TECNOLÓGICO NACIONAL DE

MÉXICO

INSTITUTO TECNOLOGIO DE LERMA”

“UNIDAD I”

1.1 CONCEPTOS PRELIMINARES

DINAMICA DE SISTEMAS

INGENIRIA MECATRONICA

PRESENTA
CESAR ARMANDO LUCAS GARCIA

MAESTRO
Ing. CARLOS OREZA SANZ

19 DICIEMBRE 2023
Contenido

DINAMICA DE SISTEMAS ...................................................................................... 1

1.1 Conceptos preliminares ................................................................................. 3
Sistemas ............................................................................................................. 3
1.1.1 Señales .................................................................................................. 4
1.1.2 Modelos ................................................................................................. 5
1.1.3 Construcción de los Modelos Matemáticos ....................................... 6
1.1.4 Clasificación de los Modelos Matemáticos ........................................ 8
1.1.5 Sistemas lineales y no lineales variantes e invariantes en el tiempo
10
Mapa mental ..................................................................................................... 12
Conclusión ....................................................................................................... 13
1.2 Conceptos preliminares

Sistemas

Un sistema, en el contexto de la teoría de control y modelado, se define como un

conjunto de componentes o elementos interconectados que trabajan juntos para
lograr un objetivo específico. Estos componentes interactúan entre sí, y su
comportamiento colectivo puede ser analizado y modelado para comprender mejor
su dinámica y rendimiento.
Características Fundamentales de los Sistemas:
Entradas y Salidas: Los sistemas tienen entradas, que son las señales o variables
que ingresan al sistema, y salidas, que son las respuestas o resultados producidos
por el sistema. El análisis de las relaciones entre las entradas y salidas es esencial
para comprender el comportamiento global del sistema.
Interconexiones: Los componentes dentro de un sistema están interconectados, lo
que significa que las salidas de un componente pueden afectar a otros. La forma en
que estos elementos están conectados influye en la dinámica y el rendimiento
general del sistema.
Comportamiento Dinámico: Los sistemas pueden exhibir comportamientos
dinámicos, lo que implica cambios en el tiempo. El modelado de sistemas dinámicos
es crucial para entender cómo evolucionan las variables del sistema con el tiempo
y cómo responden a diferentes estímulos.
Estabilidad y Control: La estabilidad es una propiedad fundamental de los
sistemas. Los sistemas estables tienden a mantenerse equilibrados, mientras que
los sistemas inestables pueden experimentar crecimientos no deseados. El control
de sistemas implica la manipulación de las entradas para lograr un comportamiento
deseado en las salidas.
Retroalimentación: Muchos sistemas incorporan retroalimentación, donde la salida
del sistema se utiliza para ajustar las entradas. La retroalimentación puede tener un
impacto significativo en la estabilidad y el rendimiento del sistema.
Tipos de Sistemas:
1. Sistemas Lineales y No Lineales: Los sistemas lineales obedecen al
principio de superposición, mientras que los sistemas no lineales pueden
mostrar comportamientos más complejos y no lineales.
 2. Sistemas Continuos y Discretos: Los sistemas continuos tienen variables
que varían de manera continua en el tiempo, mientras que los sistemas
discretos operan en intervalos discretos de tiempo.
3. Sistemas Deterministas y Estocásticos: Los sistemas deterministas tienen
un comportamiento predecible y determinado, mientras que los sistemas
estocásticos incorporan elementos de azar o incertidumbre.
El estudio de sistemas es esencial en diversas disciplinas, desde ingeniería y física
hasta biología y economía. El modelado y análisis de sistemas permiten comprender
su comportamiento, facilitando así el diseño y control efectivos para cumplir con
objetivos específicos.

1.2.1 Señales

En el contexto de la teoría de señales y sistemas, las señales son representaciones

matemáticas de fenómenos físicos que varían con respecto al tiempo, el espacio u
otras variables independientes. El estudio de las señales es fundamental para
comprender cómo la información se transmite, procesa y manipula en diversos
sistemas, desde el ámbito de las comunicaciones hasta el procesamiento de
señales biomédicas. A continuación, se exploran algunas características clave de
las señales:
Características Fundamentales de las Señales:
1. Amplitud y Magnitud: La amplitud de una señal representa su nivel o
intensidad en un momento dado. Puede ser constante o cambiar con el
tiempo.
2. Frecuencia: La frecuencia indica cuántos ciclos ocurren en una unidad de
tiempo y está asociada con la rapidez con la que una señal cambia. Las
señales pueden ser de frecuencia constante o variable.
3. Periodicidad y Aperiodicidad: Las señales periódicas se repiten en
intervalos regulares, mientras que las aperiodicas no siguen un patrón
regular de repetición.
4. Energía y Potencia: Dependiendo de la aplicación, las señales pueden
clasificarse en señales de energía (cuando su energía total es finita) o
señales de potencia (cuando su energía se distribuye en el tiempo).
Tipos de Señales:
1. Analógicas y Digitales: Las señales analógicas son continuas en amplitud
y tiempo, mientras que las señales digitales son discretas en amplitud y
 tiempo. La digitalización implica la representación de información mediante
bits.
2. Deterministas y Estocásticas: Las señales deterministas tienen un
comportamiento predecible, mientras que las señales estocásticas
incorporan elementos de aleatoriedad o incertidumbre.
3. Señales de Banda Base y Moduladas: En sistemas de comunicación, las
señales de banda base representan la información original, mientras que las
señales moduladas llevan esa información a una portadora para transmitirla
eficientemente.
Operaciones y Transformaciones de Señales:
1. Operaciones Básicas: Incluyen la suma, multiplicación, desplazamiento y
escalamiento de señales.
2. Transformadas: Las transformadas, como la Transformada de Fourier y la
Transformada Z, son herramientas fundamentales para analizar señales en
dominios alternativos, como el dominio de frecuencia.
3. Convolución: La convolución se utiliza para combinar dos señales y analizar
la salida resultante en sistemas lineales e invariantes en el tiempo.
El análisis y procesamiento de señales son esenciales en campos como las
comunicaciones, el procesamiento de imágenes, la medicina y el control de
sistemas. Comprender las propiedades y comportamientos de las señales es crucial
para diseñar sistemas eficientes y robustos en una variedad de aplicaciones.

1.2.2 Modelos

En el ámbito de la teoría de sistemas y control, los modelos son representaciones

simplificadas de sistemas físicos o abstractos que permiten comprender, analizar y
predecir su comportamiento. Estos modelos son herramientas esenciales para
ingenieros, científicos y diseñadores, ya que facilitan la comprensión de sistemas
complejos y proporcionan una base para el diseño y la optimización. A continuación,
se exploran algunas características fundamentales de los modelos:
Características Clave de los Modelos:
1. Abstracción: Los modelos implican simplificar la realidad para concentrarse
en aspectos específicos del sistema de interés. La abstracción es crucial para
hacer que el modelo sea manejable y aplicable.
2. Representación Matemática: Los modelos se expresan mediante
ecuaciones matemáticas que describen las relaciones entre las variables del
 sistema. Estas ecuaciones pueden ser lineales o no lineales, dependiendo
de la complejidad del sistema.
3. Validación: Los modelos deben ser validados mediante comparaciones con
datos experimentales o mediciones del sistema real. La validación garantiza
que el modelo refleje con precisión el comportamiento observado en la
práctica.
Tipos de Modelos:
1. Modelos Físicos: Basados en principios físicos y leyes naturales que
gobiernan el sistema. Estos modelos pueden ser representados por
ecuaciones diferenciales, integrales u otras.
2. Modelos Empíricos: Se derivan a partir de datos experimentales sin
necesariamente entender completamente los principios físicos subyacentes.
A menudo se ajustan utilizando métodos estadísticos.
3. Modelos de Caja Negra: Tratan al sistema como una caja negra cuyo
comportamiento se describe en función de sus entradas y salidas sin conocer
los detalles internos. Son comunes en situaciones donde la complejidad del
sistema impide una comprensión detallada.
Aplicaciones de Modelos:
1. Diseño y Optimización: Los modelos permiten explorar diferentes
configuraciones y parámetros del sistema para lograr un rendimiento óptimo.
2. Análisis de Estabilidad: En sistemas de control, los modelos ayudan a
evaluar la estabilidad del sistema mediante el análisis de polos y ceros.
3. Simulación: Los modelos se utilizan para simular el comportamiento del
sistema bajo diversas condiciones antes de implementarlo en la práctica.
4. Predicción: Los modelos pueden utilizarse para prever el comportamiento
futuro del sistema y anticipar posibles problemas.
En resumen, los modelos desempeñan un papel crucial en la comprensión y
manipulación de sistemas complejos. Su aplicación abarca una amplia gama de
disciplinas, desde la ingeniería y la física hasta la economía y la biología,
proporcionando herramientas valiosas para la toma de decisiones y el diseño de
sistemas eficientes.

1.2.3 Construcción de los Modelos Matemáticos

La construcción de modelos matemáticos en dinámica de sistemas es un proceso

crucial que implica representar la interacción entre diferentes componentes de un
sistema y cómo estas interacciones evolucionan a lo largo del tiempo. Aquí se
describe el proceso general de construcción de modelos matemáticos en dinámica
de sistemas:
1. Identificación de Componentes:
• Definición del Sistema: Se establece claramente el sistema de interés,
identificando sus componentes y las relaciones entre ellos.
• Variables de Estado: Se eligen las variables de estado que describen
completamente el estado del sistema en un momento dado.
2. Formulación de Ecuaciones Dinámicas:
• Leyes Físicas o Principios: Se utilizan las leyes físicas o principios que
gobiernan el comportamiento de cada componente del sistema.
• Ecuaciones Diferenciales o Diferencias: Se derivan ecuaciones
diferenciales o de diferencias que describen cómo cambian las variables de
estado con respecto al tiempo.
3. Representación Matricial en Espacio de Estados:
• Forma Matricial: Las ecuaciones dinámicas se reorganizan en la forma
matricial estándar del espacio de =Ax+Bu), donde ˙x˙ es el vector de
derivadas de las variables de estado, A es la matriz de estado, B es la matriz
de entrada, y u es el vector de entradas.
4. Linealización (si es necesario):
• Perturbaciones Pequeñas: Si el sistema es no lineal, se puede linealizar
alrededor de un punto de operación para simplificar el análisis.
5. Validación del Modelo:
• Comparación con Datos Experimentales: Se valida el modelo comparando
sus predicciones con datos experimentales o de observación del sistema
real.
6. Ajuste y Mejora del Modelo:
• Optimización de Parámetros: Se ajustan los parámetros del modelo para
mejorar su concordancia con los datos observados.
7. Análisis de Estabilidad y Comportamiento Dinámico:
• Análisis de Polos y Ceros: Se realiza un análisis de polos y ceros para
evaluar la estabilidad del sistema y su respuesta a diferentes entradas.
8. Simulación y Experimentación Virtual:
 • Simulación Numérica: Se utilizan herramientas de simulación numérica
para experimentar virtualmente con el modelo bajo diversas condiciones y
analizar su comportamiento dinámico.
9. Interpretación y Aplicación:
• Interpretación de Resultados: Se interpretan los resultados del modelo en
términos del comportamiento del sistema y su relevancia para aplicaciones
específicas.
La construcción de modelos matemáticos en dinámica de sistemas es un proceso
iterativo que implica ajustes y refinamientos a medida que se obtienen más datos o
se adquiere un mayor entendimiento del sistema. Estos modelos son esenciales
para el diseño, análisis y control efectivo de sistemas en una variedad de campos,
desde ingeniería y física hasta biología y economía.

1.2.4 Clasificación de los Modelos Matemáticos

En el ámbito del control de sistemas dinámicos, los modelos matemáticos juegan

un papel central al proporcionar representaciones formales de la dinámica de un
sistema. Estos modelos pueden clasificarse de diversas maneras, dependiendo de
sus características y aplicaciones específicas. Aquí se presenta una clasificación
general de los modelos matemáticos en control:
1. Modelos de Estado:
• Descripción Matricial: Representan el sistema mediante ecuaciones de
estado en forma matricial. Son particularmente útiles para sistemas lineales
e invariantes en el tiempo (LTI).
• Espacio de Estados: Se expresan comúnmente como =Ax+Bu, y=Cx+Du,
donde x es el vector de estado, u es el vector de entrada, y es el vector de
salida, A, B, C, y D son matrices.
2. Modelos de Transferencia:
• Funciones de Transferencia: Describen la relación entre la entrada y la
salida en el dominio de Laplace. Son comunes en el análisis de sistemas
lineales.
• Representación Algebraica: Se expresan como G(s)=U(s)Y(s), donde G(s)
es la función de transferencia, Y(s) es la transformada de Laplace de la
salida, y U(s) es la transformada de Laplace de la entrada.
3. Modelos No Lineales:
 • Ecuaciones No Lineales: Describen sistemas con comportamientos no
lineales. Pueden incluir términos cuadráticos, no linealidades paramétricas,
etc.
• Simulación Numérica: Suelen requerir métodos numéricos para su análisis
y solución.
4. Modelos de Caja Negra:
• Entradas y Salidas: Describen el sistema en términos de sus respuestas a
las entradas sin detallar la estructura interna del sistema.
• Identificación Empírica: Se obtienen a través de técnicas de identificación
de sistemas basadas en datos experimentales.
5. Modelos Deterministas y Estocásticos:
• Deterministas: Representan sistemas cuyo comportamiento futuro está
completamente determinado por las condiciones iniciales y las entradas.
• Estocásticos: Consideran la incertidumbre y el azar en la evolución del
sistema.
6. Modelos de Retardo:
• Incorporan Retardos Temporales: Útiles para sistemas donde la respuesta
no es instantánea y hay un desfase temporal.
• Ecuaciones Diferenciales con Retardo: Modelan fenómenos en los que la
salida depende de los valores pasados de la entrada.
7. Modelos de Eventos Discretos:
• Sistemas Discretos en el Tiempo: Modelan sistemas cuyos estados
cambian en momentos discretos en lugar de cambiar de manera continua.
• Diagramas de Bloques de Eventos: Representan transiciones discretas
entre estados.
Estas clasificaciones proporcionan una estructura para comprender la diversidad de
modelos matemáticos utilizados en el control de sistemas dinámicos. La elección
del tipo de modelo depende de la naturaleza específica del sistema, los objetivos de
control y las herramientas analíticas disponibles.
1.2.5 Sistemas lineales y no lineales variantes e invariantes en el tiempo

En el contexto de la teoría de sistemas y control, la clasificación de sistemas como

lineales o no lineales, y variantes o invariantes en el tiempo, es esencial para
comprender y analizar su comportamiento dinámico. Aquí se explica cada categoría:
1. Sistemas Lineales:
• Definición: Un sistema es lineal si satisface los principios de homogeneidad
y superposición.
• Homogeneidad: Si la entrada se escala por un factor k, la salida
también se escala por el mismo factor.
• Superposición: La respuesta a la suma de dos entradas es la suma de
las respuestas a cada entrada por separado.
• Ecuaciones Características: Para un sistema lineal, las ecuaciones que
describen su comportamiento son lineales en las variables de entrada y
salida.
2. Sistemas No Lineales:
• Definición: Un sistema es no lineal si no cumple con alguno de los principios
de homogeneidad o superposición.
• Características: Pueden exhibir comportamientos más complejos y no están
restringidos por las propiedades de los sistemas lineales.
• Ejemplos: Sistemas con términos no lineales, como productos de variables
de estado o funciones no lineales.
3. Sistemas Variantes en el Tiempo:
• Definición: Un sistema es variante en el tiempo si sus parámetros o
características cambian con respecto al tiempo.
• Ecuaciones Características Cambian: Las ecuaciones que describen el
sistema pueden variar con el tiempo.
• Ejemplos: Sistemas cuyos parámetros varían debido a factores externos o
internos.
4. Sistemas Invariantes en el Tiempo:
• Definición: Un sistema es invariante en el tiempo si sus parámetros o
características son constantes con respecto al tiempo.
• Ecuaciones Características Constantes: Las ecuaciones que describen el
sistema no cambian con el tiempo.
 • Ejemplos: Sistemas cuyas propiedades no varían con el tiempo.
Relación entre Linealidad e Invariancia Temporal:
• Propiedades Conjuntas: Un sistema puede ser lineal e invariante en el
tiempo (LTI) o no lineal y variante en el tiempo (NLTV), entre otras
combinaciones.
• Sistemas LTI: Son de especial importancia debido a que poseen
propiedades matemáticas que facilitan el análisis y diseño de control.
La clasificación de sistemas en estas categorías proporciona un marco conceptual
para entender sus características fundamentales. La elección entre linealidad y no
linealidad, así como entre variantes e invariantes en el tiempo, depende de la
naturaleza específica del sistema y de los objetivos de control y modelado.
Mapa mental
Conclusión

La dinámica de sistemas es un campo interdisciplinario y fundamental que se ocupa

del estudio, modelado y análisis de sistemas complejos en constante cambio.
Algunas conclusiones clave sobre la dinámica de sistemas son las siguientes:
1. Complejidad y Conexiones: Los sistemas dinámicos a menudo involucran
múltiples componentes interconectados que evolucionan con el tiempo. La
comprensión de las conexiones y relaciones entre estos componentes es
esencial para modelar con precisión su comportamiento.
2. Modelado Matemático: La construcción de modelos matemáticos es una
herramienta esencial en la dinámica de sistemas. Estos modelos permiten
representar de manera formal las interacciones y dinámicas del sistema,
facilitando el análisis y la simulación.
3. Linealidad y No Linealidad: La distinción entre sistemas lineales y no
lineales es fundamental. Los sistemas lineales ofrecen propiedades
matemáticas deseables que simplifican el análisis, mientras que los sistemas
no lineales pueden exhibir comportamientos más complejos y realistas.
Bibliografía

Ogata, K., & Sanchez, G. L. P. (1987). Dinámica de sistemas (Vol. 3). Prentice-Hall
Hispanoamericana.

Ogata, K. (1997). Introducción a los Sistemas de Control. Ingeniería de Control Moderna, Prentice
Hall, 3ª Ed., México, 1-11.

Ogata, K. (2003). Ingeniería de control moderna. Pearson Educación.

Kuo, B. C. (1996). Sistemas de control automático. Pearson Educación.

Villota, E. (2009). Control Moderno yOptimo. Universidad Nacional de Ingeiería Mecánica.

Aracil, J., & Gordillo, F. (1997). Dinámica de sistemas (p. 20). Madrid: Alianza editorial.

Ogata, K., & Sanchez, G. L. P. (1987). Dinámica de sistemas (Vol. 3). Prentice-Hall
Hispanoamericana.

Gordillo, F., & Aracil, J. (1997). Dinámica de sistemas. Alianza editorial.