respuesta de dicho sistema
a una señal de entrada determinada, mediante su resolución. A esta ecuación se
le denomina ecuación diferencial característica del sistema.
Sin embargo, el tratamiento analítico del sistema a través de la ecuación

diferencial característica es, en general, complejo. Es por ello que se introduce el
concepto de función de transferencia.
La función de transferencia de un sistema lineal invariante en el tiempo se obtiene

realizando la transformada de Laplace de la ecuación diferencial característica del
sistema, con condiciones iniciales nulas. Es decir, para obtener la función de
transferencia del sistema lineal que está representado la ecuación (3.22), se aplica
la transformada de Laplace en ambos lados de la ecuación y se suponen
condiciones iniciales cero. El resultado es:
( s n + a1s n −1 + + an −1s + an )Y ( s ) = (b0 s m + b1s m −1 + + bm −1s + bm )U ( s )
Entonces, la función de transferencia entre y (t ) y u (t ) está dada por:
Y ( s ) b0 s m + b1s m −1 + + bm −1s + bm
G(s) = = n
s + a1s n −1 + + an −1s + an
(3.23)
U ( s)
Donde, U ( s ) es la transformada de Laplace de la entrada del sistema y Y ( s ) es la

transformada de Laplace de la salida del mismo.
La función de transferencia contiene toda la información de la dinámica del

sistema.
En concreto, la característica dinámica del sistema depende fundamentalmente de

las raíces del polinomio del denominador de la función de transferencia; estas
raíces se denominan polos de la función de transferencia.
Para que un sistema sea físicamente realizable, el orden del denominador debe
ser mayor o igual (de hecho en la práctica siempre es mayor) que el orden del
numerador, de este modo se garantiza que el sistema es causal.
Por último, hay que resaltar que la función de transferencia no ofrece información
sobre la estructura física del sistema, con lo cual diversos sistemas físicos pueden
tener la misma función de transferencia, aplicándose, de este modo, el concepto
de sistema análogo. Los sistemas análogos son útiles cuando alguno de los
sistemas es complejo, caro, frágil o de respuesta muy lenta (por ejemplo, en
aplicaciones con prototipos electrónicos).
Algunas de las propiedades de la función de transferencia se resumen a

continuación:
• La función de transferencia está definida solamente para un sistema lineal

invariante en el tiempo. No está definida para sistemas no lineales.
• La función de transferencia entre un par de variables de entrada y de salida es

la relación entre la transformada de Laplace de la salida y la transformada de
Laplace de la entrada.
• Todas las condiciones iniciales del sistema son cero.
• La función de transferencia de un sistema de tiempo continuo se expresa sólo

como una función de la variable compleja s . No es función del tiempo, o de
cualquier otra variable que se utilice como la variable independiente.
Ejemplo 3.14 Encuentre la función de transferencia del sistema que tiene como
modelo matemático la siguiente ecuación diferencial:
y + 6 y + 8 y = −u + 5u
Solución:
La función de transferencia se puede hallar aplicando la propiedad de la

diferenciación real:
s 2Y ( s ) − sy (0) − y (0) + 6 [ sY ( s ) − y (0) ] + 8Y ( s ) = − [ sU ( s ) − u (0) ] + 5U ( s )
Teniendo en cuenta que las condiciones iniciales son cero, se tiene
s 2Y ( s ) + 6 sY ( s) + 8Y ( s ) = − sU ( s ) + 5U ( s )
Agrupando términos y despejando se obtiene:
−s + 5
G ( s) = = 2
Y (s)
U ( s) s + 6s + 8
3. FUNCIÓN DE TRANSFERENCIA DE SISTEMAS DISCRETOS
Los sistemas de control en tiempo discreto pueden operar en parte en tiempo

discreto y en parte en tiempo continuo. De esta manera, en dichos sistemas de
control algunas señales aparecen como funciones en tiempo discreto y otras
señales como funciones en tiempo continuo. Al analizar sistemas de control en
tiempo discreto, la teoría de la transformada Z juega un papel importante. Para
demostrar por qué el método de la transformada Z es útil en el análisis de
sistemas de control en tiempo discreto, primero se presenta el concepto de
muestreo mediante impulsos y luego se estudia la retención de datos.
3.1. Muestreo de una Señal
Una señal continua se puede convertir a una señal discreta mediante un

muestreador que convierte la señal en un tren de impulsos, a una rata o periodo
de muestreo T , y magnitud de cada impulso igual al valor muestreado de la señal
continua en el instante de muestreo.
3 3
2.5 x (t ) 2.5 x * (t )
2 2
1.5 1.5
1 δ (t ) 1
0.5 0.5
0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Señal continua Muestreador Señal muestreada
Figure 3.17 Muestreo mediante impulsos
El tren de impulsos unitarios se puede representar mediante la ecuación:
δ (T ) = ∑ δ (t − kT ) = δ (T ) + δ (t − T ) + δ (t − 2T ) +
∞
(3.24)
k =0
La señal muestreada se puede representar como la magnitud de la señal en el

instante muestreado multiplicada por el tren de impulsos de la siguiente manera:
x *(t ) = ∑ x(kT )δ (t − kT ) = x(0)δ (T ) + x(T )δ (t − T ) + x(2T )δ (t − 2T ) +

∞
(3.25)
k =0
Sacando la transformada de Laplace a la señal muestreada se tiene:
X *( s ) = L [ x *(t ) ] = x(0)L [δ (T ) ] + x(T )L [δ (t − T ) ] + x(2T )U L [δ (t − 2T ) ] +

X *( s ) = x(0) + x(T )e − sT + x(2T )e −2 sT +
Ahora se puede escribir,
X *( s ) = ∑ x(kT )e − ksT (3.26)

∞
k =0
Si z = e sT , es decir s = (1 T ) ln( z ) , entonces:

X *( s ) s =(1 T )ln( z ) = ∑ x(kT ) z − k = X ( z ) (3.27)

∞
k =0
transformada Z de dicha señal, si z = e sT .

Se aprecia que la transformada de Laplace de una señal muestreada equivale a la
3.2. Retención de Datos
La retención de datos es un proceso de recuperación de la señal continua a partir

de la señal discreta. El retenedor utiliza las muestras anteriores para extrapolar la
señal continua entre el instante de muestreo presente y el siguiente. El retenedor
más utilizado es el retenedor de orden cero ZOH (por sus siglas en inglés “Zero
Order Hold”). Este retenedor genera una señal continua h(t ) , manteniendo o
reteniendo cada valor de la muestra durante el periodo de muestreo.
h(kT + t ) = x(kT ) (3.28)

Esto es:
3 3
2.5 2.5
x * (t ) h (t )
2 2
1.5 1.5
ZOH
1 1
0.5 0.5
0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Figure 3.18 Reconstrucción efectuada por el ZOH
Se puede escribir h(t ) como una suma de señales paso, así:
h(t ) = x(0)u (t ) + [ x(T ) − x(0) ] u (t − T ) + [ x(2T ) − x(T ) ] u (t − 2T ) +
Factorizando y reescribiendo se tiene,
h(t ) = x(0) [u (t ) − u (t − T ) ] + x(T ) [u (t − T ) − u (t − 2T ) ] + x(2T ) [u (t − 2T ) − u (t − 3T ) ] +

Simplificando la notación se obtiene:
h(t ) = ∑ x(kT ) [u (t − kT ) − u (t − (k + 1)T ) ]

∞
k =0
Aplicando transformada de Laplace:
H ( s ) = ∑ x(kT ) ⎢ ∑ x(kT )e
∞
⎡ e − ksT e − ( k +1) sT ⎤ 1 − e− sT ∞
− ⎥= s
− ksT
k =0 ⎣ s s ⎦ k =0
Como H ( s ) = GZOH ( s ) X *( s ) , se tiene que la función de transferencia del retenedor

de orden cero es:
1 − e − sT
GZOH ( s ) = (3.29)
s
Nótese que esta función de transferencia no corresponde a ningún dispositivo

físico, porque se ha deducido suponiendo funciones impulso en la entrada del
retenedor de orden cero; sin embargo, si se utiliza junto con el muestreo ideal,
proporcionan una buena descripción matemática del procedimiento de muestreo y
reconstrucción real de las señales de un sistema de control en tiempo discreto.
3.3. Teorema del Muestreo
Los sistemas de control en tiempo discreto conllevan de manera inherente

operaciones de muestreo y reconstrucción de señales.
Figure 3.19 Muestreo y reconstrucción de una señal
Estos procesos deben verificar en todo momento el teorema del muestreo, siendo
este teorema fundamental en sistemas discretos, como se comprobará a
continuación.
Sea f (t ) una señal con espectro de banda limitada:
Figure 3.20 Espectro de la señal f (t )
Donde ω1 es la máxima frecuencia que presenta f (t ) .
Según la expresión:
F ( s ) = ∑ F ( s ± jnωs )
* 1 ∞
T n=0
El muestreo ideal equivale a una repetición de este espectro centrado en nωs . De

este modo, el espectro de la señal muestreada con muestreo ideal puede sufrir
dos situaciones diferentes:
• ωs ≥ 2ω1 :
Figure 3.21 Repetición del espectro de la señal debido al muestreo
Suponiendo que el retenedor de orden cero es un filtro pasa bajo ideal, se

obtendría la señal previa al muestreo como salida del mismo. Sin embargo, un
filtro paso bajo ideal no es causal, y por ello el retenedor de orden cero distorsiona
muestreada, notándose más este efecto cuanto menor es la relación ωs / ω1 . En

y no elimina totalmente las componentes en alta frecuencia de la señal
conclusión, interesa trabajar siempre con la relación ωs / ω1 lo más grande posible,

despreciando de este modo los efectos del muestreo y la reconstrucción.
• ωs < 2ω1 :
Figure 3.22 Superposición de espectros (aliasing)
En este caso aparece un efecto de superposición de espectros que provocan que

no sea posible recuperar la señal original previa al muestreo a partir de la señal
muestreada, ni en el caso en el cual se realice un filtrado con filtro pasa bajo ideal.
A este efecto se le denomina aliasing y siempre debe evitarse en un proceso de
muestreo.
A la vista de las dos situaciones anteriores, se desprende la siguiente afirmación:
Teorema de Shannon (o del muestreo): “La mínima frecuencia de muestreo para
través de un filtro pasa bajo ideal es ωs = 2ω1 , donde ω1 es la máxima frecuencia

poder recuperar una señal previa al muestreo, a partir de la señal muestreada a
que presenta la señal a muestrear.”
Para poder recuperar la señal original previa al muestreo a partir de la señal

muestreada, es necesario efectuar un filtrado pasa bajo. Debe observarse que
este filtrado ideal no puede realizarse en la práctica debido a que un filtro con
característica espectral rectangular no es causal. Dicho filtrado se realiza
normalmente mediante el retenedor de datos de orden cero. En este caso la
expresión del espectro del filtro resultante es:
Goh ( s ) =
1− e − sT
⇒ Goh ( jω ) =
1− e− jωT
=T
(
sin ωT
2) e − j ωT
=
2π
sin ⎛⎜ πω ⎞⎟ − jπω
⎝ ωs ⎠ e ωs
jω ωT ωs πω
ωs
2
s
2
2π
Goh ( jω ) = sinc ⎛⎜ πω ⎞⎟ e ωs (3.30)
− j πω
ωs ⎝ ωs ⎠
En la figura siguiente se observa como este filtro distorsiona la señal recuperada

debido a un filtrado bastante alejado del ideal; este filtrado mejora cuanto mayor
es la frecuencia de muestreo, proporcionando un resultado que coincide con el
previsible a partir de una observación en dominio temporal.
Figure 3.23 Distorsión del espectro de la señal al recuperar con el ZOH

Las figuras 3.24, 3.25 y 3.26 muestran de forma resumida, mediante una
representación en dominio temporal y frecuencial, el procedimiento seguido en la
caracterización del muestreo y reconstrucción de señales. Partiendo de la
definición del muestreo y reconstrucción ideal, se observa el efecto de distorsión
en amplitud y la aparición de componentes de alta frecuencia en la señal
reconstruida mediante un retenedor de datos de orden cero.
Figure 3.24 Muestreo y reconstrucción ideal
Figure 3.25 Muestreo ideal y reconstrucción mediante ZOH

Figure 3.26 Muestreo real (ancho de pulso p ) y reconstrucción mediante ZOH
Por último, puede demostrarse que el análisis del efecto de la anchura real de
pulso p del muestreador, proporciona como resultado una envolvente de forma
sinc en el espectro de la señal muestreada, de modo que los espectros de la
señal original, repetidos mediante el proceso de muestreo, se ven atenuados por
dicha envolvente, conllevando un efecto de distorsión de amplitud.
Afortunadamente, cuando el ancho de pulso es mucho más pequeño que el
periodo de muestreo, como lo es habitualmente, dicho efecto es irrelevante frente
al hecho de reconstrucción mediante retenedor de orden cero.
3.4. Función de Transferencia Pulso
La función de transferencia para un sistema continuo relaciona las transformadas

de Laplace de la salida en tiempo continuo con la correspondiente de la entrada
en tiempo continuo, mientras que la función de transferencia pulso relaciona las
transformadas Z de la salida en los instantes de muestreo con la correspondiente
entrada muestreada.
Un sistema continuo lineal e invariante en el tiempo queda plenamente

caracterizado por su respuesta impuso o por su función de transferencia. Frente a
una entrada continua, el sistema proporciona una señal continua a la salida,
resultado de la convolución analógica entre la señal de entrada y la respuesta
impulso del sistema. La transformada de Laplace de esta señal es igual al
producto de la transformada de Laplace de la señal de entrada por la función de
transferencia del sistema.
Figure 3.27 Sistema continuo excitado por una entrada continua
La respuesta de un sistema continuo frente a una señal muestreada también sigue

siendo continua, y se puede caracterizar mediante la expresión:
c(t ) = ∑ r (kT ) g (t − kT ) (3.31)

∞
k =0
Figure 3.28 Sistema continuo excitado por una entrada discreta
Es importante enfatizar la influencia del periodo de muestreo en la señal de salida;

debe observarse en la expresión anterior que el simple hecho de cambiar el
periodo de muestreo implica, de un modo directo, cambiar la señal de salida. En
concreto, el aumento del periodo de muestreo origina una señal de salida mucho
más diferenciada respecto a la señal de salida del sistema frente a la misma señal
de entrada sin muestrear, tendiendo a tener mayor sobreimpulso y perdiendo, por
tanto, estabilidad relativa.
El problema de caracterización de esta señal de salida es difícil de realizar por

procedimientos habituales y se plantea la cuestión del conocimiento de la señal de
salida muestreada. Realizando el muestreo síncrono respeto al muestreo de la
señal de entrada y con las herramientas que se dispone en el dominio discreto es
posible utilizar métodos de análisis semejantes a los usados en el dominio
continuo:
Figure 3.29 Respuesta de un sistema continuo a una entrada discreta
c* (t ) = ∑ c(kT )δ (t − kT ) (3.32)
∞
k =0
Donde, c(kT ) es la expresión de la convolución discreta y está dada por:
c(kT ) = ∑ r (nT ) g (kT − nT ) (3.33)

∞
n=0
g * (t ) = ∑ g (kT )δ (t − kT ) (3.34)
La señal,
∞
k =0
Se denomina respuesta impulso discreta y permite caracterizar el sistema como

un sistema discreto que ofrece una señal de salida discreta al tener una señal de
entrada muestreada. Cumpliéndose así que:
C ( z ) = R( z )G ( z ) (3.35)
Donde, G ( z ) es la función de transferencia en z , que puede obtenerse aplicando

la transformada Z sobre la respuesta impulso discreta.
De este modo, la caracterización del sistema y el conocimiento de la señal de

salida muestreada son sencillos; sin embargo, por esta metodología únicamente
se puede conocer la señal de salida en instantes de muestreo y no la señal
continua de salida que físicamente se genera en el sistema. Obsérvese que este
efecto no es muy importante cuando el periodo de muestreo es mucho más
pequeño que la constante de tiempo del sistema continuo.
Ejemplo 3.15 Encuentre la función de transferencia pulso G ( z ) del sistema

representado en la figura 3.28, donde G ( s) está dada por:
G ( s) =
1
s+a
Solución:
Observe que existe un muestreador a la entrada de G ( s ) y por tanto la función de

transferencia pulso es G ( z ) = Z [G ( s ) ] .
Primero se obtiene la función de respuesta impulso del sistema, así:
g (t ) = L −1
[G ( s)] = e− at
g (kT ) = e − akT para k = 0,1, 2,…

Por lo tanto,
Aplicando la transformada Z , se encuentra que la función de transferencia pulso

es:
G( z) =
z
z − e − aT
Lección 3: SISTEMAS NO LINEALES
En la práctica muchos de los sistemas dinámicos son no lineales. El proceso de

linealizar sistemas no lineales es importante, porque linealizar ecuaciones no
lineales permite aplicar numerosos métodos de análisis lineal que proporcionen
información acerca del comportamiento de los sistemas no lineales. El
procedimiento de linealización que se presenta aquí se basa en la expansión de la
función no lineal en series de Taylor alrededor del punto de operación (set point) y
la retención solo del término lineal.
A continuación se presentan los aspectos matemáticos de la técnica de

linealización y después se aplica esta técnica a un sistema de intercambio de calor
con el fin de obtener un modelo lineal para el sistema.
A fin de obtener un modelo matemático lineal para un sistema no lineal, se supone

que las variables sólo se desvían ligeramente de alguna condición de operación
(set point). Considere un sistema cuya entrada es x(t ) y cuya salida es y (t ) . La
relación entre y (t ) y x(t ) se puede escribir así:
y = f ( x) (3.36)
Si las condiciones de trabajo en el punto de operación corresponden a x po y y po ,

la ecuación anterior se expande en series de Taylor alrededor de este punto, del
modo siguiente:
y = f ( x po ) +
df
( x − x po ) + 2! dx 2
1 d2 f
(x − x ) +
1 d3 f
(x − x ) +
2 3
(3.37)
x = x po
po po
dx x = x po
3! dx 3 x = x po
En donde las derivadas df dx , d 2 f dx 2 , d 3 f dx 3 ,… se evalúan en x = x po . Si la

variación x − x po es pequeña, se pueden despreciar los términos x − x po de orden
superior, pudiendo escribir esta última ecuación así:
y = y po + K ( x − x po ) (3.38)
Donde,
y po = f ( x po ) y K =
df
dx x = x po
Simplificando un poco la notación se puede escribir la ecuación linealizada del

sistema dinámico no lineal así:
y = K x (3.39)
y = y − y po y x = x − x po
En donde,
Se conocen como variables de desviación y permiten observar una relación lineal

entre la entrada y la salida del sistema no lineal, cuando este trabaja alrededor de
un punto de operación.
Ejemplo 3.16 Encuentre un modelo linealizado para el sistema de la figura 3.30, el

cual representa un intercambiador de calor junto con su modelo matemático:
Fs ( t )
Modelo matemático:
F ( t ) Cp [To ( t ) − Ti ( t ) ] = Fs ( t ) λ
F (t ) F (t )
Ti ( t ) To ( t )
Figure 3.30 Intercambiador de calor
Donde,
F (t ) : Flujo de entrada al intercambiador (Kg/s)

Ti (t ) : Temperatura del fluido a la entrada del intercambiador (ºC)
To(t ) : Temperatura del fluido a la salida del intercambiador (ºC)
Fs(t ) : Flujo de vapor (Kg/s)
λ : Calor latente del vapor (2.25x106 J/Kg)

Cp : Capacidad calorífica del fluido (3750 J/KgºC)
Este es un sistema no lineal porque hay productos de funciones que varían con el
tiempo como F (t )To(t ) y F (t )Ti (t ) . La idea es, entonces, linealizar el modelo
matemático alrededor de un punto de operación, para esto se conoce que las
condiciones normales de trabajo del intercambiador son:
Fpo = 12 Kg/s Ti po = 50 ºC Fs po = 0.8 Kg/s
Solución:
Los pasos a seguir para obtener el modelo linealizado son:
• Encontrar el valor de todas las variables cuando el sistema trabaja en el punto
FpoCp ⎡⎣To po − Ti po ⎤⎦ = Fs po λ
de operación:
En este caso el único valor desconocido es la temperatura de salida To po , el

cual se puede hallar despejando de la ecuación anterior:
Fs po λ + Fpo CpTi po (0.8)(2.25 ×106 ) + (12)(3750)(50)

To po = = = 90 ºC
FpoCp (12)(3750)
• Expresar la ecuación del modelo como f ( x) = 0
F (t )Cp [To(t ) − Ti (t ) ] − Fs (t )λ = 0
• Obtener la función linealizada f ( x ) como:
( )
f F (t ), To(t ), Ti (t ), Fs (t ) = K1 F (t ) + K 2 To(t ) + K 3 Ti (t ) + K 4 Fs(t ) = 0
Donde F (t ), To(t ), Ti (t ), Fs (t ) , corresponden a las variables de desviación y

están dadas por:
F (t ) = F (t ) − Fpo
To(t ) = To(t ) − To po
Ti (t ) = Ti (t ) − Ti po
Fs (t ) = Fs (t ) − Fs po
Y K1 , K 2 , K 3 , K 4 , son las derivadas parciales de f ( x) respecto a cada variable,

evaluadas en las condiciones del punto de operación, es decir:
= Cp ⎡⎣To po − Ti po ⎤⎦ = 3750 [90 − 50] = 1.5 × 105

∂f
K1 =
∂F
∂f
po
K2 = = FpoCp = (12)(3750) = 4.5 × 104

∂To
∂f
po
K3 = = − Fpo Cp = −(12)(3750) = −4.5 × 104

∂Ti
∂f
po
K4 = = −λ = −2.25 × 106
∂Fs po
• Reemplazar los valores en la función linealizada para obtener el modelo lineal

del sistema:
1.5 ×105 F (t ) + 4.5 × 104 To(t ) − 4.5 × 104 Ti (t ) − 2.25 × 106 Fs(t ) = 0
Lección 4: DIAGRAMAS DE BLOQUES
1. ELEMENTOS DE UN DIAGRAMA DE BLOQUES
Un diagrama de bloques de un sistema es una representación gráfica de las

funciones realizadas por cada componente y del flujo de las señales. Los
elementos de un diagrama de bloques son el bloque, el punto de suma, el punto
de bifurcación y las flechas que indican la dirección del flujo de señales.
Punto de suma Punto de bifurcación

+
(Takeoff)
Bloque a a±b
±
b
Figure 3.31 Elementos de un diagrama de bloques
Las ventajas de la representación mediante diagramas de bloques de un sistema

radican en que es fácil formar el diagrama de bloques general de todo el sistema
con sólo conectar los bloques de los componentes de acuerdo con el flujo de
señales y en que es posible evaluar la contribución de cada componente al
desempeño general del sistema.
El procedimiento para trazar un diagrama de bloques de un sistema es el

siguiente:
• Se escriben las ecuaciones que describen el comportamiento dinámico de

cada componente.
• Se aplica la transformada de Laplace a cada ecuación, suponiendo

condiciones iniciales iguales a cero.
• Se representa individualmente cada ecuación en forma de bloques.

• Se integran todos los bloques en un solo diagrama de bloques.
Ejemplo 3.17 Hacer una representación en diagrama de bloques del sistema

eléctrico de la siguiente figura:
Figure 3.32 Circuito RC
Donde ei (t ) (voltaje de entrada) es la señal de entrada, eo (t ) (voltaje de salida) es

la señal de salida e i (t ) es la corriente.
Solución:
El procedimiento es el siguiente:
• Se escriben las ecuaciones dinámicas del sistema:
eo (t ) − ei (t )
i (t ) = (a)
eo (t ) = ∫ i (t )dt
R
1
(b)
C
• Se aplica la transformada de Laplace a cada ecuación:
Eo ( s ) − Ei ( s )
I ( s) = (a)
R
Eo ( s ) =
1
I ( s) (b)
Cs
• Se representa cada ecuación en forma de bloques:

(a) (b)
• Se integran todos los bloques en un solo diagrama
2. REDUCCIÓN DE DIAGRAMAS DE BLOQUES PARA SISTEMAS

CONTINUOS
Un diagrama de bloques complicado que contenga muchos lazos de

realimentación, se puede simplificar mediante la aplicación de las reglas del
álgebra de bloques, lo que permite un reordenamiento paso a paso que culmina la
reducción del sistema a un solo bloque.
Algunas de las reglas más importantes del álgebra de bloque se muestran en la

tabla 3.1.
Table 3.1 Reglas del álgebra de bloques
Ejemplo 3.18 Reducir el diagrama de bloques que se presenta a continuación y

obtener la función de transferencia.
Figure 3.33 Diagrama de bloques para el ejemplo 3.18
Solución:
En primer lugar, lleva el bloque F después del punto de suma, obteniendo:

Ahora, se combinan los bloques en serie F y G , y los bloques del lazo 1 F y J ,

de manera que se obtiene lo siguiente:
Después, se intercambian los puntos de suma 2 y 3:
Luego, se simplifica el subsistema realimentado que involucra los bloques I y

FG , obteniendo un bloque A equivalente a:
A=
FG
1 − FGI
Nuevamente se simplifican los bloques en serie, en este caso A y H :

Posteriormente, se simplifica el subsistema realimentado que involucra los bloques

HA y J F , obteniendo un bloque B equivalente a:
B=
FGH
1 − FGI + GHJ
Finalmente, se reduce el sistema realimentado obteniendo la función de

transferencia:
=
C (s) FGH
R( s ) 1 − FGI + GHJ + FGH
Otra manera, de realizar la reducción del diagrama de la figura 3.33 se presenta a

continuación:
Primero se traslada el bloque H antes del bloque de bifurcación y se redistribuye

la ubicación de los puntos de suma de la entrada:
Ahora, se simplifica el subsistema realimentado conformado por los bloques G, H

y J , de esta forma se obtiene el bloque D ; al mismo tiempo que se reducen los
lazos que llegan al punto de suma de la parte inferior, obteniendo el bloque E :
Después, se reducen los bloques en serie F y D :
Finalmente, se simplifica el sistema realimentado obteniendo la función de

transferencia del sistema. Se recomienda al estudiante realizar esta última
verificación.
3. REDUCCIÓN DE DIAGRAMAS DE BLOQUES PARA SISTEMAS DISCRETOS
Al analizar los sistemas de control en tiempo discreto, a menudo se encuentra que

algunas señales son muestreadas y otras no.
Suponga un sistema cuya función de transferencia es G ( s ) , como se muestra en

la figura 3.34, el cual es controlado por una señal muestreada x* (t ) , que
corresponde a una señal discreta de periodo T , en donde la amplitud de cada
impulso equivale al valor de amplitud que tiene la señal x(t ) en el instante en que
se produce el muestreo.
*
x (t ) x (t ) y (t )
G (s)
X (s) T *
X (s) Y (s)
Figure 3.34 Sistema muestreado mediante impulsos
Entonces la ecuación de salida es:
Y ( s) = G ( s) X * ( s)
Y * ( s) = G* ( s) X * ( s)
Que corresponde a la transformada Z de la ecuación cuando z = e sT , es decir:
Y ( z) = G( z) X ( z)
Por lo que la función de transferencia pulso está dada por:
= G ( z ) (3.40)
Y ( z)
X ( z)
Si el diagrama de bloques está compuesto por dos o más bloques en serie el

método de reducción se muestra en los siguientes ejemplos.
Ejemplo 3.19 Encuentre la función de transferencia pulso para el sistema que se

muestra en la figura 3.35, en donde todos los muestreadores están sincronizados
y poseen el mismo periodo de muestreo.
*
x (t ) x (t ) u (t ) u * (t ) y (t )
G (s) H ( s)
X (s) T *
X (s) U (s) T *
U (s) Y (s)
Figure 3.35 Sistema muestreado con un muestreador entre los elementos en serie
Solución:
A partir del diagrama se obtiene,
U ( s) = G ( s) X * ( s)
Y ( s ) = H ( s )U * ( s )
Por tanto al tomar la transformada de cada una de estas ecuaciones, se obtiene:
U * (s ) = G* ( s) X * ( s)
Y * ( s ) = H * ( s )U * ( s )
Y * ( s ) = H * ( s )G * ( s ) X * ( s )
En consecuencia,
En términos de la transformada Z :
Y ( z ) = H ( z )G ( z ) X ( z )
Se concluye que la transformada Z de dos sistemas separados mediante un

muestreador es igual al producto de las transformadas Z de los dos sistemas. Es
decir, que la función de transferencia está dada mediante:
= G ( z ) H ( z ) (3.41)
Y ( z)
X ( z)
Ejemplo 3.20 Encuentre la función de transferencia pulso para el sistema que se

muestra en la figura 3.36.
*
x (t ) x (t ) y (t )
G (s) H (s)
X (s) T *
X (s) Y (s)
Figure 3.36 Sistema muestreado sin muestreador entre los elementos en serie
Solución:
A partir del diagrama se encuentra que:
Y ( s ) = G ( s ) H ( s ) X * ( s ) = GH ( s ) X * ( s )
Al tomar la transformada, se obtiene
Y * ( s ) = [GH ( s ) ] X * ( s )
*
En términos de la transformada Z ,
Y ( z ) = GH ( z ) X ( z )
Y la función de transferencia pulso es
= GH ( z ) (3.42)
Y ( z)
X ( z)
Si se trata de un sistema en lazo cerrado, la salida del sistema se resume en la

tabla 3.2:
Table 3.2 Sistemas de control discreto en lazo cerrado

R(s) C (s) C( z)
+− C ( z) =
G ( s)
G ( z ) R( z )
1 + GH ( z )
(3.43)
H (s)
R(s) C (s) C ( z)
+− C ( z) =
G ( s)
G ( z ) R( z )
1 + G( z) H ( z)
(3.44)
H ( s)
+
R(s) C (s) C( z)
− C ( z) =
G1 ( s ) G2 ( s )
G1 ( z )G2 ( z ) R( z )
1 + G1 ( z )G2 H ( z )
(3.45)
H ( s)
+
R( s) C (s) C( z)
− C ( z) =
G1 ( s ) G2 ( s )
G2 ( z )G1 R( z )
1 + G1G2 H ( z )
(3.46)
H (s)
R( s) C (s) C( z)
+− C ( z) =
G (s)
GR( z )
1 + GH ( z )
(3.47)
H (s)
Se sugiere al estudiante verificar estos resultados, con el fin de afianzar los

conocimientos en el tema.
4. REGLA DE MASON
El ejemplo 3.18 pone en manifiesto que para la obtención de la función de

transferencia de un sistema a partir de su diagrama de bloques es necesario
desarrollar habilidad en la manipulación de los mismos. Sin embargo, existe un
procedimiento general para la obtención de la función de transferencia conocido
como la regla de Mason.
La regla de Mason emplea las definiciones que se presentan a continuación y que

se ilustran en el ejemplo 3.21.
• Trayectoria directa: Conjunto de bloques que van de la entrada a la salida, sin

repetirse.
• Ganancia de la trayectoria directa: Producto de las ganancias de los bloques

que forman la trayectoria directa.
• Lazo cerrado: Conjunto de bloques que parten de un punto de suma o

bifurcación y llegan al mismo punto, sin repetir ningún bloque.
• Ganancia de lazo cerrado: Producto de las ganancias de los bloques que

forman un lazo.
• Lazos adyacentes: Lazos que comparten al menos un punto de suma o

bifurcación.
• Lazos no adyacentes: Lazos que no comparten ningún punto de suma o

bifurcación.
Ejemplo 3.21 Reducir el diagrama de bloques que se presenta a continuación

usando la regla de Mason y obtener la función de transferencia.

Solución:
La única trayectoria directa entre la entrada R y la salida C , está conformada por

los bloques F , G y H . Por lo tanto, la ganancia de la trayectoria directa es:
M 1 = FGH
Además existen tres lazos cerrados, cuyas ganancias son:
L1 = − FGH
L2 = −GHJ
L3 = FGI
Los signos de las ganancias dependen de la realimentación existente. Estos tres

lazos son adyacentes, ya que comparten puntos de suma y de bifurcación. En este
ejemplo no existen lazos no adyacentes.
El cálculo de la función de transferencia M , aplicando la fórmula de Mason, está
=∑
C ( s) N M k Δ k
dado por:
M=
R ( s ) k =1 Δ
(3.48)
En donde,
N : Número total de trayectorias directas

M k : Ganancia de la k-ésima trayectoria directa
Δ : 1 – (suma de las ganancias de todos los lazos) + (suma de los productos de las
ganancias de todas las combinaciones de dos lazos que no se tocan) – (suma de
los productos de las ganancias de todas las combinaciones de tres lazos que no
Δ k : La Δ para aquella parte del diagrama que no toca la k-ésima trayectoria

se tocan) + …
directa
Aplicando esta fórmula se obtiene que existe solamente una trayectoria directa:
M 1 = FGH
Además existen tres lazos cerrados, los cuales son adyacentes entre si:
L1 = − FGH
L2 = −GHJ
L3 = FGI
Δ = 1 − FGI + FGH + GHJ

Por lo que,
Y Δ1 = 1 , ya que todos los lazos tocan la trayectoria directa
Reemplazando todos estos valores en la fórmula de Mason se obtiene que la

función de transferencia del sistema está dada por:
=
C (s) FGH
R( s ) 1 − FGI + GHJ + FGH
Lo cual equivale a la solución obtenida en el ejemplo 3.18, cuando se usó el

álgebra de bloques.
Lección 5: ESPACIO DE ESTADOS
Día a día los sistemas de ingeniería se vuelven más complejos debido a que se
requiere realizar tareas más complicadas y con mayor precisión. Estos sistemas
complejos pueden tener entradas y salidas múltiples, y pueden variar en el tiempo,
por lo que la representación mediante funciones de transferencia no es aplicable.
Es por esto, que desde 1960 se ha venido desarrollado la teoría de control
moderna que permite un nuevo enfoque para el análisis y diseño de sistemas de
control complejos basado en el concepto de estado, el cual ya se venía utilizando
en el campo de la dinámica clásica y en otros medios.
Se observa entonces, que la teoría de control moderna contrasta con la teoría de

control convencional en que la primera se aplica a sistemas con entradas y salidas
múltiples, que pueden ser lineales o no lineales, en tanto que la segunda sólo se
aplica a sistemas lineales con una entrada y una salida e invariantes con el
tiempo. Asimismo, la teoría del control moderna es esencialmente un enfoque en
el dominio del tiempo, en tanto que la teoría de control convencional es un
enfoque complejo en el dominio de la frecuencia.
Así pues, en esta sección se presenta el material introductorio para la

representación y el análisis en espacio de estados de los sistemas dinámicos.
1. DEFINICIONES
Una ecuación diferencial de n-ésimo orden se puede descomponer en n

ecuaciones diferenciales de primer orden. Una ecuación de primer orden es más
fácil de resolver que otra de orden más alto.
Ejemplo 3.22 Escriba el modelo matemático del circuito eléctrico RLC en serie de
la figura, en términos de ecuaciones diferenciales de primer orden:
Figure 3.38 Circuito RLC
Solución:
El modelo matemático de este sistema es una ecuación diferencial de segundo

orden:
ei (t ) = Rio (t ) + L + ∫ io (t )dt
dio (t ) 1
dt C
Para esta ecuación diferencial se tiene:

x1 (t ) = ∫ i (t )dt
x2 (t ) = = i (t )
dx1 (t )
dt
Por lo que la ecuación diferencial de segundo orden se puede descomponer en

dos ecuaciones diferenciales de primer orden así:
= x2 (t )
dx1 (t )
dt
=− x1 (t ) − x2 (t ) + ei (t )
dx2 (t ) 1 R 1
dt LC L L
De igual forma, para la ecuación diferencial de un sistema de n-ésimo orden:
d n −1 y (t )
+ a1 + + an −1 + an y (t ) = f (t ) (3.49)
d n y (t ) dy (t )
n n −1
dt dt dt
x1 (t ) = y (t )
Se define,
x2 (t ) =
dy (t )
dt
d n −1 y (t )
xn (t ) =
dt n −1
Entonces, la ecuación diferencial de n-ésimo orden se descompone en n

ecuaciones diferenciales de primer orden, así:
= x2 (t )
dx1 (t )
dt
= x3 (t )
dx2 (t )
dt (3.50)
= − an x1 (t ) − an −1 x2 (t ) − … − a2 xn −1 (t ) − a1 xn (t ) + f (t )
dxn (t )
dt
Este conjunto de ecuaciones diferenciales de primer orden se conoce como

ecuaciones de estado y x1 , x2 ,… , xn son llamadas variables de estado.
El estado de un sistema se refiere a las condiciones pasadas, presentes y futuras

del sistema. Es conveniente definir un conjunto de variables de estado y
ecuaciones de estado para modelar sistemas dinámicos.
Las variables x1 , x2 ,… , xn son las variables de estado de un sistema de n-ésimo

orden, y las n ecuaciones diferenciales de primer orden son las ecuaciones de
estado.
Las variables de estado deben satisfacer las siguientes condiciones:
• En cualquier tiempo inicial t = t0 las variables de estado x1 (t0 ), x2 (t0 ),… , xn (t0 )
definen los estados iniciales del sistema.
• Una vez que las entradas del sistema para t ≥ t0 y los estados iniciales antes
definidos son especificados, las variables de estado deben definir
completamente el comportamiento futuro del sistema.
En otras palabras, las variables de estado de un sistema se definen como un

conjunto mínimo de variables x1 , x2 ,… , xn , de cuyo conocimiento en cualquier
tiempo t0 y del conocimiento de la información de la entrada de excitación que se
tiempo t ≥ t0 .
aplica subsecuentemente, se puede determinar el estado del sistema en cualquier
2. ECUACIONES DE ESTADO PARA SISTEMAS CONTINUOS
Las n ecuaciones de estado de un sistema de n-ésimo orden se representan

como:
= fi ⎡⎣ x1 (t ), x2 (t ),… , xn (t ), u1 (t ), u2 (t ),… , u p (t ) ⎤⎦
dxi (t )
dt
En donde i = 1, 2,… , n
Sean las variables de y1 (t ), y2 (t ),… , yq (t ) las q variables de salida del sistema. Las
variables de salida son funciones de las variables de estado y de las variables de
entrada.
Las ecuaciones de salida se pueden expresar como:
y j (t ) = g j ⎡⎣ x1 (t ), x2 (t ),… , xn (t ), u1 (t ), u2 (t ),… , u p (t ) ⎤⎦
En donde j = 1, 2,… , q
El conjunto de las n ecuaciones de estado y las q ecuaciones de salida forman

las ecuaciones dinámicas. Por facilidad de expresión y manipulación, es
conveniente representar las ecuaciones dinámicas en forma matricial. Así pues, se
definen los siguientes vectores:
⎡ u1 (t ) ⎤ ⎡ y1 (t ) ⎤
Vector de estado Vector de entrada Vector de salida
⎡ x1 (t ) ⎤
⎢ x (t ) ⎥ ⎢ u (t ) ⎥ ⎢ y (t ) ⎥
x(t ) = ⎢ 2 ⎥ u(t ) = ⎢ ⎥ y (t ) = ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
2 2
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ xn (t ) ⎦ n×1 ⎢⎣u p (t ) ⎥⎦ p×1 ⎢⎣ yq (t ) ⎥⎦ q×1
Mediante la utilización de los anteriores vectores, las n ecuaciones de estado se

pueden escribir como:
= f [ x(t ), u(t ) ] (3.51)

dx(t )
dt
En donde f denota una matriz columna de n × 1 que contiene las funciones

f1 , f 2 ,… , f n como elementos. De igual manera, las q ecuaciones de salida se
convierten en:
y (t ) = g [ x(t ), u(t ) ] (3.52)
En donde g denota una matriz columna de q × 1 que contiene las funciones

g1 , g 2 ,… , g q como elementos.
Para un sistema lineal e invariante en el tiempo (LTI), las ecuaciones dinámicas se

escriben como:
Ecuaciones de estado Ecuaciones de salida
x(t ) = Ax(t ) + Bu(t ) (3.53) y (t ) = Cx(t ) + Du(t ) (3.54)
En donde,
B : matriz de entrada
⎡ b11 b12 b1 p ⎤
A : matriz de estados
⎡ a11 a12 a1n ⎤
⎢a ⎢b b2 p ⎥⎥
a2 n ⎥⎥
A= ⎢ B=⎢
b22
⎢ ⎥
a22
⎢ ⎥
21 21
⎢ ⎥ ⎢ ⎥
⎣ an1 an 2 ann ⎦ n×n ⎣⎢bn1 bn 2 bnp ⎦⎥
n× p
C : matriz de salida
⎡ c11 c12 c1n ⎤
D : matriz de transmitancia directa
⎢c ⎡ d11 d12 d1 p ⎤
c2 n ⎥⎥ ⎢d
C= ⎢ d 2 p ⎥⎥
D=⎢
c22
⎢ ⎥
21
d 22
⎢ ⎥ ⎢ ⎥
21
⎣⎢cq1 cq 2 cqn ⎦⎥ ⎢ ⎥
q× n
⎣⎢ d q1 d q 2 d qp ⎦⎥
q× p
En la siguiente figura se observa el diagrama de bloques para estas ecuaciones:

Figure 3.39 Sistema LTI en espacio de estados
Ejemplo 3.23 Encuentre las ecuaciones de estado y de salida para el sistema

mecánico que aparece en la figura 3.40.
Figure 3.40 Sistema mecánico
Solución:
Se supone que el sistema es lineal y tiene una sola entrada y una sola salida, por
lo tanto, la ecuación diferencial que caracteriza al sistema es:
my + by + ky = u
Este sistema es de segundo orden, lo cual significa que posee dos integradores.
Se definen las variables de estado x1 (t ) y x2 (t ) como:
x1 (t ) = y (t )
x2 (t ) = y (t )
x1 = x2
Luego, se obtiene:
x2 = ( −ky − by ) + u
1 1
m m
x1 = x2
O bien,
x2 = − x1 − x2 + u
k b 1
m m m
y = x1
La ecuación de salida es:
Las anteriores ecuaciones se escriben de forma matricial así:
⎡ 0 1 ⎤ ⎡0⎤
⎡ x1 ⎤ ⎢ ⎡ ⎤
⎢ ⎥= b ⎥ ⎢ ⎥ + ⎢ 1 ⎥u
x
⎣ x2 ⎦ ⎢ − − ⎥ ⎣ x2 ⎦ ⎢ ⎥
1
k
⎣ m m⎦ ⎣m⎦
⎡x ⎤
y = [1 0] ⎢ 1 ⎥
⎣ x2 ⎦
Estas ecuaciones están en la forma estándar:
x(t ) = Ax(t ) + Bu(t )
y (t ) = Cx(t ) + Du(t )
En donde,
⎡ 0 1 ⎤ ⎡0⎤
A=⎢ k b ⎥⎥ B=⎢1⎥ C = [1 0] D=0
⎢− − ⎢ ⎥
⎣ m m⎦ ⎣m⎦
A continuación se mostrará cómo obtener la función de transferencia de un

sistema con una entrada y una salida a partir de las ecuaciones en el espacio de
estados.
Considere el sistema cuya función de transferencia está dada por:
G ( s) =
Y ( s)
U ( s)
Este sistema también se puede representar en el espacio de estado mediante las

ecuaciones:
x(t ) = Ax(t ) + Bu (t )
y (t ) = Cx(t ) + Du (t )
Aplicando la transformada de Laplace (con condiciones iniciales iguales a cero), a

las ecuaciones anteriores se obtiene:
sX( s ) = AX( s ) + BU ( s )
Y ( s ) = CX( s) + DU ( s )
sX( s ) − AX( s ) = BU ( s )
Entonces,
( sI − A ) X ( s ) = B U ( s )
Multiplicando esta ecuación por ( sI − A ) −1 se obtiene:
X( s ) = ( sI − A) −1 BU ( s )
Sustituyendo este resultado en la ecuación de salida se tiene,
Y ( s ) = ⎡⎣C( sI − A) −1 B + D ⎤⎦ U ( s )
De donde se obtiene la función de transferencia como:
G(s) = = C( sI − A) −1 B + D (3.55)
Y ( s)
U ( s)
Ejemplo 3.24 Obtener la función de transferencia para el sistema del ejemplo

3.23, utilizando para ello los resultados obtenidos anteriormente.
Solución:
Usando la ecuación (3.55), se reemplazan los valores de A, B, C y D para obtener

la función de transferencia:
G ( s ) = C( sI − A) −1 B + D
⎧ ⎡ 0 1 ⎤⎫ ⎡0⎤
−1
⎪ ⎡ s 0⎤ ⎢
G ( s ) = [1 0] ⎨ ⎢
⎪
⎥− k b ⎥⎥ ⎬ ⎢1 ⎥+0
⎪ ⎣0 s ⎦ ⎢⎣ − m −
m ⎦ ⎪⎭
⎢ ⎥
⎣m⎦
⎩
⎡s −1 ⎤ ⎡0⎤
−1
G ( s ) = [1 0] ⎢ k b⎥ ⎢1⎥
⎢ s+ ⎥ ⎢ ⎥
⎣m m⎦ ⎣m⎦
Donde,
⎡ ⎤
⎡s −1 ⎤ ⎢ s + m 1⎥
−1 b
⎢k b ⎥⎥ = ⎢ ⎥
⎢
1
s+ ⎢−k
⎣m m⎦ s2 + s + s⎥
⎣⎢ m ⎥⎦
b k
m m
Entonces,
⎡ ⎤
⎢ s+ 1⎥ ⎡ 0 ⎤
G ( s ) = [1 0]
b
⎢ ⎥⎢1 ⎥
⎢ ⎥
1 m
k ⎢ k
s + s+ − s⎥ ⎣ m ⎦
m ⎣⎢ m ⎥⎦
2 b
m
G(s) =
1
ms + bs + k
2
3. ECUACIONES DE ESTADO PARA SISTEMAS DISCRETOS
La representación en espacio de estado de sistemas discretos se puede encontrar

de forma muy similar a como se realizó con los sistemas continuos. Para sistemas
de tiempo discreto, la ecuación de estado se pueden escribir como:
x(k + 1) = f [ x(k ), u(k ), k ] (3.56)
Y la ecuación de salida como:
y (k ) = g [ x(k ), u(k ), k ] (3.57)
Para un sistema discreto lineal e invariante en el tiempo, la ecuación de estado y

la ecuación de salida se escriben como:
Ecuación de estado Ecuación de salida
x(k + 1) = Gx(k ) + Hu(k ) (3.58) y (k ) = Cx(k ) + Du(k ) (3.59)
En donde,
( n × n) (n × p)
G : matriz de estados H : matriz de entrada
C : matriz de salida (q × n)
(q × p)
D : matriz de transmitancia directa
4. REPRESENTACIÓN EN EL ESPACIO DE ESTADOS
Un sistema dinámico formado por una cantidad finita de elementos de parámetros

concentrados se describe mediante una serie de ecuaciones diferenciales, en las
cuales el tiempo es la variable independiente. Con la notación matricial, puede
expresarse una ecuación diferencial de n-ésimo orden mediante una ecuación
diferencial matricial de primer orden. Si n elementos del vector son un conjunto de
variables de estado, la ecuación diferencial matricial es una ecuación de estado.
En esta sección se presentan métodos para obtener representaciones en el
espacio de estados de sistemas en tiempo continuo.
En primer lugar, considere un sistema de n-ésimo orden en el cual la función de

excitación no posee derivadas:
y ( n ) + a1 y ( n −1) + + an −1 y + an y = u
En donde se definen n variables de estado, de la siguiente forma:
x1 = y
x2 = y
xn = y ( n −1)
Lo cual permite reescribir la ecuación de n-ésimo orden como n ecuaciones

diferenciales de primer orden, así:
x1 = x2
x2 = x3
xn −1 = x2
xn = −an x1 − an −1 x2 − − a1 xn + u
x(t ) = Ax + Bu
O bien,
⎡0 ⎤
En donde,
⎡ x1 ⎤ ⎡ 0 0 ⎤
⎢x ⎥ ⎢ 0 ⎢0 ⎥
0 ⎥⎥
1 0
⎢ 2 ⎥ ⎢ 0 1 ⎢ ⎥
x=⎢ ⎥ A=⎢ ⎥ B=⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ xn −1 ⎥ ⎢ 0 1 ⎥ ⎢0 ⎥
⎢⎣ xn ⎥⎦ ⎢⎣ −an −a1 ⎥⎦ ⎢⎣1 ⎥⎦
0 0
−an −1 − an − 2
Y la salida se obtiene mediante,

⎡ x1 ⎤
⎢x ⎥
⎢ 2 ⎥
y = [1 0 0 0] ⎢ ⎥
⎢ ⎥
⎢ xn −1 ⎥
⎢⎣ xn ⎥⎦
y = Cx
O bien,
C = [1 0 0 0]
Donde,
Ejemplo 3.25 Obtenga la representación en espacio de estado del sistema

descrito mediante la siguiente ecuación diferencial de tercer orden:
y + 3y + 2 y = u
Solución:
Para obtener la representación en el espacio de estado del sistema, primero se

definen las variables de estado:
x1 = y
x2 = y
x3 = y
Derivando estas expresiones se obtiene:
x1 = y = x2
x2 = y = x3
x3 = y = −3 y − 2 y + u = −3 x3 − 2 x2 + u
Ordenando estas relaciones se encuentra:
x1 = 0 x1 + 1x2 + 0 x3 + 0u
x2 = 0 x1 + 0 x2 + 1 x3 + 0u
x3 = 0 x1 − 2 x2 − 3 x3 + 1u
Usando la representación matricial se obtiene:
⎡ x1 ⎤ ⎡ 0 1 0 ⎤ ⎡ x1 ⎤ ⎡ 0⎤
⎢ x ⎥ = ⎢0 0 1 ⎥ ⎢ x ⎥ + ⎢0⎥ u
⎢ 2⎥ ⎢ ⎥⎢ 2⎥ ⎢ ⎥
⎢⎣ x3 ⎥⎦ ⎢⎣ 0 -2 -3 ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣1 ⎥⎦
⎡ x1 ⎤
y = [1 0 0] ⎢⎢ x2 ⎥⎥ + [ 0] u
⎢⎣ x3 ⎥⎦
Ahora, considere el sistema de n-ésimo orden, el cual involucra derivadas en la

función de excitación:
y ( n ) + a1 y ( n −1) + + an −1 y + an y = b0u ( n ) + b1u ( n −1) + + bn −1u + bn u
En este caso, se eligen las variables de estado de tal modo que se eliminen las
derivadas de u en la ecuación de estado.
Para obtener la ecuación de estado y la ecuación de salida, se definen las

siguientes n variables como un conjunto de n variables de estado.
x1 = y − β 0u
x2 = y − β 0u − β1u = x1 − β1u
x3 = y − β 0u − β1u − β 2u = x2 − β 2u
xn = y ( n −1) − β 0u ( n −1) − β1u ( n − 2) − − β n − 2u − β n −1u = xn −1 − β n −1u
En donde, β 0 , β1 , β 2 ,… , β n se determinan a partir de las siguientes ecuaciones:
β 0 = b0
β1 = b1 − a1β 0
β 2 = b2 − a1β1 − a2 β 0
β n = bn − a1β n −1 − − an −1β1 − an β 0
Con la actual elección de variables se obtiene:
x1 = x2 + β1u
x2 = x3 + β 2u
xn −1 = xn + β n −1u
xn = −an x1 − an −1 x2 − − a1 xn + β n u
En términos matriciales, la ecuación de estado se escribe como:
x(t ) = Ax + Bu
En donde,
⎡ x1 ⎤ ⎡ 0 0 ⎤ ⎡ β1 ⎤
⎢x ⎥ ⎢ 0 0 ⎥⎥ ⎢β ⎥
1 0
⎢ 2 ⎥ ⎢ 0 1 ⎢ 2 ⎥
x=⎢ ⎥ A=⎢ ⎥ B=⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ xn −1 ⎥ ⎢ 0 1 ⎥ ⎢ β n −1 ⎥
⎢⎣ xn ⎥⎦ ⎢⎣ −an −a1 ⎥⎦ ⎢⎣ β n ⎥⎦
0 0
−an −1 − an − 2
Y la salida se obtiene mediante,

⎡ x1 ⎤
⎢x ⎥
⎢ 2 ⎥
y = [1 0 0 0] ⎢ ⎥ + β 0u
⎢ ⎥
⎢ xn −1 ⎥
⎢⎣ xn ⎥⎦
y = Cx + Du
O bien,
C = [1 0 0 0] D = β0
En donde,
y
Ejemplo 3.26 Obtenga la representación en espacio de estado de un sistema de

tiempo continuo modelado mediante la siguiente ecuación diferencial:
y + 3 y + 2 y = 5u + u
Solución:
Note que la función de entrada posee derivadas, y que la forma normalizada de la

ecuación diferencial es la siguiente:
y + a1 y + a2 y + a3 y = b0u + b1u + b2u + b3u
Comparando esta con la ecuación del sistema se observa que:
a1 = 3; a2 = 2; a3 = 0;
b0 = 0; b1 = 0; b2 = 5; b3 = 1;
A continuación se encuentran los valores de β :

β 0 = b0 = 0
β1 = b1 − a1β 0 = 0 − 3(0) = 0
β 2 = b2 − a1β1 − a2 β 0 = 5 − 3(0) − 2(0) = 5
β 4 = b3 − a1β 2 − a2 β1 − a3 β 0 = 1 − 3(5) − 2(0) − 0(0) = −14
Con estos valores se puede representar el sistema en espacio de estados:
x1 = x2 + 0u
x2 = x3 + 5u
x3 = −a3 x1 − a2 x2 − a1 x3 + β 3u = −0 x1 − 2 x2 − 3 x3 − 14u
En representación matricial, se tiene:
⎡ x1 ⎤ ⎡0 1 0 ⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
⎢ x ⎥ = ⎢0 0 1 ⎥ ⎢ x ⎥ + ⎢ 5 ⎥ u
⎢ 2⎥ ⎢ ⎥⎢ 2⎥ ⎢ ⎥
⎢⎣ x3 ⎥⎦ ⎢⎣0 -2 -3 ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣ -14⎥⎦
La ecuación de salida se obtiene de:
x1 = y − β 0u ⇒ y = x1 + β 0u ⇒ y = x1 + (0)u ⇒ y = x1
Por lo tanto,
⎡ x1 ⎤
y = [1 0 0] ⎢⎢ x2 ⎥⎥ + [ 0] u
⎢⎣ x3 ⎥⎦
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD 1
1. ¿Qué son los sistemas de control? ¿Cómo se pueden clasificar?
2. ¿Qué diferencia existe entre el control y la automatización?
3. ¿Qué elementos componen un sistema de control? Realice un ejemplo donde

se evidencien todos ellos.
4. ¿Qué es un sensor? Mencione cinco ejemplos.
5. ¿Qué diferencias existen entre un sistema de control continuo y un sistema de

control discreto?
6. Haga una lista de las principales ventajas y desventajas de los sistemas de

control en lazo abierto.
7. Mencione dos ejemplos de sistemas de control en lazo abierto que se apliquen

en su vida diaria.
8. Haga una lista de las principales ventajas y desventajas de los sistemas de

control en lazo cerrado.
9. Mencione dos ejemplos de sistemas de control en lazo cerrado que se apliquen

en su vida diaria.
10. ¿Qué tipos de métodos de control existen? Mencione dos ejemplos de cada
uno.
FUENTES DOCUMENTALES DE LA UNIDAD 1
DOCUMENTOS IMPRESOS
DORF,Richard y BISHOP, Robert. Sistemas de control moderno. Décima edición. Madrid:

Pearson Prentice-Hall, 2005. 882p.
KUO, Benjamin. Sistemas de control automático. Séptima edición. México D.F.: Prentice-
Hall Hispanoamericana S.A., 1996. 897p.
OGATA, Katsuhiko. Ingeniería de control moderna. Tercera edición. México D.F.:

Prentice-Hall Hispanoamericana S.A., 1998. 997p.
OGATA, Katsuhiko. Sistemas de control en tiempo discreto. Segunda edición. México

D.F.: Prentice-Hall Hispanoamericana S.A., 1996. 745p.
SMITH, Carlos y CORRIPIO, Armando. Control automático de procesos: Teoría y práctica.

México D.F.: Editorial Limusa S.A., 1991. 717p.
DIRECCIONES DE SITIOS WEB
DUARTE, Oscar. Programa universidad virtual (online), (Bogotá, Colombia), 2005

(visitado 30 de junio, 2009).
http://www.virtual.unal.edu.co/cursos/ingenieria/2001619/index.html
GUTIERREZ, Álvaro. Robolabo (online). (España), (visitado 30 de junio, 2009).

http://138.100.21.254/labo/b_alumnos/curso_sist_control_2005/
Regents of University of Michigan. Tutoriales de control con MATLAB (online). (Michigan,

USA), septiembre de 1997 (visitado 30 de junio, 2009).
http://www.ib.cnea.gov.ar/~control2/Links/Tutorial_Matlab_esp/index.html
SEGURA, Cristian. Introducción a señales, sistemas y control (online). (España), abril de

2007 (visitado 30 de junio, 2009).
http://es.wikibooks.org/wiki/Introducci%C3%B3n_a_Se%C3%B1ales%2C_Sistemas_y_Co
ntrol
TORRES, Carmen y AGUILAR, José. Curso interactivo de sistemas de control (online).

(Madrid, España), octubre de 2002 (visitado 30 de junio, 2009).
http://www.dma.fi.upm.es/ctorres/Curso%2DInteractivo%2DControl/
UNIDAD 2
Nombre de la
Análisis de los Sistemas Dinámicos
Unidad
La Unidad 2 trata los diferentes métodos de análisis que se
utilizan en control, como son el análisis en el dominio del
Introducción tiempo, el análisis en el dominio de la frecuencia, análisis
mediante el lugar geométrico de las raíces y análisis en el
espacio de estados.
El estudiante de tecnología e ingeniería electrónica debe
conocer la importancia que tiene el análisis de los sistemas
dinámicos dentro de la ingeniería, ya que esto le permitirá
enfrentar un sistema real, analizarlo para ver si es estable o
inestable y obtener las bases para diseñar una solución que
mejore su desempeño. En la Unidad 2 se presentan las
herramientas matemáticas que le permiten al estudiante
Justificación analizar plantas y sistemas de control lineales e invariantes
en el tiempo, tanto continuo como discreto.
Mediante el desarrollo de las lecciones propuestas se

pretende concientizar a los estudiantes del propósito que
tienen los sistemas de control desde el punto de vista del
análisis y de las diferentes metodologías de análisis que
permiten ver la estabilidad de los sistemas de control.
Capacitar a los estudiantes en la utilización de los métodos
Intencionalidades
de análisis que le permitan interpretar el comportamiento y la
Formativas
• Capítulo 4: Análisis de la respuesta en el tiempo
respuesta de los diferentes sistemas dinámicos.
• Capítulo 5: Análisis de respuesta en frecuencia

Denominación de
• Capítulo 6: Análisis del LGR y del espacio de estados
Capítulos
1.
CAPITULO 1: SISTEMAS DE CONTROL
2. CAPITULO 2: HERRAMIENTAS MATEMÁTICAS
3. CAPITULO 3: MODELADO DE SISTEMAS DINÁMICOS
4. CAPITULO 4: ANÁLISIS DE LA RESPUESTA EN EL TIEMPO
INTRODUCCIÓN
La respuesta temporal de un sistema lineal invariante en el tiempo puede

descomponerse en dos partes: la respuesta transitoria y la respuesta estacionaria.
De este modo, si denominamos c(t ) a la expresión de la respuesta temporal:
c(t ) = ct (t ) + css (t ) (4.1)
Donde,
ct (t ) : Respuesta transitoria
css (t ) : Respuesta estacionaria
La respuesta transitoria es originada por la propia característica dinámica del

sistema y determina el comportamiento del sistema durante la transición desde
algún estado inicial hasta el estado final.
La respuesta estacionaria depende fundamentalmente de la señal de excitación al

sistema y, si el sistema es estable, es la respuesta que perdura cuando el tiempo
crece infinitamente.
De esta manera se logra determinar de un modo simple la estabilidad absoluta de

un sistema; se dice que un sistema es estable si su respuesta transitoria decae a
cero cuando el tiempo tiende a infinito.
Además, se define el error en estado estacionario como la diferencia entre la señal

de referencia y la señal realimentada en estado estacionario en sistemas estables.
Este error coincide con el valor estacionario de la señal originada por el detector
de error.
Por otra parte, en sistemas de control, interesa minimizar la desviación de la señal

de salida respecto a la señal de entrada en estado transitorio. Por esta razón se
caracteriza la respuesta transitoria respecto a entradas típicas o estándares,
conociendo que, como el sistema es lineal, la respuesta del sistema a señales
más complejas es perfectamente predecible a partir del conocimiento de la
respuesta a estas entradas de prueba más simples. Generalmente, las entradas
típicas son: función impuso, función escalón, función rampa y función parabólica
en el tiempo.
Lección 1: SISTEMAS DE PRIMER ORDEN
Un sistema de primer orden es aquel que únicamente posee un polo en su función

de transferencia. Físicamente, este sistema representa un circuito RC, un sistema
de nivel de líquido, un sistema térmico o algo similar. La figura 4.1 presenta este
tipo de sistemas:
Figure 4.1 Sistema de primer orden. T : Constante de tiempo del sistema
Si a este sistema se aplica una entrada escalón, es decir R ( s ) = 1 s , se obtiene la

respuesta escalón del sistema:
C ( s) =
1 1
Ts + 1 s
Expandiendo en fracciones parciales, se tiene
C ( s) = − = −
1 T 1 1
s Ts + 1 s s + (1/ T )
Tomando la transformada inversa de Laplace de esta última expresión se obtiene:
c(t ) = 1 − e − t / T (4.2)
En donde t ≥ 0 . Obsérvese que c(t ) = 1 cuando t tiende a infinito si T >0 ; esto
el semiplano izquierdo del plano s . Si T ≤ 0 , el sistema no alcanza el estado

implica que el polo de la función de transferencia del sistema debe encontrarse en
estacionario, resultando el sistema inestable.
Gráficamente:
Figure 4.2 Respuesta escalón de un sistema de primer orden
Observando la gráfica se comprueba que para t = T la señal de salida ha

alcanzado el 63.2 % del valor final, siendo esta una medida típica en la
caracterización de sistemas de primer orden.
Para efectos prácticos, se considera que cuando han transcurrido por lo menos
cuatro constantes de tiempo, la señal de salida ha alcanzado el valor final.
t = 4T → c(t ) = 0.982 ⇒ css (t ) ≈ 1
De este modo se deduce que entre más pequeña es la constante de tiempo de un

sistema de primer orden más rápidamente alcanza el valor final.
Si al mismo sistema se aplica una entrada rampa, es decir R( s ) = 1 s , se obtiene

2
la respuesta rampa del sistema:
C ( s) =
1 1
Ts + 1 s 2
Expandiendo en fracciones parciales, se tiene
C ( s) = − +
1 T T2
s 2 s Ts + 1
c(t ) = t − T + Te −t / T (4.3)
En donde t ≥ 0 . Obsérvese que la señal de error e(t ) es
e(t ) = r (t ) − c(t ) = T (1 − e − t / T ) (4.4)
Esto implica que conforme t tiende a infinito la señal de error se aproxima a T :
e(∞ ) = T
Gráficamente:
Figure 4.3 Respuesta rampa de un sistema de primer orden

Finalmente, si al sistema se aplica un impulso unitario, es decir R ( s ) = 1 , se obtiene

la respuesta impulso del sistema:
C ( s) =
1
Ts + 1
c(t ) =
1 −t / T
e (4.5)
T
En donde t ≥ 0 . Gráficamente:
Figure 4.4 Respuesta impulso de un sistema de primer orden
Con el análisis anterior, se demuestra que para la entrada rampa unitaria, la salida
c(t ) es
c(t ) = t − T + Te −t / T , para t ≥ 0
Para la entrada escalón unitario, que es la derivada de la entrada rampa unitaria,

la salida c(t ) es
c(t ) = 1 − e − t / T , para t ≥ 0
Por último, para la entrada impulso unitario, que es la derivada de la entrada

escalón unitario, la salida c(t ) es
c(t ) = e , para t ≥ 0
1 −t / T
T
Lección 2: SISTEMAS DE SEGUNDO ORDEN
Un sistema de segundo orden se caracteriza por poseer dos polos en su función

de transferencia. Estos sistemas se pueden representar mediante la siguiente
función de transferencia normalizada:
ωn 2
G ( s) =
s 2 + 2ζωn + ωn 2
(4.6)
En donde se define,
ζ : Factor de amortiguamiento
ωn : Frecuencia natural no amortiguada
Se observa pues, que los polos de un sistema de segundo orden vienen

determinados por la expresión:
s1,2 = −ζωn ± ωn ζ 2 − 1 (4.7)
transferencia en función del valor de ζ .

En la figura 4.5 se puede apreciar la ubicación de los polos de la función de
Figure 4.5 Ubicación de los polos en función de ζ
Se observa entonces que:
• Para ζ = 0 , el sistema es oscilatorio, ya que s1,2 = ± jωn .
• Para 0<ζ <1 , el sistema es subamortiguado, ya que s1,2 = −ζωn ± jωn 1 − ζ 2 , o

también se puede escribir que s1,2 = −σ ± jωd .
• Para ζ = 1 , el sistema es críticamente amortiguado, ya que s1,2 = −ωn .
• Para ζ >1 , el sistema es sobreamortiguado, ya que s1,2 = −ζωn ± ωn ζ 2 − 1 .
Así pues, al aplicar una entrada escalón unitario a este sistema de segundo orden
se obtiene la siguiente respuesta en el tiempo:
ωn 2
C ( s) =
s + 2ζωn + ωn s
1
2 2
c(t ) = 1 − e −ζωnt sin(ωd t + θ ) (4.8)

1
1− ζ 2
En donde t ≥ 0 y además:
ωd = ωn 1 − ζ 2 : Frecuencia natural amortiguada
⎛ 1− ζ 2 ⎞ ⎛ω ⎞
θ = tan −1 ⎜ ⎟ = tan −1 ⎜ d ⎟ : Ángulo del polo respecto al origen
⎜ ζ ⎟ ⎝σ ⎠
⎝ ⎠
De hecho puede expresarse,
ζ = cos θ (4.9)
En conclusión, a medida que θ aumenta, el factor de amortiguamiento disminuye.
Figure 4.6 Diferentes respuestas escalón de un sistema de segundo orden
La respuesta del sistema para ζ = 0 es oscilatoria, como puede comprobarse en la
el estado transitorio decrece a medida que aumenta ζ (0<ζ <1) . En concreto, para
figura 4.6. Por otra parte, se observa que el valor máximo de amplitud logrado en
valores de ζ ≥ 1 desaparece totalmente este máximo, lográndose el valor máximo
más acentuada cuanto mayor es el valor de ζ . En concreto; si ζ 1 la respuesta

de la señal cuando se alcanza el estado estacionario. Esta característica es tanto
del sistema de segundo orden puede aproximarse por la respuesta de un primer

orden, realizándose lo que se conoce como aproximación de polo dominante. La
respuesta, en este caso, queda caracterizada por la raíz real que tenga la mayor
constante de tiempo (la más cercana al eje imaginario en el plano s ). Debe
observarse que esta aproximación no puede realizarse cuando se analiza el inicio
de respuesta, donde todavía perdura el efecto de la señal originada por la raíz no

dominante.
Generalmente, en la práctica, se especifican las características o especificaciones

requeridas a un sistema de control en términos de cantidades en el dominio del
tiempo. Estas cantidades vienen determinadas en términos de la respuesta
transitoria frente a una entrada tipo escalón u (t ) . A esta respuesta se le denomina
respuesta inicial.
De este modo se caracteriza la dinámica de un sistema, aunque trabaje con otro

tipo de entradas, a través de la dinámica requerida frente a una entrada escalón.
El significado de los parámetros definidos en la caracterización de la respuesta
inicial determina la forma de la respuesta transitoria de un sistema.
En la figura 4.7 puede observarse la respuesta típica de un sistema frente a una
entrada escalón.
Figure 4.7 Especificaciones para un sistema con respuesta subamortiguada
• Tiempo de retardo td : Tiempo que tarda la respuesta en alcanzar el 50% del

valor final.
• Tiempo de subida tr : En sistemas subamortiguados es el tiempo que tarda la

respuesta en alcanzar el 100% del valor final; para sistemas
sobreamortiguados se define como el tiempo que tarda la respuesta en pasar
del 10% al 90% del valor final.
En términos de ζ y ωn se puede calcular el tiempo de subida, mediante la

siguiente expresión:
⎛ 1− ζ 2 ⎞ π −θ π −θ
tr = tan −1 ⎜ − ⎟= =
⎜ ζ ⎟ ω 1− ζ 2 ω
1
ωn 1− ζ 2 ⎝ ⎠
(4.10)
n d
En donde θ corresponde al ángulo que forma el polo respecto al origen. En el

caso de poseer raíces imaginarias puras (ζ = 0) , el tiempo de subida coincide con
un cuarto del periodo de señal (tr = π 2ωn ) ; a su vez, cuando las raíces son reales
(ζ = 1) , el sistema tiene una característica de amortiguamiento crítico y el tiempo
de subida, según la expresión anterior, es infinito, lo que conlleva la necesidad de
variar su definición.
• Tiempo de pico t p : Es el tiempo que tarda la respuesta en alcanzar el primer

máximo. Sólo existe en sistemas subamortiguados.
En términos de ζ y ωn se puede calcular el tiempo de pico, mediante la siguiente

expresión:
π π
tp = =
ωn 1 − ζ 2 ωd
(4.11)
De este modo, a medida que aumente la parte imaginaria de los polos del sistema,
el tiempo de pico disminuirá.
• Máximo sobreimpulso M p : Es el valor de pico máximo de la curva de

respuesta ponderado por el valor final obtenido.
c(t p ) − c(∞)
M p (%) = × 100(%)
c (∞ )
sistema. En términos de ζ y ωn se puede calcular sobreimpulso máximo,

El máximo sobreimpulso es un parámetro indicativo de la “estabilidad relativa” del
mediante la siguiente expresión:
−πζ
−πσ
Mp =e 1−ζ 2
=e ωd
(4.12)
Observando la expresión anterior puede trazarse una gráfica que relacione M p en

función de ζ :
Figure 4.8 M p en función de ζ
De hecho, cuanto mayor es ζ , menor es el máximo sobreimpulso obtenido en la

respuesta transitoria. Expresado de otro modo, cuanto mayor es el ángulo que
forma el polo del sistema respecto al eje real mayor es el sobreimpulso de la
respuesta. En conclusión, el aumento de la parte real (en valor absoluto) o la
disminución de la parte imaginaria de las raíces conlleva la reducción del M p . De
la figura 4.8 se puede observar que para ζ >0.6 el M p es menor al 10%.
• Tiempo de establecimiento t s : Es el tiempo requerido por la curva de

respuesta para alcanzar y mantenerse dentro de determinado rango
(habitualmente 5% o 2%) del valor final. Generalmente está relacionado con
las constantes de tiempo más grandes del sistema.
Para determinar las expresiones del tiempo de establecimiento en un sistema

subamortiguado, se considera que la respuesta queda comprendida entre
envolventes, que permiten aproximar el tiempo de establecimiento en función de la
parte real de los polos del sistema.
Así, considerando los errores:
5% ⇒ ts ≈ =
ζωn σ
3 3
(4.13)
2% ⇒ ts ≈ =
ζωn σ
4 4
El tiempo de establecimiento es inversamente proporcional a la parte real (en valor

absoluto) de las raíces del sistema subamortiguado.
Figure 4.9 Curvas envolventes de la respuesta paso
En la figura 4.10 se presentan gráficas de las respuestas temporales al escalón

unitario para tres sistemas de segundo orden con diferentes posiciones de polos
en el plano s . En estas figuras se pueden verificar, mediante las expresiones
anteriores, las relaciones entre las posiciones de los polos y las características
temporales de tiempo de subida, tiempo de pico, máximo sobreimpulso y tiempo
de establecimiento.
Figure 4.10 Respuestas al escalón de sistemas de segundo orden
Idealmente interesará lograr siempre sistemas de control que minimicen el máximo

sobreimpulso y los tiempos de respuesta transitoria, manteniendo la máxima
precisión posible.
Ejemplo 4.1 Obtenga el tiempo de subida, el tiempo de pico, el sobreimpulso
que ζ = 0.6 y ωn = 5 rad/seg , cuando el sistema está sujeto a una entrada escalón
máximo y el tiempo de establecimiento, para un sistema de segundo orden, en el
unitario.
Solución:
A partir de los valores dados de ζ y ωn , se obtiene ω p = ωn 1 − ζ 2 = 4 y

σ = ζωn = 3 .
π − θ 3.14 − θ
El tiempo de subida es:
tr = =
ωd 4
En donde θ se obtiene mediante
⎛ ωd ⎞ −1 ⎛ 4 ⎞
θ = tan −1 ⎜ ⎟ = tan ⎜ ⎟ = 0.93 rad
⎝σ ⎠ ⎝3⎠
Por tanto, el tiempo de subida es:
3.14 − 0.93
tr = = 0.55 seg
4
π 3.14
El tiempo de pico es:
tp = = = 0.785 seg
ωd 4
El sobreimpulso máximo es:

−πσ − (3.14)(3)
Mp =e ωd
=e 4
= 0.095
Por tanto, el porcentaje de sobrepaso máximo es 9.5%. Para el criterio del 2%, el
tiempo de establecimiento es:
ts = = = 1.33 seg
σ 3
4 4
Para el criterio del 5%:

ts = = = 1 seg
σ
3 3
3
Lección 3: SISTEMAS DE ORDEN SUPERIOR
Un sistema de orden superior (supuesto estable) puede caracterizarse mediante

una función de transferencia, que admite una expresión de la respuesta a una
entrada escalón unitario de la forma:
K ∏ ( s + zi ) K ∏ ( s + zi )
m m
= i =1
→ C ( s) = i =1
∏ (s + p )∏ (s ∏ (s + p )∏ (s
C (s) 1
+ 2ζ k ωk s + ωk 2 ) + 2ζ k ωk s + ωk 2 )
p r p r
R( s) 2 2 s
j =1 k =1 j =1 k =1
j j
Desarrollando en fracciones parciales y aplicando la transformada inversa de

Laplace:
c(t ) = au (t ) + ∑ a j e + ∑ ⎡⎣bk e −ζ k ωk t cos(ωdk t ) + ck e−ζ k ωk t sin(ωdk t ) ⎤⎦ (4.14)

− p jt
q r
j =1 k =1
En la expresión aparecen términos que dependen de la parte real de los polos.

Dos consideraciones permiten aproximar la dinámica de un sistema de orden
superior por la dinámica de un sistema de primer o segundo orden.
1. CANCELACIÓN CERO-POLO
Se basa en el análisis resultante en la determinación del valor de los residuos
zi = pi + ε , donde ε → 0 . El cálculo del residuo resulta:

cuando el polo se encuentra cercano a un cero; en este caso, puede expresarse
K ∏ ( s + zh )
m
ai = lim h =1
( s + pi )
s∏ ( s + p j )∏ ( s + 2ζ k ωk s + ωk )
s →− pi q r
2 2
j =1 k =1
K ∏ ( s + zh )
m −1
ai = ε lim h =1
s∏ ( s + p j )∏ ( s 2 + 2ζ k ωk s + ωk 2 )
s →− pi q −1 r
j =1 k =1
En la segunda expresión no existen los términos ( s + zi ) en el numerador ni

( s + pi ) en el denominador. En conclusión, en el caso en el cual el polo y el cero
se encuentren muy cercanos ε → 0 ⇒ ai → 0 , perdiendo importancia el término
exponencial de la respuesta transitoria originado por este polo frente al resto de
términos de la respuesta total. De este modo puede simplificarse en un orden la

dinámica del sistema. Debe considerarse que se obtienen resultados análogos en
el caso de poseer ceros complejos conjugados cercanos a polos complejos
conjugados, lo cual permite generalizar esta aproximación a cualquier tipo de
sistemas de orden superior.
2. APROXIMACIÓN DE POLOS DOMINANTES
Los polos más alejados del eje imaginario poseen constantes de tiempo menores
(sean o no reales, en el caso de raíces complejas conjugadas existe una
dependencia respecto a su parte real), de manera que puede afirmarse que las
exponenciales debidas a estos polos son importantes en el inicio de la respuesta
transitoria, pero que decaen a cero mucho más rápidamente que las
exponenciales debidas a raíces con constantes de tiempo mayores. Son estas
últimas las que caracterizan plenamente la respuesta transitoria (exceptuando en
el origen de la respuesta) y permiten reducir el orden del sistema; se dice en este
caso que “dominan” la respuesta del sistema, despreciándose el efecto de las
raíces con parte real mayor (en valor absoluto).
Lección 4: ERROR EN ESTADO ESTACIONARIO
Un sistema lineal estable alcanza el régimen o estado estacionario cuando, al ser

excitado por una señal de entrada, la respuesta transitoria decae a cero.
En sistemas de control, la precisión o exactitud del sistema se convierte en una de

las especificaciones más importantes que verificar; el sistema de control debe
“seguir” la señal de referencia en estado estacionario del modo más preciso
posible. Por esta razón, en sistemas de control en lazo cerrado se obtienen las
expresiones de los errores estacionarios del sistema en función del tipo de señal
de referencia introducida y de las funciones de transferencia que contiene.
Los sistemas de control se clasifican de acuerdo con su capacidad de seguir

entradas escalón, rampa, parábola, etc. Éste es un esquema de clasificación
razonable, porque las entradas reales con frecuencia se consideran
combinaciones de las entradas mencionadas. Las magnitudes de los errores en
estado estable producidos por estas entradas individuales indican la bondad del
sistema.
Considere el sistema de control con realimentación unitaria con la siguiente

función de transferencia en lazo abierto G ( s ) :
K (Ta s + 1)(Tb s + 1) (Tm s + 1)

G(s) =
s N (T1s + 1)(T2 s + 1) (Tp s + 1)
(4.15)
Este sistema contiene el término s N en el denominador, que representa un polo de

multiplicidad N en el origen. El esquema de clasificación actual se basa en la
Un sistema se denomina de tipo 0, de tipo 1, de tipo 2,… si N = 0, N = 1, N = 2,... ,

cantidad de integraciones indicadas por la función de transferencia en lazo abierto.
respectivamente. Tome en cuenta que esta clasificación es diferente de la que se

basa en el orden del sistema.
Conforme el número del tipo es mayor, mejora la precisión; sin embargo, aumentar
el número del tipo agrava el problema de la estabilidad. Siempre es necesario un
equilibrio entre la precisión en estado estable y la estabilidad relativa. En la
práctica, es muy raro tener sistemas de tipo 3 o superiores, pues, por lo general,
resulta difícil diseñar sistemas estables que tengan, dos o más integradores en la
trayectoria directa.
Así pues, si G ( s) se escribe para que cada término del numerador y del
denominador, excepto el término s N , tienden a la unidad, conforme s tiende a
cero, entonces la ganancia en lazo abierto K está directamente relacionada con el
error en estado estable.
Analizando el diagrama de bloques de un sistema en lazo cerrado se obtiene la

señal de error como:
E ( s) =
R( s)
1 + GLA ( s )
(4.16)
Donde,
GLA ( s ) : Función de transferencia del sistema en lazo abierto
Se define, entonces el error en estado estacionario:

ess = lim e(t ) = lim sE ( s ) = lim

sR( s )
s →0 1 + G ( s )
(4.17)
t →∞ s →0
LA
Particularizando para los diversos tipos de entradas se pueden obtener los errores
de posición, de velocidad y de aceleración:
• Error en estado estacionario de posición:
r (t ) = u (t ) → essp =
1
1+ K p
(4.18)
K p = lim GLA ( s ) → coeficiente de posición (4.19)

s →0
• Error en estado estacionario de velocidad:
r (t ) = t → essv =
1
(4.20)
Kv
K v = lim sGLA ( s ) → coeficiente de velocidad (4.21)

s →0
• Error en estado estacionario de aceleración:
r (t ) = → essa =
t2 1
(4.22)
2 Ka
K a = lim s 2GLA ( s ) → coeficiente de aceleración (4.23)

s →0
Obsérvese que, entre mayores son los coeficientes de error, menor es el error
estacionario cometido. El error en estado estacionario en lazo cerrado puede
obtenerse a partir de la función de transferencia en lazo abierto, de modo que,
cuanto mayor es su valor en continua (para frecuencia cero) menor es el error
cometido. Para poder eliminar el error de posición es necesario que la función de
transferencia en lazo abierto contenga un polo en origen; en este caso se dice que
existe un elemento integrador en dicha función.
Por último, hay señalar que este error estacionario no es más que el valor que
adquiere la señal de salida del detector de error en estado estacionario. En el caso
en el cual la realimentación fuese unitaria, coincidiría con la diferencia que se
tendría en estado estacionario entre la señal de referencia y la señal de salida del
sistema. Si la realimentación no es unitaria, existirá un factor de proporcionalidad
entre ambas señales que vendrá determinado por el elemento de medida.
Las expresiones de los errores estacionarios de un sistema de control discreto en

lazo cerrado se presentan a continuación.
Análogamente al caso anterior la señal de error es:
E( z) =
R( z )
1 + GLA ( z )
(4.24)
Donde,
GLA ( z ) : Función de transferencia del sistema discreto en lazo abierto
Se define, entonces el error en estado estacionario:
(1 − z −1 ) R( z )
ess = lim e(kT ) = lim(1 − z −1 ) E ( z ) = lim
z →1 1 + G ( z )
(4.25)
k →∞ z →1
LA
Particularizando para los diversos tipos de entradas, se pueden obtener los

errores de posición, velocidad y aceleración, de manera muy similar al caso
continuo.
• Error en estado estacionario de posición:
r (t ) = u (t ) → essp =
1
1+ K p
(4.26)
K p = lim GLA ( z ) → coeficiente de posición (4.27)

z →1
• Error en estado estacionario de velocidad:
r (t ) = t → essv =
1
(4.28)
Kv
( z − 1)
K v = lim GLA ( z ) → coeficiente de velocidad (4.29)
z →1 T
• Error en estado estacionario de aceleración:
r (t ) = → essa =
t2 1
(4.30)
2 Ka
( z − 1) 2
K a = lim GLA ( z ) → coeficiente de aceleración (4.31)
z →1 T2
La tabla 4.1 resume los valores del error en estado estacionario para diversos
sistemas que son excitados por funciones elementales:
Table 4.1 Error en estado estacionario para diversos sistemas
r (t ) = 1 r (t ) = t r (t ) = 12 t 2
Entrada escalón Entrada rampa Entrada parábola
∞ ∞
1
1+ K p
Sistema de tipo 0
∞
1
Sistema de tipo 1 0
Kv
1
Sistema de tipo 2 0 0
Ka
Lección 5: ESTABILIDAD Y CRITERIOS DE ESTABILIDAD
1. ESTABILIDAD EN SISTEMAS EN TIEMPO CONTINUO
En esta sección se emplea la definición de estabilidad de entrada acotada – salida

acotada, también conocida como estabilidad BIBO por sus siglas en inglés
(Bounded Input – Bounded Output).
Un sistema dinámico es BIBO estable si cualquier entrada acotada produce una

salida acotada. En otras palabras, si ante entradas de valor finito la respuesta (su
valor absoluto) no tiende a infinito.
La figura 4.11 muestra que las funciones continuas cuyos valores absolutos
crecen indefinidamente tienen sus polos en el semiplano derecho. Si una función
de transferencia tiene uno de sus polos en esa zona la respuesta natural tenderá a
infinito, independientemente del valor de la entrada, y por tanto el sistema será
inestable.
Figure 4.11 Funciones continuas según la ubicación de sus polos en el plano s
Se ha comentado anteriormente que la estabilidad absoluta de un sistema lineal

se logra cuando la respuesta transitoria decae a cero al tender el tiempo a infinito.
Se puede demostrar que para que un sistema lineal sea estable es necesario que
posea todos los polos de su función de transferencia en el semiplano izquierdo del
plano transformado s .
En sistemas de control, el problema fundamental es la determinación de las raíces

del sistema en Lazo Cerrado a partir del conocimiento de las raíces en Lazo
Abierto. Recordando la expresión de la función de transferencia en Lazo Cerrado.
Figure 4.12 Estructura de un sistema de control en lazo cerrado
GLC ( s ) = =
C ( s) Gc ( s )G ( s )
R( s ) 1 + Gc ( s )G ( s ) H ( s )
(4.32)
La ecuación característica del sistema en Lazo Cerrado 1 + Gc ( s )G ( s ) H ( s ) = 0 no es

fácilmente resoluble en general; por ello aparecen métodos algorítmicos para
poder determinar la estabilidad de un sistema en lazo cerrado, el más importante
de estos métodos es el criterio de estabilidad de Routh Hurwitz.
El criterio de estabilidad de Routh Hurwitz permite determinar el número de raíces

de una ecuación de variable compleja que se encuentran en el semiplano derecho,
utilizándose, de este modo, para determinar si existen polos de una función de
transferencia en el semiplano derecho del plano transformado s .
Criterio de estabilidad de Routh Hurwitz: El criterio de estabilidad de Routh

Hurwitz es un criterio de estabilidad absoluta. Se basa en la determinación del
número de raíces de un polinomio que se encuentran en el semiplano derecho del
plano s . Para su aplicación deben verificarse dos condiciones:
• Condición necesaria: Dada la función de transferencia,
C ( s ) b0 s m + b1s m −1 + + bm −1s + bm
=
R( s ) a0 s n + a1s n −1 + + an −1s + an
Debe escribirse el denominador de la forma a0 s n + a1s n −1 + + an −1s + an = 0 , con

an ≠ 0 (se eliminan las raíces en el eje imaginario).
Si existe algún coeficiente negativo o cero en presencia de algún coeficiente

positivo, entonces existen una o más raíces imaginarias puras o con parte real
garantizar estabilidad, a partir del primer ai ≠ 0 todos los coeficientes deben estar
positiva, lo cual implica que el sistema es inestable. En otros términos, para
presentes y ser positivos.
• Condición suficiente: Debe aplicarse el algoritmo de formación siguiente:
a0 s n + a1s n −1 + + an −1s + an = 0
sn a0 a2 a4 a6
s n −1 a1 a3 a5 a7
s n−2 b1 b2 b3 b4
s n −3 c1 c2 c3 c4
s2 e1 e2
s1 f1
s0 g1
Las primeras filas se obtienen directamente del polinomio característico, el resto

de coeficientes se obtienen según las expresiones:
a1a2 − a0 a3 a a −a a a a −a a
b1 = ; b2 = 1 4 0 5 ; b3 = 1 6 0 7
a1 a1 a1
b1a3 − a1b2 ba −ab ba −ab

c1 = ; c2 = 1 5 1 3 ; c3 = 1 7 1 4
b1 b1 a1
Como observación debe indicarse que puede multiplicarse o dividirse toda una fila
por una constante positiva.
El criterio de estabilidad de Routh Hurwitz determina que el número de raíces con

parte real positiva del polinomio estudiado es igual al número de cambios de signo
de la primera columna del algoritmo de formación.
De este modo la condición necesaria y suficiente para que un sistema sea estable
es:
• Todos los coeficientes del polinomio característico deben existir y ser positivos.
• Todos los coeficientes de la primera columna del algoritmo de formación deben

de ser positivos.
Ejemplo 4.2 Determine la estabilidad de un sistema que posee la siguiente

ecuación característica de tercer orden, aplicando el criterio de estabilidad de
Routh Hurwitz:
a0 s 3 + a1s 2 + a2 s + a3 = 0
Solución:
Se verifica la condición necesaria: a0 , a1 , a2 , a3 >0
Verificando la condición suficiente, se obtiene:
s3 a0 a2
s2 a1 a3
a1a2 − a0 a3
s1
a1
s0 a3
Para que no existan cambios de signo en la primera columna a1a2 − a0 a3 >0

ecuación característica, aplicando el criterio de estabilidad de Routh Hurwitz:
s 4 + 2s 3 + 3s 2 + 4s + 5 = 0
Solución:
Se verifica la condición necesaria, y verificando la condición suficiente, se obtiene:
s4 1 3 5
s3 2 4
s2 1 5
s1 −6
s0 5
Se observan dos cambios de signo en la primera columna, lo cual indica dos

raíces con parte real positiva, volviendo el sistema inestable.
Si un término de la primera columna es cero en presencia de otros diferentes

de cero: Cuando esta situación ocurre, puede afirmarse que el sistema es
inestable. Para determinar la ubicación de las raíces que proporcionan la
inestabilidad debe realizarse el siguiente procedimiento:
• Sustituir el cero por ε >0 con ε 1.
• Aplicar el procedimiento habitual.
• Aplicar el criterio: Si los coeficientes superior e inferior a ε son de igual signo,

entonces existen raíces sobre el eje imaginario; si los coeficientes superior e
inferior tienen signo diferente, entonces existen raíces en el semiplano
derecho.

s 3 + 2s 2 + s + 2 = 0
Solución:
Se verifica la condición necesaria, y verificando la condición suficiente, se obtiene:
s3 1 1
s2 2 2
s1 0≈ε
s0 2
Como no hay cambios de signo, entonces deben existir raíces en el eje imaginario.

s 3 − 3s + 2 = 0
Solución:
No se verifica la condición necesaria por lo que el sistema es inestable, y

verificando la condición suficiente, se obtiene:
s3 1 −3
s2 0≈ε 2
−3 −
ε
2
s1
0
s 2
Existen dos cambios de signo, entonces deben existir dos raíces con parte real
positiva.
Todos los coeficientes de una fila son cero: Cuando esta situación ocurre,
puede afirmarse que el sistema es inestable. Existen raíces de igual valor
simétricas respecto a los ejes. Para determinar la ubicación de las raíces que
proporcionan la inestabilidad debe realizarse el siguiente procedimiento:
• Sustituir la fila de ceros por la derivada del “polinomio auxiliar” Pa ( s ) , el cual es

el polinomio formado por los coeficientes de la fila anterior a la de ceros. Debe
indicarse que las raíces de Pa ( s ) son raíces del polinomio característico P( s )
P( s ) = Pa ( s )Q( s )
• Aplicar el procedimiento habitual

s 5 + 2s 4 + 24s 3 + 48s 2 − 25s − 50 = 0
Solución:
No se verifica la condición necesaria por lo que el sistema es inestable, y

verificando la condición suficiente, se obtiene:
s5 1 24 −25
s4 2 28 −50
s3 0 0
Dado que Pa ( s ) = 2s 4 + 48s 2 − 50 , entonces
= 8s 3 + 96s
dPa ( s )
ds
El arreglo queda
s5 1 24 −25
s 4
2 48 −50
3
s 8 96
s 2
24 −50
1
s 112.7
s 0 −50
Existen un cambio de signo, entonces deben existir una raíz con parte real
positiva.
Ejemplo 4.7 Determinar el rango de ganancias para el cual el sistema de la figura

es estable.
Figure 4.13 Diagrama de bloques de un sistema de lazo cerrado
K ( s + 40)
Donde,
G ( s) = ; H ( s) =
1
s ( s + 10) s + 20
Solución:
La función de transferencia en lazo cerrado es:
K ( s 2 + 60 s + 800)
=
C (s)
R( s ) s 3 + 30s 2 + (200 + K ) s + 40 K
El rango de valores de ganancia K para el cual el sistema es estable quedará

establecido al aplicar el criterio de estabilidad de Routh Hurwitz sobre el polinomio
característico:
s 3 + 30 s 2 + (200 + K ) s + 40 K = 0
Se verifica la condición necesaria para valores de K positiva, y verificando la

condición suficiente, se obtiene:
s3 1 200 + K
2
s 30 40 K
(30)(200) − 10 K
s1
30
s0 40 K
Para K = 600 el sistema se encuentra sobre la estabilidad límite siendo oscilatorio;

El rango de valores de K para los que permanece el sistema estable es 0<K<600 .
puede determinarse la frecuencia de oscilación calculando las raíces imaginarias

que la caracterizan.
2. ESTABILIDAD EN SISTEMAS DE TIEMPO DISCRETO
Se puede demostrar que un sistema discreto es estable cuando posee todos los
polos de su función de transferencia en el interior del círculo de radio uno en el
plano transformado z . La figura 4.14 muestra que las funciones discretas cuyos
valores absolutos crecen indefinidamente tienen sus polos por fuera del círculo
unitario. Si una función de transferencia tiene uno de sus polos en esa zona la
respuesta natural tenderá a infinito, independientemente del valor de la entrada, y
por tanto el sistema será inestable.
Figure 4.14 Funciones discretas según la ubicación de sus polos en el plano z
La función de transferencia del sistema de control discreto de la figura 4.15 se

puede expresar:
Figure 4.15 Diagrama de bloques de un sistema de control discreto en lazo

cerrado
GLC ( z ) = =
C ( z) Gc ( z )Goh ( z )G ( z )
R( z ) 1 + Gc ( z )Goh ( z )G ( z ) H ( z )
(4.33)
1 + Gc ( z )Goh ( z )G ( z ) H ( z ) = 0 no es fácilmente resoluble y deben buscarse métodos

Donde la ecuación característica del sistema en lazo cerrado
transformados para poder determinar la posición de sus raíces.

En este caso, la aplicación directa del criterio de estabilidad de Routh Hurwitz no

es útil, porque determina el número de raíces de la ecuación característica que se
encuentran en semiplano derecho y no en el exterior del círculo de radio uno. Sin
embargo, sí es posible aplicar el criterio de estabilidad de Routh Hurwitz tras una
transformación que convierta el interior y el exterior del circulo de radio uno en un
semiplano izquierdo y un semiplano derecho respectivamente; a esta
transformación se le denomina transformación bilineal.
La definición de la transformación bilineal no es única; sin embargo, la más

conocida se realiza mediante el cambio de variable:
1+
2 ; w = 2 ⎛ z − 1 ⎞ (4.34)
T
z=
w
⎜ ⎟
1− w
T T ⎝ z +1 ⎠
2
La transformación del círculo de radio uno ofrece el resultado:
ωT ⎞
2 ⎛ z − 1 ⎞ 2 ⎛ e jωT − 1 ⎞ 2 ⎛⎜ sin 2 ⎟ = j 2 tan ⎛ ωT ⎞ (4.35)
w= ⎜ ⎟ = ⎜ jωT ⎟= j ⎜ ⎟
T ⎝ z +1⎠ T ⎝ e +1⎠ T ⎜ cos ωT ⎟ ⎝ 2 ⎠
⎝ 2⎠
T
Que efectivamente corresponde con el eje imaginario del plano transformado w .
Figure 4.16 Relación entre los planos s, z y w
En conclusión, el círculo de radio uno del plano z se transforma, mediante la

transformada bilineal, en el eje imaginario del plano w , de manera que puede
aplicarse en dicho plano el criterio de estabilidad de Routh Hurwitz para

determinar la estabilidad de un sistema discreto.
Ejemplo 4.8 Determinar el rango de ganancias para el cual el sistema de la figura

es estable.
Donde,
Gc ( z ) = 1; H ( s ) = 1; G ( s ) = ; T = 0.1 seg
K
s ( s + 1)
Solución:
Para ello, debe encontrarse la función de transferencia en lazo abierto como:
⎡1 − e − sT K ⎤ ⎡ K ⎤ 0.0048 z + 0.00468
GLA ( z ) = Z ⎢ ⎥ = (1 − z )Z ⎢ 2
−1
⎥ =K
⎣ s s ( s + 1) ⎦ ⎣ s ( s + 1) ⎦ ( z − 1)( z − 0 − 905)
Aplicando la transformada bilineal:
1+
2 = 1 + 0.05w ⇒ G ( w) = K −0.00016w − 0.1872 w + 3.81
T
z=
w 2
1 − w 1 − 0.05w 3.81w2 + 3.8w

LA
T
2
Obteniendo la ecuación característica 1 + GLA ( w) = 0 :
(3.81 − 0.00016 K ) w2 + (3.8 − 0.1872 K ) w + 3.81K = 0

sistema es estable para los valores de K : 0<K<20.3 . En concreto, para K = 20.3

El resultado, aplicando el criterio de estabilidad de Routh Hurwitz, indica que el
se pueden obtener los puntos de corte con el eje imaginario en plano w para,
posteriormente, determinar la frecuencia de oscilación del sistema discreto. Así,
considerando del polinomio auxiliar:
[3.81 − (0.00016)(20.3)] w2 + (3.81)(20.3) = 0 ⇒ w = ± j 4.5075
La frecuencia de oscilación es:
⎛ wT ⎞ 2 ⎛ (4.5075)(0.1) ⎞
ω= tan −1 ⎜ ⎟= tan −1 ⎜ ⎟ = 4.433 rad/seg
2
T ⎝ 2 ⎠ 0.1 ⎝ 2 ⎠
Resultado muy parecido a la frecuencia que se obtenía en plano w debido a que

la frecuencia de muestreo es suficientemente elevada,
2π
ωs = = 62.83 rad/seg
T
Debe observarse que, así como un sistema continuo de segundo orden con
realimentación unitaria siempre es estable (partiendo de un sistema en lazo
abierto estable), un sistema discreto no tiene por qué serlo debido al efecto
ejemplo con un periodo de muestreo mayor (por ejemplo T = 1 seg ), el margen de

desestabilizador del periodo de muestreo. En concreto, realizando el mismo
valores de ganancia para garantizar estabilidad disminuye (0<K<2.39) .
Otro método utilizado se conoce como el criterio de Jury, el cual permite

determinar cuántas raíces tiene un polinomio en el interior del círculo unitario.
Cumple, para el caso discreto, un papel análogo al que cumple el criterio de Routh
Hurwitz en el caso continuo.
Dado el polinomio característico P( z ) :
P ( z ) = an z n + an −1 z n −1 + + a2 z 2 + a1 z + a0 (4.36)
En donde los coeficientes ai son reales y an es positivo, es posible construir el

Arreglo de Jury de P( z ) a partir de los coeficientes ai que aparecen en la
ecuación anterior. Para ello, inicialmente se construye el arreglo que se muestra
en la tabla 4.2: la primera línea contiene los coeficientes de P( z ) en orden, desde
a0 hasta an , y en la segunda línea en orden inverso. En general, cada línea par
contiene los mismos coeficientes que la línea inmediatamente anterior pero en el
orden inverso.
Los elementos de las líneas impares se construyen así:
bk = ; ck = ; dk =
a0 an − k b0 bn −1− k c0 cn − 2− k
;
an ak bn −1 bk cn − 2 ck
Table 4.2 Arreglo de Jury

Fila z 0
z1 z2 z n−k z n−2 z n −1 zn
1 a0 a1 a2 an − k an − 2 an −1 an
2 an an −1 an − 2 ak a2 a1 a0
3 b0 b1 b2 bn − k bn − 2 bn −1
4 bn −1 bn − 2 bn −3 bk −1 b1 b0
5 c0 c1 c2 cn − k cn − 2
6 cn − 2 cn −3 cn − 4 ck − 2 c0
2n − 5 p0 p1 p2 p3
2n − 4 p3 p2 p1 p0
2n − 3 q0 q1 q2
Es decir, el primer elemento de una fila impar se calcula como el determinante de

la matriz construida tomando de las dos líneas inmediatamente anteriores la
primera y la última columna; el segundo elemento de forma similar pero con la
primera y la penúltima columna; el tercero con la primera y la antepenúltima, y así
sucesivamente. Dado que el último elemento sería el determinante de la matriz
formada con dos columnas iguales (la primera dos veces), este valor sería
siempre cero, y por tanto no se escribe en el arreglo (se ha eliminado).
Ejemplo 4.9 Construya el arreglo de Jury para un sistema que posee el polinomio
P( z ) = 1 + 2 z + 3z 2 + 4 z 3 + 5 z 4
característico:
Solución:
Las primeras dos líneas del arreglo de Jury para P( z ) se muestran a continuación:
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 b0 b1 b2 b3
4 b3 b2 b1 b0
5 c0 c1 c2
Sólo es necesario construir 5 líneas, porque n = 4 y 2n − 3 = 5 . La tercera línea se

construye así:
b0 = = −24 b1 = = −18
1 5 1 4
5 1 5 2
b2 = = −12 b3 = = −6
1 3 1 2
5 3 5 4
El arreglo con las cuatro primeras líneas se muestra a continuación:
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 −24 −18 −12 −6
4 −6 −12 −18 −24
5 c0 c1 c2
La quinta línea se construye así:

−24 −6 −24 −12 −24 −18

c0 = = 504 c1 = = 360 c2 = = 180
−6 −24 −6 −18 −6 −12
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 −24 −18 −12 −6
4 −6 −12 −18 −24
5 504 360 180
Las condiciones necesarias y suficientes para que P( z ) tenga todas sus raíces en
el interior del círculo unitario del plano z son:
P(1)>0 (4.37)
⎧ >0 si n es par
P (−1) ⎨
⎩<0 si n es impar
(4.38)
⎫
⎪
a0 < an
⎪
⎪
b0 > bn −1
⎬ n − 1 condiciones (4.39)
cn − 2
⎪
c0 >
⎪
q0 > q2 ⎪⎭
de polinomios de segundo orden (n = 2) :

Nótese que este criterio se reduce a unas condiciones muy simples para el caso
P(1)>0 P (−1)>0 a0 < a2
Ejemplo 4.10 Encuentre la estabilidad del sistema descrito por el polinomio

característico P( z ) del ejemplo 4.9, cuyo arreglo de Jury se conoce.
Solución:
Las condiciones de estabilidad se convierten en:
P (1) = 1 + 2(1)1 + 3(1) 2 + 4(1)3 + 5(1) 4 = 15 > 0
P(−1) = 1 + 2(−1)1 + 3(−1) 2 + 4(−1)3 + 5(−1) 4 = 3 > 0
1 = a0 < a4 = 5
24 = b0 > b3 = 6
504 = c0 > c2 = 180
Por lo que P( z ) tiene todas sus raíces en el interior del círculo unitario.
Ejemplo 4.11 Determinar el rango de ganancias para el cual un sistema discreto

realimentado es estable. Conociendo que,
G( z) = H ( z) =
1 1
z + 0.3 z + 0.7
Solución:
La función de transferencia del sistema realimentado es:
K ( z + 0.7)
F ( z) = = 2
KG ( z )
1 + KG ( z ) H ( z ) z + z + ( K + 0.21)
Para que el denominador de F ( z ) tenga todas sus raíces en el círculo unitario, y

por tanto el sistema realimentado sea estable, se deben satisfacer todas las
condiciones de estabilidad del criterio de Jury; como el denominador es de
segundo orden, estas condiciones se convierten en:
P (1) = 1 + 1 + (0.21 + K ) > 0
P(−1) = 1 − 1 + (0.21 + K ) > 0

0.21 + K = a0 < a4 = 1
Estas condiciones se convierten en
K > −2.21
K > −0.21
−1.21 < K < 0.79
−0.21 < K < 0.79

Lo que es equivalente a
5. CAPITULO 5: ANÁLISIS DE RESPUESTA EN FRECUENCIA
INTRODUCCIÓN
El término respuesta en frecuencia, se refiere a la respuesta de un sistema en

estado estable ante una entrada senoidal. En los métodos de la respuesta en
frecuencia, la frecuencia de la señal de entrada se varía en un cierto rango, para
estudiar la respuesta resultante.
Una ventaja del enfoque de la respuesta en frecuencia es que las pruebas de la

respuesta en frecuencia son, en general, sencillas y pueden ser muy precisas con
el uso de generadores de señales senoidales que se obtienen con facilidad y un
equipo de medición preciso. Por lo común las funciones de transferencia de los
componentes complicados se determinan experimentalmente mediante pruebas
de la respuesta en frecuencia.
En el presente capítulo se describirá la metodología de análisis basada en la

respuesta frecuencial de un sistema de control. Dicha metodología requiere el
conocimiento de la respuesta frecuencial del sistema en lazo abierto (que puede
obtenerse de un modo sencillo a partir de medidas de la respuesta en régimen
permanente senoidal – RPS) para, posteriormente, aplicar técnicas como los
diagramas de Bode y de Nyquist, que permitirán determinar la estabilidad absoluta
del sistema en lazo cerrado.
Para entender mejor este concepto considere el sistema de la figura 5.1:
Figure 5.1 Sistema de tiempo continuo
ω ω
E ( s ) = L [sin ωt ] =
Donde,
=
s +ω ( s − jω )( s + jω )
2 2
(5.1)
En el sistema definido, se obtiene el régimen permanente senoidal (RPS)

considerando la respuesta del sistema estable cuando el tiempo tiende a infinito y
se posee una señal de entrada senoidal.
G ( s )ω
C ( s) =
( s + jω )( s − jω )
(5.2)
Para obtener la transformada inversa de Laplace debe desarrollarse C ( s ) en

fracciones parciales:
C ( s) = + + Cg ( s ) (5.3)
s + jω s − jω
K1 K2
Los dos primeros términos del desarrollo son originados por las raíces de la
transformada de Laplace de la señal senoidal de entrada, mientras que Cg ( s )
contiene la serie de términos correspondientes al desarrollo en fracciones
parciales de los polos de G ( s) . El RPS únicamente existe en sistemas estables,
dado que ello implica que los términos temporales que caracterizan la respuesta
transitoria del sistema desaparecen cuando el tiempo crece suficientemente:
L −1
⎡⎣Cg ( s ) ⎤⎦ = cg (t ) → 0 cuando t → ∞ (5.4)
Denominando Css ( s ) a la transformada de Laplace de la señal que perdura cuando

el tiempo crezca infinitamente (estado estacionario):
Css ( s ) = +
s + jω s − jω
K1 K2
(5.5)
Calculando los residuos:
G (− jω ) G ( jω )
K1 = C ( s ) ( s + jω ) s =− jω = − ; K2 = (5.6)
2j 2j
G ( jω ) = G ( s ) s = jω
Debe observarse que,
Es la respuesta frecuencial del sistema de tiempo continuo, esto es, debe

evaluarse la función de transferencia en un punto del plano s ubicado sobre el eje
imaginario.
A partir de la descripción del procedimiento de cálculo puede indicarse que G ( jω )

es una función de variable compleja, y se verifica que:
G ( jω ) = G ( jω ) e j∠G ( jω ) (5.7)
G (− jω ) = G (− jω ) e j∠G ( − jω ) = G ( jω ) e − j∠G ( jω ) (5.8)
Realizando la transformada de inversa de Laplace de la ecuación de Css ( s ) , se
css (t ) = K1 ( e − jωt ) + K 2 ( e jωt ) (5.9)

obtiene:
Sustituyendo las expresiones de los residuos K1 y K 2 :
⎡ e j (ωt +∠G ( jω ) ) − e− j (ωt +∠G ( jω ) ) ⎤

css (t ) = G ( jω ) ⎢ ⎥ = G ( jω ) sin (ωt + ∠G ( jω ) ) (5.10)
⎣ 2 j ⎦
En conclusión, la respuesta de un sistema de tiempo continuo en RPS es una

señal senoidal con igual frecuencia que la señal de entrada, con una amplitud
igual al producto de la amplitud de entrada por el módulo de la respuesta
frecuencial, y cuya fase es igual a la suma de fases de la señal de entrada y la
fase de su respuesta frecuencial. De este modo, no es necesario realizar la
transformada inversa de Laplace para determinar cuál es la salida de un sistema
de tiempo continuo estable en RPS.
Debe observarse que la obtención de medidas experimentales de la respuesta

frecuencial de un sistema es muy sencilla, debido a que puede utilizarse la propia
señal de excitación para realizar el sincronismo de la medida. De este modo, se
puede obtener la respuesta frecuencial a partir de medidas experimentales sin
necesidad de conocer la función de transferencia del sistema.
Lección 1: DIAGRAMAS DE BODE
complejo cuya amplitud es F ( s ) y cuyo ángulo es arg { F ( s )} .

El valor de una función de transferencia F ( s ) , para un s específico, es un número
Los diagramas de Bode para sistemas continuos muestran cómo varía la amplitud
eje imaginario positivo ( s = jω ; ω ∈ (0, ∞)) . Específicamente se definen los

y el ángulo de ese número complejo, cuando s toma todos los posibles valores del
siguientes diagramas:
• Diagrama de magnitud: La abscisa (eje horizontal) muestra el valor de ω en

escala logarítmica. La ordenada (eje vertical) muestra la magnitud de F ( jω )
medida en decibeles:
F ( jω ) en dB = 20 log F ( jω )
• Diagrama de fase: La abscisa (eje horizontal) muestra el valor de ω en escala

logarítmica. La ordenada (eje vertical) muestra el ángulo de F ( jω ) medido en
grados o radianes.
La ventaja principal de usar diagramas de Bode es que la multiplicación de

magnitudes se convierte en adición. Además, cuenta con un método simple para
trazar una curva aproximada de magnitud logarítmica que se basa en

aproximaciones asintóticas.
Debido a las escalas empleadas en los diagramas de Bode, éstos pueden ser
construidos en forma aproximada mediante trazos rectos. La figura 5.2 muestra los
diagramas de Bode aproximados para funciones sencillas de primer orden.
Figure 5.2 Diagramas de Bode aproximados para sistemas de primer orden

La figura 5.3 muestra los diagramas de Bode para funciones de segundo orden; en
exactos, dependiendo del factor de amortiguamiento ζ . Por esta razón se han

estos casos, las aproximaciones pueden ser bastante lejanas de los diagramas
trazado los diagramas exactos para una función de segundo orden (para el primer
caso de la figura 5.3), en las figuras 5.4 y 5.5.
Figure 5.3 Diagramas de Bode aproximados para sistemas de segundo orden

Para funciones de transferencia más sofisticadas que las de las figuras 5.2 y 5.3
se descompone la función de transferencia como productos de términos más
sencillos, se trazan los diagramas de Bode estas de funciones y luego se suman
punto a punto para obtener los diagramas de la función original.
distintos valores de ζ
Figure 5.4 Diagrama de Bode de magnitud para un sistema de segundo orden con
distintos valores de ζ
Figure 5.5 Diagrama de Bode de fase para un sistema de segundo orden con
Esta aproximación, mediante asíntotas (líneas rectas), es suficiente si sólo se

necesita información general sobre la característica de la respuesta en frecuencia.
Si se desea obtener curvas exactas, es fácil corregir las curvas asintóticas.
Lección 2: ANÁLISIS DE ESTABILIDAD DE BODE
El análisis del lugar geométrico de las raíces permite establecer la ubicación de los
polos de un sistema conforme cambia el valor de K . Si se está interesado en
estudiar la estabilidad del sistema, debemos analizar los puntos en los cuales las
ramas del LGR cruzan el eje imaginario, pues es en ese punto en donde los polos
pasan del semiplano izquierdo al derecho, o viceversa, y por lo tanto son los
puntos en donde puede cambiar la estabilidad del sistema realimentado.
Además, el LGR es simétrico respecto al eje horizontal, por lo cual basta con
estudiar en qué momento las ramas atraviesan una de las dos mitades del eje
imaginario, generalmente la mitad positiva.
Este hecho sugiere otra posibilidad de estudiar la estabilidad de los sistemas

realimentados: En lugar de estudiar en dónde están ubicadas las ramas del LGR
en todo el plano complejo, se centra la atención únicamente en el eje imaginario
positivo, y detectar cuándo es atravesado por alguna rama del LGR.
Recuerde que los puntos del plano complejo que forman parte del LGR son tales
que al evaluar en ellos la función G ( s ) H ( s ) el ángulo del número complejo
resultante debe ser ±180º o 0º.
sistema realimentado coincide con aquellos puntos jω del eje imaginario en

De acuerdo con lo anterior, los puntos en donde puede cambiar la estabilidad del
donde
⎧ ±180º
arg {G ( jω ) H ( jω )} = ⎨
⎩ 0º
(5.11)
Para encontrar cuáles son los valores de ω que satisfacen esta condición pueden
trazarse los diagramas de Bode de G ( s ) H ( s ) y buscar gráficamente en el
diagrama de fase cuáles son los puntos en donde el ángulo de G ( jω ) H ( jω ) vale

±180º o 0º, tal como se muestra en la figura 5.6.
Figure 5.6 Relación entre el LGR y los diagramas de Bode
Para determinar los valores de K en los cuales la rama del LGR atraviesa el eje
imaginario, puede emplearse
G ( jω ) H ( jω ) =
1
(5.12)
K
El valor de G ( jω ) H ( jω ) puede leerse (en decibeles) en el diagrama de bode de

magnitud, tal como se muestra en la figura 5.6. A partir de ese valor, y empleando
esta última condición, puede determinarse los valores de K para los cuales una
rama del LGR atraviesa el eje imaginario ( K c en la figura 5.6).
Ejemplo 5.1 Dibujar el diagrama de Bode para el sistema de la figura:

Figure 5.7 Sistema del ejemplo 5.1
Donde los bloques G ( s) y H ( s) son:
G(s) = ; H ( s) =
1 1
( s + 1)( s + 2) ( s + 3)
Solución:
La figura 5.8 muestra los diagramas de Bode de G ( s ) H ( s ) .
Figure 5.8 Diagrama de Bode para el ejemplo 5.1
Debido a que los puntos en los cuales puede cambiar la estabilidad del sistema
realimentado son:
⎧±180º
arg {G ( jω ) H ( jω )} = ⎨
⎩ 0º
Es decir, aquellos en los que el ángulo de G ( jω ) H ( jω ) es 0º o es ± 180º.
Al observar la figura 5.8 se nota que el ángulo de G ( jω ) H ( jω ) es −180º para una

frecuencia de 0.528 Hz , es decir, para ω = 2π 0.528 = 3316 rad/seg . En esa
frecuencia el valor de la magnitud de G ( jω ) H ( jω ) es de −35.56 dB , lo que
significa que la magnitud de K , en decibeles, para la cual una rama del LGR
atraviesa el eje imaginario es tal que,
= −35.56
1
K en dB
Lo que equivale a,
−35.56
= 10 ⇒ K = 10 ⇒ K = 10 = 60
− −
K en dB K en dB
1 20 20 20
K
Como K > 0 entonces K = 60 . También se debe buscar los puntos para los cuales
el ángulo de G ( jω ) H ( jω ) es 0º. En la figura 8.8 se observa que el diagrama de
fase es asintótico a 0º, es decir, que para ω = 0 el ángulo de G ( jω ) H ( jω ) es 0º.
El diagrama de magnitud de G ( jω ) H ( jω ) es asintótico a −15.56 dB , lo que
significa que la magnitud de K , en decibeles, para la cual una rama del LGR
complementario atraviesa el eje imaginario es tal que,
= −15.56
1
K en dB
Lo que equivale a,
−15.56
= 10 ⇒ K = 10 ⇒ K = 10 =6
− −
K en dB K en dB
1 20 20 20
K
Como K < 0 entonces K = −6 . Se ha encontrado los valores de K para los cuales

un polo cruza el eje imaginario, y han resultado ser – 6 y 60. Esto significa que al
variar K desde −∞ hasta ∞ , la estabilidad del sistema realimentado sólo puede

cambiar en – 6 y 60.
En consecuencia, se pueden definir tres intervalos para K en los cuales la

estabilidad es constante; para conocer la estabilidad de cada intervalo basta con
determinar la de uno de sus puntos:
• K ∈ (−∞, −6) : Se selecciona K = −10 de tal manera que la ecuación

característica del sistema se convierte en
s 3 + 6s 2 + 11s − 4
Como el denominador tiene coeficientes de signos diferentes al menos tiene una

raíz en el semiplano derecho, y en consecuencia el sistema realimentado es
inestable.
• K ∈ (−6, 60) : Se selecciona K = 0 de tal manera que la ecuación característica

del sistema se convierte en
s 3 + 6 s 2 + 11s + 6 = ( s + 1)( s + 2)( s + 3)
Las raíces del denominador son negativas (–1, –2 y –3), y en consecuencia el

sistema realimentado es estable.
• K ∈ (60, ∞) : Se selecciona K = 100 de tal manera que la ecuación

característica del sistema se convierte en
s 3 + 6s 2 + 11s + 106
Cuyas raíces son −6.71 y 0.36 ± j 3.96 , es decir que tiene dos raíces en el
semiplano derecho y en consecuencia el sistema realimentado es inestable.
1. MARGEN DE FASE
puntos jω del plano complejo para formar parte LGR; una de las condiciones
Las ecuaciones (5.11) y (5.12) establecen dos condiciones que deben cumplir los
hace referencia a la ganancia de G ( s ) H ( s ) y la otra a su fase. La idea de los

márgenes de estabilidad consiste en suponer que K = 1 , y explorar qué margen se
tiene cuando se cumple una de esas condiciones.
El margen de fase consiste en el menor valor que se le debe sumar al ángulo de

G ( s ) H ( s ) cuando se satisface la segunda condición, para que simultáneamente se
cumpla la primera condición. Es decir,
MF = 180º +∠GLA ( jωt ) (5.13)
ωt
En donde,
= 1 ó 20 log GLA ( jωt ) en dB = 0 dB (5.14)
GLA ( jωt )
ωt se denomina frecuencia de transición del sistema y, como puede observarse en

la expresión, se mide mediante la función de transferencia en lazo abierto.
⎧ MF > 0 ⇒ sistema estable

Criterio: ⎨
⎩ MF < 0 ⇒ sistema inestable
(5.15)
De este modo, el margen de fase es la cantidad de fase que puede quitarse al

sistema en lazo abierto permaneciendo estable el sistema en lazo cerrado.
Para el caso en que K > 0 , el margen de fase puede leerse en los diagramas de
Bode como 180º −φ , donde φ es el ángulo a la frecuencia en la que la ganancia es
de 0dB.
Para el caso en que K < 0 , el margen de fase puede leerse en los diagramas de
Bode como −φ , donde φ es el ángulo a la frecuencia en la que la ganancia es de
0dB.
2. MARGEN DE GANANCIA
El margen de ganancia consiste en el menor valor por el que se debe amplificar la

ganancia de G ( s ) H ( s ) cuando se satisface la primera condición, para que
simultáneamente se cumpla la segunda condición. Es decir,
MG = ó MGdB = −20 log GLA ( jωi ) dB (5.16)

GLA ( jωi )
1
ωi
Donde,
= ±180º (5.17)
∠GLA ( jωi )
ωi es la frecuencia para la cual el sistema el lazo abierto adquiere ±180º .
⎧ MG > 1 ( MGdB > 0 dB) ⇒ sistema estable

Criterio: ⎨
⎩ MG < 1 ( MGdB < 0 dB) ⇒ sistema inestable
(5.18)
De este modo, el margen de ganancia es la cantidad de ganancia que puede

añadirse al sistema en lazo abierto permaneciendo estable el sistema en lazo
cerrado.
En las figuras 5.9 y 5.10 pueden observarse las mediciones del margen de fase y
el margen de ganancia en el diagrama de Bode para diversos valores de K del
sistema:
GLA ( s ) =
1
( s + 1)( s + 2)( s + 3)
Figure 5.9 Medición del MF y del MG en el diagrama de Bode para K = 600
Figure 5.10 Medición del MF y del MG en el diagrama de Bode para K = 15

Para el caso en que K > 0 , el margen de ganancia puede leerse (en decibeles) en
que la fase es de ±180º .

los diagramas de Bode como el valor negativo de la ganancia a la frecuencia en la
Para el caso en que K < 0 , el margen de ganancia puede leerse (en decibeles) en
los diagramas de Bode como el valor negativo de la ganancia a la frecuencia en la
que la fase es de 0º.
Lección 3: DIAGRAMA DE NYQUIST
Las formas más habituales de representar la respuesta frecuencial de un sistema

son:
•
G ( jω ) respecto a un eje frecuencial.
Diagrama de Bode en magnitud y fase: Diagrama en módulo o fase de
• Diagrama polar: Diagrama de módulo y fase de G ( jω ) en el plano G ( jω )

(0 ≤ ω < ∞) . En la figura 5.11 se muestran los ejes coordenados de un
diagrama polar, así como la información de módulo y fase que puede extraerse
de un punto de dicho diagrama.
Figure 5.11 Diagrama polar
G ( jω0 ) = A(ω0 ) + jB(ω0 ) = G ( jω0 ) e j∠G ( jω0 ) (5.19)

donde se puede observar la evolución de la fase desde 0º hasta −270º

En la figura 5.12 se representa el diagrama polar de un sistema de tercer orden,
correspondientes a ω → 0 y ω → ∞ , respectivamente.
manera que ω0 < ω1 < ω2 .

Debe observarse que el diagrama posee un sentido en frecuencias crecientes, de
El diagrama polar posee la información de fase y módulo de la respuesta

frecuencial en una única representación, a diferencia del diagrama de Bode que
los representa en gráficas separadas.
Figure 5.12 Diagrama polar de un sistema de tercer orden
Para mostrar la información contenida en un diagrama polar, pueden observarse

las distintas respuestas frecuenciales que se muestran en la figura 5.13,
correspondientes al siguiente sistema de segundo orden:
G ( s) =
s + 2ζ s + 1
1
2
Figure 5.13 Diagrama polar de un sistema de segundo orden
En dicha figura se puede ver el efecto de resonancia cuando ζ < 0 , así como la
frecuencia natural o de paso por la fase −90º .
Lección 4: ANÁLISIS DE ESTABILIDAD DE NYQUIST
El criterio de estabilidad de Nyquist permite determinar la estabilidad absoluta de

un sistema lineal invariante en el tiempo en lazo cerrado. Para su aplicación,
únicamente se necesita conocer la respuesta frecuencial del sistema en lazo
abierto. De hecho, a partir de la respuesta frecuencial en lazo abierto, el criterio de
estabilidad de Nyquist permite determinar el número de raíces de la ecuación
característica (polos en lazo cerrado) que existen en el semiplano derecho.
Obviamente, el sistema es estable en lazo cerrado cuando el resultado de la
aplicación del criterio de Nyquist es cero.
El criterio de estabilidad de Nyquist se basa en los teoremas de la transformación

conforme y el teorema de la representación, los cuales se exponen a continuación:
• Transformación conforme: Dada una función F ( s ) analítica (continua y

derivable) en todo el plano s salvo en sus polos, todo camino cerrado continuo
en s que no pase por ningún punto singular de F ( s ) se transforma en una
curva cerrada continua en el plano F ( s ) , preservándose distancias y ángulos

de corte. La figura 5.14 muestra el teorema de la transformación conforme de
un modo gráfico.
Figure 5.14 Teorema de la transformación conforme
• Teorema de la representación: Dada una función F ( s ) con P polos y Z

ceros, considerando inclusive su multiplicidad, incluidos en un contorno cerrado
continuo del plano s recorrido en sentido horario que no pase por ningún punto
singular de F ( s ) , éste se transforma en una curva cerrada continua en el plano
F ( s ) en la cual se producen N rodeos en sentido horario al origen, tal que:
⎧ N > 0 ⇒ sentido horario

N = Z − P; donde: ⎨
⎩ N < 0 ⇒ sentido antihorario
(5.20)
En la figura 5.15 se muestra el teorema de la representación de un modo gráfico.

En dicha figura puede observarse que se rodea un polo de la función F ( s) en
sentido horario. Rodear un polo de una función en un sentido implica lograr un
rodeo al origen en sentido contrario; este resultado es lógico al realizar dicho polo
una contribución total de 360º de fase en la función (en oposición de fase debido a
la característica de un polo). El efecto contrario se verificaría al evaluar un cero.
Figure 5.15 Teorema de la representación
El criterio de estabilidad de Nyquist escoge como función evaluable el propio

polinomio característico, y evalúa la existencia de ceros de dicho polinomio en un
aplicación del teorema de la representación. Así F ( s ) = 1 + G ( s) H ( s) , donde se

contorno que contiene todo el semiplano derecho del plano s mediante la
supone el conocimiento, a priori, de la función de transferencia en lazo abierto

G ( s ) H ( s ) (de este modo, el parámetro P queda determinado como el número de
polos en lazo abierto que se encuentran en el semiplano derecho del plano s ).
Mediante la transformación del contorno denominado recorrido de Nyquist (que

contiene todo el semiplano derecho del plano s ) a través de la función F ( s) , se
conocen el número de rodeos al origen en el plano F ( s ) (y su signo); y, por último,
aplicando el teorema de la representación, se determina el número de ceros de la
ecuación característica Z (polos en lazo cerrado) que existen en semiplano
derecho del plano s . Obsérvese que, si bien este procedimiento es suficiente para
determinar si un sistema es estable, este método permitirá además determinar la
existencia de raíces de la ecuación característica sobre el eje imaginario.
El recorrido de Nyquist es un contorno cerrado continuo recorrido en sentido
transformación de dicho recorrido mediante la función F ( s ) = 1 + G ( s) H ( s) para

horario que contiene todo el semiplano derecho en su interior. Debe conocerse la
determinar el número de rodeos al origen existentes en el plano F ( s) . Para poder

aplicar la transformación conforme es necesario presuponer que no existen polos
de F ( s ) (esto es, no existen polos en lazo abierto) en el eje imaginario.
Figure 5.16 Recorrido de Nyquist
La transformación del recorrido de Nyquist puede descomponerse en dos tramos

que a continuación se estudiarán por separado, tal y como muestra la figura 5.16:
• Transformación del tramo ABC mediante la función F ( s ) = 1 + G ( s) H ( s ).

( s → ∞) . Dado que el sistema en lazo abierto es causal se cumple:
lim1 + G ( s ) H ( s ) = cte
s →∞
Donde esta constante es igual a la unidad cuando el grado del denominador es

mayor que el grado del numerador en la función de transferencia en lazo abierto.
trazada para s → ∞ no puede proporcionar rodeos al origen porque implica un

En conclusión, la transformación del tramo ABC (zona del recorrido de Nyquist
único punto en el plano F ( s ) . De este modo la transformación de este tramo no

debe considerarse en el análisis del criterio de estabilidad de Nyquist.
• Transformación del tramo CA . s = jω . Como el tramo CA , es en definitiva el

eje imaginario del plano s , en este caso:
1 + G ( s ) H ( s ) s = jω = 1 + G ( jω ) H ( jω )
para −∞ < ω < ∞ . A priori, esta representación es fácil de realizar en el plano

Lo cual conlleva el estudio de la respuesta frecuencial del sistema en lazo abierto
G ( jω ) H ( jω ) , como lo muestra la figura 5.17. Aplicando una modificación en la

observación de los rodeos a origen en el plano 1 + G ( jω ) H ( jω ) , por rodeos al
punto −1 + j 0 en el plano G ( jω ) H ( jω ) , pueden extraerse las mismas
punto −1 + j 0 por parte del diagrama polar en el plano G ( jω ) H ( jω ) , implica la

consideraciones. De este modo, puede afirmarse que la existencia de rodeos al
existencia de polos en el semiplano derecho del plano s en lazo cerrado, por lo

que el sistema es inestable.
Figure 5.17 Diagrama de Nyquist a) en el plano 1 + G ( jω ) H ( jω ) b) en el plano

G ( jω ) H ( jω )
diagrama de Nyquist ( −∞ < ω < ∞ ) se obtiene a partir del diagrama polar dado que
Se denomina diagrama de Nyquist a la transformación del recorrido de Nyquist. El
se verifica la propiedad
⎧ G ( jω ) H ( jω ) = G (− jω ) H (− jω )
0≤ω < ∞:⎨
⎩∠G ( jω ) H ( jω ) = −∠G (− jω ) H (− jω )
(5.21)
En conclusión, el diagrama de Nyquist se realiza a partir del diagrama polar

conjuntamente con su simétrico respecto al eje real.
imaginario s = jω , si G ( s ) H ( s ) tiene k polos en semiplano derecho del plano s y

Criterio de estabilidad de Nyquist: Dada G ( s ) H ( s ) sin polos ni ceros en el eje
si,
lim G ( s) H ( s ) = cte (5.22)

s →∞
Para que el lugar G ( jω ) H ( jω ) tenga estabilidad al variar ω desde −∞ a ∞ deben

producirse k rodeos al punto −1 + j 0 en sentido antihorario.
Esto es, definiendo:
• N = Número de rodeos a −1 + j 0 ; en sentido horario ( N > 0) y sentido

antihorario ( N < 0) .
• P = Polos en lazo abierto en semiplano derecho del plano s .
• Z = Polos en lazo cerrado en semiplano derecho del plano s .
Para que un sistema sea estable debe cumplir la condición:
Z = N + P = 0 (5.23)
Al aplicar el criterio de estabilidad de Nyquist sobre un sistema de control se

producirá uno de los siguientes casos:
• No existe ningún rodeo a −1 + j 0 . En este caso N = 0 , lo que implica Z = P . De

este modo, el sistema en lazo cerrado es estable si también lo es el sistema en
lazo abierto.
• Hay uno o varios rodeos en sentido antihorario a −1 + j 0 . En este caso el

sistema en lazo cerrado es estable si el número de rodeos coincide con el
número de polos en lazo abierto en semiplano derecho del plano s .
• Hay uno o varios rodeos en sentido horario a −1 + j 0 . El sistema lazo cerrado

es inestable.
Cuando un sistema tiene polos en lazo abierto en el eje imaginario, es necesario

modificar el recorrido de Nyquist, debido a que el teorema de la representación no
puede aplicarse. El nuevo recorrido de Nyquist considera todo el semiplano
derecho del plano s , evitando las singularidades sobre el eje imaginario, de modo
que no deban contabilizarse en el parámetro P , tal y como muestra la figura 5.18.
Figure 5.18 Recorrido de Nyquist modificado
La aparición de singularidades sobre el eje imaginario conlleva arcos de radio
número de rodeos al punto −1 + j 0 por parte del diagrama de Nyquist.

infinito en el plano transformado, que deberán considerarse en el estudio del
Ejemplo 5.2 Existe una estrecha relación entre la estabilidad deducida mediante
las técnicas del lugar geométrico de las raíces y el criterio de estabilidad de
Nyquist. Dado el sistema mostrado en la figura 5.19.
Figure 5.19 Sistema realimentado para el ejemplo 5.2
Donde,
( s + 1) 2
G ( s) = K
s3
a) Trazar el lugar geométrico de las raíces determinando: LGR sobre eje real,
asíntotas, puntos de ruptura y cortes del LGR con el eje imaginario. Determinar
el rango de valores de K para el cual el sistema es estable.
b) Obtener el diagrama polar del sistema en lazo abierto, descomponiendo, para
determinando los valores para ω = 0, 0.5,1, 2.5,10 y ω → ∞ . Trazar el diagrama

ello, la respuesta frecuencial en lazo abierto en parte real e imaginaria, y
de Nyquist. Para considerar el trayecto o recorrido de Nyquist modificado

alrededor del origen en el plano s , realizar la transformación de los puntos del
plano s que se muestran en la figura 5.20.
Figure 5.20 Recorrido de Nyquist modificado para el ejemplo 5.2
Determinar la estabilidad absoluta del sistema en lazo cerrado para K = 0.25, 0.5 y
1, aplicando el criterio de estabilidad de Nyquist.
c) Relacionar los resultados de los apartados a) y b). Razonar la respuesta.
Solución:
a) El Lugar Geométrico de las raíces resultante puede observarse en la figura
aparecen puntos de ruptura en s = −3 , como puede comprobarse:

5.21, donde únicamente existe una asíntota que corresponde con el eje real y
Figure 5.21 LGR para el sistema del ejemplo 5.2
K =− = 0 ⇒ 3s 2 ( s + 1) 2 − 2( s + 1) s 3 = 0 ⇒ s = −3 ⇒ K =
s3 dK 27
( s + 1) 2
;
ds 4
Aplicando el algoritmo de Routh Hurwitz a la ecuación característica:
s 3 + Ks 2 + 2 Ks + K = 0
El corte con el eje imaginario ocurre para s = ± j , donde K = 1/ 2 . Entonces, el

sistema es estable para: K > 1/ 2
b) Diagrama polar:
( s + 1) 2 ( jω + 1) 2 1 + ω 2 + 2 jω 1− ω2
G(s) = K ⇒ G ( jω ) = K =K = − 2 + jK
− jω 3 − jω 3 ω ω3
2K
s3
1− ω2
Re [G ( jω ) ] = − ; Im [G ( jω ) ] = K
ω2 ω3
2K
A partir de estas expresiones puede realizarse el siguiente cuadro:

Re [G ( jω ) ] Im [G ( jω ) ]
ω=0 −∞ ∞
ω = 0.5 −8K
ω =1 −2K
6K
ω=2 −K / 2 −3 K / 8
0
ω =5 −2 K / 25 −24 K /125
ω = 10 −2 K /100 −94 K /1000
ω=∞ −0 −0
En la figura 5.22 puede observarse el diagrama polar. El diagrama de Nyquist se

forma a partir del diagrama polar realizando los rodeos en infinito adecuados,
debido a la aparición de un polo en lazo abierto en origen. Para ello, se realizan
las transformaciones de los puntos ( s A , sB , sC , sD y sD ) que se muestra en el
s = ε e jθ
enunciado del problema.
(ε e jθ + 1) 2 e − j 3θ
G ( s) = K → ; ya que ε → 0
(ε e jθ )3 ε3
K
De este modo se puede obtener el siguiente cuadro:
Punto
Punto inicial
transformado
sA = ε e ∞e jπ
− jπ
3
sB = ε e
− jπ
∞e
6 jπ
2
sC = ε e j 0 ∞e j 0
sD = ε e
jπ
∞e
6 − jπ
2
sE = ε e ∞e − jπ
jπ
3
Figure 5.22 Diagrama de Nyquist para K = 1 (línea continua) y simétrico (línea

discontinua)
En conclusión, puede aplicarse el criterio de estabilidad de Nyquist resultando:
• K = 0.25. Corte del diagrama polar con el eje real en −0.5 . N = 2 y

Z = N + P = 2 . Sistema inestable.
• K = 0.5. Corte del diagrama polar con el eje real en −1 . Sistema oscilatorio.
• K = 1. Corte del diagrama polar con el eje real en −2 . Z = N + P = −1 + 1 = 0 .

Sistema estable. Debe observarse que en este caso existen dos rodeos (uno
en sentido horario y otro en sentido antihorario).
c) Los resultados obtenidos mediante el lugar geométrico de las raíces y

mediante el diagrama de Nyquist, deben ofrecer las mismas conclusiones
respecto a la estabilidad del sistema en lazo cerrado. Por esta razón, el
margen de valores de K para el cual el sistema es estable es el mismo en
ambos métodos.
Cuantificación de la estabilidad relativa: El criterio de estabilidad de Nyquist

permite determinar la estabilidad absoluta de un sistema en lazo cerrado,
observando, para ello, la cantidad de raíces de la ecuación característica
sistema en lazo abierto contenga al punto −1 + j 0 (ver figura 5.23), el criterio de

existentes en semiplano derecho del plano s . Cuando el diagrama polar del
estabilidad de Nyquist queda indeterminado. En esta situación, existe una
GLA ( jωc ) = −1 , esto es, existe una raíz en s = jωc , lo cual implica que el sistema en
frecuencia para la cual la ecuación característica tiene una solución de la forma
lazo cerrado es oscilatorio.
Figure 5.23 Diagrama polar que contiene al punto −1 + j 0
Para mostrar la propiedad anteriormente comentada, obsérvese el lugar

geométrico de las raíces (figura 5.24) y los diagramas de Nyquist (figura 5.25) del
sistema:
GLA ( s ) =
1
( s + 1)( s + 2)( s + 3)
En estas gráficas se comprueba como para K = 60 el sistema es oscilatorio, para

K = 10 es estable y para K = 200 el sistema es inestable.
Figure 5.24 LGR del sistema de ejemplo
Figure 5.25 Diagrama de Nyquist para K = 10, 60 y 200
•
GLA ( jω ) del punto −1 + j 0 , más riesgo de inestabilidad presenta el sistema. De
En sistemas de fase mínima, cuanto más cerca se ubique el diagrama polar de
este modo, se puede utilizar la proximidad de GLA ( jω ) al punto −1 + j 0 como

una medida de la estabilidad relativa del sistema. Cuantitativamente se puede
definir la estabilidad relativa como una medida de la cercanía del sistema a la
inestabilidad. La medida del margen de fase y margen de ganancia permite
determinar el grado de estabilidad relativa del sistema. Así, cuando estos

parámetros adquieren un valor elevado, el sistema se encuentra alejado de la
inestabilidad y presentará una respuesta con un valor bajo de máximo
sobreimpulso en su dinámica.
En las figuras 5.26 y 5.27 pueden observarse las mediciones del margen de fase y
el margen de ganancia en el diagrama polar para diversos valores de K del
sistema:
GLA ( s ) =
1
( s + 1)( s + 2)( s + 3)
Figure 5.26 Medición del MF y del MG en el diagrama polar para K = 30

Figure 5.27 Medición del MF y del MG en el diagrama polar para K = 100
Lección 5: RESPUESTA FRECUENCIAL DE SISTEMAS EN TIEMPO

DISCRETO
Dado el sistema discreto de la figura:
Figure 5.28 Sistema de tiempo discreto
Donde,
z sin ωT
E ( z ) = Z [sin ωt ] =
( z − e )( z − e − jωT )
jωT
(5.24)
En el sistema definido, se obtiene el régimen permanente senoidal considerando

la respuesta del sistema estable cuando el tiempo tiende a infinito y se posee una
señal de entrada senoidal.
G ( z ) z sin ωT
C ( z) =
( z − e jωT )( z − e − jωT )
(5.25)
Para obtener la transformada Z inversa debe desarrollarse C ( z ) en fracciones

parciales:
C ( z) = + + Cg ( z ) (5.26)
K1 z K2 z
z −e jωT
z − e − jωT
Los dos primeros términos del desarrollo son originados por las raíces de la
transformada Z de la señal senoidal muestreada, mientras que Cg ( z ) los
términos debidos a los polos de G ( z ) . Dado que el RPS únicamente existe en
sistemas estables:
⎣⎡Cg ( z ) ⎦⎤ = cg (kT ) → 0 cuando k → ∞ (5.27)

−1
Z
Denominando Css ( z ) a la transformada Z de la señal que perdura cuando el

tiempo crezca infinitamente (estado estacionario):
Css ( z ) = +
K1 z K2 z
z−e jωT
z − e − jωT
(5.28)
Calculando los residuos:
z − e jωT G (e jωT ) G (e − jωT )

K1 = C ( z ) = ; K2 = (5.29)
z = e jωT
z 2j 2j
G (e jωT ) = G ( z ) z =e jωT
Debe observarse que,
Es la respuesta frecuencial del sistema discreto; esto es, debe evaluarse la
fase ωT respecto a origen, donde existe una dependencia respecto a la señal de

función de transferencia z en un punto ubicado sobre el círculo de radio uno y con
entrada. Obviamente, la evaluación de la función planteada en plano z resulta

difícil, debido a que no pueden utilizarse técnicas asintóticas para resolverla.
A partir de la descripción del procedimiento de cálculo puede indicarse que

G (e jωT ) es una función de variable compleja, y se verifica que:
G (e jωT ) = G (e jωT ) e j∠G ( e

jωT
)
(5.30)
G (e − jωT ) = G (e − jωT ) e j∠G ( e = G (e jωT ) e− j∠G ( e

− jωT jωT
) )
(5.31)
css (kT ) = K1 ( e jωT ) + K 2 ( e − jωT )

Realizando la transformada Z inversa de la ecuación de Css ( z ) , se obtiene:
k k
(5.32)
Sustituyendo las expresiones de K1 y K 2 :
⎡ e j (ω kT +∠G ( e jωT )) − e− j (ωkT +∠G ( e jωT ) ) ⎤

css (kT ) = G (e jωT
)⎢ ⎥ = G (e jωT ) sin (ω kT + ∠G (e jωT ) ) (5.33)
⎢ ⎥
⎣ ⎦
2j
En conclusión, la respuesta de un sistema discreto en RPS es una señal senoidal

con igual frecuencia que la señal de entrada, con amplitud igual al producto de la
amplitud de entrada por el módulo de la respuesta frecuencial y con fase igual a la
suma de fases de la señal de entrada y la fase de su respuesta frecuencial. De
este modo, no es necesario realizar la transformada Z inversa para determinar
cuál es la salida de un sistema de tiempo discreto estable en RPS.
Existen importantes diferencias entre la respuesta frecuencial de un sistema de

tiempo continuo y la respuesta frecuencial de un sistema de tiempo discreto; entre
estas consideraciones a tener en cuenta, destacan:
• Es periódica de periodo ωs , dado el efecto de bandas repetidas en plano s que

se produce en un sistema muestreado. Así, en conclusión, la respuesta
frecuencial no debe evaluarse, en general, en el plano z , debido a que se
realizarán múltiples vueltas sobre el círculo de radio uno en el plano z a
medida que aumente la frecuencia de la señal de entrada.
• La respuesta frecuencial trazada en plano transformado bilineal ( w) no será

periódica, debido a que únicamente contiene la información de la banda
primaria del sistema discreto en plano s . Sin embargo, esta sentencia no es
muy importante, dado que, en su funcionamiento correcto, el sistema discreto
utilizará señales que verificarán el teorema de Shannon. Ello conlleva un
análisis detallado de la evaluación de la respuesta frecuencial mediante la
transformada bilineal, debido a que la información aparece con una distorsión
en el eje frecuencial; en conclusión, deberá considerarse la relación no lineal
existente entre la frecuencia bilineal y la frecuencia real de la señal.
• Aplicando la transformada bilineal:
G ( w) = G ( z ) z =1+ 2 w ⇒ G ( jωw ) = G ( w) w= jω
T
(5.34)
1− w
w
T
2
Pueden trazarse mediante métodos asintóticos los diagramas de Bode de G ( jωw )

y ∠G ( jωw ) , que ofrecen la información de la respuesta frecuencial evaluada sobre
la banda primaria, considerando:
⎛ω T ⎞ ⎛ ωT ⎞
ω= tan −1 ⎜ w ⎟ ⇒ ωw = tan ⎜ ⎟ (5.35)
2 2
T ⎝ 2 ⎠ T ⎝ 2 ⎠
Cuando el número de muestras por ciclo sea elevado, el sistema continuo

equivalente tendrá un diagrama de Bode similar, sin distorsión, al sistema discreto.
Sin embargo, a medida que aumenta la frecuencia de la señal de entrada, el
número de muestras por ciclo disminuye, observándose diferencias entre los
diagramas de Bode del sistema continuo y del sistema discreto obtenido mediante
la transformada bilineal.
A partir del diagrama de Bode, puede trazarse el diagrama polar de un sistema

discreto, y de este modo es posible aplicar el criterio de estabilidad de Nyquist.
Debe observarse que la distorsión sufrida en la transformación de frecuencias no
es relevante en el diagrama polar, determinándose la estabilidad absoluta y
relativa del sistema discreto sin ninguna consideración adicional, es decir, sin
necesidad de conocer el número de muestras por ciclo de la señal de salida. En
conclusión, podrán definirse los conceptos de margen de fase (MF) y margen de
ganancia (MG) en el plano transformado bilineal ( w ), análogamente a como

ocurría en sistemas de tiempo continuo.
Si se garantiza frecuencialmente una buena estabilidad relativa, el sistema

discreto responderá adecuadamente, con independencia del número de muestras
por ciclo y del número de muestras por constante de tiempo. En el diseño en el
dominio temporal, estos parámetros debían observarse para garantizar una buena
descripción de la respuesta del sistema discreto.
Ejemplo 5.3 Dado el sistema de la figura:
Figure 5.29 Sistema discreto en lazo abierto
Donde,
1 − e − sT
Goh ( s ) = ; G p (s) = ; G ( s ) = Goh ( s )G p ( s )
10
s s + 10
a) Con T = 0.01 seg encontrar la transformada bilineal de G ( s) {G ( w)} . Comparar

los polos y ceros, así como la ganancia en continua (para w = 0, s = 0 ) de la
función G ( w) con los de la función G p ( s ) . ¿Queda distorsionado el diagrama
de Bode de la función de transferencia G ( w) respecto al diagrama de Bode de
G p ( s ) a bajas frecuencias? Razonar la respuesta.
b) Con T = 1 seg encontrar la transformada bilineal de G ( s) {G ( w)} . Comparar los

polos y ceros, así como la ganancia en continua (para w = 0, s = 0 ) de la función
G ( w) con los de la función G p ( s ) . ¿Queda distorsionado el diagrama de Bode
de la función de transferencia G ( w) respecto al diagrama de Bode de G p ( s ) a
bajas frecuencias? Razonar la respuesta.
Dado el sistema en lazo cerrado de la figura:

Figure 5.30 Sistema discreto en lazo cerrado
c) Encontrar la función de transferencia C ( s ) / R( s ) del sistema continuo,

eliminando el muestreador y el retenedor de datos.
d) Calcular el número de muestras por constante de tiempo del sistema del
T = 0.01 seg . ¿Y con T = 1 seg ? Relacionar los resultados obtenidos con los
apartado anterior si se muestrea la señal de salida con un periodo de
apartados a) y b).
e) Encontrar la función de transferencia C ( z ) / R( z ) para T = 0.01 seg y para

T = 1 seg . Trazar los diagramas de polos y ceros en lazo cerrado (en ambos
casos) y razonar los resultados, relacionándolos con los obtenidos en los
apartados anteriores.
Solución:
a) Para T = 0.01 seg :
⎡ 10 ⎤ 0.0952(1 − 0.005w)
G ( z ) = (1 − z −1 )Z ⎢ ⎥ = ; G ( w) = =
1 + 0.005w
0.0952 0.0952
⎣ s ( s + 10) ⎦ z − 0.9048 − 0.9048 0.0952 + 0.0095w
1 − 0.005w
Ambas respuestas frecuenciales mantienen la misma posición respecto a sus

polos y ganancia en continua. Pero la función G ( w) tiene un cero finito más,
aunque está situado muy a la derecha, es decir a altas frecuencias, y por tanto el
diagrama de Bode no queda distorsionado a bajas frecuencias.
b) Para T = 1 seg :
⎡ 10 ⎤ 1 − 0.5w
G ( z ) = (1 − z −1 )Z ⎢ ⎥ = ; G ( w) = =
+
1 1
⎣ s ( s + 10) ⎦ z − 4.53 ×10 − 4.53 ×10−5 1 + 0.5w
−5
1 0.5 w
1 − 0.5w
⎧polo en w = −2
G ( w) : ⎨
⎩ cero en w = 2
El cero que se introduce se sitúa sobre el polo produciendo una cancelación cero–
Bode plano en módulo y una variación de fase asintóticamente a −180º . Con lo

polo en el módulo de la respuesta frecuencial, dando lugar a un diagrama de
cual sí que se distorsiona el diagrama de Bode.
c) Diagrama de bloques del sistema continuo

d) La constante de tiempo es:

τ= = 0.05
1
20
Para T = 0.01 seg se tiene:
τ
= = 5 muestras/cte de tiempo
0.05
T 0.01
Para T = 1 seg se tiene:
τ
= = 0.05 muestras/cte de tiempo
0.05
T 1
Para T = 1 seg no se tiene ni una muestra por constante de tiempo y por eso se
distorsiona la transformada bilineal. Para T = 0.01 seg el número de muestras es
suficiente y la transformada bilineal no queda distorsionada.
⎧
e)
⎪ T = 0.01 ⇒ =
C ( z) 0.0952
⎪ R( z ) z − 0.8096
= ⇒⎨
C ( z) G( z)
R( z ) 1 + G ( z ) ⎪
T =1⇒ =
⎪⎩
C ( z) 1
R( z ) z + 1
análoga equivalente es aquella que rodea al punto z = 1 en el interior del círculo

La zona donde deberían ubicarse los polos para garantizar una buena simulación
unitario.
• Para T = 0.01 seg ⇒ polo z = 0.809 ⇒ se sitúa dentro de la zona
• Para T = 1 seg ⇒ polo z = −1 ⇒ se sitúa fuera de la zona , y por esto el sistema

continuo análogo queda distorsionado.
6. CAPITULO 6: ANÁLISIS DEL LGR Y DEL ESPACIO DE ESTADOS
INTRODUCCIÓN
Debido a la necesidad de conocer los polos de un sistema en lazo cerrado, que

determinarán las características básicas de la respuesta transitoria, se desarrolla
el método del lugar geométrico de las raíces – LGR – (también denominado Lugar
de Evans).
Este método permite ubicar en un gráfico los polos de un sistema en lazo cerrado
a partir del conocimiento de los polos en lazo abierto, en función de un parámetro
variable. Para ello considérese la ecuación característica de un sistema en lazo
cerrado:
1 + Gc ( s )G ( s ) H ( s ) = 0 ⇒ 1 + GLA ( s ) = 0 ⇒ GLA ( s ) = −1 (6.1)
La resolución de esta ecuación implica la verificación de dos condiciones:
• Condición de ángulo: arg {GLA ( s )} = ±180º (2λ + 1); λ ∈ N
• Condición de módulo: GLA ( s ) = 1
Debe observarse que, de este modo, se pasa del estudio del sistema en lazo
cerrado al estudio de características del sistema en lazo abierto, lo cual debe
permitir mayor facilidad en el cálculo.
Se define el lugar geométrico de las raíces como el conjunto de puntos del plano
s en los que se verifica la condición de ángulo. En conclusión, un punto que
pertenece al lugar geométrico de las raíces es un posible polo del sistema en lazo
cerrado; para ello únicamente es necesario validar la condición de módulo, y ésta
se cumplirá para un valor determinado de la ganancia del sistema en lazo abierto.
Sin embargo, un punto del plano s que no pertenezca al LGR no puede ser polo
en lazo cerrado porque no verifica la condición de ángulo, aunque varíe la
ganancia del sistema en lazo abierto. De este modo, variando el parámetro K :
( s + z1 ) ( s + zm )
GLA ( s ) = K ; 0 ≤ K < ∞ (6.2)
( s + p1 ) ( s + pn )
Se logra trazar el lugar geométrico de las raíces que proporciona los valores de los
polos en lazo cerrado en función de K .
Por otra parte, dado que un sistema moderno complejo posee muchas entradas y
muchas salidas que se relacionan entre sí en una forma complicada. Para analizar
un sistema de este tipo, es esencial reducir la complejidad de las expresiones
matemáticas, además de recurrir a una computadora que realice gran parte de los
tediosos cálculos necesarios en el análisis. El enfoque en el espacio de estados
para el análisis de sistemas es el más conveniente desde este punto de vista.
En tanto que la teoría de control convencional se basa en la relación entrada-

salida, o función de transferencia, la teoría de control moderna se basa en la
descripción de las ecuaciones de un sistema en términos de n ecuaciones
diferenciales de primer orden, que se combinan en una ecuación diferencial
matricial de primer orden. El uso de la notación matricial simplifica enormemente la
representación matemática de los sistemas de ecuaciones.
El incremento en la cantidad de variables de estado, de entradas o de salidas no

aumenta la complejidad de las ecuaciones. De hecho, el análisis de los sistemas
complicados con entradas y salidas múltiples se realiza mediante procedimientos
sólo ligeramente más complicados que los requeridos para el análisis de sistemas
de ecuaciones diferenciales escalares de primer orden.
Este capítulo aborda el análisis de los sistemas de control en el espacio de

estados. El material básico de análisis en el espacio de estados, incluyendo la
representación de sistemas en el espacio de estados, la controlabilidad y la
observabilidad, se presenta a continuación.
Lección 1: REGLAS DE CONSTRUCCIÓN DEL LUGAR DE LAS RAÍCES
Dado que los polos y ceros complejos de la función de transferencia en lazo

abierto tienen asociados sus complejos conjugados, el LGR será simétrico
respecto al eje real. Las reglas para construir el LGR se resumen a continuación:
1) Trazar el diagrama polos y ceros en lazo abierto
Sea la ecuación característica de un sistema dinámico:
b0 s m + b1s m −1 + bm −1s + bm ( s + z1 ) ( s + zm )
1 + GLA ( s ) = 0 ⇒ 1 + = 0 ⇒ 1+ K = 0 (6.3)
a0 s n + a1s n −1 + an −1s + an ( s + p1 ) ( s + pn )
s = − zi son ceros y s = − pi son polos en lazo abierto

Donde,
Figure 6.1 Polos y ceros en lazo abierto
2) Lugar geométrico de las raíces sobre el eje real
Los polos y ceros complejos conjugados no afectan en la evaluación del LGR

sobre el eje real, dado que en su contribución suman múltiplos de 360º.
Observando, únicamente, los polos y ceros en lazo abierto sobre el eje real, puede
aplicarse la siguiente consideración: un punto del eje real pertenece al LGR
cuando el número de total de polos y ceros a su derecha es impar (la suma
angular total será un múltiplo de 180º).
Figure 6.2 LGR sobre el eje real

3) Puntos de inicio y final del LGR
El trazado del lugar geométrico de las raíces se inicia en los polos en lazo abierto
y finaliza en los ceros en lazo abierto (en este caso, deben considerarse los ceros
infinitos). Puede demostrarse esta sentencia resolviendo:
• Inicio en polos de lazo abierto:
( s + z1 ) ( s + zm ) ⎡ ( s + z1 ) ( s + zm ) ⎤ ⎡ 1⎤
= − ⇒ lim ⎢ ⎥ = lim − = ∞ (6.4)
( s + pn ) ⎦ K →0 ⎢⎣ K ⎥⎦
1
( s + p1 ) ( s + pn ) K K →0 ( s + p )
⎣ 1
Para que esta expresión sea cierta es necesario que s → − pi .
cuando K = 0 . Debe indicarse que, lógicamente, este efecto es relevante

En conclusión, los polos en lazo cerrado coinciden con los polos en lazo abierto
únicamente a nivel analítico, dado que no es posible tener K = 0 a nivel real.
• Final en ceros en lazo abierto:
( s + z1 ) ( s + zm ) ⎡ ( s + z1 ) ( s + zm ) ⎤ ⎡ 1⎤
= − ⇒ lim ⎢ ⎥ = Klim ⎢ − = 0 (6.5)
⎣ K ⎥⎦
1
( s + p1 ) ( s + pn ) K K →∞
⎣ ( s + p1 ) ( s + pn ) ⎦ →∞
Para que esta expresión sea cierta es necesario que s → − zi ó s → ∞ (en el caso
para el cual el grado del denominador sea mayor que el grado del numerador).
cuando K → ∞ . Así el lugar geométrico puede tener ramas que finalicen en

En conclusión, los polos en lazo cerrado coinciden con los ceros en lazo abierto
infinito; ahora bien, dado que el sistema es causal nunca puede iniciarse el LGR
en infinito.
Figure 6.3 Inicio y final del LGR
El LGR se origina en los polos en lazo abierto y finaliza en los ceros en lazo
abierto (finitos e infinitos). El número de ramas del lugar geométrico indica el
número de polos en lazo cerrado y coincide con el número de polos en lazo
abierto y el número de ceros en lazo abierto (finitos e infinitos).
4) Asíntotas del LGR
El estudio asintótico se realiza para s → ∞ . En ese caso, las contribuciones

angulares por parte de todas las raíces son prácticamente iguales, y existe un
efecto de cancelación de contribución angular entre polos y ceros. De este modo,
la expresión de los ángulos de las asíntotas vendrá dada por:
±180º (2λ + 1)
∠Asíntota =
n−m
(6.6)
transferencia en lazo abierto, respectivamente, y λ es un número natural.

Donde n y m son los grados de denominador y numerador de la función de
Figure 6.4 Asíntotas del LGR
Para demostrar esta expresión debe considerarse la ecuación característica:

Gc ( s )G ( s ) H ( s ) = −1 ⇒ GLA ( s ) = −1
( s + z1 ) ( s + zm ) ⎡ ( s + z1 ) ( s + zm ) ⎤
= −1 ⇒ K lim ⎢ ⎥ → n−m
K
( s + p1 ) ( s + pn ) s →∞ ( s + p )
⎣ ( s + pn ) ⎦
K
1 s
Recordando la condición de ángulo:
±180º (2λ + 1)
arg {s} = ; λ ∈N
n−m
Así por ejemplo, si n − m = 3 entonces
⎧ ±60º λ = 0
±180º (2λ + 1) ⎪
arg {s} = = ⎨±180º λ = 1
⎪
⎩±300º λ = 2
3
El punto de intersección de las asíntotas con el eje real, necesario para poder
realizar el trazado de las asíntotas, viene dado por la expresión:
∑ pi − ∑ z j
n m
σa = i =1 j =1
n−m
(6.7)
Figure 6.5 Ubicación de las asíntotas

Debe observarse que en el caso de n − m = 1 , esto es, poseer únicamente una

asíntota, no debe calcularse el punto de intersección, dado que todo el eje real
constituye la propia asíntota.
5) Puntos de ruptura
Por definición, un punto de ruptura en el LGR corresponde a una raíz múltiple de

la ecuación característica, esto es, un punto de ruptura implica un polo en lazo
cerrado múltiple. Debe resaltarse que los puntos de ruptura pueden ser reales o
complejos conjugados. Los puntos de ruptura pueden dividirse en puntos de
ruptura de dispersión (en los cuales el valor de K alcanza un máximo relativo) y
puntos de ruptura de confluencia (para los cuales K alcanza un mínimo relativo).
Figure 6.6 Puntos de ruptura
Para determinar el procedimiento de cálculo de puntos de ruptura, se realiza la

evaluación de K cuando aparece un punto de ruptura sobre el eje real,
diferenciándose los casos:
• LGR sobre eje real entre dos polos: En este caso, el punto de ruptura
aparece cuando K alcanza un máximo relativo, determinándose según la
expresión:
( s + z1 ) ( s + zm )
1 + GLA ( s ) = 0 ⇒ 1 + K = 0 ⇒ 1+ K =0⇒ K =−
A( s ) B( s)
( s + p1 ) ( s + pn ) B( s) A( s )
= 0 ⇒ B '( s ) A( s) − A '( s ) B( s) = 0
dK
ds
Figure 6.7 LGR sobre eje real entre dos polos
Las soluciones de la ecuación anterior son puntos de ruptura si pertenecen al LGR

y la K asociada es real y positiva. Obviamente, las soluciones de la ecuación
anterior pueden proporcionar puntos de ruptura complejo conjugados.
• LGR sobre eje real entre dos ceros: En este caso, el punto de ruptura
aparece cuando K alcanza un mínimo relativo, determinándose análogamente
al caso anterior.
Figure 6.8 LGR sobre eje real entre dos ceros

• LGR sobre eje real entre cero y polo: En este caso, existe la posibilidad de
que no aparezcan puntos de ruptura, o bien, que existan en pares de
dispersión y confluencia.
Figure 6.9 LGR sobre eje real entre cero y polo
6) Puntos de cruce del LGR con el eje imaginario
Figure 6.10 Puntos de cruce del LGR con el eje imaginario
Con el fin de encontrar los puntos de cruce con el eje imaginario se pueden aplicar
los siguientes métodos:
• Sustituir s = jω en la ecuación característica, igualando parte real e imaginaria

a cero:
⎧Re(ω ) = 0
1 + G ( s) H ( s ) = 0 ⇒ 1 + G ( jω ) H ( jω ) = 0 ⇒ Re(ω ) + j Im(ω ) = 0 ⇒ ⎨
⎩ Im(ω ) = 0
• Aplicando el algoritmo de Routh, anulando una fila de coeficientes. Por
s 3 + bs 2 + cs + Kd = 0
ejemplo:
s3 1 c
s2 b Kd
bc − Kd
s1
b
s0 Kd
bc − Kd
Anulando filas,
=0⇒ K =
bc
b d
K =0
Usando el polinomio auxiliar:
Pa ( s ) = bs 2 + Kd = 0 ⇒ s = ± j c
7) Ángulos de arranque y llegada
Los ángulos de arranque del LGR de los polos en lazo abierto y los ángulos de
llegada del LGR a los ceros en lazo abierto se determinan a partir de la
distribución del diagrama de polos y ceros en lazo abierto.
Para ello, se presupone un punto perteneciente al LGR suficientemente cercano a

la singularidad sobre la que se quiere determinar el ángulo de partida o llegada
como para poder considerarlo en la misma posición que la propia singularidad; de
este modo, al aplicar la condición de ángulo todas las contribuciones angulares
serán conocidas exceptuando el ángulo de arranque o llegada incógnita.
Figure 6.11 Ángulos de arranque y llegada
Ejemplo 6.1 Dibujar el LGR de un sistema que presenta la siguiente función de
( )
transferencia en lazo abierto:
K s−2
( )
GLA ( s ) = 3
s s + 10 s + 7
2 2
3
Solución:
1) Polos y ceros en lazo abierto
⎧⎪ z1 = 2 ⎪⎧ p1 = 0 (doble)
ceros ⎨ polos ⎨
⎩⎪ z2 = ∞ (triple) ⎪⎩ p2,3 = − 3 ± j 2.06
3 ;
5
2) LGR en el eje real

Figure 6.12 Polos y ceros del ejemplo 6.1
3) Asíntotas
n = 4 (No. de polos finitos) y m = 1 (No. de ceros finitos)
⎧ ±60º λ = 0
±180º (2λ + 1) ⎪
arg {s} = = ⎨±180º λ = 1
⎪
⎩±300º λ = 2
3
4) Intersección de las asíntotas con el eje real
∑ pi − ∑ z j ( 0 + 0 − 5 3 + j 2.06 − 5 3 − j 2.06) − 2 3 = −1.33

n m
σa = i =1 j =1
=
n−m 4 −1
Al no existir ninguna rama entre polo y cero, no se cumple la condición necesaria

para que existan puntos de ruptura. Por tanto sólo se calcularán al final si las
condiciones geométricas lo requieren.
complejos conjugados. Para ello, en el polo −5 3 + j 2.06 se toma un punto P de

A continuación se calcula el ángulo de arranque de las ramas de los polos
su entorno tal que P ∈ LGR .
arg { P} = θ1 − [ 2φ1 + φ2 + φ3 ] = ±180º (2λ + 1)

Cálculo de φ1 :
180º −φ1 = tan −1 ⇒ φ1 = 129º

2.06
1.67
Cálculo de θ1 :
180º −θ1 = tan −1 ⇒ θ1 = 136.8º

2.06
2.2
φ3 = 90º
Cálculo de φ2 :
±180º (2λ + 1) = 136.8º − [ (2)(129º ) + φ2 + 90º ] ⇒ φ2 = −31.2º
7) Puntos de cruce con el eje imaginario
Para encontrar el punto de cruce del LGR con el eje jω se utiliza el criterio de
estabilidad de Routh Hurwitz. Se busca la ecuación característica:
s4 + s + 7 s 2 + Ks − K = 0
10 3 2
3 3
Se aplica el criterio de Routh Hurwitz:

− K
2
s4 1 7
3
10
s3 K
3
7− − K
3K 2
s2
10 3
− + K
2
3K 83
s1 10 9
7−
3K
10
− K
2
s0
3
A continuación se busca una K que anule alguna fila:
• K = 0 anula la fila s 0 . Pero esto indica que hay un polo en el origen que ya era
conocido.
• Se busca el valor de K que anula la fila s1
− + K = 0 ⇒ K = 30.7
3K 2 83
10 9
A continuación se buscan las raíces del polinomio auxiliar a esta fila.
⎡⎛ 3K ⎞ 2 2 ⎤
⎢⎜ 7 − 10 ⎟ s − 3 K ⎥ =0
⎣⎝ ⎠ ⎦ K =30.7
−2.21s 2 − 20.46 = 0 ⇒ s1,2 = ± j 3.04
El LGR cortará al eje jω por ± j 3.04 .

Figure 6.13 LGR del ejemplo 6.1
Ejemplo 6.2 Dibujar el LGR de un sistema que presenta la siguiente función de

transferencia en lazo abierto:
K ( s + 2)
GLA ( s ) =
( s + 1)
2
Solución:
1) Polos y ceros en lazo abierto
⎧ z = −2
ceros ⎨ 1 polos { p1 = −1 (doble)
⎩ z2 = ∞
;
2) LGR en el eje real

Figure 6.14 Polos y ceros del ejemplo 6.2
3) Asíntotas
n = 2 (No. de polos finitos) y m = 1 (No. de ceros finitos)
±180º (2λ + 1) ⎧±180º λ = 0

arg {s} = =⎨
1 ⎩±540º λ = 1
La única asíntota es el eje real negativo.
4) Intersección de las asíntotas con el eje real
Serán todos los puntos del semieje real negativo.
Existe una rama de ceros, por tanto existirá como mínimo un punto de ruptura. De
la ecuación característica se obtiene:
( s + 1) 2
K =−
( s + 2)
2( s + 1)( s + 2) − ( s + 1) 2
=− =0
dK
ds ( s + 2) 2
⎧ s = −1
s 2 + 4 s + 3 = 0 ⇒ ⎨ r1
⎩ sr 2 = −3
Los dos puntos pertenecen al LGR y poseen K ( sr1 ) = 0 y K ( sr 2 ) = 4 mayores o

iguales a cero y por tanto son puntos de ruptura.
Ángulo de llegada a los ceros: ±180º
Ángulo de arranque de los polos:
θ1 − 2φ1 = ±180º ⇒ φ1 = ±90º

θ1 = 0º
7) Puntos de cruce con el eje imaginario
Para encontrar el punto de cruce del LGR con el eje jω se utiliza el criterio de
estabilidad de Routh Hurwitz. Se busca la ecuación característica:
s 2 + ( K + 2) s + 2 K + 1 = 0
Se aplica el criterio de Routh Hurwitz:
s2 1 2K + 1
s1 K +2
s0 2K + 1
A continuación se busca una K que anule alguna fila:
• K =−
1
anula la fila s 0 . Pero esto no es posible.
2
• K = −2 anula la fila s1 . Pero esto no es posible.
Se comprueba que no corta al eje jω .

La determinación de los ceros en lazo cerrado debe realizarse cuidadosamente,

dado que no aparecen de un modo directo en el LGR y su influencia es importante
en la respuesta del sistema. Observando las topologías que se muestran en la
figura 6.16, puede decirse que los ceros en lazo cerrado son los ceros en lazo
directo conjuntamente con los polos del elemento de medida.
Figure 6.16 Evaluación de los ceros en lazo cerrado
K ( s + 1)( s + 2) K ( s + 2)
Las funciones de transferencia en lazo cerrado de los sistemas descritos son:
= =
C (s) C (s)
R( s ) ( s + 1) + K ( s + 2) R( s ) ( s + 1) 2 + K ( s + 2)
2
y
Los dos sistemas tienen la misma ecuación característica, lo cual implica que
tienen los mismos polos en lazo cerrado para el mismo valor de K .
El trazado del lugar geométrico de las raíces es el mismo, pero los ceros en lazo
cerrado son diferentes debido al efecto de la función de transferencia del elemento
de medida.
De este modo, para conocer los ceros en lazo cerrado es necesario observar la
estructura concreta del sistema.
Interesará minimizar el efecto del cero de lazo cerrado introducido por el elemento
de medida; para ello, deberá alejarse substancialmente del eje imaginario del
plano s respecto a los polos en lazo cerrado.
En conclusión, los polos del elemento de medida deben tener constantes de

tiempo mucho menores que las características de la planta, esto es, el elemento
de medida debe “procesar” muy rápidamente la información respecto a la
respuesta transitoria de la planta.
Lección 2: ASPECTOS IMPORTANTES EN LA CONSTRUCCIÓN DEL LGR
1. EFECTOS DE ADICIÓN DE POLOS Y CEROS
La adición de un polo a la función de transferencia en lazo abierto GLA ( s ) en el

semiplano izquierdo del plano s tiene el efecto de “empujar” el LGR hacia el
semiplano derecho.
De este modo, manteniendo la ganancia del sistema, su dinámica tenderá a

empeorar.
Figure 6.17 Efecto de la adición de polos sobre el LRG
La adición de un cero a la función de transferencia en lazo abierto GLA ( s ) en el

semiplano izquierdo del plano s tiene el efecto de “atraer” el LGR hacia el
semiplano izquierdo.
En este caso, la dinámica sufre un efecto contrario al anterior.

Figure 6.18 Efecto de la adición de un cero sobre el LGR
2. EFECTOS DE MOVIMIENTOS DE POLOS Y CEROS
A medida que un polo en lazo abierto se acerca al eje imaginario, las ramas del
LGR se acercan más al semiplano derecho. Observaríamos el efecto contrario en
el caso del movimiento de un cero en lazo abierto.
Figure 6.19 Efecto del movimiento de un polo hacia el semiplano derecho

3. LGR EN SISTEMAS DISCRETOS
En un sistema discreto pueden evaluarse las raíces de la ecuación característica

mediante el LGR trazado en el plano z . Ello es posible debido a que la ecuación
característica de un sistema discreto lineal e invariante en el tiempo es una función
racional de polinomios en z . Por lo tanto, puede aplicarse el mismo conjunto de
reglas de trazado del LGR que en sistemas analógicos, con la salvedad de que,
además, deben obtenerse los puntos de cruce del LGR con el circulo de radio
unidad en el plano z .
Ejemplo 6.3 Dibujar el LGR del sistema que se presenta en la siguiente figura:
Figure 6.20 Sistema del ejemplo 6.3
Siendo H ( s ) = 1; G ( s ) = ; T = 1 seg
K
s ( s + 1)
Solución:
⎧1 − e − sT K ⎫ 0.368 K ( z + 0.717)
GLA ( z ) = Z ⎨ ⎬= 2
⎩ s s ( s + 1) ⎭ z − 1.368 z + 0.368
• Polos en: p1 = 1; p2 = 0.368 y ceros en z1 = −0.717
• Asíntotas: ±180º
• Puntos de ruptura:
zr1 = 0.67; K ( zr1 ) = 0.196

zr 2 = −2.11; K ( zr 2 ) = 15.01
• Corte con el eje imaginario: ± j1.161
• Corte con el círculo unitario: Para calcular estos puntos se aplica el criterio de
Routh Hurwitz sobre el plano transformado w , ya que el círculo de radio uno
del plano z se transforma mediante la transformada bilineal en el eje
imaginario del plano w .
GLA ( w) = GLA ( z ) z =1+ 0.5 w

1− 0.5 w
(1 − 0.038 K ) w2 + (0.924 − 0.386 K ) w + 0.924 K

1 + GLA ( w) = =0
w( w + 0.924)
sistema será estable para 0 < K < 2.39 . Si se sustituye el valor límite de K en la
Si a continuación se aplica el criterio de Routh Hurwitz, se encuentra que el
z = 0.245 ± j 0.97 (módulo=1; fase= ± 75.8º)

ecuación característica, se encuentra la posición del LGR sobre el circulo unitario,
Por último, debe indicarse que disminuir el periodo de muestreo conlleva modificar
sistema es estable, y se produce un acercamiento de las ramas del LGR a z = 1 ,

el LGR, de manera que aumenta el margen de valores de K para el cual el
indicativo de la menor desvirtuación del sistema discreto frente al sistema continuo

equivalente.
tomando T = 0.1 seg .

Ejemplo 6.4 Dibujar el LGR del sistema que se presenta en el ejemplo 6.3,
Solución:
Con T = 0.1 seg se obtiene el siguiente LGR:
Donde el rango de valores de K para el cual el sistema es estable es 0 < K < 20.3 .
Se deja al estudiante la solución completa de este ejercicio como método de
profundización en el tema.
Lección 3: REPRESENTACIONES EN EL ESPACIO DE ESTADOS
Existen muchas técnicas para obtener representaciones en el espacio de estados

de los sistemas basados en la función de transferencia. Esta sección aborda las
representaciones en el espacio de estados en la forma canónica controlable,

observable, diagonal o de Jordan.
Considere un sistema definido mediante:
y ( n ) + a1 y ( n −1) + + an −1 y + an y = b0u ( m ) + b1u ( m −1) + + bm −1u + bmu (6.8)
Donde y es la salida y u es la entrada. Esta ecuación también se puede escribir

como:
Y ( s ) b0 s m + b1s m −1 + + bm −1s + bm
= n
s + a1s n −1 + + an −1s + an
(6.9)
U ( s)
A continuación se presentan las representaciones en el espacio de estados del

sistema definido mediante estas ecuaciones en una forma canónica controlable,
en una forma canónica observable y en una forma canónica diagonal (o de
Jordan).
1. FORMA CANÓNICA CONTROLABLE
La siguiente representación en el espacio de estados se denomina forma canónica

controlable:
⎡ x1 ⎤ ⎡ 0 0 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢x ⎥ ⎢ 0 0 ⎥⎥ ⎢⎢ x2 ⎥⎥ ⎢0 ⎥
1 0
⎢ 2 ⎥ ⎢ 0 1
⎢ ⎥
⎢ ⎥=⎢ ⎥⎢ ⎥ + ⎢ ⎥ u (6.10)
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ xn −1 ⎥ ⎢ 0 1 ⎥ ⎢ xn −1 ⎥ ⎢0 ⎥
⎢⎣ xn ⎥⎦ ⎢⎣ − an − a1 ⎥⎦ ⎢⎣ xn ⎥⎦ ⎢⎣1 ⎥⎦
0 0
− an −1 − an − 2
⎡ x1 ⎤
⎢x ⎥
y = [bn − anb0 bn −1 − an −1b0 b1 − a1b0 ] ⎢ 2 ⎥ + b0u (6.11)
⎢ ⎥
⎢ ⎥
⎣ xn ⎦
La forma canónica controlable es importante cuando se analiza el enfoque de

ubicación de polos para el diseño de sistemas de control.
2. FORMA CANÓNICA OBSERVABLE
La siguiente representación en el espacio de estados se denomina forma canónica

observable:
⎡ x1 ⎤ ⎡ 0 −an ⎤ ⎡ x1 ⎤ ⎡ bn − an b0 ⎤
⎢ ⎥ ⎢ 0 −an −1 ⎥⎥ ⎢⎢ x2 ⎥⎥ ⎢⎢ bn −1 − an −1b0 ⎥⎥
0 0
⎢ x2 ⎥ ⎢1 0
⎢ x3 ⎥ = ⎢ 0 0 − an − 2 ⎥ ⎢ ⎥ + ⎢bn − 2 − an − 2b0 ⎥ u (6.12)
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
1
⎢ ⎥ ⎢ ⎥ ⎢ xn −1 ⎥ ⎢ ⎥
⎣⎢ xn ⎦⎥ ⎣⎢ 0 0 1 − a1 ⎦ ⎣ xn ⎦ ⎣ b1 − a1b0 ⎦⎥
⎥ ⎢ ⎥ ⎢
⎡ x1 ⎤
⎢x ⎥
y = [0 0 1] ⎢ 2 ⎥ + b0u (6.13)
⎢ ⎥
⎢ ⎥
⎣ xn ⎦
3. FORMA CANÓNICA DIAGONAL
Considere el sistema representado por la función de transferencia en la que el

polinomio del denominador sólo contiene raíces distintas, la ecuación se escribe
como:
Y ( s ) b0 s m + b1s m −1 + + bm −1s + bm
= = b0 + 1 + 2 + +
c c cn
( s + p1 )( s + p2 ) ( s + pn ) s + p1 s + p2 s + pn
(6.14)
U ( s)
La forma canónica diagonal de la representación en el espacio de estados de este

sistema se obtiene mediante
⎡ x1 ⎤ ⎡ − p1 0 ⎤ ⎡ x1 ⎤ ⎡1⎤
⎢ ⎥ ⎢ 0 ⎥⎥ ⎢⎢ x2 ⎥⎥ ⎢1⎥
0 0
⎢ x2 ⎥ ⎢ 0 − p2
⎢⎥
0
⎢ ⎥=⎢ ⎥⎢ ⎥ + ⎢ ⎥ u (6.15)
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢⎥
⎢ xn −1 ⎥ ⎢ 0 − pn −1 0 ⎥ ⎢ xn −1 ⎥ ⎢1⎥
⎢⎣ xn ⎥⎦ ⎢⎣ 0 − pn ⎥⎦ ⎢⎣ xn ⎥⎦ ⎢⎣1⎥⎦
0
0 0
⎡ x1 ⎤
⎢x ⎥
y = [ c1 c2 cn ] ⎢ 2 ⎥ + b0u (6.16)
⎢ ⎥
⎢ ⎥
⎣ xn ⎦
4. FORMA CANÓNICA DE JORDAN
A continuación considere el caso en el que el polinomio del denominador de la

función de transferencia contiene raíces múltiples, para el cual la forma canónica
diagonal anterior debe modificarse a la forma canónica de Jordan. Suponga, por
ejemplo, que todas las pi , excepto las primeras tres, son diferentes entre sí, o sea
p1 = p2 = p3 . En este caso, la forma factorizada de Y ( s ) / U ( s ) se vuelve
b0 s m + b1s m −1 + + bm −1s + bm
=
Y ( s)
U ( s ) ( s + p1 )3 ( s + p4 )( s + p5 ) ( s + pn )
(6.17)
La expansión en fracciones parciales de esta última ecuación se convierte en
= b0 + + + 3 + 4 + 5 + +
Y ( s) c1 c2 c c c cn
( s + p1 ) ( s + p1 ) s + p1 s + p4 s + p5 s + pn
3 2
(6.18)
U ( s)
Una representación en el espacio de estados de este sistema en la forma

canónica de Jordan se obtiene mediante
⎡ x1 ⎤ ⎡ − p1 0 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢x ⎥ ⎢ 0 ⎥⎢ ⎥ ⎢ ⎥
1 0 0
⎢ 2⎥ ⎢ − p1 1 ⎥ ⎢ x2 ⎥ ⎢0 ⎥
⎢ x3 ⎥ ⎢ 0 − p1 0 ⎥ ⎢ x3 ⎥ ⎢1 ⎥
⎢ ⎥=⎢ ⎥ ⎢ ⎥ + ⎢ ⎥ u (6.19)
0 0
⎢ x4 ⎥ ⎢ 0 − p4 0 ⎥ ⎢ x4 ⎥ ⎢1 ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
0 0
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢⎣ xn ⎥⎦ ⎢⎣ 0 0 0 0 − pn ⎥⎦ ⎢⎣ xn ⎥⎦ ⎣1 ⎦
⎡ x1 ⎤
⎢x ⎥
y = [ c1 c2 cn ] ⎢ 2 ⎥ + b0u (6.20)
⎢ ⎥
⎢ ⎥
⎣ xn ⎦
Ejemplo 6.5 Obtener las representaciones en el espacio de estados en la forma

canónica controlable, en la forma canónica observable y en la forma canónica
diagonal, para el sistema representado mediante
s+3
= 2
Y (s)
U ( s ) s + 3s + 2
Solución:
Forma canónica controlable:
⎡ x1 ⎤ ⎡ 0 1 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢ ⎥=⎢ ⎥⎢ ⎥ + ⎢ ⎥u
⎣ x2 ⎦ ⎣ −2 −3⎦ ⎣ x2 ⎦ ⎣1 ⎦
⎡x ⎤
y = [3 1] ⎢ 1 ⎥
⎣ x2 ⎦
Forma canónica observable:
⎡ x1 ⎤ ⎡0 −2 ⎤ ⎡ x1 ⎤ ⎡3⎤
⎢ ⎥=⎢ ⎥ ⎢ ⎥ + ⎢ ⎥u
⎣ x2 ⎦ ⎣1 −3⎦ ⎣ x2 ⎦ ⎣1⎦
⎡x ⎤
y = [ 0 1] ⎢ 1 ⎥
⎣ x2 ⎦
Forma canónica diagonal:
⎡ x1 ⎤ ⎡ −1 0 ⎤ ⎡ x1 ⎤ ⎡1⎤
⎢ x ⎥ = ⎢ 0 −2 ⎥ ⎢ x ⎥ + ⎢1⎥ u
⎣ 2⎦ ⎣ ⎦⎣ 2⎦ ⎣ ⎦
⎡x ⎤
y = [ 2 −1] ⎢ 1 ⎥
⎣ x2 ⎦
Los valores característicos de una matriz A de n × n son las raíces de la ecuación

característica.
λ I - A = 0 (6.21)
Los valores característicos también se denominan raíces características. Por

ejemplo, considere la matriz A siguiente:
⎡0 0⎤
⎢ 1 ⎥⎥
1
A=⎢0 0
⎢⎣ −6 −11 −6 ⎥⎦
⎡λ −1
La ecuación característica es:
0 ⎤
⎢
λI − A = ⎢ 0 λ −1 ⎥⎥
⎣⎢ 6 11 λ − 6 ⎦⎥
λ I − A = λ 3 + 6λ 2 + 11λ + 6 = 0 ⇒ (λ + 1)(λ + 2)(λ + 3) = 0
decir −1, −2, −3 .

Los valores característicos de A son las raíces de la ecuación característica, es
Lección 4: SOLUCIÓN DE LA ECUACIÓN DE ESTADOS
En esta sección se obtendrá la solución general de la ecuación de estado lineal e

invariante con el tiempo. Primero se considerará el caso homogéneo y luego el no
homogéneo.
1. SOLUCIÓN DE LAS ECUACIONES DE ESTADO PARA EL CASO

HOMOGÉNEO
Antes de resolver las ecuaciones diferenciales matriciales, observe la solución de

la ecuación diferencial escalar
x = ax (6.22)
Tomando la transformada de Laplace, se obtiene
sX ( s ) − x(0) = aX ( s)
Despejando X ( s ) :
X ( s) =
1
s−a
x(0)
La transformada inversa de Laplace de esta última ecuación produce la solución,
x(t ) = e at x(0) (6.23)
El enfoque anterior para la solución de la ecuación diferencial escalar homogénea

se extiende a la ecuación de estado homogénea:
x(t ) = Ax(t ) (6.24)
Tomando la transformada de Laplace, se obtiene
sX( s ) − x(0) = AX( s )

X( s ) = ( sI − A) −1 x(0)
Por tanto,
La transformada inversa de Laplace de esta última ecuación produce la solución,
x(t ) = e At x(0) (6.25)
Donde,
e At = L −1
⎡⎣ ( sI − A) −1 ⎤⎦ = I + At + A 2t 2 + + At +
1 1 k k
(6.26)
2! k!
Ahora si se escribe la solución de la ecuación de estado homogénea x(t ) = Ax(t )
x(t ) = Φ(t )x(0) (6.27)

como
En donde Φ(t ) es una matriz de n × n que satisface la condición
Φ(t ) = AΦ(t ); Φ(0) = I (6.28)
Es claro que Φ(t ) puede estar dada por
Φ(t ) = e At (6.29)
La matriz única Φ(t ) se denomina matriz de transición de estados. La matriz de

transición de estados contiene toda la información acerca del movimiento libre del
sistema.
Si los valores característicos λ1 , λ2 ,… , λn , de la matriz A son distintos, entonces

Φ(t ) contendrá las n exponenciales
eλ1t , eλ2t ,… , eλnt

En particular, si la matriz A es diagonal, entonces
⎡ eλ1t 0 ⎤
⎢ ⎥
0
λ2t
Φ(t ) = e = ⎢
0 ⎥
⎢ ⎥
At 0 e
(6.30)
⎢ ⎥
⎣0 0 eλnt ⎦
característicos de A son λ1 , λ1 , λ1 , λ4 , λ5 ,… , λn , entonces Φ(t ) contendrá además de

Si hay una multiplicidad en los valores característicos, por ejemplo, si los valores
las exponenciales eλ1t , eλ4t , eλ5t ,… , eλnt , términos como teλ1t y t 2 eλ1t
A continuación se resumen algunas propiedades importantes de la matriz de

transición de estados Φ(t ) :
• Φ(0) = e A 0 = 1
• Φ(t ) = e At = ( e − At ) = [Φ(−t ) ] ; Φ −1 (t ) = Φ(−t )

−1 −1
• Φ(t1 + t2 ) = e A (t1 +t2 ) = e At1 e At2 = Φ(t1 )Φ(t2 ) = Φ(t2 )Φ(t1 )
• [Φ(t )] = Φ(nt )
n
Ejemplo 6.6 Obtener la matriz de transición de estados Φ(t ) del siguiente

sistema:
⎡ x1 ⎤ ⎡ 0 1 ⎤ ⎡ x1 ⎤
⎢ x ⎥ = ⎢ −2 −3⎥ ⎢ x ⎥
⎣ 2⎦ ⎣ ⎦⎣ 2⎦
Solución:
La matriz de transición de estados Φ(t ) se obtiene mediante
Φ(t ) = e At = L −1
⎡⎣( sI − A) −1 ⎤⎦
⎡ s 0 ⎤ ⎡ 0 1 ⎤ ⎡ s −1 ⎤
Dado que,
sI − A = ⎢ ⎥−⎢ ⎥=⎢ ⎥
⎣0 s ⎦ ⎣ −2 −3⎦ ⎣ 2 s + 3⎦
La inversa de ( sI − A) se obtiene mediante:
⎡ s+3 ⎤
⎢ ( s + 1)( s + 2) ⎥
1
⎡ s + 3 1⎤ ( s + 1)( s + 2)
( sI − A) −1 = ⎢ ⎥ =⎢ ⎥
1
( s + 1)( s + 2) ⎣ −2 s ⎦ ⎢ −2 ⎥
⎢ ( s + 1)( s + 2) ( s + 1)( s + 2) ⎥⎦
s
⎣
Por tanto,
⎡ 2e − t − e −2t e− t − e−2t ⎤
Φ(t ) = e = L −1
⎡⎣( sI − A) −1 ⎤⎦ = ⎢ ⎥
⎣ −2e + 2e −e −t + 2e−2t ⎦
At
−t −2 t
2. SOLUCIÓN DE LAS ECUACIONES DE ESTADO PARA EL CASO NO

HOMOGÉNEO
La solución de la ecuación de estado no homogénea
x = Ax + Bu (6.31)
También puede obtenerse mediante el enfoque de la transformada de Laplace. La

transformada de Laplace de esta última ecuación produce
sX( s ) − x(0) = AX( s ) + BU( s )
X( s ) = ( sI − A) −1 x(0) + ( sI − A) −1 BU( s )
Por tanto,
O bien,
X( s ) = L ⎡⎣e At ⎤⎦ x(0) + L ⎡⎣e At ⎤⎦ BU( s ) (6.32)
La transformada inversa de Laplace de esta última ecuación se obtiene a partir de

la integral de convolución, del modo siguiente:
x(t ) = e At x(0) + ∫ e A (t −τ ) Bu(τ )dτ (6.33)

t
Ejemplo 6.7 Obtener la respuesta en el tiempo del siguiente sistema:
⎡ x1 ⎤ ⎡ 0 1 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢ x ⎥ = ⎢ −2 − 3 ⎥ ⎢ x ⎥ + ⎢ 1 ⎥ u
⎣ 2⎦ ⎣ ⎦⎣ 2⎦ ⎣ ⎦
Solución:
La matriz de transición de estados Φ(t ) = e At se obtuvo en el ejemplo 6.6 como
⎡ 2e −t − e −2t e − t − e −2t ⎤
Φ(t ) = e At = ⎢ ⎥
⎣ − 2e + 2 e −e −t + 2e −2t ⎦
−t −2 t
La respuesta a la entrada escalón se obtiene entonces como
⎡ 2e − (t −τ ) − e −2(t −τ ) e− (t −τ ) − e−2(t −τ ) ⎤ ⎡0 ⎤
x(t ) = e At x(0) + ∫ ⎢ ⎥ ⎢ ⎥ [1] dτ
t
0 ⎣ −2e + 2e−2(t −τ ) −e − (t −τ ) + 2e−2(t −τ ) ⎦ ⎣1 ⎦

− ( t −τ )
⎡1 ⎤
O bien,
⎡ x1 (t ) ⎤ ⎡ 2e − t − e −2t e − t − e −2t ⎤ ⎡ x1 (0) ⎤ ⎢ − e − t + e −2t ⎥
⎥=⎢ +
1
⎢ ⎥⎢ ⎥ 2
⎣ x2 (t ) ⎦ ⎣ −2e + 2e
−t −2 t
−e −t + 2e −2t ⎦ ⎣ x2 (0) ⎦ ⎢ ⎥
−
2
⎣ ⎦
−t −2 t
e e
Si el estado inicial es cero, entonces x(t ) se puede simplificar a:
⎡1 ⎤
⎡ x1 (t ) ⎤ ⎢ − e − t + e −2t ⎥
=
1
⎢ x (t ) ⎥ ⎢ 2 ⎥
⎣ 2 ⎦ −
2
⎣ ⎦
−t −2 t
e e
Lección 5: CONTROLABILIDAD Y OBSERVABILIDAD
1. CONTROLABILIDAD
La controlabilidad se ocupa del problema de poder dirigir un sistema de un estado

inicial dado, a un estado arbitrario. Se dice que un sistema de control es de estado
completamente controlable, si es posible transferir el sistema de un estado inicial
arbitrario a cualquier estado deseado (también un estado arbitrario), en un periodo
finito. Es decir, un sistema de control es controlable si todas las variables de
estado pueden ser controladas en un periodo finito, mediante alguna señal de
control no restringida. Si cualquiera de las variables de estado es independiente
de la señal de control, entonces resulta imposible controlar esa variable de estado
y, por lo tanto, el sistema es no controlable.
Considere el sistema está definido por
x = Ax + Bu
y = Cx + Du
x : vector de estado (n × 1)
Donde,
u: vector de control (r × 1)
y: vector de salida (1× m)
A: matriz (n × n)
B: matriz (n × r )
C: matriz (m × n)
D: matriz (m × r )
completa del estado es que la matriz de controlabilidad de dimensiones n × nr ,

Controlabilidad completa del estado: La condición para la controlabilidad
dada por
⎡⎣ B AB A n -1B ⎤⎦ (6.34)
Sea de rango n , o que contenga n vectores columna, linealmente independientes.

La condición para controlabilidad completa del estado también se puede enunciar
en términos de las funciones de transferencia o de las matrices de transferencia.
Una condición necesaria y suficiente para la controlabilidad completa del estado
es que no ocurra cancelación en la función de transferencia o en la matriz de
transferencia. Si ocurre cancelación, el sistema no puede ser controlado en la
dirección del modo cancelado.
Controlabilidad de la salida: La controlabilidad completa del estado no es

necesaria ni suficiente para controlar la salida de un sistema de control en tiempo
continuo lineal e invariante en el tiempo. Se puede demostrar que la condición
para la controlabilidad completa de la salida es que el rango de la matriz:
⎡⎣ D CB CAB CA 2B CA n -1B ⎤⎦ (6.35)
Sea igual a m , ya que esta matriz tiene dimensiones m × (n + 1)r .
2. OBSERVABILIDAD
La observabilidad se ocupa del problema de determinar el estado de un sistema

dinámico a partir de observaciones de los vectores de salida y de control. Se dice
que un sistema es observable si se puede determinar el estado del mismo, a partir
de la observación de los vectores de salida y de control. El concepto de
observabilidad es útil para resolver el problema de la reconstrucción de variables
de estado no medibles. En la práctica, en los sistemas de control con
realimentación de estado se encuentra la dificultad de que algunas de las
variables de estado no son accesibles para su medición directa, entonces se
requiere estimar las variables de estado no medibles, a fin de construir señales de
control de realimentación.
Considere el sistema está definido por
x = Ax
y = Cx
Donde,
x : vector de estado (n × 1)
y: vector de salida (1× m)
A: matriz (n × n)
C: matriz (m × n)
la matriz de observabilidad de dimensiones nm × n , dada por:

Observabilidad completa: La condición para la observabilidad completa es que
⎡ C ⎤
⎢ CA ⎥
⎢ ⎥ (6.36)
⎢ ⎥
⎢ n -1 ⎥
⎣⎢CA ⎦⎥
Sea de rango n . La matriz de observabilidad también puede ser escrita en
tendrá dimensiones n × nm y se puede escribir de esta forma:

términos de la transpuesta conjugada, en este caso la matriz de observabilidad
⎡⎣C* A*C* ( A* ) n−1 C* ⎤⎦ (6.37)
De igual manera se busca que esta matriz sea de rango n , o que contenga n
vectores columna, linealmente independientes.
Ejemplo 6.8 Determinar la controlabilidad y observabilidad del siguiente sistema:
⎡ x1 ⎤ ⎡ 1 1 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢ x ⎥ = ⎢ −2 −1⎥ ⎢ x ⎥ + ⎢1 ⎥ u
⎣ 2⎦ ⎣ ⎦⎣ 2⎦ ⎣ ⎦
⎡x ⎤
y = [1 0] ⎢ 1 ⎥
⎣ x2 ⎦
Solución:
Dado que se trata de un sistema de segundo orden, la matriz de controlabilidad

queda:
⎡0 1 ⎤
[B AB ] = ⎢ ⎥
⎣1 −1⎦
Cuyo rango es 2, lo que indica que el sistema es de estado completamente

controlable.
Para la controlabilidad de la salida se encuentra que la matriz:
[C B CAB ] = [ 0 1]
Tiene rango 1, por lo tanto, el sistema tiene una salida completamente controlable.
Para probar la condición de observabilidad, se encuentra la matriz de

observabilidad de la siguiente forma:
⎡1 1⎤
⎡⎣C* A*C* ⎤⎦ = ⎢ ⎥
⎣0 1⎦
El rango de la matriz de observabilidad es 2, por lo tanto, el sistema es

completamente observable.
ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD 2
1. ¿Qué condiciones debe tener un sistema de tiempo continuo y un sistema de

tiempo discreto para que sean estables?
2. ¿Qué se entiende por error en estado estacionario?
3. ¿Qué diferencia existe entre el “orden” del sistema y el “tipo” de sistema?

Escriba algunos ejemplos para sistemas de tiempo continuo y discreto.
4. ¿Qué se entiende por respuesta transitoria? ¿Cuáles son las especificaciones

para un sistema de segundo con respuesta subamortiguada?
5. ¿Qué es el lugar geométrico de las raíces y para qué se utiliza?
6. Mencione los pasos necesarios para construir el lugar geométrico de las raíces
en sistemas de tiempo continuo y discreto.
7. ¿Qué se entiende por respuesta frecuencial? ¿Qué diagramas se pueden

utilizar para realizar el análisis frecuencial?
8. Defina ancho de banda, margen de ganancia y margen de fase.
9. ¿Cuáles son las maneras de representar un sistema en espacio de estado? De

dos ejemplos de cada una.
10. ¿Qué se entiende por controlabilidad y observabilidad?

FUENTES DOCUMENTALES DE LA UNIDAD 2
DOCUMENTOS IMPRESOS
DORF,Richard y BISHOP, Robert. Sistemas de control moderno. Décima edición. Madrid:

Pearson Prentice-Hall, 2005. 882p.
KUO, Benjamin. Sistemas de control automático. Séptima edición. México D.F.: Prentice-
Hall Hispanoamericana S.A., 1996. 897p.
OGATA, Katsuhiko. Ingeniería de control moderna. Tercera edición. México D.F.:

Prentice-Hall Hispanoamericana S.A., 1998. 997p.
OGATA, Katsuhiko. Sistemas de control en tiempo discreto. Segunda edición. México

D.F.: Prentice-Hall Hispanoamericana S.A., 1996. 745p.
SMITH, Carlos y CORRIPIO, Armando. Control automático de procesos: Teoría y práctica.

México D.F.: Editorial Limusa S.A., 1991. 717p.
DIRECCIONES DE SITIOS WEB
DUARTE, Oscar. Programa universidad virtual (online), (Bogotá, Colombia), 2005

(visitado 30 de junio, 2009).
http://www.virtual.unal.edu.co/cursos/ingenieria/2001619/index.html
GUTIERREZ, Álvaro. Robolabo (online). (España), (visitado 30 de junio, 2009).

http://138.100.21.254/labo/b_alumnos/curso_sist_control_2005/
Regents of University of Michigan. Tutoriales de control con MATLAB (online). (Michigan,

USA), septiembre de 1997 (visitado 30 de junio, 2009).
http://www.ib.cnea.gov.ar/~control2/Links/Tutorial_Matlab_esp/index.html
SEGURA, Cristian. Introducción a señales, sistemas y control (online). (España), abril de

2007 (visitado 30 de junio, 2009).
http://es.wikibooks.org/wiki/Introducci%C3%B3n_a_Se%C3%B1ales%2C_Sistemas_y_Co
ntrol
TORRES, Carmen y AGUILAR, José. Curso interactivo de sistemas de control (online).

(Madrid, España), octubre de 2002 (visitado 30 de junio, 2009).
http://www.dma.fi.upm.es/ctorres/Curso%2DInteractivo%2DControl/

Modulo Sistemas Dinamicos

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

Modulo Sistemas Dinamicos

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

PROGRAMA DE INGENIERÍA ELECTRÓNICA

201527 – SISTEMAS DINÁMICOS

DIEGO FERNANDO SENDOYA LOSADA

JAIRO HERNAN LOPEZ BAYONA

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente módulo fue diseñado en el año 2007 por el ingeniero Diego

El presente módulo ha tenido dos actualizaciones desarrolladas por el

El curso de Sistemas Dinámicos es de tipo metodológico, pertenece al campo de

El curso tiene 2 créditos académicos, los cuales comprenden el estudio

• Reconozca sistemas dinámicos lineales e invariantes en el tiempo y esté en

• Pueda analizar la estabilidad de los sistemas de control, a partir de los

• Comparta sus logros, experiencias y dudas con su tutor y sus compañeros de

• Desarrolle procesos y habilidades necesarias para su continua formación en el

Unidad 1. Representación de los Sistemas Dinámicos. Trata en primer lugar, los

Unidad 2. Análisis de los sistemas dinámicos. Trata los diferentes métodos de

La metodología a seguir será bajo la estrategia de educación a distancia. Por tal

• Estudio Independiente: este se desarrollará a través del trabajo personal y

• Acompañamiento tutorial: corresponde al acompañamiento que el tutor

La evaluación del curso se define como cualitativa - participativa, y mide la calidad

• Autoevaluación: evaluación que realiza el estudiante para valorar su propio

• Coevaluación: se realiza a través de los grupos colaborativos, y pretende la

• Heteroevaluación: Es la valoración que realiza el tutor del proceso de

Otro aspecto a considerar dentro del curso es el sistema de interactividades, el

• Tutor-estudiante: a través del acompañamiento individual.

• Estudiante-estudiante: mediante la participación activa en los grupos

• Estudiantes-tutor: a través del acompañamiento a los pequeños grupos

• Tutor-estudiantes: mediante el acompañamiento en grupo de curso

• Estudiantes-estudiantes: en los procesos de socialización que se realizan en

Se tienen diferentes opciones y tecnologías, las cuáles deben ser empleadas de la

• Materiales virtuales: Son el soporte fundamental para el curso y para

• Sitios Web: propician el acercamiento al conocimiento, la interacción y la

• Sistemas de interactividades sincrónicas: permite la comunicación a través

• Sistemas de interactividades asincrónicas: permite la comunicación en

El acceso a documentos complementarios adquiere una dimensión de suma

En la medida que el estudiante interiorice y aplique los puntos abordados

aprestamiento en los enfoques de la ingeniería mediante la estrategia de

1.2. Raíces Complejas Simples ........................................................................................................ 64

FUENTES DOCUMENTALES DE LA UNIDAD 1 ........................................................................... 174

Table 2.1 Pares de transformadas de Laplace ................................................................................. 50

Table 2.5 Transformadas Z de x( k + n) y x( k − n) .................................................................. 100

Table 3.1 Reglas del álgebra de bloques........................................................................................ 147

LISTADO DE GRÁFICOS Y FIGURAS

Figure 1.1 Diagrama general de un proceso..................................................................................... 17

Figure 3.1 No linealidad de saturación............................................................................................ 104

Figure 3.18 Reconstrucción efectuada por el ZOH......................................................................... 131

Figure 4.5 Ubicación de los polos en función de ζ ....................................................................... 182

Figure 4.6 Diferentes respuestas escalón de un sistema de segundo orden................................. 183

Figure 4.8 M p en función de ζ .................................................................................................... 186

Figure 4.9 Curvas envolventes de la respuesta paso..................................................................... 187

Figure 5.6 Relación entre el LGR y los diagramas de Bode........................................................... 221

Figure 5.17 Diagrama de Nyquist a) en el plano 1 + G ( jω ) H ( jω ) b) en el plano G ( jω ) H ( jω )

Figure 5.23 Diagrama polar que contiene al punto −1 + j 0 .......................................................... 241

Figure 5.25 Diagrama de Nyquist para K = 10, 60 y 200 ............................................................ 242

Mediante el desarrollo de las lecciones propuestas se

• Capítulo 1: Sistemas de control

• Capítulo 2: Herramientas matemáticas

1. CAPITULO 1: SISTEMAS DE CONTROL

En muchos procesos industriales (sistemas dinámicos) la función de control es

La eficiencia productiva implica el constante aumento de los niveles de producción