Jitorres - MODELADO Y DINÁMICA-19-06-2017-UNO A TRES PDF

MODELADO Y DINÁMICA
ORIENTADOS AL
CONTROL DE
PROCESOS
[PÁGINA INTENCIONALMENTE DEJADA EN BLANCO]
ALCANCE y ORIENTACIÓN
El presente texto desarrolla el contenido básico de la recientemente creada asignatura Dinámica de
Procesos, ofrecida en el programa de Ingeniería Electrónica de la Escuela de Ingenierías Eléctrica
Electrónica y de Telecomunicaciones de la Universidad Industrial de Santander (UIS). También podrá
utilizarse como referencia en cursos similares de profesiones afines, dada su estructura temática. Se
creó pensando en un curso con intensidad de cuatro horas semanales, durante un semestre de 16
semanas. Igualmente, este libro de texto se desarrolló acorde con el contenido requerido para un
curso a nivel introductorio de pregrado.
Pese a la innumerable cantidad de excelentes libros disponibles en el área de sistemas de control o

control de procesos, modelado, dinámica de procesos, estoy seguro, o por lo menos convencido, que
el presente texto facilitará al estudiante adquirir los conceptos básicos en forma unificada, que le
permitan analizar el comportamiento dinámico del proceso en análisis y de los demás componentes
del ciclo de control. Con ello, se preparará para actividades como el diseño, la simulación e incluso el
necesario ajuste del controlador, conocimiento que adquirirá en cursos posteriores en esta línea de
profesionalización.
Vale precisar que el texto cubre los aspectos esenciales de un curso de modelado y dinámica, y que
requiere haber cursado las asignaturas básicas de ingeniería, tales como cálculo y ecuaciones
diferenciales, y cursos de física elemental. Así las cosas, una de las primeras preguntas que se requiere
resolver es: ¿Por qué es importante conocer la dinámica de un sistema (o proceso)? Si bien hay varias
razones, a continuación presento algunas de ellas, sin que necesariamente sean las de mayor
importancia: a) En el área de control de procesos es imperativo tener idea, así sea aproximada, de
cómo se comporta el proceso y demás componentes con el tiempo, frente a una determinada
entrada, factor que permitirá la simulación y el diseño del mismo sistema de control; b) Hay procesos
industriales que operan inherentemente en estado transitorio (procesos discontinuos o en baches)
por lo que resulta evidente conocer su dinámica; c) El diseño del sistema de control de un circuito
eléctrico, por ejemplo, requiere que éstos se diseñen y especifiquen sus componentes, conociendo
cómo se comportan en ese lapso de tiempo en que opera en estado transitorio (dinámico) y,
obviamente, antes de que alcance su valor de estado estable (invariable en el tiempo o no dinámico);
y d) Es de gran utilidad para el análisis de la estabilidad de un sistema de control durante su operación.
Asimismo, es importante mencionar que el enfoque de estas respuestas, está relacionado solamente
con el área de control de procesos y no con la dinámica de sistemas en general, lo que nos lleva a
precisar el objetivo pedagógico de este texto. En pocas palabras, los temas involucrados aquí
solamente hacen referencia a la conexión entre la dinámica de procesos y los sistemas de control
automático comúnmente diseñados, simulados y construidos en ingeniería. Para ello utilizaremos
ejemplos en áreas tan diversas como los circuitos eléctricos, la hidráulica, los procesos térmicos y los
mecánicos.
Finalmente, en cada uno de los capítulos se desarrollan ejemplos que le ilustran al lector la aplicación
de los conceptos presentados y le permite apreciar la relación de éstos con las áreas de control de
procesos, automatización e instrumentación, entrelazadas estas con la Dinámica de Procesos en un
programa típico de ingeniería electrónica. Igualmente, se incluyen ejercicios propuestos y algunas
preguntas diseñadas para la autoevaluación, haciendo uso de Moodle (an open-source learning
platform) disponibles en línea en el Aula Virtual de Aprendizaje de la UIS.
TABLA DE CONTENIDO
INTRODUCCIÓN
CAPÍTULO 1. ALGUNAS DEFINICIONES EN EL ÁREA DE SISTEMAS DE CONTROL
Introducción
Definiciones básicas
Operaciones básicas presentes en un sistema de control
Sistema de control en lazo abierto y lazo cerrado
Componentes y señales de un sistema de control de lazo cerrado
Señales de excitación estándar
Ejercicios propuestos
Algunas referencias tradicionales muy útiles
CAPÍTULO 2. SISTEMAS LINEALES

Introducción
Linealización de modelos
Función de transferencia
Representación de un sistema de control mediante un diagrama de Bloques
Representación de un sistema de control mediante un diagrama de Flujo de Señales
Representación de sistemas dinámicos en el espacio de estados
Correspondencia: espacio de estados-función de transferencia
CAPÍTULO 3. COMPORTAMIENTO DINÁMICO DE SISTEMAS DE PRIMER Y SEGUNDO ORDEN

Introducción
Respuesta temporal transitoria de sistemas de primer orden
Respuesta temporal transitoria de sistemas de segundo orden
Error en estado estable de sistemas de control en lazo cerrado
CAPÍTULO 4. MODELADO DE PROCESOS DINÁMICOS-I. Estrategias y leyes fundamentales en el

modelado de procesos
Introducción
Modelos y modelado matemático
Ecuación de continuidad o ley de conservación de la materia y carga eléctrica
Primera ley de la termodinámica. Balances de energía.
Modelado mediante la conservación del momento y la segunda ley de Newton
Modelado utilizando la ecuación de Euler-Lagrange
Modelado mediante la impedancia mecánica
Modelado mediante el análisis dimensional
Modelado fundamentado en la analogía
CAPÍTULO 5. MODELADO DE PROCESOS DINÁMICOS-II. Modelado matemático para algunos

sistemas en particular
Introducción
Sistemas Eléctricos
Sistemas Mecánicos
Sistemas Térmicos
Sistemas Hidráulicos
CAPÍTULO 6. MODELADO DE PROCESOS DINÁMICOS-III. Ejemplos demostrativos del análisis de la

dinámica de un proceso
Introducción
Definición del problema
Descripción e interpretación de la naturaleza del problema
Modelado matemático
Solución numérica
Análisis e interpretación de los resultados
CAPÍTULO 7. MODELADO DE PROCESOS DINÁMICOS-IV. Identificación de sistemas
Introducción
Propósito general de la IdS
El criterio de los mínimos cuadrados en la estimación de parámetros
Relación criterio de los mínimos cuadrados-optimización
La IdS y la respuesta de sistemas de control
Sobre la Identificación de Sistemas (IdS). Su concepto.
La utilidad de la IdS
Del modelo desarrollado durante la IdS
Selección del modelo para una IdS
Análisis de la relación entrada-salida
Un modelo “hecho a la medida”
Otros modelos lineales que se utilizan en la IdS
Metodología típica para una IdS
Nomenclatura compacta en la IdS
Algunos modelos paramétricos para sistemas lineales
e invariantes en el tiempo
Otros modelos
Herramienta de identificación
INTRODUCCIÓN
La dinámica de procesos, razón del presente libro, representa una importante área de formación en
la ingeniería electrónica, dado que está relacionada con el conocimiento del comportamiento en el
tiempo de un proceso o sistema, ya sea éste eléctrico, mecánico, térmico, hidráulico, o de cualquiera
otra naturaleza. De igual forma, resulta evidente su impacto en el área de sistemas de control, aspecto
al que le daremos énfasis, pues hace parte de la línea de control, así como de modelado y de
simulación.
Como se estableció desde un principio, este libro responde a la necesidad de la recientemente creada
asignatura Dinámica de Procesos, orientada hacia la formación del estudiante de ingeniería electrónica
en el área de control de procesos o sistemas, y particularmente con lo relacionado en el modelado y
la simulación de estos sistemas, ya sea en lazo abierto o en un lazo cerrado en presencia de un
controlador.
El libro inicia con la presentación de algunas definiciones básicas del área de sistemas de control, de
las operaciones presentes en un lazo de control, y una descripción de un sistema de control en lazo
abierto y en lazo cerrado. Igualmente, en este primer capítulo se describen los principales
componentes y las señales de un sistema de control de lazo cerrado, así como las señales de excitación
estándares. En el capítulo dos se describe el procedimiento de como linealizar un modelo
matemático, obviamente no-lineal. Además, se hace un repaso de la función de transferencia, seguido
del estudio de la representación de un sistema de control en diagrama de bloques y en flujo de señales.
La representación de modelos o sistemas en el espacio de estados y su relación con la función de
transferencia se estudia ya al final. Continuamos con el análisis de la dinámica de sistemas de primer
y segundo orden, destacándose el examen de sus respuestas transitorias y el error en estado estable,
todo ello en el capítulo tres. El capítulo cuarto se inicia con la formulación de las estrategias y leyes
fundamentales en el modelado de procesos. Con ello en mente, se describen las leyes de conservación
de la materia y de la carga eléctrica, a lo largo con la primera ley de la termodinámica y la conservación
del momento. Igualmente, se estudian los métodos de modelado mediante la ecuación de Euler-
Lagrange y la impedancia mecánica. Finaliza este capítulo con el análisis dimensional y la analogía como
métodos de modelado de sistemas. En el capítulo quinto se ilustra el uso de los métodos arriba
mencionados, para el modelado sistemas eléctricos, mecánicos, térmicos e hidráulicos. Ya en el
capítulo seis se desarrollan ejemplos numéricos demostrativos del análisis de la dinámica de un
proceso. Finalizamos el libro en el capítulo siete, dedicado a la identificación de sistema, en donde se
presentan los principales modelos lineales usados en la identificación paramétrica. A través de todos
los siete capítulos se presenta una buena cantidad de ejemplo resueltos, y al final ejercicios propuestos
con el fin de afianzar conceptos, y utilizar el computador en simulaciones numéricas.
El autor desea expresar sus sinceros agradecimientos a la Universidad Industrial de Santander, UIS,
por haber aprobado el año sabático tiempo durante el cual se realizó el presente libro. De igual forma,
el autor desea expresar sus agradecimientos a los estudiantes de posgrado que leyeron los borradores
del presente texto, y muy particularmente al estudiante de doctorado de la universidad de
Guanajuato, México Jorge Cruz, habiendo realizado todos ellos valiosos comentarios que dieron pie
para hacer modificaciones en algunas secciones.
[PÁGINA INTENCIONALMENTE DEJADA EN BLANCO]
CAPÍTULO 1
ALGUNAS DEFINICIONES
EN EL ÁREA DE SISTEMAS
DE CONTROL
CONTENIDO
Introducción
Señales de excitación estándar
INTRODUCCIÓN
El presente capítulo está orientado a la presentación de algunos de los conceptos más relevantes en
el área de sistemas de control (también conocido como control de procesos), y que están
directamente relacionados con el modelado y la dinámica de procesos, propósito del presente libro.
De la misma manera, este capítulo servirá para apreciar la relación existente entre este tema, con los
que se verán posteriormente en asignaturas tales como control clásico analógico y digital (Control I,
Control II), Instrumentación y Automatización, típicamente ofrecidas en programas de Ingeniería
Electrónica y en profesiones afines.
Las definiciones y conceptos del área de control de procesos presentados son fundamentales, y se
espera que el estudiante las asimile, pues se utilizarán a partir del segundo capítulo, y, obviamente, en
sus cursos posteriores.
En este capítulo se presentan algunos de los principales conceptos necesarios para entender la razón
del por qué se requiere conocer el modelo matemático (MoMa) de los componentes de un sistema
de control, tanto para su diseño y simulación, como para su implementación. En sistema de control
existen algunas reglas producto de la experiencia de muchas personas que han trabajado en esta área,
y que han demostrado ser muy útiles y formativas en toda tarea que implique el diseño, simulación e
implementación de un sistema de control (control de procesos). Para el presente caso, asumiendo
que el lector no ha tomado ningún curso en control, son dos de esas reglas las que vamos a utilizar:
a. Antes de siquiera empezar a conceptualizar el sistema de control, se debe “conocer” el
proceso que se desea controlar, y
b. El “mejor” sistema de control será el “más sencillo”.
Aquí, “conocer” significa entender cómo opera el proceso (el sistema), disponer de información
relacionada con éste para poder predecir qué sucede si se le realizan cambios en sus variables o
parámetros, aspecto que se aborda experimentalmente o mediante “su MoMa”. Es imposible
controlar un sistema sin conocerlo previamente. En cuanto al “más sencillo”, hace referencia a que
deben evitarse los diseños complicados si se puede hacer de una forma elemental. Entre más
componentes tenga, mayor es la probabilidad de ocurrencia de fallas.
A través de este capítulo se presenta una buena cantidad de ejemplos resueltos, orientados en algunos
casos a fortalecer e ilustrar cómo se aplican estos conceptos en casos concretos, así como a presentar
conceptos adicionales. Al final se proponen ejemplos para que el estudiante practique estos conceptos
y verifique por sí mismo si tiene el suficiente nivel para aplicarlos a futuro.
Antes de iniciar con las definiciones básicas en el área de sistemas de control, conviene aclarar algunos
conceptos relacionados con los procesos que se requieren controlar. La implementación de un
sistema de control obviamente depende de la naturaleza del mismo proceso, es decir, si bien las
estrategias para controlar un avión o un robot pueden ser las mismas que para controlar una torre de
destilación o un reactor, habrán componentes y configuraciones que hacen particular a cada uno de
ellos. Desde el punto de vista de la forma en que operan, en general los sistemas o procesos
industriales más comunes se pueden agrupar como: i). Sistema abierto o continuo: definido como el
proceso en el que la materia se transfiere a través de sus fronteras. En él, se puede identificar
claramente al menos una salida y una entrada, y éste opera en el mejor de los casos en estado estable.
La gran mayoría de procesos industriales operan con este tipo de procesos, dado que ello garantiza,
por ejemplo, la calidad constante de sus productos, la posibilidad de predicción de sus condiciones
operacionales (modelado), la producción continua y el bajo costo. ii). Sistema cerrado o por lotes
(batch): En este tipo de sistema no hay transferencia de materia continuamente a través de la frontera
del sistema. Se carga el sistema, se realiza cualquiera que sea el proceso (térmico o químico, por
ejemplo) y luego se descarga. Evidentemente, este proceso no requiere que se alcance el estado
estable, y de hecho en la mayoría de las situaciones de la vida real, opera en estado transitorio. Ahora
las definiciones:
a. “Punto de ajuste” (SP, de las siglas en inglés por set-point): componente de un sistema de
control que representa el valor que debe tomar la salida del sistema de control o variable
controlada. Puede ser una entrada constante o variable en el tiempo. Típicamente se utiliza la
nomenclatura 𝑟(𝑡).
b. “Variable controlada” (VC): componente de un sistema de control que se requiere mantener
en el valor deseado o punto de ajuste. En la mayoría de los sistemas de control, esta variable
representa su salida. Típicamente se utiliza la nomenclatura 𝑐(𝑡).
c. “Variable manipulada” (VM): componente de un sistema de control que se ajusta
dinámicamente para mantener la viable controlada en su punto de ajuste. Típicamente se
utiliza la nomenclatura 𝑚(𝑡).
d. “Variable de carga o perturbación” (VP): factor externo o interno al sistema de control
responsable de que la variable controlada se aleje de su valor deseado o punto de ajuste (SP).
Estas variables muy raramente se miden, aunque se predicen o modelan durante la etapa de
diseño. En consecuencia, se puede afirmar que esta variable o variables son las responsables
de la existencia de los sistemas de control automático o manual. Típicamente se utiliza la
nomenclatura 𝑑(𝑡).
e. Elemento primario de control (sensor): componente de un sistema de control encargado de
medir la variable controlada. Usualmente requiere de un transmisor (o elemento secundario)
para llevar su señal al controlador. En la mayoría de casos, estos dos componentes vienen
incorporados en un mismo dispositivo.
f. Controlador: componente de un sistema de control encargado de comparar la señal
proveniente del sensor con el punto de referencia y tomar decisiones sobre el nivel de su señal
de salida. Actúa sobre el elemento final de control.
g. Elemento final de control: componente de un sistema de control encargado de físicamente
alterar la variable manipulada. Actúa de acuerdo a la señal enviada por el controlador.
h. Señal de error o simplemente error: diferencia entre el punto de ajuste y la variable
controlada, es decir, 𝑒(𝑡) = 𝑟(𝑡) − 𝑐(𝑡). Debe existir realimentación unitaria.
i. Control en ciclo (lazo) abierto: sistemas de control en donde no se compara el valor deseado
o punto de ajuste, con la variable controlada. De igual forma, se acepta esta definición cuando
se desconecta el controlador del resto del sistema.
j. Sistema de control en ciclo (lazo) cerrado, o sistemas de control realimentados: estrategia de
un sistema de control en donde se compara la variable controlada o salida, con su respectivo
punto de ajuste. Normalmente, esta comparación la hace el mismo controlador y es, de cierta
manera, dependiente de la salida. El término “realimentación” o “realimentado” se interpreta
aquí como la señal que corresponde a la medición de la variable controlada (o variable de
salida) que se retorna al controlador, con el propósito de compararla con el punto de ajuste.

En cualquier sistema de control automático, es decir, en aquellos donde el controlador puede ser un
elemento mecánico, eléctrico, hidráulico, neumático o cualquier otro, o incluso en el control manual,
aquel controlado por un ser humano con ayuda o no de otros componentes, debe:
a. Medir: Implica conocer el valor de la variable o variables controladas. Esta operación la realiza
el sensor (elemento primario de control).
b. Comparar y Decidir: Implica tomar una acción dependiendo de la información (señal de error)
que recibe el controlador.
c. Actuar: Implica proceder conforme lo dirija el controlador y con el objetivo de ajustar la
variable manipulada. Esta operación la realiza el, o los elementos finales de control.

A. Lazo abierto
Se caracteriza, como se indicó, porque su salida no se compara con el punto de ajuste. Este esquema
de control tiene un amplio uso, sobre todo en procesos donde resulta difícil, o incluso no existen
sensores, para medir algunas de sus variables de salida. Se destacan rasgos distintivos como:
a. La calibración de sus componentes es un factor determinante para su correcto

funcionamiento.
b. La presencia de perturbaciones resulta ser, en la mayoría de los casos, catastróficas para su
correcta operación.
c. Su operación de control es independiente de la variable controlada (salida). Recuerde que no
se realimenta el valor de esta variable.
d. La inestabilidad del sistema de control usualmente no es un problema para su normal
operación.
e. En general, actúa con base en la medición del tiempo durante su operación.
Ejemplo: En la Figura 1.1 se ilustran los componentes de un sistema de control de lazo abierto. Identificarlos.
Figura 1.1. Distribución de funciones del esquema de control en lazo abierto.
donde:
MoMa-1 representa el modelo matemático de un transductor de entrada
MoMa-2 representa el modelo matemático del controlador
MoMa-3 representa el modelo matemático del proceso que se controla
Observe que las perturbaciones (𝑑(𝑡) o 𝐷(𝑆)) se adicionan a las señales, ver el signo (+), como sucede en la
mayoría de situaciones en la vida real. Esto indica que su presencia ayuda a incrementar esa señal y no a
disminuirla, situación que afecta la anhelada estabilidad del sistema. Esa es la razón a que sean perturbaciones
al sistema. Como es de esperarse, es fundamental conocer y entender la dinámica de los componentes del
sistema de control, aspecto que evidentemente se desprende del conocimiento del modelo matemático de
cada uno de ellos. Los modelos que se abordan en este libro se podrán representar tanto en el dominio del
tiempo como en el de la transformada de Laplace.
Ejemplo: Se requiere calentar una empanada de pollo empleando un horno convencional de microondas. El
siguiente esquema ilustra los componentes del lazo de control abierto, asumiendo que no existieran variables
de perturbación (o simplemente perturbaciones), ver Figura 1.2. Identifique los componentes principales de
este sistema.
Figura 1.2. Distribución de funciones del esquema de control en lazo abierto.
Solución:
Punto de ajuste: la “temperatura que se desea” que alcance la empanada.
Variable controlada: la “temperatura” del material (que es más una sensación definida por el gusto, para el caso
de la empanada), puesto que, en un evento muy raro, se lleva un termómetro para medirla.
Variable manipulada: el tiempo que define cuánto durará encendido el magnetrón a una potencia constante
definida.
Transductor: elemento electrónico dentro del horno que convierte esa “temperatura deseada”, en un tiempo
de operación del horno. El valor de ese tiempo proviene de la experiencia.
Proceso: el sistema de calentamiento del material (la empanada) con ondas electromagnéticas en el rango de
las microondas.
MoMa-1: representa el modelo matemático de la electrónica del sistema que permite entregar una potencia
fija y pre-definida por parte del magnetrón, al material ubicado en la cavidad multimodal.
MoMa-2: representa el modelo matemático del proceso de calentamiento de un sólido anisotrópico, con
elevado porcentaje de agua, para el caso de la empanada. En este caso, el modelo más sencillo (sin incluir la
transferencia de masa (evaporación del agua), ni la inclusión de la anisotropía) proviene de la primera ley de la
termodinámica acoplada con las ecuaciones de Maxwell, siendo la potencia que entregan las ondas
electromagnéticas el término que las acopla. Se asume que se conocen las propiedades eléctricas y térmicas
de todos los componentes (ingredientes) de la empanada. De forma evidente, se trata de un ciclo (lazo) de
control abierto ya que no se está midiendo continuamente la temperatura del material, sino el tiempo y, por
ende, no se retroalimenta para que se pudiera mantener en el valor deseado. Los hornos de microondas
convencionales no lo permiten. Un sistema de lazo cerrado para un horno de microondas resulta muy costoso,
precisamente por el sistema de fibra óptica requerido para la medición de la temperatura.
Aclaración: realmente la potencia de entrega del magnetrón no varía; se varía el lapso de tiempo que dura
encendido, dando la ilusión que se entrega baja, media o alta energía por unidad de tiempo. Ésta es
inmodificable en los generadores (magnetrones) de los hornos convencionales.
B. Lazo cerrado (Realimentado)

Es tal vez el esquema más ampliamente usado en procesos industriales, poseyendo cualidades como:
a. A pesar de las variaciones en la entrada, reproduce hábilmente su salida (elevada precisión).
b. Posee, debido a su arquitectura, baja sensibilidad a perturbaciones.
c. Reduce el efecto del “ruido” inducido en su estructura (filtrado).
d. Reduce el efecto de eventuales no linealidades.
e. Opera con un modelo matemático aproximado del proceso.
No obstante, y a pesar de sus notables características, el sistema de control en lazo cerrado presenta
el serio problema relacionado con la incapacidad de actuar de su controlador para contrarrestar el
efecto de una perturbación, sino hasta que ésta ha pasado a través de todo el sistema y puede, en
casos excepcionales, haber destruido el proceso sin que se entere el controlador. El controlador actúa
siempre y cuando exista una desviación (denominada también error) entre el punto de ajuste 𝑟(𝑡) y
el valor de la variable controlada, 𝑐(𝑡). Esta señal es una resta para la retroalimentación unitaria
negativa y no un error en su connotación de equivocación o mal funcionamiento.
Por otro lado, uno de los requerimientos más exigentes durante el diseño de un sistema de control
retroalimentado, es la selección del sensor/transmisor, junto con el correcto entendimiento de su
dinámica. En la mayoría de las aplicaciones, su velocidad de respuesta tiene un poderoso impacto en
la operación global del sistema de control. Además, en esta estrategia se pueden presentar
perturbaciones de considerable magnitud, al igual que la presencia de largos retrasos de
procesamiento. En los cursos de control se ahondará en el efecto de la señal de realimentación sobre
la estabilidad, ganancia y sensibilidad del sistema como un todo, aspectos que no se tratan en este
libro.
Respuestas en lazo abierto y en lazo cerrado

Como se ilustrará, es importante aclarar que el comportamiento dinámico de un componente cambia
de forma drástica cuando éste responde a una misma entrada, estando primero en lazo abierto y
luego en un lazo de control cerrado realimentado. De hecho, el lazo cerrado es menos estable,
apreciándose una respuesta más rápida y en muchos casos, oscilatoria. Además, si se incrementa
continuamente la ganancia del lazo cerrado, el sistema se tornará de igual forma, menos estable. Sin
embargo, en teoría, será posible encontrar una ganancia que ofrezca simultáneamente ambas
condiciones deseadas, esto es, una respuesta rápida del sistema de control a perturbaciones y cambios
del punto de ajuste, pero manteniendo estable el sistema.
Ejemplo: Para la función de transferencia de lazo abierto dada, muestre gráficamente su respuesta para una
entrada escalón unitaria. Después, asuma que el proceso que esta función de transferencia representa, se
coloca en un lazo de control cerrado con retroalimentación unitaria negativa (como se discutirá más adelante).
Asuma que el controlador es del modo proporcional (𝑃) con una ganancia 𝐾𝑃 . Para esta nueva situación
grafique también su respuesta a un escalón unitario.
Solución: Partimos de la función de transferencia,

𝐶(𝑠) 105 1
= 2 ∴ 𝑅(𝑠) = ,
𝑅(𝑠) 𝑠 + 10𝑠 + 30 𝑠
Su respuesta de lazo abierto en el dominio del tiempo, siendo 𝑐(𝑡) la salida o respuesta del sistema, se indica
como curva uno (en color azul) en la figura de abajo. Ahora, aceptemos sin dar mayor explicación en este
momento, que la función de transferencia de lazo cerrado queda como,
𝐶(𝑠) 105𝐾𝑃 1
= 2 ∴ 𝑅(𝑠) = ,
𝑅(𝑠) 𝑠 + 10𝑠 + 30 + 105𝐾𝑃 𝑠
y su correspondiente respuesta en el domino del tiempo para una entrada escalón unitario se indica como
curva dos (en color negro). En ella 105𝐾𝑃 = 300.
De esta figura se observa que el mismo proceso responde en un lazo cerrado de control diferente a cuando
está en lazo abierto (sin un sistema de control). Para el lazo cerrado, oscila al comienzo, pero en el presente
caso tiende a estabilizarse en un valor igual o cercano al del escalón unitario (uno). Note que, para este
ejemplo en particular (curva dos), el sistema completo se estabiliza en un valor diferente al de la entrada (es
decir, hay un “error en estado estable”).
En esta misma figura se puede ver cómo el sistema se hace más oscilatorio cuando se incrementa la ganancia.
En ella 105𝐾𝑃 = 2500. Obsérvese que la curva tres (en color rojo) se desplazó hacia la izquierda de la curva
dos, es decir la respuesta es más rápida como consecuencia del incremento en la ganancia. Las figuras de
mérito (las características de estas curvas) se analizan en detalle en el capítulo tres.
Otra característica evidente de la respuesta de lazo abierto, y como es el caso muy normalmente encontrado
en control, es que no oscila. La respuesta llega a un valor de estado estable y no presenta oscilaciones ni
antes ni después.

Dada la importancia de este esquema de control, se requiere conocer en detalle cada uno de sus
componentes básicos, así como sus señales, asumiendo que hay una sola entrada (el punto de ajuste)
y una sola salida (variable controlada). Estos sistemas particulares se conocen como una única entrada-
una única salida, (SiSo, por su sigla en inglés single-input and single-output). Con ayuda de la figura
1.3, se listan a continuación estos elementos constitutivos, cuya explicación aparecerá en el resto del
capítulo:
1. Un transductor,
2. Un controlador, (que involucra en la mayoría de los casos el comparador y su algoritmo de
control implementado, según sea su naturaleza),
3. Un elemento final de control,
4. El proceso que se desea controlar, y
5. Un sensor+transmisor.
Igualmente, en esta figura se resaltan las señales:
1. Del punto de ajuste (o valor deseado de la variable controlada),

2. De actuación,
3. De medición de la variable controlada,
4. De control,
5. Variable manipulada, y
6. Variable controlada.
Figura 1.3. Componentes básicos de un sistema de control de lazo cerrado, con realimentación
negativa (el signo negativo del comparador).
Conviene en este punto aclarar las definiciones de realimentación negativa y realimentación positiva.
La realimentación negativa corresponde a los lazos realimentados que al compararse con el punto de
ajuste se llega a una resta entre ésta y la señal de medida de la variable controlada, dando como salida
la señal de actuación. En términos algebraicos se observa cómo,
𝑠𝑒ñ𝑎𝑙 𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑐𝑖ó𝑛(𝑡) = 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑎 𝑚𝑒𝑑𝑖𝑑𝑎(𝑡)
Para el caso de la realimentación positiva, se llega a
𝑠𝑒ñ𝑎𝑙 𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑐𝑖ó𝑛 (𝑡) = 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒 + 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑎 𝑚𝑒𝑑𝑖𝑑𝑎(𝑡)
Más adelante se verá en los ejemplos resueltos, que el signo negativo (o positivo) asignado en el
comparador, está relacionado con la estabilidad del lazo de control cerrado. Por ahora, es importante
recordar que el signo negativo está relacionado con la estabilidad, aspecto muy deseado en los
sistemas de control en la industria y en general en las aplicaciones más convencionales.
Ejemplo: Detalle la figura 1.3 de tal forma que se indique que contiene cada una de las cajas que componen un
sistema típico de control de lazo cerrado.
En la figura 1.4. se ilustran los componentes de un sistema de control de lazo cerrado (retroalimentado),
indicando que esas cajas representan en verdad:
Transductor: Modelo Matemático del transductor, MoMa-0

Controlador: Modelo Matemático del controlador, MoMa-1
Elemento final de control: Modelo Matemático del elemento final de control, MoMa-2
Proceso: Modelo Matemático del proceso, MoMa-3
Señal+transmisor: Modelo Matemático del sensor+transmisor, MoMa-4
Figura 1.4. Componentes básicos de un sistema de control de lazo cerrado, con realimentación negativa.
Como en el ejemplo pasado, se resalta la importancia de conocer y entender la dinámica de los componentes
de un sistema de control, aspecto que evidentemente se desprende del conocimiento del modelo matemático
de cada uno de ellos. Y es ese precisamente, el objeto de este libro.
A continuación, se ilustran con otra serie de ejemplos las anteriores definiciones, y su relación con la
necesidad de conocer el modelo matemático de sus componentes.
Ejemplo: Para el tanque agitado con calentamiento mediante una resistencia eléctrica, se propone el sistema
de control de temperatura, como se muestra en la Figura 1.5. Construya el correspondiente diagrama de
distribución de funciones existentes en este sistema de control de lazo cerrado.
Figura 1.5. Esquema de un sistema de calentamiento en un tanque agitado
Solución: En la figura 1.5a. se ilustra la distribución de funciones del sistema de control de temperatura de un
tanque calentado con una resistencia eléctrica.
Figura 1.5a. Diagrama de distribución de funciones del sistema de control para la figura 1.5.
De este diagrama:
MoMa-1: Modelo Matemático del transductor en el que se convierte el valor de la temperatura deseada (punto
de ajuste, en °C), se convierte en una salida en unidades de voltios (V). Esta señal va al controlador.
MoMa-2: Modelo Matemático del controlador
MoMa-3: Modelo Matemático del elemento final de control
MoMa-4: Modelo Matemático del proceso (planta)
MoMa-5: Modelo Matemático del sensor (la termocupla) y del transmisor de su señal.
Con este ejemplo se resalta la importancia de definir las unidades, en el sistema internacional, de cada señal y
cada bloque. En el capítulo cuatro se dan varios ejemplos de uso de este sistema de unidades.
Ejemplo: Se dispone de un tanque metálico con una chaqueta exterior que permite inyectar vapor de agua
saturado con el fin de mantener a una temperatura definida su contenido y que continuamente se agita. Para
ese sistema se propuso un sistema de control de temperatura en la corriente de salida, que se asume que es
la misma al interior del tanque. Para este sistema de control de temperatura, muestre la relación de los
componentes del lazo de control, con las variables del proceso térmico que se realiza.
Figura 1.10. Ejemplo del sistema de control de temperatura.
Solución: En figura 1.10a se relaciona cada uno de los componentes del sistema de control de temperatura con
el diagrama de distribución de funciones dejándose clara que cada bloque indicado debe incluir el respectivo
modelo matemático (MoMa).
Figura 1.10a. Correlación entre los componentes del sistema de control de temperatura con las variables del
proceso.
Ahora, ya con estos conceptos básicos, pasamos a detallar brevemente desde el punto de vista de su
modelo matemático y dinámica, cada uno de los componentes de un lazo de control realimentado.
a. Transductor (MoMa-0)
Si se utiliza un componente que convierte una forma de energía de entrada en otra a su salida, esto
es por definición un transductor. Este elemento usualmente tiene un comportamiento independiente
del tiempo, o es tan rápido, que se puede asumir como instantáneo. En general, en los transductores
cuando su entrada cambia, su salida cambia en forma inmediata, siendo proporcional a ella. La
constante de proporcionalidad se conoce como ganancia (𝐾𝑡𝑟𝑎𝑛𝑠 ). Para el desarrollo de ejemplos de
análisis de la dinámica de sistemas de control que utilicen transductores, se modelarán estos sistemas
como una constante (elementos no-dinámicos), salvo que se declare lo contrario.
De igual forma, un lazo de control puede tener elementos cuya dinámica es dependiente del tiempo.
Esta dependencia se manifiesta típicamente como un retraso o como un adelanto de su salida, para
cualquier entrada. Estos comportamientos se pueden observar ya sea en el sensor/transmisor,
elemento final de control o más frecuentemente, en el mismo proceso que se requiere controlar. De
igual forma existen otros comportamientos que también afectan la dinámica de un sistema, tal como
la presencia de retrasos de tiempo o tiempo muerto, y que trataremos más adelante.
Un componente se dice que tiene una dinámica o respuesta de retraso cuando al recibir una señal de
entrada para un tiempo definido (escalón unitario), el sistema se “demora” en alcanzar el otro estado
estable. La figura 1.11 muestra esta característica dinámica frente a una entrada escalón unitario.
Figura 1.11. Ilustración de una respuesta o dinámica en atraso

Este tipo de respuesta es común en la industria e incluso en la vida diaria. En contrario, una respuesta
en adelanto es mucho menos común. Típicamente sucede en procesos naturales relativamente
rápidos, tales como la acción del pensamiento para tratar de adelantarse ante un acontecimiento.
Lanzar la mano para tratar de coger, en el “aire”, una botella que cae y que algunas veces resulta
exitoso, como si en realidad pudiéramos “predecir” que esto sucederá y nos adelantamos al
acontecimiento.
Dentro de las respuestas de retardo, el denominado retardo de primer orden o retrasos lineales para
una entrada escalón, es la que con mayor frecuencia nos vamos a encontrar. La figura 1.12 muestra
la curva típica de este tipo de retraso que, en últimas, corresponden a la solución de una ecuación
diferencial ordinaria de primer orden. Su principal parámetro o figura de mérito, es la constante de
tiempo 𝜏, como se presenta en el capítulo tres.
Figura 1.12. Respuesta típica de un sistema de primer orden.
La constante de tiempo se indica en esa misma figura y calcula cuando la respuesta alcanza el 63,2%
de la respuesta total. Se entiende que la entrada es un escalón unitario. Al comparar las respuestas de
varios sistemas con diferentes constantes de tiempo, el proceso más lento es el que posee mayor
constante de tiempo. También ocurren retardos mayores que uno, y se relacionan con la solución de
ecuaciones diferenciales de orden superior.
Como se indicó arriba, otro parámetro que caracteriza la respuesta dinámica es el tiempo muerto,
comúnmente notado con la letra griega 𝜃. Este término hace referencia al tiempo 𝜃 transcurrido
desde que se recibe una señal de entrada y la respuesta del sistema a ella. La figura 1.13 se muestra
el tiempo muerto para un retardo de primer orden.
Figura 1.13. Definición de tiempo muerto para una entrada escalón unitario.
Recordando el Teorema de la Traslación Real en el dominio de la transformada de Laplace, expresado

como,
𝐺(𝑠)) = ℒ(𝑓(𝑡 − 𝜃)𝑈(𝑡 − 𝜃)) = 𝑒 −𝑠𝜃 𝐹(𝑠)

donde 𝑈(𝑡 − 𝜃) es la transformada de la función escalón unitario y 𝜃 el retardo. De esta forma, se
aprecia que el retardo (corrimiento) en el dominio del tiempo introduce una función no racional en
la transformada. Para racionalizar esta expresión se utilizan las series de Taylor truncadas y las
aproximaciones de orden mayores denominadas aproximaciones de Padé.
Ejemplo: Para las siguientes dos funciones de transferencia dibuje su respuesta en el tiempo para una entrada
escalón unitario, resaltando los tiempos muertos.
𝐶(𝑠) 0.432𝑒 −𝑠 1
𝐺1 (𝑠) = = 2 ∴ 𝑅(𝑠) =
𝑅(𝑠) (𝑠 + 0.5𝑠 + 3) 𝑠
𝐶(𝑠) 1.24𝑒 −3𝑠 1

𝐺2 (𝑠) = = 2 ∴ 𝑅(𝑠) =
𝑅(𝑠) (𝑠 + 𝑠 + 4.25)(𝑠 + 1.3) 𝑠
Lo tiempos muertos se midieron en minutos y la respuesta es
de lazo cerrado.
Solución: Para estas funciones se genera la figura adjunta. El tiempo muerto para la función uno
(en color rojo) es un minuto, mientras que para la función dos (en color negro), es tres minutos.
El tiempo muerto como parte de los denominados retardos (junto con la constante de tiempo), y por
ser una manifestación de la dinámica de un sistema, suele aparecer simultáneamente con los retardos
de primer tiempo o mayores, provenientes de la dinámica de todos los demás componentes.
Finalmente, tengamos presente, como se resaltará en sus próximos cursos de control, que entre más
retardos tenga un sistema, ya sea en la forma de elevados tiempos muertos o elevadas constantes de
tiempo o ambos, el sistema será más difícil de controlar. En forma equivalente, la presencia de
retardos en serie hace que el diseño del sistema de control sea “un poco más complicado” cuando
sus componentes tienen retardos en serie. Tal situación la podemos apreciar observando la curva de
respuesta para una entrada escalón. En ella notamos una respuesta lenta (con menor pendiente) que
la curva, por ejemplo, de respuesta de un sistema de primer orden.
b. Modos o leyes de control: el controlador (MoMa-1)

Un controlador, que puede ser de naturaleza neumática, mecánica, electrónica, hidráulica o un híbrido
de éstas, simboliza las denominadas leyes, acciones de control, o modos de control. Éstos típicamente
son controladores continuos implementados en un lazo cerrado (con retroalimentación). También
puede ser un computador o cualquier elemento electrónico/digital similar, pero requerirá
conversores analógicos-digitales y digitales-analógicos, para interactuar con el resto de componentes.
Este elemento se resalta en la figura 1.11.
Figura 1.11. Componentes de un típico sistema de control de lazo cerrado donde se resalta el
“controlador”.
en esta figura,
MoMa-1: modelo matemático del controlador

MoMa-2: modelo matemático del elemento final de control
MoMa-3: modelo matemático del proceso
MoMa-4: modelo matemático del sensor/transmisor
Se considera por razón de sus funciones, el cerebro del sistema de control, en analogía con el actuar
del ser humano. Este opera sobre la variable manipulada de tal forma que, en todo instante, intenta
que la variable controlada se mantenga en el punto de ajuste o de valor deseado. Tradicionalmente
existen los modos encendido/apagado (E/A), el proporcional (P), el integral (I), el derivativo (D), la
combinación del proporcional con el integral (PI), el proporcional con el derivativo (PD), y del
proporcional, integral y derivativo (PID). Otras posibles combinaciones no tienen mayor aplicación
en la vida real. Para estos controladores existen tanto su versión analógica como digital. Hablaremos
de la versión analógica de estos modos de control, conocidos también como controladores
(algoritmos de control). Debido a su sencillez, estos modos de control son ampliamente utilizados en
la industria. Ya en aplicaciones muy sofisticadas, se recurren a otras formas de control “moderno” que
se estudiarán en cursos de control avanzado.
b1. Acción de control encendido/apagado (E/A, ON/OFF)

Con relación a este modo o ley de control, conocido también como controlador on/off, se caracteriza
por ser el más simple, económico y de extensa aplicación en procesos no críticos como, por ejemplo,
en el control de temperatura (termostatos) en hornos domésticos y refrigeradores, control de nivel,
y control de presión (presostatos). La figura 1.12. ilustra el esquema de un sistema de control
utilizando un controlador E/A en lazo cerrado (realimentado).
Figura 1.12. Sistema de control en ciclo cerrado con un controlador E/A.
siendo en esta figura,
MoMa-1: el modelo matemático del controlador E/A, que corresponde en el dominio del tiempo, a:
M1 Para 𝑒(𝑡) > 0
𝑚(𝑡) =
M2 Para 𝑒(𝑡) < 0
MoMa-2: modelo matemático del elemento final de control

MoMa-3: modelo matemático del proceso que se desea controlar
MoMa-4: modelo matemático del sensor/transmisor
En esta misma figura, 𝑚(𝑡) es la salida del controlador, mientras que 𝑒(𝑡) es su entrada y corresponde
a la señal de actuación cuando la realimentación no es unitaria, o a la desviación (error) del punto de
ajuste comparado con el valor de la variable controlada, para un determinado tiempo, cuando la
realimentación es unitaria. En un controlador ideal E/A, la salida 𝑚(𝑡) del controlador, toma dos
posibles valores, el mínimo y el máximo. De esta manera, debido a que la salida del controlador afecta
directamente la variable manipulada, ésta cambia rápidamente desde un valor extremo hasta otro,
desgastando innecesariamente el elemento final de control y ocasionando que el proceso (MoMa-2
en la figura 1.12) no alcance su estabilidad. Para evitar esta situación, estos controladores vienen
equipados con la denominada brecha diferencial (zona muerta), definida como el rango en que la señal
de error, (si hay, por ejemplo, realimentación unitaria, 𝑒(𝑡) = 𝑟(𝑡) − 𝑐(𝑡)), debe variar antes que se
produzca la conmutación de M1 a M2, o viceversa. Recordemos que, en caso de no haber
realimentación unitaria, la señal es la de actuación (𝑒𝑎𝑐 (𝑡) = 𝑟(𝑡) − 𝑏(𝑡)). La figura 1.13 explica esta
situación.
Figura 1.13. El controlador E/A y su brecha diferencial (BD o zona muerta).
b2. Acción de control proporcional o controlador proporcional (P)

El controlador proporcional es esencialmente un amplificador con ganancia ajustable. Este modo de
control proporciona una respuesta rápida ante cambios en las variables de carga o del mismo punto
de ajuste, dando buena estabilidad al lazo de control. Al igual que el anterior controlador, actúa según
su señal de entrada, como se indica en la figura 1.14.
Figura 1.14. Sistema de control en lazo cerrado resaltando el controlador proporcional.

En esta figura se tiene que,
MoMa-1: modelo matemático (algoritmo) del controlador proporcional dado por:
𝑚(𝑡) = 𝑚
̅ + 𝐾𝑃 𝑒(𝑡),
donde, 𝑚(𝑡) es la salida del controlador en unidades de porcentaje de su salida, 𝑚 ̅ la salida del
controlador cuando el error 𝑒(𝑡), es cero, 𝐾𝑃 la ganancia del controlador, y 𝑒(𝑡) la señal de error,
esto es, la diferencia entre el punto de ajuste y la señal medida por el sensor. En este punto resulta
evidente la importancia de conocer las unidades, en el SI de unidades, de cada una de las señales en
este diagrama.
El término 𝑚(𝑡) se usa para resaltar que esta salida variable en el tiempo, afecta a la variable
manipulada del proceso. Por otro lado, 𝑚 ̅ es un valor constante y representa también la salida del
controlador. Cuando éste se pasa de automático (lazo cerrado) a manual (lazo abierto), siendo en
este caso el error 𝑒(𝑡) obviamente cero, su valor es seleccionado de acuerdo a criterios de seguridad
y operación del sistema de control. En otra notación para la señal 𝑚(𝑡), se prefiere omitir este
importante parámetro 𝑚 ̅, expresando entonces el modelo del controlador proporcional como una
variable de perturbación:
̅ = 𝑚𝑣𝑝 (𝑡) = 𝐾𝑃 𝑒(𝑡).

𝑚(𝑡) − 𝑚
Los demás componentes de la figura 1.14 son,

MoMa-2: el modelo matemático del elemento final de control
MoMa-3: el modelo matemático del proceso que se desea controlar
MoMa-4: el modelo matemático del sensor/transmisor.
La salida de este controlador es algebraicamente proporcional (lineal) a la señal de error 𝑒(𝑡) o de

actuación, que entra al controlador. La figura 1.14 ilustra esta operación. La ganancia 𝐾𝑃 representa
el cambio en la variable manipulada (salida) por unidad de cambio en la señal de error (entrada). En
este modo de control hay solamente un parámetro que ajustar para controlar el proceso, aspecto
considerado como una ventaja y es precisamente la denominada ganancia del controlador 𝐾𝑃 . El
proceso de encontrar el valor apropiado de 𝐾𝑃 se denomina ajuste del controlador, y se hace de
forma semi-empírica, tema que tratará en su primer curso de control clásico.
A pesar de su sencillez y facilidad de ajuste, el controlador proporcional tiene una gran desventaja a
la hora de ser implementado en un lazo de control, y es la eventual presencia del denominado error
en estado estable (más conocido como desajuste -offset-). Esta diferencia se puede interpretar, o
visualizar, como la desviación de la variable controlada en estado estable de su punto de ajuste. La
figura 1.16 ilustra esta característica. No debe confundirse este desajuste con el error 𝑒(𝑡), es decir,
con la señal de entrada al controlador.
Figura 1.16. El desajuste o error en estado estable (offset) que puede presentar un controlador
proporcional.
b3. Acción de control Integral (I) o “reset”

En este tipo de control, su salida integra en el tiempo la señal del error de acuerdo con el siguiente
algoritmo,
𝑡
𝑚(𝑡) = 𝑚
̅ + 𝐾𝐼 ∫ 𝑒(𝑡) 𝑑𝑡,
0
y que posee un solo parámetro de ajuste, 𝐾𝐼 . Este modo en muy raras ocasiones se utiliza en forma
individual. No obstante, su combinación lineal con el modo de control proporcional es de gran utilidad
y, de hecho, es de extensa aplicación industrial.
b4. Acción de control Proporcional+Integral (PI)

Esta combinación lineal de los dos modos anteriores proporciona una característica nueva y deseada,
tal como la eliminación del “desajuste”. Su algoritmo en el dominio del tiempo es,
𝑡
𝑚(𝑡) = 𝑚
̅ + 𝐾𝑃 𝑒(𝑡) + 𝐾𝐼 ∫ 𝑒(𝑡) 𝑑𝑡.
0
Este modo de control tiene dos parámetros para su ajuste, 𝐾𝑃 y 𝐾𝐼 . A pesar del aspecto positivo
relacionado con la eliminación del offset, este controlador tiene el problema del “reajuste excesivo o
reset wind-up” debido a la presencia de su componente integral. Ver los ejercicios propuestos. En la
actualidad la mayoría de controladores con este modo integral, tienen implementada la protección
contra este problema.
b5. Acción de control Derivativa (D), o “rate”

En el modo derivativo la salida del controlador, m(t), deriva la señal del error con el tiempo, siendo
su algoritmo de operación,
𝑑𝑒(𝑡)
𝑚(𝑡) = 𝑚
̅ + 𝐾𝐷 .
𝑑𝑡
Este modo de control no se utiliza en forma individual, sino en combinación lineal con el modo
proporcional. De igual forma, tampoco opera en la práctica en combinación con el modo integral.
Posee un único parámetro que ajustar, 𝐾𝐷 . Para su implementación requiere de un filtro para reducir
la presencia de error aleatorio en la señal que se deriva.
b6. Acción de control Proporcional+Integral+Derivativa (PID)

Finalmente, ésta es la combinación lineal más completa de los tres modos individuales P, I y, D. Este
modo elimina el offset al tener la componente integral y deriva la señal de error 𝑒(𝑡), haciéndolo
actuar de una manera anticipativa. Como se sabe, la derivada cambia drásticamente incluso con una
mínima variación de la señal de error 𝑒(𝑡). Su algoritmo de operación en el dominio del tiempo es,
𝑡
𝑑𝑒(𝑡)
𝑚(𝑡) = 𝑚
̅ + 𝐾𝑃 𝑒(𝑡) + 𝐾𝐼 ∫ 𝑒(𝑡) 𝑑𝑡 + 𝐾𝐷 .
𝑑𝑡
0
Obviamente, este modo tiene ahora tres parámetros que se requieren ajustar, 𝐾𝑃 , 𝐾𝐼 y 𝐾𝐷 .
c. Elemento final de control (MoMa-2)

Este otro componente de un lazo de control tiene la importante función de modificar o actuar sobre
la variable manipulada. La señal de entrada a este elemento final de control es la señal proveniente
del controlador; su salida es la variable manipulada, que se encuentra estrechamente relacionada con
el proceso que se desea controlar (MoMa-3). De esta forma, al cambiar el nivel de la variable
manipulada se altera el comportamiento del proceso, representado por su modelo matemático, y
haciendo que la variable controlada tienda a acercarse al valor deseado o punto de ajuste.
Dependiendo del proceso, obviamente, se requerirán diferentes elementos finales de control. Tal vez
el elemento final de control más utilizado y conocido en la industria es la válvula de control que, por
su variedad, complejidad, costo e importancia a la hora de definirse, requiere de una amplia
experiencia y no se incluye en la temática de este libro. Otros elementos finales incluyen las máquinas
eléctricas, relés, potenciómetros, reóstatos, bombas de velocidad variable, entre otros. Es claro que
los elementos finales de control se definen de acuerdo a la naturaleza del proceso que se requiere
controlar. Para el objetivo del presente curso, asumiremos por simplicidad, salvo que se declare lo
contrario, que el MoMa de este elemento está dado por,
𝑣𝑚(𝑡) = 𝐾𝐸𝐹𝐶 𝑚(𝑡),
siendo 𝑣𝑚(𝑡) la variable manipulada, 𝐾𝐸𝐹𝐶 la ganancia del Elemento Final de Control y 𝑚(𝑡) la señal
de salida del controlador. Es decir, serán elementos no-dinámicos, o de dinámica despreciable.
d. El proceso o planta (MoMa-3)
Este componente involucra el modelo matemático del proceso o planta que se va a controlar. En
capítulos posteriores se desarrollará en detalle cómo obtener este modelo.
e. Sensor+ transductor (MoMa-4)
Estos componentes, que algunas veces son un único, están encargados (en el lazo de control) de
medir la variable controlada y enviar esta señal acondicionada al controlador. En algunas ocasiones se
requiere que la señal que adquiere el sensor, digamos electrónico, sea acondicionada para su
transmisión a distancias relativamente grandes, ya sea mediante un cableado o en forma inalámbrica.
Al igual que el componente anterior, se asumirá por simplicidad y salvo que se diga lo contrario, que
estos componentes son no-dinámicos y que su modelo matemático estará dado por,
𝑏(𝑡) = 𝐾𝑆𝑇 𝑐(𝑡),
donde 𝑏(𝑡) es la señal que llega al controlador, 𝐾𝑆𝑇 es la ganancia del sensor+transmisor, y 𝑐(𝑡) es la
variable controlada. Se reitera la importancia de las unidades de este otro componente, ya que se
restará del punto de ajuste.
Debido a que el análisis dinámico de los modelos matemáticos se hará, tanto en lazo abierto (sin que
opere el controlador) como en lazo cerrado (operando en controlador), y a que se utilizarán señales
de excitación (señales de prueba) de forma conocida para el punto de ajuste en caso de que opere el
controlador, se explicarán seguidamente. Estas funciones de prueba también se utilizan sobre cada
uno de los componentes independientes, con miras a estudiar su dinámica.
Ejemplo: Dibuje las respuestas de lazo abierto y de lazo cerrado, para la siguiente función de transferencia,
cuando se incluye en el lazo cerrado un controlador proporcional. La realimentación es unitaria.
Función de transferencia de lazo abierto:
𝐶(𝑠) 5
= 2
𝑅(𝑠) 𝑠 + 4𝑠 + 25
Función de transferencia de lazo cerrado con un controlador proporcional:

𝐶(𝑠) 5𝐾𝑃 𝐾
= 2 = 2
𝑅(𝑠) 𝑠 + 4𝑠 + 25 + 5𝐾𝑃 𝑠 + 4𝑠 + 25 + 𝐾
Para graficar estas últimas respuestas se dan valores a la constante, como se indica en la tabla que se muestra
abajo.
Solución: A continuación, se muestra la figura que resulta de resolver en el dominio del tiempo la función de
transferencia tanto de lazo abierto como cerrado.
.
Curva 𝐾 En esta figura se presentan los resultados de lazo abierto (curva uno) y los de lazo
cerrado (curvas dos a cuatro), para el valores de 𝐾𝑃 indicados. La curva uno muestra la
1 No respuesta de lazo abierto (sin controlador).
2 20 A medida que se aumenta el valor de 𝐾𝑃 el sistema mejora su valor de estado estable
3 200 acercándose al valor de la entrada (un escalón unitario). No obstante, se observa que
también se hace más oscilatoria y rápida su dinámica. Para la ganancia de mayor valor el
4 2000 sistema se acerca a uno, pero oscila considerablemente, curva cuatro. Para la curva tres,
el sistema oscila, pero tiende a estabilizarse en un valor cercano a uno (no igual)
evidenciando la característica de un controlador o modo de control proporcional, esto es, que permite la
existencia del “desajuste”, situación no deseada en la mayoría de procesos industriales.
cuando se incluye en el lazo cerrado un controlador proporcional más derivativo (PD). La realimentación es
unitaria.
La función de transferencia de lazo abierto es la misma del anterior ejemplo:

𝐶(𝑠) 5
= 2
𝑅(𝑠) 𝑠 + 4𝑠 + 25
y la función de transferencia de lazo cerrado con un controlador proporcional (verificar):

𝐶(𝑠) 5𝐾𝐷 𝑠 + 5𝐾𝑃 𝐾5𝐷 𝑠 + 𝐾5𝑃
= 2 = 2
𝑅(𝑠) 𝑠 + (4+5𝐾𝐷 )𝑠 + 25 + 5𝐾𝑃 𝑠 + (4+𝐾5𝐷 )𝑠 + 25 + 𝐾5𝑃
Se creó la figura adjunta dando valores en forma aleatoria (ensayo y error), de tal forma que la respuesta
tuviese un corto tiempo de asentamiento y un bajo porcentaje de sobrepaso. Tenga presente que en la
práctica hay procedimientos semi-empíricos (ajuste de controladores) para encontrar estos valores
(𝐾𝑃 y 𝐾𝐷 ), que son parámetros interdependientes. De igual forma, es evidente el efecto de estos parámetros
sobre la respuesta de lazo cerrado. La curva dos se acerca a la respuesta deseada, aunque persiste un elevado
tiempo de asentamiento y alto porcentaje de sobrepaso. Las curvas tres y cuatro alcanzan un valor de estado
estable diferente al deseado con el cambio de sus parámetros, es decir, al aumentar 𝐾𝑃 y disminuir 𝐾𝐷 . La
curva uno es la respuesta a la entrada escalón unitario en lazo abierto.
cuando se incluye en el lazo cerrado un controlador proporcional más integral (PI). La realimentación es
unitaria.
La función de transferencia de lazo abierto sigue siendo la misma del anterior ejemplo:
𝐶(𝑠) 5
= 2
𝑅(𝑠) 𝑠 + 4𝑠 + 25
y la función de transferencia de lazo cerrado con un controlador proporcional (verificar):

𝐶(𝑠) 5(𝑠𝐾𝑃 + 𝐾𝐼 ) 𝐾5𝑃 𝑠 + 𝐾5𝐼
= =
𝑅(𝑠) 𝑠(𝑠 2 + 4𝑠 + 25) + 5(𝐾𝐼 + 𝑠𝐾𝑃 ) 𝑠 3 + 4𝑠 2 + (25 + 𝐾5𝑃 )𝑠 + 𝐾5𝐼
Solución: Se asumieron valores para (𝐾5𝑃 ; 𝐾5𝐼 ) con el fin de reducir el error en estado estable, con un tiempo
de asentamiento razonablemente breve, se presenta la curva dos. Para las otras dos curvas (tres y cuatro),
como era de esperarse, se eliminó el desajuste por la mera presencia del componente integral.
Ejemplo: Ahora consideremos el lazo de control cerrado para el mismo proceso, pero con un modo de control
PID.
La función de transferencia de lazo abierto sigue siendo la misma del anterior ejemplo:
𝐶(𝑠) 5
= 2
𝑅(𝑠) 𝑠 + 4𝑠 + 25
y la función de transferencia de lazo cerrado con un controlador proporcional, integral y derivativo

(verificar):
𝐶(𝑠) 𝑠 2 𝐾5𝐷 + 𝑠𝐾5𝑃 + 𝐾5𝐼

= 3
𝑅(𝑠) 𝑠 + (4 + 𝐾5𝐷 )𝑠 2 + (25 + 𝐾5𝑃 )𝑠 + 𝐾5𝐼
Solución: La figura adjunta muestra la respuesta en lazo cerrado para una entrada escalón (curvas dos a
cuatro) y se observa que todos alcanzan el estado estable en un tiempo muy parecido, aunque la curva
cuatro es ligeramente la más rápida, no teniendo sobrepaso, con un breve tiempo de establecimiento y
virtualmente sin error en estado estable, después de los cinco segundos. La curva uno es la respuesta en
lazo abierto.
En una venta de observación de un segundo, se aprecia mejor el comportamiento de estas respuestas.

Señales estándares de excitación
Para realizar el análisis de la dinámica de un proceso expresado en forma de un modelo matemático,

así como de pruebas de estabilidad, error en estado estable y comportamiento de un lazo de control,
se definen algunas funciones estándares que se describen seguidamente. En la tabla 1 se muestran
algunas de las principales funciones convencionalmente utilizadas en análisis de la respuesta del
modelo matemático, ya sea del de un componente individual, o del total que modela el lazo de
control. La idea inicial es someter al modelo a una excitación con las anteriores funciones, y observar
cómo es su respuesta. Durante este proceso de simulación se modifican los parámetros del modelo
y se analiza nuevamente el efecto de estas entradas conocidas.
Tabla 1. Funciones típicas comúnmente utilizadas en análisis

de la dinámica de un sistema o de un lazo de control.
MoMa Figura demostrativa
Escalón, 𝑢(𝑡)
𝑢(𝑡) = 1, ∀𝑡 > 0
𝑢(𝑡) = 0, ∀𝑡 < 0
1
𝑈(𝑠) =
𝑠
𝑢(𝑡 − 𝜃) = 1 ∀𝑡 > 𝜃
𝑢(𝑡 − 𝜃) = 0 ∀𝑡 < 𝜃
𝑒 −𝜃𝑠
𝑈(𝑠) =
𝑠
clear all
clc
ezplot('heaviside(t-3)',[-5,5])
hold on
ezplot('heaviside(t-0)',[-5,5])
title(' ')
xlabel('Tiempo,[s]');
ylabel('Magnitud');
Impulso, 𝛿(𝑡)
𝛿(𝑡) = ∞, ∀𝑡, 0− < 𝑡 < 0+
𝛿(𝑡) = 0, ∀𝑡, ∄(0− < 𝑡 < 0+ )

∞
∫ 𝛿(𝑡 − 𝜃) 𝑑𝑡 = 1
−∞
𝐹(𝑠) = 1
𝛿(𝑡 − 𝜃) = 0, ∀𝑡 ≠ 0
𝐹(𝑠) = 𝑒 −𝜃 𝑠
1
Parábola, 𝑡 2 𝑢(𝑡)
2
1 2 1
𝑡 𝑢(𝑡) = 𝑡 2 , ∀𝑡 𝑡 ≥ 0
2 2
1 2
𝑡 𝑢(𝑡) = 0, ∀𝑡 𝑡 < 0
2
2
𝐹(𝑠) =
𝑠3
Rampa, 𝑡𝑢(𝑡)
𝑓(𝑡) = 𝑀 𝑡𝑢(𝑡), ∀𝑡 𝑡 ≥ 0
𝑓(𝑡) = 𝑀 𝑡𝑢(𝑡) = 0, ∀𝑡 𝑡 < 0
1
𝐹(𝑠) = 𝑀
𝑠2
𝑓(𝑡) = 𝑀 𝑡 𝑢(𝑡 − 𝜃)
1 𝑒−𝜃 𝑠
𝐹(𝑠) = 𝑀 [𝜃 + ]
𝑠 𝑠
Sinusoidal, sin(𝜔𝑡)
𝑓(𝑡) = 𝐴 𝑢(𝑡) 𝑠𝑖𝑛(𝜔𝑡) , ∀𝑡
𝜔
𝐹(𝑠) = 𝐴
𝑠2 + 𝜔2
Estas funciones de entrada las utilizaremos para el análisis de la respuesta transitoria de sistemas de primer y
segundo orden, preferencialmente, así como para el estudio del error en estado estable como se verá en los
capítulos siguientes. Otra aplicación importante es en el área de modelado, pues su uso permite contrastar
cómo es la respuesta de un modelo desconocido frente a otro de modelo conocido, y para la misma entrada.
Esta estrategia hace parte de lo que se conoce en la literatura como identificación de sistemas, y es el objeto
del último capítulo que cubrimos en el presente curso.
Ejemplo: Para el siguiente sistema modelado en el dominio de la transformada de Laplace, describa su respuesta
de lazo cerrado para las entradas impulso y escalón unitarios. Asumamos condiciones iniciales iguales a cero.
El sistema es de segundo orden,

𝐶(𝑠) 10 1
= 2 ∴ 𝑅(𝑠) = 1 ∴ 𝑅(𝑠) =
𝑅(𝑠) 𝑠 + 1,8𝑠 + 10 𝑠
Solución:
La curva uno representa la respuesta del sistema para una entrada impulso unitario, mientras que la curva
dos es la respuesta para una entrada escalón, también unitario. Recordemos que, para los sistemas lineales
e invariantes en el tiempo, la entrada escalón es la integral de la señal impulso, o en forma equivalente, la
entrada impulso es la derivada de la entrada escalón.
Ejemplo: Para el sistema mostrado seguidamente, determine su respuesta a una entrada rampa. Asumamos
condiciones iniciales iguales a cero.
Sea el sistema de segundo orden,

𝐶(𝑠) 1 1
= 2
∴ 𝑅(𝑠) =
𝑅(𝑠) 3𝑠 + 2𝑠 + 1 𝑠2
Solución: La siguiente figura ilustra la respuesta 𝑐(𝑡) del sistema en lazo cerrado representado mediante una
función de transferencia.
La línea recta corresponde a la rampa unitaria, mientras que la curva dos es la respuesta del sistema en el
dominio del tiempo, para este tipo de entrada. Se observa un error de estado estable (valor vertical, para
un mismo tiempo).
Ejemplo: Se conoce que el modelo matemático de un sistema mecánico amortiguado compuesto de resortes,
amortiguadores y masas que para el presente momento no detallaremos. Se requiere conocer su dinámica
(respuesta en el tiempo en lazo cerrado) cuando se le aplica una fuerza tipo escalón e impulso, ambos unitarios.
Asumamos condiciones iniciales iguales a cero.
El sistema se describe en el espacio de estados de la siguiente forma,
A = [ 0 2 0 0 0 0;-1 -1 0 1 0 0 ; 0 0 0 1 0 0 ; 0 1 -1 -1 1 0; 0 0 0 0 0 1; 0 0 0 0 -1 -1]; B= [0;1;0;0;0;0];

C = [1 0 0 0 0 0]; D=[0]
0 2 0 0 0 0 0
−1 −1 0 1 0 0 1
0 0 0 1 0 0 0
𝑥̇ (𝑡) = 𝑥(𝑡) + 𝑢(𝑡)
0 1 −1 −1 1 0 0
0 0 0 0 0 1 0
(0 0 0 0 −1 −1 ) ( 0)
𝑦(𝑡) = (1 0 0 0 0 0)𝑥(𝑡)
A esta representación se le denomina en espacio de estados, y que por ahora no nos preocupe cómo se
obtiene. La variable que estamos observando es la posición de una de los cuerpos que vibra uniaxialmente
y tiene el doble de masa que las otros dos.
Solución: La respuesta (la posición en una dirección) a una fuerza de entrada de la forma escalón unitario y
aplicado al cuerpo uno, se indica en la curva número uno. El sistema oscila hasta que se consume toda su
energía y tiende a estabilizarse disminuyendo de amplitud las amortiguaciones. El sistema reacciona de
manera similar cuando ahora la entrada es tipo impulso unitario, que desaparece ligeramente más rápido,
como se observa de la curva dos.
Ejemplo: A partir de la función de transferencia de lazo cerrado, determine la respuesta del sistema si la entrada
es una función seno. Asumamos condiciones iniciales iguales a cero.
𝐶(𝑠) 1 1
= 2 ∴ 𝑅(𝑠) =
𝑅(𝑠) 𝑠 +𝑠+1 𝑠2 +1
Solución: La siguiente figura muestra que para una entrada seno, el modelo de segundo orden, es decir su
respuesta en el tiempo 𝑐(𝑡), tiene un comportamiento oscilatorio como era de esperarse al tratar de
asemejarse a la señal de excitación.
Ejemplo: La siguiente ecuación diferencial ordinaria de segundo orden lineal representa el modelo matemático
de un sistema mecánico que se desea controlar. Si la salida (variable controlada) es 𝑐(𝑡) y la entrada es 𝑢(𝑡),
10𝑐̈ (𝑡) + 2𝑐̇ (𝑡) + 5𝑐(𝑡) = 𝑢(𝑡) ∴ 𝑐(0) = 0 ∴ 𝑐̇ (0) = 0
describa su respuesta en ciclo abierto para una entrada escalón y una señal senoidal. Resuelva numéricamente
esta ecuación y grafique su respuesta.
Solución: Hacemos uso de Matlab para resolverlo, asumiendo que el estudiante tiene
conocimientos básicos de este software comercial y porque está disponible en la universidad.
Para el script se utilizó ode45 para resolver esta EDO. No se incluye aquí, aunque se presenta en
clase con el fin de clarificar eventuales dudas.
La respuesta de este sistema para una entrada escalón y una sinusoide se muestran en la siguiente
figura.
La respuesta superior corresponde para la entrada escalón unitario, mientras que la segunda para
la senoidal (sin(𝑡)).
Ahora, miremos que sucede cuando el modelo matemático de un proceso representado en el espacio
de estados, posee condiciones iniciales diferentes a cero y no hay función de entrada.
Ejemplo: Para el siguiente modelo representado matricialmente, determine la variación de sus respuestas en
el dominio del tiempo para las condiciones iniciales indicadas. Por simplicidad, se omite su dependencia con el
tiempo.
𝑥̇ 0 1 0 𝑥 𝑦1 1 0 0 𝑥 𝑥(0) 50
[ 𝑣̇ ] = [ 0 0 10 ] [ 𝑣 ] ∴ 𝑦
[ 2 ] = [0 1 0] [ 𝑣 ] ∴ [ 𝑦(0) ] = [ 10 ]
𝑤̇ −2 −3 −2 𝑤 𝑦3 0 0 1 𝑤 𝑤(0) −20
Solución: Como recordará de sus cursos de algebra lineal y de ecuaciones diferenciales, esa representación
matricial corresponde al sistema de ecuaciones diferenciales con condiciones iniciales,
𝑥̇ (𝑡) = 𝑥(𝑡) 𝑥(0) = 50
𝑣̇ (𝑡) = 10𝑣(𝑡) 𝑣(0) = 10

𝑤̇ (𝑡) = −2𝑥(𝑡) − 3𝑣(𝑡) − 2𝑤(𝑡) 𝑤(0) = −20
siendo las salidas, las mismas variables, esto es,

𝑦1 (𝑡) = 𝑥(𝑡)
𝑦2 (𝑡) = 𝑣(𝑡)
𝑦3 (𝑡) = 𝑤(𝑡)
sistema que a su vez también puede provenir de una ecuación diferencial ordinaria de tercer orden, donde
se hace el cambio de variable requerido para reducirlo a un sistema de ecuaciones diferenciales ordinarias.
Esta estrategia la detallaremos más adelante, dado que es muy importante en el área de modelado.
En la figura siguiente se grafica la salida del sistema, es decir las tres variables 𝑥(𝑡), 𝑣(𝑡) y 𝑤(𝑡), partiendo
de las condiciones iniciales impuestas para el sistema. Obsérvese que no hay funciones de entrada. Para su
solución se utilizó la función interna de Matlab initial. El sistema es estable ya que las respuestas tienden a un
valor definido. Si interpretamos que la ecuación diferencial ordinaria inicial es de tercer orden, apreciamos
como era de esperarse, que su primera y segunda derivadas oscilan (debido a que son la pendiente de la
salida y de su derivada, respectivamente), pero a medida que se alcanza el estado estable esta variación va
desapareciendo y por ende las oscilaciones.
A: Conceptuales
1. Buscar en la literatura ejemplos donde la realimentación de lazo cerrado deba ser positiva. Detalle uno
de esos ejemplos y resalte su aplicación en la vida real.
2. Dibujar las respuestas de un sistema de primer orden para una entrada escalón unitario, con tiempos
muertos de dos, cinco y diez minutos, teniendo todas estas una constante de tiempo igual a un minuto.
3. Dibujar las respuestas de un sistema de primer orden para una entrada escalón unitario, sin tiempos
muertos, pero con constantes de tiempo igual a tres, seis y nueve minutos.
4. Describa y realice un esquema de los componentes de un lazo de control cerrado, asumiendo
realimentación negativa.
5. Describa en sus propias palabras, las operaciones básicas presentes en un sistema de control.
Para las siguientes preguntas (6 a 8) relacione cada una de las letras con los componentes del sistema
de control de lazo abierto y de lazo cerrado del proceso propuesto:
A. Comparador G. Sensor o elemento de medición
B. Señal de error H. Variable controlada
C. Proceso o planta I. Controlador o elemento de control
D. Signo o tipo de realimentación J. Variable manipulada
E. Elemento final de control o actuador K. Variable de carga o perturbación
F. Set-Point o punto de ajuste
6. El proceso: Se tiene un televisor que prende (enciende) con su control remoto y se desea ver un canal
en particular. Describa quién o qué realiza cada una de las actividades.
7. El proceso: Montar bicicleta manteniendo su trayectoria dentro el camino designado solo para ciclistas.
Parte de su casa y llega a la universidad.
8. El proceso: Encender el aire acondicionado de una habitación para lograr una temperatura de 25°C
durante toda la noche. Se dejó desprevenidamente una pequeña ventana abierta y llueve toda la noche.
9. Describa en sus propios términos los componentes de los modos de control o controladores. Detalle
sus componentes y su modelo matemático en el domino de la Transformada de Laplace.
10. Describa y dibuje las señales de excitación más comúnmente utilizadas en los sistemas de control.
11. Contraste las características de un sistema de control en lazo abierto con uno de lazo cerrado.
12. Con ayuda del diagrama de bloques adjunto, relacione la lista de componentes de un lazo de control:
Preguntas tipo selección múltiple en Moodle:

13. La ganancia de un controlador proporcional, también conocida como sensitividad proporcional indica:
o El cambio en la variable manipulada por unidad de cambio en la señal de error
o El cambio en el error por unidad de cambio en la variable controlada
o La relación de cambio de salida a la entrada a error constante
o La salida del controlador por unidad de cambio de la señal de excitación
o Cuantas veces se debe duplicar la señal del control respecto al error
14. Para los siguientes dispositivos:
o Un potenciómetro tiene de entrada una rotación y como salida una diferencia de potencial
o Un motor eléctrico tiene de entrada una diferencia de potencial y como salida la rotación de su eje.
o Un generador tiene de entrada la rotación sobre un eje y como salida una diferencia de potencial.
o Una válvula de control tiene como entrada una señal del proceso y como salida un flujo
o Un tacómetro es un generador de tensión.
15. Un transductor en un sistema de control,
o Convierte una forma de energía a otra
o Convierte cd a cc en un solo paso
o Linealiza una señal perturbada
o Filtra ruidos electrónicos
16. Una variable de carga (o perturbación) se define como
o Un tipo de error en estado estable
o El efecto del error del controlador
o Una perturbación que entra a la planta
o Una variable manipulada que sale del proceso
17. El modo de control, PID, requiere ajustar
o El tiempo integral, una ganancia y el tiempo derivativo
o El tiempo muerto y dos ganancias
o La constante de tiempo, la ganancia proporcional y el tiempo de retardo
o El tiempo derivativo, el integral y la ganancia de lazo cerrado
18. El término m de un controlador PI
kp
m(t )  m  k p e(t ) 
I  e(t )dt
representa la señal del controlador cuando el error es
o Indeterminado
o Mayor que cero
o Igual a cero
o Menor que cero
19. La respuesta libre de un sistema está asociada con:
o La forma en que un sistema hace trabajo generando la respuesta total.
o Un sistema interactuando con una señal de entrada, generando una respuesta forzada.
o La forma en que un sistema disipa o adquiere energía del medio.
o Un sistema que no disipa, pero si adquiere energía del medio.
20. La respuesta total de un lazo de control se compone de la respuesta
o Transitoria más la forzada
o Transitoria más la de estado estable
o Libre más la de estado estable
o La de estado estable más la del impulso unitario
21. Es una desventaja de un sistema de control con realimentación negativa:
o La variable de perturbación se propaga por todo el proceso antes de iniciarse una acción para
contrarrestar su efecto
o La ganancia global del sistema se incrementa notablemente
o Se debe conocer la forma de las perturbaciones para su diseño
o Requiere un modelo muy preciso de la planta
22. Buscar en la literatura en qué consiste el esquema de control denominado de adelanto (feedforward) y
establecer qué ventajas/desventajas tiene frente al convencional de retroalimentación.
B: Numéricos
23. Para la siguiente función determine su transformada de Laplace,

24. Para el sistema representado por la función de transferencia de lazo abierto,
𝐶(𝑠) 0.5
= 3
𝑅(𝑠) 2𝑠 + 0,8𝑠 + 59
siendo 𝐶(𝑠) la salida del sistema y 𝑅(𝑠) la entrada o excitación, determine el efecto de cerrar el lazo y
colocar los siguientes controladores:
a. Proporcional
b. Proporcional + Integral
c. Proporcional + Integral +Derivativo
Utilice los valores:
𝐾𝑃 = 10;100;1000
𝐾𝐼 = 1;10;100
𝐾𝐷 = 0,1;1;10
Grafique los resultados, analice y presente algunas conclusiones para una entrada tipo escalón.
Obtenga la respuesta de lazo abierto y compárela con las de lazo cerrado.
25. Para el problema 24 determine las respuestas de lazo abierto
26. Repita el problema 24 para una entrada rampa con retardo de cinco unidades de tiempo
27. Repita el problema 24 para una entrada impulso
28. Repita el problema 24 para una entrada sinusoidal
29. Repita el problema 24 para una entrada parabólica con retardo de tres unidades de tiempo
30. Compile las respuestas de los problemas 26 a 29 y comente:
 ¿Para cuál de esas entradas y parámetros el sistema estaría mejor diseñado?
 ¿Para cuál entrada y parámetros el sistema no respondería adecuadamente?
 Dentro del rango estudiado, ¿cuál es el menos recomendable para cada una de las entradas
probadas?
 Utilice una entrada no-convencional generada con Matlab y compare la respuesta frente a las
de las entradas estándar.
31. Para las siguientes funciones de transferencia de lazo abierto determine las correspondientes de lazo
cerrado,
⇒
𝑠+1 𝑠+1 𝑠−1
𝐺(𝑠) = 𝐺(𝑠) = 𝐺(𝑠) =
(𝑠 + 5)(𝑠 + 10) (𝑠 + 5)(𝑠 + 10) (𝑠 − 5)(𝑠 − 10)
1 −1 1
𝐻(𝑠) = 𝐻(𝑠) = 𝐻(𝑠) =
(𝑠 + 5) (𝑠 + 5) (𝑠 + 5)
Contraste sus respuestas. Seguidamente grafique las respectivas respuestas en el tiempo para las
entradas escalón unitario e impulso. Analice y concluya.
32. Para la siguiente planta (proceso) determine el efecto de utilizar los controladores: 𝑃; 𝑃𝐼; 𝑃𝐷; 𝑃𝐼𝐷
si la planta 𝐺(𝑠) y el tacómetro 𝐻(𝑠) tienen los siguientes modelos,
1 1
𝐺(𝑠) = ∴ 𝐻(𝑠) = 11 𝑠 𝐺(𝑠) = ∴ 𝐻(𝑠) = 11𝑒 −𝑠
(𝑠 + 1)(𝑠 + 3)(𝑠 + 9) (𝑠 + 1)(𝑠 + 3)(𝑠 + 9)
𝑒 −𝑠 1
𝐺(𝑠) = ∴ 𝐻(𝑠) = 11 𝑠 𝐺(𝑠) = ∴ 𝐻(𝑠) = 11 𝑠𝑒 −𝑠
(𝑠 + 1)(𝑠 + 3)(𝑠 + 9) (𝑠 + 1)(𝑠 + 3)(𝑠 + 9)
Pruebe la respuesta del sistema para cada controlador con una excitación en el punto de referencia
𝑅(𝑠) de la forma de un escalón unitario. Grafique las respuestas para esta entrada. Analice los resultados
obtenidos.
33. Repita el ejercicio 32 para las entradas rampa y parábola. Contraste los resultados obtenidos.
34. ¿Es la planta del ejercicio 32 inestable en lazo abierto para esos tres tipos de entradas?, ¿afectaría en
algo que no lo fuera?

1. R. Dorf, R. Bishop, Modern Control System, Addison-Wesley Publishing Company, Twelfth Edition,
2011.
2. K. Ogata, Ingeniería de Control Moderna, Pearson, Prentice Hall, Quinta Edición, 2010.
3. B. Kuo, Automatic Control Systems, Prentice Hall ,Nineth Edition, 2012, (hay versiones anteriores en
español).
4. N. Nise, Sistemas de Control para ingeniería, (Tercera Edición en español), 2002.
5. Bolton W., Ingeniería de Control, 2ª Edición, Alfaomega, 2001.
6. J. Distefano, A. Stubberud, I. Williams, Feedback and Control Systems, Second Edition, Schaum´s
outline series, 1990.
7. C. Smith, A. Corripio, Control Automático de Procesos, Teoría y Práctica. Limusa, 2004.
8. P. Murrill, Fundamentals of Process Control Theory, Third Edition, ISA, 2011.
9. D. Seborg, T.Edgar, D. Mellichamp, F. Doyle, Process Dynamics Control, Wiley Series in Chemical
Engineering, Third Edition, 2011.
10. W. Luyben, Process Modeling, Simulation and Control for Chemical Engineers, Mcgrwa-Hill, Second
Edition, 1989.
CAPÍTULO 2
SISTEMAS LINEALES
CONTENIDO
Introducción
Linealización de modelos
La función de transferencia
Representación de un sistema mediante un diagrama de Bloques
Representación de un sistema mediante un diagrama de Flujo de Señales
Representación de sistemas dinámicos en el espacio de estados
Introducción
En este segundo capítulo continuamos estudiando otros conceptos básicos en sistemas de control,
requeridos para analizar coherentemente la dinámica de un proceso inmerso en un lazo de control
realimentado. Puesto que los primeros cursos en control, usualmente denominados, “control clásico”
involucran solamente sistemas lineales, en este capítulo se explicará este importante concepto, así
como las estrategias que se utilizan para linealizar un modelo que no lo sea. Se ilustrará igualmente la
definición de modelos linealmente acoplados. Seguidamente, se repasan algunos aspectos
relacionados con la ya bien conocida función de transferencia. De igual forma, para tener una
representación más amplia, esto es, no solo en el dominio de la transformada de Laplace sino en el
dominio del tiempo, se presenta ciertas definiciones de la denominada representación en el espacio
de estados. Para todos los casos desarrollaremos una serie de ejemplos, con miras a consolidar estos
temas.
La importancia de los modelos lineales en la vida real

Conviene tener presente que en la vida real los sistemas lineales, si es que los hay, son una excepción
más que una regla. No obstante, el concepto sistema lineal ha sido de gran ayuda para el nacimiento
del control tal y como lo conocemos ahora, pues facilita resolver, al comienzo en forma aproximada
un problema que vamos complicando, es decir, acercándolo a la realidad a medida que disponemos
cada vez más de herramientas conceptuales más recursivas. En la actualidad hay algunas teorías un
poco más elaboradas, que nos permiten abordar problemas no-lineales, aunque todavía están en
proceso de consolidación.
Así, es importante que tengamos presente que a pesar de que no existen estrictamente los sistemas
lineales, sí podemos aproximarlos y usar este importante concepto en la construcción del modelo
matemático de todo el sistema de control y de cada uno de sus componentes.
Modelos lineales y no-lineales

Antes de aprender a linealizar un modelo, primero dejemos claro qué es un modelo lineal y cuándo
sabemos que no es lineal. Por “modelo” en este caso, se hace referencia a una expresión matemática,
ya sea ésta una ecuación algebraica o trascendental, una ecuación diferencial ordinaria o parcial, o una
función cualquiera, que involucra una serie de términos.
Un término es lineal si su variable dependiente aparece de grado unitario, así como sus derivadas.
Una ecuación lineal es aquella que consiste de una suma de términos lineales. La ecuación de una línea
recta es un ejemplo elemental de un modelo obviamente lineal. Aunque estas definiciones son válidas
para ecuaciones continuas o discretas en el dominio del tiempo, nos dedicaremos exclusivamente a
las ecuaciones continuas.
Ejemplo: En la siguiente tabla aparece una serie de modelos continuos en el tiempo. ¿Cuáles son las variables
dependientes y cuáles las independientes? Determinar si son lineales o no, y definir la razón que las hace no-
lineales, si ese es el caso.
𝐜𝐨𝐬(𝒙) + 𝒙 = 𝟎 𝒅𝒛 𝒅𝒚
𝒕 + 𝒛 = 𝒆−𝒕 ; 𝒛 = 𝒛(𝒕) 𝒚 + 𝒚 + 𝒆−𝒕 = 𝟎 ; 𝒚 = 𝒚(𝒕)
𝒅𝒕 𝒅𝒕
𝒅𝒓 𝟐 𝒅𝒛
+ 𝒛𝟐 = 𝟐−𝒕 ; 𝒛 = 𝒛(𝒕) 𝒄𝒐𝒔 (𝒚)
𝒅𝒚
+ 𝒔𝒊𝒏(𝒚) = 𝟎; 𝒚 =
( ) + 𝐜𝐨𝐬(𝒓) + 𝐭𝐚𝐧(𝒕) = 𝟎; 𝒓 = 𝒓(𝒕) 𝒅𝒕 𝒅𝒕
𝒅𝒕 𝒚(𝒕)
𝒅𝒚 𝒅𝒚 𝒅𝒚 𝒅𝒉(𝒕)
𝒚 + 𝒚 + 𝒕 = 𝟎 ; 𝒚 = 𝒚(𝒕) +𝒙 + 𝒆−𝒙 = 𝟎; 𝑨 = 𝑸(𝒕) − 𝑪𝒗 √𝒉(𝒕)
𝒅𝒕 𝒅𝒙 𝒅𝒙 𝒅𝒕
𝒚 = 𝒚(𝒙)
Solución: En la tabla que sigue se aclara cuáles son las variables dependientes e independientes, si los modelos
son lineales o no-lineales, así como los términos que los hace no-lineales, si corresponde.
𝐜𝐨𝐬(𝒙) + 𝒙 = 𝟎 𝒅𝒛 𝒅𝒚
𝒕 + 𝒛 = 𝒆−𝒕 ; 𝒛 = 𝒛(𝒕) 𝒚 + 𝒚 + 𝒆−𝒕 = 𝟎 ; 𝒚 = 𝒚(𝒕)
𝒅𝒕 𝒅𝒕
Variable independiente: 𝑥
Variable dependiente: 𝑧 Variable dependiente: 𝑦
Modelo: No-lineal
Variable independiente: 𝑡 Variable independiente: 𝑡
Término no lineal: cos(𝑥)
Modelo: lineal Modelo: No-lineal
𝑑𝑦
Término no lineal: 𝑦
𝑑𝑡
1
o, en forma equivalente:
𝑦
𝒅𝒓 𝟐 𝒅𝒛
+ 𝒛𝟐 = 𝟐−𝒕 ; 𝒛 = 𝒛(𝒕) 𝒄𝒐𝒔 (𝒚)
𝒅𝒚
+ 𝒔𝒊𝒏(𝒚) = 𝟎; 𝒚 = 𝒚(𝒕)
( ) + 𝐜𝐨𝐬(𝒓) + 𝐭𝐚𝐧(𝒕) = 𝟎; 𝒓 = 𝒓(𝒕) 𝒅𝒕 𝒅𝒕
𝒅𝒕
Variable dependiente: 𝑧 Variable dependiente: 𝑦
Variable dependiente: 𝑟 Variable independiente: 𝑡
Variable independiente: 𝑡
Variable independiente: 𝑡 Modelo: No-lineal
Modelo: No-lineal
Modelo: No-lineal 𝑑𝑦
Término no lineal: z 2 Término no lineal: cos(𝑦)
𝑑𝑦 2 𝑑𝑡
Términos no lineales: ( ) ; cos(𝑟) o, en forma equivalente: tan(𝑦) , ∀𝑦 ≠
𝑑𝑡 𝜋
𝑛( )
2
𝒅𝒚 𝒅𝒚 𝒅𝒚 𝒅𝒉(𝒕)
𝒚 + 𝒚 = 𝟎 ; 𝒚 = 𝒚(𝒕) +𝒙 + 𝒆−𝒙 = 𝟎; 𝑨 = 𝑸(𝒕) − 𝑪𝒗 √𝒉(𝒕)
𝒅𝒕 𝒅𝒙 𝒅𝒙 𝒅𝒕
Variable dependiente: 𝑦 𝑦 = 𝑦(𝑥)
Variable independiente: 𝑡 Variable dependiente: ℎ
Modelo: No-lineal Variable dependiente: 𝑦 Variable independiente: 𝒕
Término no lineal: 𝑦
𝑑𝑦
Variable independiente: 𝑥 Modelo: No-lineal
𝑑𝑡
Modelo: No-lineal
𝑑𝑦 Término no lineal: √ℎ
Término no lineal: 𝑥
𝑑𝑡
Un sistema lineal satisface la propiedad de superposición (aditividad) y la de homogeneidad

(amplificado por una constante). Por otro lado, si no las satisface, se dice que es no-lineal. La unión
de estas dos propiedades se conoce en la literatura, como el “principio de superposición”.
Una vez identificado la no-linealidad del modelo, se procederá a linealizarlo, no sin antes cuestionarse,
¿para qué linealizarlo? Sencillamente, porque la teoría de control clásico está fundamentada en
herramientas matemáticas que solo opera con modelos lineales y que se caracteriza por ser
conceptualmente sencilla y muy eficaz a la hora de modelar, simular y diseñar un sistema de control.
También, porque no se justifica, para la mayoría de casos en aplicaciones industriales, intentar resolver
un problema no sin antes probar la vía más simple, en este caso, linealizar, analizar sus resultados y
tomar la decisión si es procedente o no. Debido a que se cumple la propiedad de superposición en
un modelo lineal, este se podrá dividir en sus componentes y resolverlos en forma separada. Al final,
la respuesta completa de ese problema lineal será la suma de estas. Esta ventaja no la poseen los
modelos no-lineales, haciéndolos mucho más complicados de resolver.
Seguidamente, cabe la pregunta ¿qué es la linealización? Es un procedimiento en donde se aproxima
una función no-lineal a una línea recta y válido solamente en una región alrededor de un punto de
linealización (conocido también como: de operación, o de equilibrio, o valor nominal o valor base).
La aproximación lineal es tangente a la función en ese punto. La aproximación lineal es así más precisa,
entre más cercana sea a este punto.
Linealización
Una vez se identifica la, o las no-linealidades en un modelo matemático, se requiere removerlas para
poder resolverlo mediante, por ejemplo, la transformada de Laplace si se trata de una ecuación
diferencial ordinaria linealizada. En la literatura se encuentran pocos métodos analíticos válidos para
realizar la linealización, siendo el uso de las series de Taylor el más ampliamente utilizado. No
obstante, hay otros métodos numéricos que hacen uso de las diferencias finitas, el método de
perturbación y la linealización seccionada. Otra alternativa es el software comercial que implementa
estrategias numéricas para linealizar.
Ejemplo: Para el siguiente sistema de ecuaciones diferenciales determine su versión linealizada

alrededor del punto (𝑟0 ; 𝜔0 ).
𝑑2 𝜃 𝑑𝑟 𝑑𝜃 𝑑 2 𝑟 𝑑𝜃 Solución: El segundo término de la primera ecuación
𝑟 + 𝜋 = 0 ∴ + =𝐴
𝑑𝑡 2 𝑑𝑡 𝑑𝑡 𝑑𝑡 2 𝑑𝑡 diferencial hace que ésta sea no lineal. La segunda ecuación
diferencial es lineal. Utilizando el método de las variables de
𝑑𝜃
≡ 𝜔; 𝑟 = 𝑟0 ; 𝜔 = 𝜔0 perturbación de tal forma que se define,
𝑑𝑡
𝑑𝜔 𝑑𝑟 𝑑2 𝑟 𝛿𝑟 = 𝑟 − 𝑟0 ; 𝛿𝜔 = 𝜔 − 𝜔0
𝑟 +𝜋 𝜔 =0 ∴ +𝜔 =𝐴
𝑑𝑡 𝑑𝑡 𝑑𝑡 2 𝑑(𝛿𝜔 + 𝜔0 ) 𝑑(𝛿𝑟 + 𝑟0 )
(𝛿𝑟 + 𝑟0 ) +𝜋 (𝛿𝜔 + 𝜔0 ) = 0
𝑑𝑡 𝑑𝑡
𝑑(𝛿𝜔 + 𝜔0 ) 𝑑(𝛿𝜔) 𝑑(𝛿𝑟 + 𝑟0 ) 𝑑(𝛿𝑟) 𝑑(𝛿𝜔) 𝑑(𝛿𝑟)

= ∴ = 𝛿𝑟 ≈0∴ 𝛿𝜔 ≈ 0
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡
𝑑(𝛿𝜔) 𝑑(𝛿𝜔) 𝑑(𝛿𝑟) 𝑑(𝛿𝑟) 𝑑(𝛿𝜔) 𝑑(𝛿𝑟)
𝛿𝑟 + 𝑟0 +𝜋 𝛿𝜔 + 𝜋 𝜔0 = 0 ⇒ 𝑟0 + 𝜋𝜔0 =0
que es la ecuación diferencial linealizada.
Series de Taylor: Funciones de una sola variable

La serie de Taylor alrededor del punto 𝒙
̅ se expresa mediante la siguiente sumatoria,
∞
𝒇𝒏 (𝒙
̅) 𝒏
̅)
𝒅𝒇(𝒙 𝟏 𝒅𝟐 𝒇(𝒙
̅) 𝟐
𝟏 𝒅𝟑 𝒇(𝒙
̅)
𝒇(𝒙) = ∑ (𝒙 ̅ ) ̅ )
− 𝒙 = 𝒇(𝒙 + (𝒙 ̅ )
−𝒙 + (𝒙 − ̅
𝒙 ) + ̅)𝟑 + . ..
(𝒙 − 𝒙
𝒏! 𝒅𝒙 𝟐 𝒅𝒙𝟐 𝟔 𝒅𝒙𝟑
𝒏=𝟎
siendo 𝒇(𝒙) la función que se quiere representar mediante un polinomio del grado que se requiera, y
teóricamente hasta infinito, 𝒇𝒏 (𝒙̅) la 𝑛-ésima derivada calculada en el valor de estado estable 𝒙̅ . Para
utilizarla como herramienta de linealización, se desprecian los términos cuadráticos en adelante, como
se ilustra,
𝟏
𝒇𝒏 (𝒙
̅) ̅)
𝒅𝒇(𝒙
𝒇(𝒙) ≅ ∑ ̅)𝒏 ≅ 𝒇(𝒙
(𝒙 − 𝒙 ̅) + (𝒙 − 𝒙
̅) + TOM (… )
𝒏! 𝒅𝒙
𝒏=𝟎
siendo TOM (…), el conjunto de todos los Términos de Orden Mayor que se eliminan. Como se
observa, la función 𝒇(𝒙) que se desea linealizar, se aproxima a la ecuación de una línea recta 𝑓(𝑥) =
̅)
𝒅𝒇(𝒙
(𝒙 − 𝒙 ̅) ( 𝑦 = 𝑚(𝑥 − 𝑥̅ ) + 𝑦̅ ), y que es tangente al punto 𝒙
̅) + 𝒇(𝒙 ̅. Para el caso en que el
𝒅𝒙
término 𝒙
̅ es cero, las series toman el nombre de series de Maclaurin.
Ejemplo: Exprese como una serie Taylor las funciones mostradas en la siguiente tabla:
A. B.
𝑓(𝑥) = 𝑒 𝑥 , 𝑥̅ = 0 𝑓(𝑥) = sin 𝑥 , 𝑥̅ = 0
𝑓(𝑥) = 𝑒 𝑥 , 𝑥̅ = 10 𝑓(𝑥) = cos 𝑥 , 𝑥̅ = 0

Calcule el valor de 𝑒 𝜋
𝑓(𝑥) = cos 𝑥 , 𝑥̅ =
2
Calcule el valor sin(0,3) utilizando la serie de
Maclaurin con al menos cuatro términos. El ángulo está
en radianes.
C. Determine la serie de Maclaurin que describe D. Determine la serie de Maclaurin para
las funciones:
𝑓(𝑥) = 𝑥 𝑐𝑜𝑠(𝑥)
−1
𝑓(𝑥) = 𝑡𝑎𝑛 (𝑥)
𝑔(𝑥) = 𝑥 3 𝑐𝑜𝑠(𝑥)
𝑔(𝑥) = 𝑙𝑛(1 + 𝑥)
E. Halle la serie de Taylor para, F. Determine la serie de Maclaurin para
𝐻(𝑥) = 𝑒 𝑥−1 , 𝑥̅ = 1 𝑥 − 𝑡𝑎𝑛−1 (𝑥)

𝑔(𝑥) =
𝑥4
Solución:
Como se trata de funciones de una sola variable, hacemos uso de la definición de esta serie,
∞
𝒇𝒏 (𝒙
̅) 𝒏
̅)
𝒅𝒇(𝒙 𝟏 𝒅𝟐 𝒇(𝒙
̅) 𝟐
𝟏 𝒅𝟑 𝒇(𝒙
̅)
𝒇(𝒙) = ∑ (𝒙 )
̅ = 𝒇(𝒙
−𝒙 )
̅ + (𝒙 )
̅ +
−𝒙 (𝒙 − ̅
𝒙 ) + ̅)𝟑 + . ..
(𝒙 − 𝒙
𝒏! 𝒅𝒙 𝟐 𝒅𝒙𝟐 𝟔 𝒅𝒙𝟑
𝒏=𝟎
A. B.
𝑥̅ = 0; 𝑓(𝑥) = 𝑒 𝑥 ; 𝑓(0) = 1; 𝑓 ′ (0̅) = 1, 𝑥̅ = 0, 𝑓(𝑥) = sin 𝑥 , 𝑓(0) = 0
𝑓 ′′ (0) = 1, 𝑓 ′′′ (0) = 1, … … 𝑓 ′ (0) = 1, 𝑓 ′′ (0) = 0, 𝑓 ′′′ (0) = −1, … …
La suma de los términos de la serie es entonces, La suma de los términos de la serie es entonces,
1 1 0
1 + 1 ∙ (𝑥 − 0)1 + ∙ (𝑥 − 0)2 + (𝑥 − 0)3 0 + 1 ∙ (𝑥 − 0)1 + ∙ (𝑥 − 0)2
1∙2 2∙3 1∙2
+⋯ 1
− (𝑥 − 0)3 +. ..
2∙3
o expresado como una sumatoria,
∞ ∞
𝒇𝒏 (𝟎) 𝟏 ∞
𝒆𝒙 = ∑ (𝒙 − 𝟎)𝒏 = ∑ 𝒙𝒏 𝒇𝒏 (𝟎)
𝒏! 𝒏! 𝒔𝒊𝒏 𝒙 = ∑ (𝒙 − 𝟎)𝒏
𝒏=𝟎 𝒏=𝟎
𝒏!
𝒏=𝟎
Ahora para 𝑥̅ = 10:
∞
𝑥 ′ (𝑥) 𝑥 ′ (10) 10 𝒙𝟐𝒏+𝟏 𝒏
𝑥̅ = 0; 𝑓(𝑥) = 𝑒 , 𝑓 =𝑒 ; 𝑓 =𝑒 , 𝒔𝒊𝒏 𝒙 = ∑(−𝟏)
(𝟐𝒏 + 𝟏)!
𝒏=𝟎
𝑓 ′′ (10) = 𝑒 10 , 𝑓 ′′′ (10) = 𝑒 10 , … …
𝜋
Ahora para 𝑓(𝑥) = cos 𝑥, con 𝑥̅ = :
siendo la suma de los términos de la serie, 2
𝑒 10 Se puede partir de la definición de las series de

𝑒 10 + 𝑒 10 ∙ (𝑥 − 10)1 + ∙ (𝑥 − 10)2 Taylor (o Maclaurin ya que 𝑥̅ = 0), o derivando
1∙2
la que acabamos de obtener,
𝑒 10
+ ∙ (𝑥 − 10)3 + ⋯
3∙2 Derivando la serie del sin 𝑥,
∞ ∞ ∞
𝒙
𝒇𝒏 (𝟎) 𝒏
𝒆𝟏𝟎 𝒙(𝟐𝒏+𝟏)−𝟏
𝒆 =∑ (𝒙 − 𝟏𝟎) = ∑ (𝒙 − 𝟏𝟎)𝒏 𝒄𝒐𝒔 𝒙 = ∑(−𝟏) (𝟐𝒏 + 𝟏) 𝒏
𝒏! 𝒏! (𝟐𝒏 + 𝟏)!
𝒏=𝟎 𝒏=𝟎 𝒏=𝟎
Para el cálculo de 𝑒, 𝑥 = 1, 𝑥̅ = 0 ∶ quedando como,

∞ ∞
𝟏 𝟏 𝟏 𝟏 𝟏 (−𝟏)𝒏 𝟐𝒏
𝒆= ∑ =𝟏+𝟏+ + + + …… 𝒄𝒐𝒔 𝒙 = ∑ 𝒙
𝒏! 𝟐 𝟔 𝟐𝟒 𝟏𝟐𝟎 𝟐𝒏!
𝒏=𝟎 𝒏=𝟎
¿ Qué sucede para el cálculo de 𝑒, si: Para el punto alrededor de 𝜋⁄2:

𝑥̅ = −2; 𝑥̅ = −1; 𝑥̅ = 1; 𝑥̅ = 2; 𝑥̅ = 100 ? 𝜋 𝜋 𝜋
𝑥̅ = , 𝑓(𝑥) = cos 𝑥 , 𝑓 ( ) = cos = 0
2 2 2
Compare los valores obtenidos con el siguiente valor:
𝜋 𝜋
𝑒 ≈ 2,71828182845904523536 𝑓 ′ ( ) = −sin = −1 ;
2 2
¿Qué se puede inferir? 𝜋 𝜋
𝑓 ′′ ( ) = −cos = 0,
2 2
C.
𝜋 𝜋
𝑥̅ = 0; 𝑓(𝑥) = 𝑡𝑎𝑛−1 𝑥; 𝑓(0) = 0; 𝑓 ′ (0̅) = 1, 𝑓 ′′′ ( ) = sin = 1,
2 2
𝑓 ′′ (0) = 0, 𝑓 ′′′ (0) = 2, … … 𝜋 𝜋
𝑓 𝑖𝑣 ( ) = cos = 0, … …
La suma de los términos de la serie es entonces, 2 2
2 24 La suma de los términos de la serie es entonces,

1 ∙ (𝑥 − 0)1 − ∙ (𝑥 − 0)3 + (𝑥 − 0)5 𝜋
2∙3 2∙3∙4∙5
𝜋 𝜋 𝜋 1 cos 2 𝜋 2
720 cos − sin ∙ (𝑥 − ) − ∙ (𝑥 − )
− (𝑥 − 0)7 + ⋯ 2 2 2 2 2
2∙3∙4∙5∙6∙7 𝜋 𝜋
sin 𝜋 3 cos 2 𝜋 4
o expresado como una sumatoria, + 2 ∙ (𝑥 − ) + ∙ (𝑥 − ) + … …
6 2 24 2
∞
−1
𝑥3 𝑥5 𝑥7 (−1)𝑛 2𝑛+1 o expresado como una sumatoria,
𝑡𝑎𝑛 = 𝑥 − + − +. . = ∑ 𝑥
3 5 7 2𝑛 + 1 ∞
𝑛=0
(−𝟏)𝒏+𝟏 𝝅 𝟐𝒏+𝟏
𝒄𝒐𝒔 𝒙 = ∑ (𝒙 − )
Para la función 𝑔(𝑥) = 𝑙𝑛(1 + 𝑥) (𝟐𝒏 + 𝟏)! 𝟐
𝒏=𝟎
′ (0)
𝑥̅ = 0; 𝑔(𝑥) = 𝑙 𝑛(1 + 𝑥) ; 𝑓(0) = 0; 𝑓 = 1,
A continuación, calculamos 𝑠𝑖𝑛(0,3) utilizando la
𝑓 ′′ (0)
= −1, 𝑓 ′′′ (0)
= 2, … … serie de Maclaurin con al menos cuatro términos y
se contrasta con el valor de la calculadora de un
La suma de los términos de la serie es entonces, laptop,
1 2
0 + 1 ∙ (𝑥 − 0)1 − ∙ (𝑥 − 0)2 + (𝑥 − 0)3 𝑠𝑖𝑛(0,3) ≈
1∙2 2∙3
0,29552020666133957510532074568503
6
− (𝑥 − 0)4 …
2∙3∙4 Conociendo que,
o expresado como una sumatoria, ∞
(0,3)2𝑛+1
𝑠𝑖𝑛(0,3) = ∑(−1)𝑛
(2𝑛 + 1)!
𝑛=0
𝑥2 𝑥3 𝑥4 𝑥5 0,3 0,33 0,35 0,37 0,39
𝑙𝑛 𝑥 = 𝑥 − + − + +.. sin(0,3) ≈ − + − +
2 3 4 5 1! 3! 5! 7! 9!
∞
(−1)𝑛−1 𝑛 0,311 0,313 0,315 0,317 0,319
ln 𝑥 = ∑ 𝑥 − + − + − . . ….
𝑛 11! 13! 15! 17! 19!
𝑛=1
Con solo cuatro términos,
D. Un vía rápida y más fácil, parte de la serie
presentada en el ejemplo B, ≈ 0,3 − 0,0045 + 0,00002025 − 4,3325 × 10−8
∞ ≈ 0,2955202066
(−𝟏)𝒏 𝟐𝒏
𝒄𝒐𝒔 𝒙 = ∑ 𝒙
𝒏=𝟎
𝟐𝒏! E. La serie de Taylor para
se puede hallar la serie de Maclaurin. Así, 𝐻(𝑥) = 𝑒 𝑥−1 , 𝑥̅ = 1

∞
(−𝟏)𝒏 𝟐𝒏 𝑥̅ = 1; 𝐻(𝑥) = 𝑒 𝑥−1 ; 𝐻(1) = 1;
𝑓(𝑥) = 𝑥 𝑐𝑜𝑠(𝑥) = 𝑥 ∑ 𝒙
𝟐𝒏! 𝐻′ (1) = 1,
𝒏=𝟎
∞ 𝐻′′ (1) = 1,
(−𝟏)𝒏 𝟐𝒏+𝟏
𝑓(𝑥) = ∑ 𝒙
𝟐𝒏! 𝐻′′′ (1) = 1, … …
𝒏=𝟎
Ahora para La suma de los términos de la serie es entonces,

1
𝑔(𝑥) = 𝑥 3 𝑐𝑜𝑠(𝑥) 1 + 1 ∙ (𝑥 − 1)1 + ∙ (𝑥 − 1)2
1∙2
∞
3
(−𝟏)𝒏 𝟐𝒏 1 1
𝑔(𝑥) = 𝑥 ∑ 𝒙 + (𝑥 − 1)3 + (𝑥 − 0)4 …
𝟐𝒏! 2∙3 2∙3∙4
𝒏=𝟎
∞ o expresado como una serie,
(−𝟏)𝒏 𝟐𝒏+𝟑
𝑔(𝑥) = ∑ 𝒙 ∞
𝟐𝒏! 𝟏
𝒏=𝟎 𝒙−𝟏 (𝒙 − 𝟏)𝒏
𝒆 = ∑
𝒏!
𝒏=𝟎
F. Partiendo de los componentes de la función que al dividirla por 𝑥 4 ,

desarrollada en el literal C, sabemos que
𝑥 − 𝑡𝑎𝑛−1 (𝑥)
∞ 𝑔(𝑥) =
(−1)𝑛 2𝑛+1 𝑥4
𝑡𝑎𝑛−1 = ∑ 𝑥
2𝑛 + 1 1 𝑥3 𝑥5 𝑥7 𝑥9
𝑛=0
𝑔(𝑥) = 4 [ − + − … ]
𝑥 3 5 7 9
permitiendo construir
∞ 𝑛
𝑥 −1 𝑥 1 𝑥 3 𝑥 5 𝑥 7
(−1) 2𝑛+1 𝑔(𝑥) = [ − + − + …]
𝑥 − 𝑡𝑎𝑛−1 𝑥 = 𝑥 − ∑ 𝑥 3 5 7 9 11
2𝑛 + 1
𝑛=0
o en forma equivalente,
∞
−1
𝑥3 𝑥5 𝑥7 𝑥9 (−1)𝑛+1 2𝑛+1−4
𝑥 − 𝑡𝑎𝑛 𝑥 =𝑥−𝑥+ − + − 𝑔(𝑥) = ∑ 𝑥
3 5 7 9 2𝑛 + 1
𝑛=1
∞
(−1)𝑛+1 2𝑛+1
𝑥 − 𝑡𝑎𝑛−1 𝑥 = ∑ 𝑥
2𝑛 + 1
𝑛=1 ∞
(−1)𝑛+1 2𝑛−3
𝑔(𝑥) = ∑ 𝑥
2𝑛 + 1
𝑛=1
Series de Taylor: Funciones de más de una variable

De igual forma, se pueden utilizar estas series de Taylor para linealizar funciones con dos o más
variables. Las series eliminando los términos de orden superior o igual a dos quedan para una función
no-lineal de dos variables como,
𝝏𝒇(𝒙 ̅)
̅; 𝒚 ̅; 𝒚
𝝏𝒇(𝒙 ̅)
̅) +
̅; 𝒚
𝒇(𝒙; 𝒚) ≅ 𝒇(𝒙 (𝒙 − 𝒙
̅) + (𝒚 − 𝒚
̅)
𝝏𝒙 𝝏𝒚
Se espera que el error de este plano tangente sea la mejor aproximación lineal a esta función y, por
tanto, su error sea pequeño en cercanía al punto (𝒙̅; 𝒚;
̅ 𝒛̅).
Para el caso de una función de tres variables, el hiperplano tangente que mejor se aproxima a tal
función está dado por,
𝝏𝒇(𝒙 ̅; 𝒛̅)
̅; 𝒚 𝝏𝒇(𝒙 ̅ 𝒛̅)
̅; 𝒚; ̅; 𝒚;
𝝏𝒇(𝒙 ̅ 𝒛̅)
̅; 𝒛̅) +
̅; 𝒚
𝒇(𝒙; 𝒚; 𝒛) ≅ 𝒇(𝒙 (𝒙 − 𝒙
̅) + (𝒚 − 𝒚
̅) + (𝒛 − 𝒛̅)
𝝏𝒙 𝝏𝒚 𝝏𝒛
La generalización para funciones no-lineales con mayor número de variables es obvia.
Ejemplo: Linealizar la siguiente función de tres variables en el punto (𝑥̅ = 1; 𝑦̅ = 2; 𝑧̅ = 3).
𝑓(𝑥; 𝑦; 𝑧) = 𝑥𝑦𝑧 + 𝑥𝑦 + 𝑦𝑧 Solución: se utiliza la anterior expresión haciendo las

derivadas parciales como se indica seguidamente.
𝜕𝑓(𝑥̅ ; 𝑦̅; 𝑧̅) ̅ 𝑧̅)
𝜕𝑓(𝑥̅ ; 𝑦; 𝜕𝑓(𝑥̅ ; 𝑦;
̅ 𝑧̅)
𝑓(𝑥; 𝑦; 𝑧) ≅ 𝑓(𝑥̅ ; 𝑦̅; 𝑧̅) + (𝑥 − 𝑥̅ ) + (𝑦 − 𝑦̅) + (𝑧 − 𝑧̅)
𝜕𝑥 𝜕𝑦 𝜕𝑧
𝑓(𝑥̅ ; 𝑦̅; 𝑧̅) = 1 ∗ 2 ∗ 3 + 1 ∗ 2 + 2 ∗ 3 = 14
𝜕𝑓(𝑥̅ ; 𝑦̅; 𝑧̅) ̅ 𝑧̅)

𝜕𝑓(𝑥̅ ; 𝑦;
= 𝑦𝑧 + 𝑦 + 0|(𝑥̅ ;𝑦̅;𝑧̅) = 2 ∗ 3 + 2 = 8 = 𝑥𝑧 + 𝑥 + 𝑧|(𝑥̅ ;𝑦̅;𝑧̅ ) = 1 ∗ 3 + 1 + 3 = 7
𝜕𝑥 𝜕𝑦
𝜕𝑓(𝑥̅ ; 𝑦;
̅ 𝑧̅)
= 𝑥𝑦 + 0 + 𝑦|(𝑥̅ ;𝑦̅;𝑧̅) = 1 ∗ 2 + 2 = 4
𝜕𝑧
𝑓(𝑥; 𝑦; 𝑧) − 14 ≅ 8(𝑥 − 1) + 7(𝑦 − 2) + 4(𝑧 − 3)
que corresponde a un plano en (𝑥; 𝑦; 𝑧).
Ejemplo: Linealice las siguientes funciones alrededor de los puntos de operación (estado estable) indicados.
𝑓(𝑥) = 𝑥 2 + 2𝑥 + 1 ∴ 𝑥̅ = 1 b) Ahora solo tomemos de esa función solo el término no

lineal 𝑥 2
Con este sencillo ejemplo vamos a verificar si
tenemos que utilizar toda la función para 𝑔(𝑥) = 𝑥 2 ∴ 𝑥̅ = 1
linealizarla, o podemos solo tomar su parte no
lineal y luego reconstruimos la función original. 𝑔(𝑥) ≅ 𝑔(𝑥̅ ) + 𝑑𝑔 𝑥 | (𝑥 − 𝑥̅ )
( )
𝑑𝑥 𝑥̅
Solución: a) Tomemos toda la función 𝑓(𝑥):
𝑑𝑔(𝑥)
𝑑𝑓(𝑥) 𝑔(𝑥) ≅ 𝑔(1) + | (𝑥 − 1)
𝑓(𝑥) ≅ 𝑓(𝑥̅ ) + | (𝑥 − 𝑥̅ ) 𝑑𝑥 𝑥̅ =1
𝑑𝑥 𝑥̅
𝑑𝑔(𝑥)
𝑑𝑓(1) 𝑔(1) = 1 ∴ | = 2𝑥̅ = 2
𝑓(𝑥) ≅ 𝑓(1) + (𝑥 − 1) 𝑑𝑥 𝑥̅ =1
𝑑𝑥
𝑑𝑓(𝑥) 𝑔(𝑥) ≅ 1 + 2(𝑥 − 1) = 2𝑥 − 1
𝑓(1) = 1 + 2 + 1 = 4 ∴ |
𝑑𝑥 𝑥̅ =1 quedando la función linealizada que como,
= 2𝑥̅ + 2 = 4
𝑓(𝑥) = 2𝑥 − 1 + 2𝑥 + 1 = 4𝑥
así, la función linealizada queda entonces,
𝑓(𝑥) ≅ 4 + 4(𝑥 − 1) = 4𝑥
Graficando la función inicial y la linealizada alrededor del punto 𝑥̅ = 1 como se observa en la siguiente figura,
podemos concluir que cualquiera de las dos aproximaciones para linealizar la función da resultados iguales.
Así mismo, se puede ver que la linealización es bastante buena alrededor del punto 𝑥̅ = 1. La abscisa
corresponde a 𝑥.
𝑓(𝑥) = 𝑥 + 𝑒 −2𝑥 ∴ 𝑥̅ = 0,5 𝑑𝑒 −2𝑥

𝑒 −2𝑥̅ = 𝑒 −1 ∴ | = −2𝑒 −2𝑥̅ = −2𝑒 −1
𝑑𝑥 𝑥̅
Solución: Se linealiza el término no lineal,
𝑑𝑔(𝑥) 𝑒 −2𝑥 ≅ 𝑒 −1 − 2𝑒 −1 (𝑥 − 0,5)
𝑔(𝑥) ≅ 𝑔(𝑥̅ ) + | (𝑥 − 𝑥̅ )
𝑑𝑥 𝑥̅ La función linealizada que entonces como,
𝑑𝑒 −2𝑥 𝑓(𝑥) ≅ 𝑥 + 𝑒 −1 − 2𝑒 −1 (𝑥 − 0,5) ∴ 𝑥̅ = 0,5
𝑒 −2𝑥 ≅ 𝑒 −2𝑥̅ + | (𝑥 − 𝑥̅ )
𝑑𝑥 𝑥̅
En esta figura se aprecia que la linealización es muy buena aproximación para valores cercanos a 𝑥̅ = 0,5. La
abscisa corresponde a 𝑥.
Ejemplo: Linealice la siguiente ecuación diferencial en el valor de estado estable 𝑦̅ = 2.0
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) Solución: linealizamos el término no

10 +2 + 5√𝑦(𝑡) = 𝑢(𝑡)
𝑑𝑡 2 𝑑𝑡 lineal.
𝑑𝑦 𝑦(𝑡) = 2.0 + 𝛿𝑦(𝑡)
𝑦(0) = 0 ∴ | =0
𝑑𝑡 𝑡=0
y que se interpreta como la linealización
alrededor del valor de estado estable
(𝑦̅ = 2.0),
𝑦̅ = 2 + ̅𝛿𝑦
̅̅̅ ∴ ̅𝛿𝑦
̅̅̅ = 0
𝑑 2 (2 + 𝛿𝑦(𝑡)) 2 𝑑(2 + 𝛿𝑦(𝑡)) 5 1 donde cada término viene dado por,
+ + √(2 + 𝛿𝑦(𝑡)) = 𝑢(𝑡)
𝑑𝑡 2 10 𝑑𝑡 10 10
̅̅̅̅) = √2 + 0 = √2
𝑓(𝛿𝑦
quedando al hacer la diferenciación de las sumas,
𝑑𝑓(𝛿𝑦) 1 1 1
𝑑 2 𝛿𝑦(𝑡) 2 𝑑𝛿𝑦(𝑡) 5 1 ̅̅̅̅)−2 = √2
| = (2 + 𝛿𝑦
+ + {√(2 + 𝛿𝑦(𝑡))} = 𝑢(𝑡) 𝑑𝑡 ̅̅̅̅
𝛿𝑦
2 4
𝑑𝑡 2 10 𝑑𝑡 10 10
Llegando a la linealización como,
Si,
1 1
̅̅̅̅) +
𝑑𝑓(𝛿𝑦) ̅̅̅̅)
√(2 + 𝛿𝑦(𝑡)) ≅ √2 + √2 𝛿𝑦(𝑡)
𝑓(𝛿𝑦) = √(2 + 𝛿𝑦) ≅ 𝑓(𝛿𝑦 | (𝛿𝑦 − 𝛿𝑦 2 4
𝑑𝑡 ̅̅̅̅
𝛿𝑦
La siguiente figura ilustra la linealización de ese término de la ecuación diferencial, alrededor del punto 𝑦̅ =
2.0. La abscisa corresponde a 𝑦(𝑡). No incluye el coeficiente (5/10).
De esa manera, la ecuación diferencial linealizada es,
𝑑 2 𝛿𝑦(𝑡) 2 𝑑𝛿𝑦(𝑡) 5 1 5
2
+ + √2 𝛿𝑦(𝑡) = 𝑢(𝑡) − √2
𝑑𝑡 10 𝑑𝑡 40 10 20
que regresando en términos de 𝑦(𝑡), la ecuación original pero linealizada
𝑑 2 𝑦(𝑡) 2 𝑑𝑦(𝑡) 5 √2 1
2
+ + 𝑦(𝑡) = 𝑢(𝑡)
𝑑𝑡 10 𝑑𝑡 10 4 10
Con el propósito ilustrativo de observar efecto de esta linealización, vamos a resolver numéricamente tanto
la ecuación no linealizada, como la linealizada. La figura adjunta muestra ambas respuestas, pudiéndose
observar un cambio en forma y magnitud entre ambas.
Conviene después de realizar la linealización de una ecuación, observar cuál es el costo de esta
simplificación. Esto se puede observar graficando ambas ecuaciones, la original y la linealizada.
Ahora, se llama la atención cuando la función no-lineal presenta indeterminaciones. En estos casos es
necesario hacer uso de algunos conceptos aprendidos en los cursos básicos de cálculo, como se ilustra
en el ejemplo siguiente:
Ejemplo: Se dispone del siguiente MoMa de una planta en particular y dado por:
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡)
3𝑦(𝑡) 2
+ 3𝑦(𝑡)𝑒 −5𝑡 − 𝑠𝑖𝑛2 (𝑦(𝑡)) = 0 ; 𝑦(0) = 0, 𝑦 ′ (0) = 1
𝑑𝑡 𝑑𝑡
Linealícelo alrededor de su punto de operación (su valor de estado estable o de equilibrio) y que corresponde
a 𝑦̅ = 0. Asumamos por ahora, que todo el modelo es dimensionalmente consistente sin comprobarlo.
Solución: Esta ecuación diferencial ordinaria de orden dos se puede reagrupar como,
𝑑 2 𝑦(𝑡) −5𝑡
𝑑𝑦(𝑡) 1 𝑠𝑖𝑛2 (𝑦(𝑡)) Variable dependiente: 𝑦(𝑡)
+ 𝑒 − =0 Variable independiente: 𝑡
𝑑𝑡 2 𝑑𝑡 3 𝑦(𝑡)
Modelo: No-Lineal
𝑠𝑖𝑛2 (𝑦(𝑡)) Utilizando las series de Taylor

Término No-lineal: 1
𝑦(𝑡) 𝑓 𝑛 (𝑦̅) 𝑑𝑓(0)
𝑓(𝑦) ≅ ∑ (𝑦 − 𝑦̅)𝑛 ≅ 𝑓(0) + [ ] (𝑦 − 0)
𝑛! 𝑑𝑦
𝑛=0
siendo para el presente caso,
𝑠𝑖𝑛2 (𝑦(𝑡)) 𝑑𝑓(𝑦(𝑡))

𝑓(𝑦(𝑡)) ≈ [ ] + [ ] 𝑦(𝑡)
𝑦(𝑡) 𝑦̅=0
𝑑𝑦 𝑦̅=0
Para el cálculo del primer término se tiene
𝑠𝑖𝑛2 (𝑦(𝑡)) 0
[ ] =[ ]
𝑦(𝑡) 𝑦̅=0
0
0
que es una indeterminación de la forma ; aplicando la regla de L’Hopital,
0
𝑠𝑖𝑛2 (𝑦(𝑡)) 2 sin 𝑦(𝑡) 𝑐𝑜𝑠 𝑦(𝑡)

lim = lim =0
𝑦→0 𝑦(𝑡) 𝑦→0 1
quedando,
𝑠𝑖𝑛 (𝑦(𝑡))
[ ] =0
𝑦(𝑡) 𝑦̅=0
Ahora, se calcula el segundo término,
𝑑𝑓(𝑦(𝑡)) 2𝑦(𝑡) 𝑠𝑖𝑛 𝑦(𝑡) 𝑐𝑜𝑠(𝑦(𝑡)) − 𝑠𝑖𝑛2 (𝑦(𝑡)) 0

[ ] =[ 2
] =[ ]
𝑑𝑦 𝑦̅=0
𝑦 (𝑡) 𝑦̅=0
0
Dado ese tipo de indeterminación, se procede a utilizar L´Hopital,
2𝑦(𝑡) 𝑠𝑖𝑛 𝑦(𝑡) 𝑐𝑜𝑠(𝑦(𝑡)) − 𝑠𝑖𝑛2 (𝑦(𝑡)) 2 𝑦(𝑡) (cos 2 𝑦(𝑡) − sin2 𝑦(𝑡))
lim ( ) = lim [ ]=1
𝑦→0 𝑦 2 (𝑡) 𝑦→0 2𝑦(𝑡)
De esta forma, el término no-lineal del modelo quedó como:
𝑓(𝑦) ≈ 0 + 1 ∙ 𝑦(𝑡)
y con ello, el MoMa linealizado se transforma en,
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) 1
+ 𝑒 −5𝑡
− 𝑦(𝑡) = 0; 𝑦(0) = 0, 𝑦′ (0) = 3√𝜋
𝑑𝑡 2 𝑑𝑡 3
Ejemplo: Considere el siguiente MoMa,
𝑑 3 𝑐(𝑡) 𝑑𝑐(𝑡) 1 − 𝑐𝑜𝑠(𝑐(𝑡))

+ 8 − =0; 𝑐(0) = 0, 𝑐 ′ (0) = √3𝜋 , 𝑐 ′′ (0) = 𝜋√7
𝑑𝑡 3 𝑑𝑡 𝑐(𝑡)
Identifique sus no-linealidades, y redefina el modelo transformado (linealizado). Asumamos por ahora, que
todo el modelo es dimensionalmente consistente sin comprobarlo.
Solución: El MoMa corresponde a una ecuación diferencial ordinaria de orden tres no-lineal,
𝑑 3 𝑐(𝑡) 𝑑𝑐(𝑡) 1 − 𝑐𝑜𝑠(𝑐(𝑡))

3
+ 8 − =0
𝑑𝑡 𝑑𝑡 𝑐(𝑡)
siendo,
La variable dependiente: 𝑐(𝑡)
La Variable independiente: 𝑡
El modelo: No-Lineal
𝟏−𝒄𝒐𝒔 (𝒄(𝒕))
El término No-lineal:
𝒄(𝒕)
Utilizando las series de Taylor para linealizar este término

1
𝑓 𝑛 (𝑐̅) 𝑑𝑓(0)
𝑓(𝑐(𝑡)) ≅ ∑ (𝑐(𝑡) − 𝑐̅)𝑛 ≅ 𝑓(0) + [ ] (𝑐(𝑡) − 0)
𝑛! 𝑑𝑦
𝑛=0
Se llega a,
1 − 𝑐𝑜𝑠(𝑐(𝑡)) 𝑑𝑓(𝑐(𝑡))
𝑓(𝑐(𝑡)) ≈ [ ] + [ ] 𝑐(𝑡)
𝑐(𝑡) 𝑐̅=0
𝑑𝑐 𝑐̅=0
Para el cálculo del primer término se tiene que

1 − 𝑐𝑜𝑠(𝑐(𝑡)) 0
[ ] =[ ]
𝑐(𝑡) 𝑐̅=0
0
0
que es una indeterminación de la forma ; aplicando la regla de L’Hopital,
0
1 − 𝑐𝑜𝑠(𝑐(𝑡)) 𝑠𝑖𝑛(𝑐(𝑡))
lim = lim = 0
𝑐→0 𝑐(𝑡) 𝑐→0 1
quedando,
1 − 𝑐𝑜𝑠(𝑐(𝑡))
[ ] = 0
𝑐(𝑡) 𝑐̅=0
Ahora, se calcula el segundo término,
𝑑𝑓(𝑐(𝑡)) 𝑐(𝑡) 𝑠𝑖𝑛(𝑐(𝑡)) − (1 − 𝑐𝑜𝑠(𝑐(𝑡)) 0

[ ] =[ 2
] =[ ]
𝑑𝑐 𝑐̅=0
𝑐 (𝑡) 𝑦̅=0
0
se aplica también la regla de L’Hopital,
𝑠𝑖𝑛(𝑐(𝑡)) + 𝑥 𝑐𝑜𝑠(𝑐(𝑡)) − 𝑠𝑖𝑛(𝑐(𝑡)) 0

lim ( )=
𝑐→0 2𝑥(𝑡) 0
Como se observa se debe aplicar otra vez,
𝑐𝑜𝑠(𝑐(𝑡)) + 𝑐𝑜𝑠(𝑐(𝑡)) − 𝑥 𝑠𝑖𝑛(𝑐(𝑡)) − 𝑐𝑜𝑠(𝑐(𝑡)) 1

lim ( )=
𝑐→0 2 2
De esta forma, el término no-lineal del modelo quedó como:
1
𝑓(𝑐) ≈ 0 + ∙ 𝑐(𝑡)
2
y con ello, el MoMa linealizado se transforma en:
𝑑 3 𝑐(𝑡) 𝑑𝑐(𝑡) 1
3
+8 − 𝑐(𝑡) = 0 ; 𝑐(0) = 0, 𝑐 ′ (0) = √3𝜋 , 𝑐 ′′ (0) = 𝜋√7
𝑑𝑡 𝑑𝑡 2
Una de las formas para cuantificar el error que se comete al linealizar una función de dos variables,
por ejemplo, utiliza la siguiente definición:
Si ℳ es el límite superior de |𝒢𝑥𝑥 |, |𝒢𝑦𝑦 | y |𝒢𝑥𝑦 | ∀(𝑥; 𝑦) en un rectángulo para el cual (𝑥̅ − 𝑎 < 𝑥 <
𝑥̅ + 𝑎), y (𝑦̅ − 𝑏 < 𝑦 < 𝑦̅ + 𝑏), el error absoluto viene dado por,
1
|𝑒(𝑥; 𝑦)| ≤ ℳ[|𝑥 − 𝑥̅ | + |𝑦 − 𝑦̅|]2
2
Ejemplo: Dada la siguiente función no lineal considerándola, por ahora, dimensionalmente consistente,
𝒢(𝐼; 𝑅) = 𝐼 2 𝑅3
 Linealice este MoMa alrededor del punto de operación (𝐼 ̅ = 2; 𝑅̅ = 1). Partiendo de la serie de Taylor
para dos dimensiones,
𝜕𝒢(𝐼 ;̅ 𝑅̅) 𝜕𝒢(𝐼 ;̅ 𝑅̅)

𝒢(𝐼; 𝑅) ≅ 𝒢(𝐼 ;̅ 𝑅̅) + (𝐼 − 𝐼 )̅ + (𝑅 − 𝑅̅)
𝜕𝐼 𝜕𝑅
Calculando cada uno de los términos,
𝒢𝐿 (𝐼; 𝑅) ≅ 𝒢(2; 1) + (2𝐼𝑅3 )(2;1) (𝐼 − 2) + (3𝐼 2 𝑅2 )(2;1) (𝑅 − 1)
𝒢𝐿 (𝐼; 𝑅) ≅ 4 + 4(𝐼 − 2) + 12(𝑅 − 1)
 Determine el límite superior del error para el intervalo (1 < 𝐼 < 3), (0 < 𝑅 < 2), y pertenece al
intervalo (3; 2)
𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 3 𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 2
[ 2
] = [ 2𝑅 ] = 16 [ 2
] = [ 6𝐼 𝑅] = 108
𝜕𝐼 (2;1)
(3;2) 𝜕𝑅 (2;1)
(3;2)
𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 2
[ ] = [ 6𝐼𝑅 ] = 72
𝜕𝐼𝜕𝑅 (2;1) (3;2)
De esta manera el error que se puede cometer al hacer la linealización en el rectángulo (3; 2) es,
1 1
|𝑒(3; 2)| ≤ ℳ[|𝐼 − 𝐼 |̅ + |𝑅 − 𝑅̅|]2 = 108 [|3 − 2| + |2 − 1|]2 = 216
2 2
Es decir, se comete un error de

216 al linealizar la función en el
rectángulo que involucra los puntos
de operación, como se lustra en la
figura adjunta.
 Si se reduce el rango a (1,5 < 𝐼 < 2,5), (0,5 < 𝑅 < 1,5), que pertenece al intervalo extremo (2,5; 1,5)
Como se trata del mismo punto de operación, la linealización es la misma obtenida anteriormente.
Así,
𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 3 𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 2
[ ] = [ 2𝑅 ] = 6,75 [ ] = [ 6𝐼 𝑅] = 56,25
𝜕𝐼 2 (2;1)
(2,5;1,5) 𝜕𝑅2 (2;1)
(2,5;1,5)
𝜕 2 𝒢(𝐼 ;̅ 𝑅̅ ) 2
[ ] = [ 6𝐼𝑅 ] = 33,75
𝜕𝐼𝜕𝑅 (2;1) (2,5;1,5)
De esta manera, el error que se puede cometer al hacer la linealización en el rectángulo (2,5; 1,5)
es,
1 1
|𝑒(3; 2)| ≤ ℳ[|𝐼 − 𝐼 |̅ + |𝑅 − 𝑅̅|]2 = 56,25 [|3 − 2,5| + |2 − 1,5|]2 = 28,125
2 2
Se reduce el error al disminuirse el intervalo dentro del cual se linealiza la función.
Variables de Perturbación (o Desviación)

La variable de perturbación 𝑋(𝑡) representa la diferencia o desviación entre el valor de la variable o
señal en cualquier instante del tiempo 𝑥(𝑡) y su correspondiente valor en el punto de operación 𝑥̅ :
̅
𝑿(𝒕) = 𝒙(𝒕) − 𝒙
En la representación de algunos modelos, especialmente en el dominio de la transformada de Laplace,
resulta útil emplear este tipo de variables cuando las condiciones iniciales son diferente de cero, como
se verá más adelante. De esta forma, las condiciones iniciales de las variables de desviación y sus
derivadas son todas cero,
Si 𝑥(0) = 𝑥̅ ⇒ 𝑋(0) = 𝑥(0) − 𝑥̅ = 0, y, 𝑑 𝑛 𝑋(0) 𝑑 𝑛 𝑥(0)
= =0
𝑑𝑡 𝑛 𝑑𝑡 𝑛
Ejemplo: Linealice el siguiente modelo alrededor del punto de operación 𝑥̅ = 10 y expréselo en función de las
variables de perturbación. Determine su transformada de Laplace.
5
𝑓(𝑥) = 𝜋𝑒 −𝑥
5
−10 𝜋
Solución: Utilizando las series de Taylor, 𝑓(10) = 𝜋𝑒 =
√𝑒
1
𝑓 𝑛 (𝑥̅ ) 𝑑𝑓(𝑥̅ ) 𝑑𝑓(10) 1 𝜋
𝑓(𝑥) ≅ ∑ (𝑥 − 𝑥̅ )𝑛 ≅ 𝑓(𝑥̅ ) + [ ] (𝑥 − 𝑥̅ ) = 𝜋𝑒 −5/𝑥̅ 2 =
𝑛! 𝑑𝑥 𝑑𝑥 𝑥̅
𝑛=0 100√𝑒
1
𝑓 𝑛 (𝑥̅ ) 𝑑𝑓(10)
𝑓(𝑥) ≅ ∑ (𝑥 − 𝑥̅ )𝑛 ≅ 𝑓(10) + [ ] (𝑥 − 10)
𝑛! 𝑑𝑥
𝑛=0
𝜋 𝜋 y,
𝑓(𝑥) ≅ + (𝑥 − 10)
√𝑒 100√𝑒 𝜋
𝜋 𝜋 𝕗(𝕩) = 𝑓(𝑥) −
𝑓(𝑥) − = (𝑥 − 10) √𝑒
√𝑒 100√𝑒
𝜋
Si, 𝕗(𝕩) = 𝕩
100√𝑒
𝕩 = 𝑥 − 10
Ejemplo: Linealice el siguiente modelo alrededor del punto de operación 𝑇̅ = 36 y expréselo en función de las
variables de perturbación. De igual forma indique su transformada de Laplace.
𝑓(𝑇) = 5,6 × 10−5 𝑇 4
Solución: Linealizando utilizando las series de Taylor, 𝑓(36) = 5,6 × 10−5 (36)4
1 𝑑𝑓(36)
𝑓 𝑛 (𝑇̅) 𝑑𝑓(𝑇̅) = 22,4 × 10−5 (36)3
𝑓(𝑇) ≅ ∑ (𝑇 − 𝑇̅)𝑛 ≅ 𝑓(𝑇̅) + [ ] (𝑇 − 𝑇̅) 𝑑𝑇
𝑛! 𝑑𝑇
𝑛=0
1
𝑓 𝑛 (𝑇̅) 𝑑𝑓(36)
𝑓(𝑇) ≅ ∑ (𝑇 − 36)𝑛 ≅ 𝑓(36) + [ ] (𝑇 − 36)
𝑛! 𝑑𝑇
𝑛=0
𝑓(𝑇) ≅ 5,6 × 10−5 (36)4 + 22,4 × 10−5 (36)3 (𝑇 − 36) Si,
𝑓(𝑇) − 5,6 × 10−5 (36)4 = 22,4 × 10−5 (36)3 (𝑇 − 36) 𝕋 = 𝑇 − 36

𝔽(𝕋) = 𝑓(𝑇) − 5,6 × 10−5 (36)4
𝔽(𝕋) = 22,4 × 10−5 (36)3 𝕋
Por último, es válida la pregunta, ¿qué hacer si se tiene un punto de operación alrededor del cual se
debe linealizar, pero que no se puede aproximar satisfactoriamente con esta estrategia? Se debe
entonces, recurrir a otros métodos más sofisticados para controlar el proceso, tal como, por ejemplo,
el control adaptativo.
Cambios de variable para linealizar datos

Otra forma en que se puede realizar la linealización es mediante el cambio de variables, y que a veces
resulta útil sobre todo para el ajuste de datos experimentales, por lo que le dedicaremos un espacio
a este tema.
Dada una forma especial de una función, es posible para algunos casos, proponer un cambio de
variables de tal forma que esa curva, juntos con sus datos, se convierta en una línea recta en el nuevo
sistema de coordenadas transformado. Resolvamos algunos ejemplos para ilustrar este tipo de
transformaciones.
Ejemplo: Para las siguientes funciones proponga un cambio de variable, de tal forma que se logren
linealizarlas (es decir, que se obtenga una línea recta en las nuevas coordenadas).
Modelo original Cambios de variables: Modelo linealizado

5 1 𝕐 = 5𝕏 + 10
𝑓(𝑥) = + 10 𝕐 = 𝑓(𝑥) ∴ 𝕏 = ∴ ∀𝑥 ≠ 0
𝑥 𝑥
𝑥𝑓(𝑥) = 10𝑥 + 5
𝕐 = 10𝕏 + 5
𝕐 = 𝑥𝑓(𝑥) ∴ 𝕏 = 𝑥
𝑓(𝑥) = 𝜋𝑥 5 ln(𝑓(𝑥)) = ln(𝜋) + 5 ln(𝑥) 𝕐 = 5𝕏 + ln(𝜋)
𝕐 = ln( 𝑓(𝑥)) ∴ 𝕏 = ln(𝑥) ∴ ∀𝑥 > 0
𝑓(𝑥) = 5𝑥 −5 + 2𝑥 2 𝕐 = 𝑓(𝑥)𝑥 5 ∴ 𝕏 = 𝑥 7 𝕐 = 5 + 2𝕏
∀𝑥 > 0
10 10 10 𝕐 = −𝕏 + ln5
𝑓(𝑥) = = 1 + 5𝑒 −𝑥 ∴ − 1 = 5𝑒 −𝑥
1 + 5𝑒 −𝑥 𝑓(𝑥) 𝑓(𝑥)
10
ln [ − 1] = ln(5) − 𝑥
𝑓(𝑥)
10 10
𝕐 = ln [ − 1] ∴ 𝕏 = 𝑥 ∴ ∀[ − 1] > 0
𝑓(𝑥) 𝑓(𝑥)
∀𝑓(𝑥) ≠ 0
5 1 5𝑥 + 21 21
𝑓(𝑥) = = 𝕐=𝕏+
5𝑥 + 21 𝑓(𝑥) 5 5
1
𝕐= ∴ 𝕏 = 𝑥 ∴ ∀𝑓(𝑥) ≠ 0
𝑓(𝑥)
5𝑥 1 5𝑥 + 21 21 1 21
𝑓(𝑥) = = =1+ 𝕐= 𝕏+1
5𝑥 + 21 𝑓(𝑥) 5𝑥 5 𝑥 5
1 1
𝕐= ∴ 𝕏 = ∴ ∀(𝑓(𝑥); 𝑥) ≠ 0
𝑓(𝑥) 𝑥
𝑥 5𝑥 + 21 21 21
= =𝑥+ 𝕐=𝕏+
𝑓(𝑥) 5 5 5
𝑥
𝕐= ∴ 𝕏 = 𝑥 ∴ ∀𝑓(𝑥) ≠ 0
𝑓(𝑥)
𝑓(𝑥) = 5𝑥𝑒 −10𝑥 ln(𝑓(𝑥)) = 𝑙𝑛5 + ln(𝑥) − 10𝑥 𝕐 = −10𝕏 + ln5
𝑓(𝑥)
ln ( ) = −10𝑥 + 𝑙𝑛5
𝑥
𝑓(𝑥) 𝑓(𝑥)
𝕐 = ln ( ) ∴ 𝕏 = 𝑥 ∴ ∀( ) > 0, ⋀, ∀𝑥 ≠ 0
𝑥 𝑥
Es importante tener presente las restricciones de las variables para que la nueva transformación tenga
validez.
Función de transferencia
Esta forma de simbolizar matemáticamente un sistema lineal continuo e invariante en el tiempo, se
define como la relación de la trasformada de Laplace de la salida a la trasformada de Laplace de la
entrada, considerando las condiciones iniciales iguales a cero. La función de transferencia es aún una
forma muy utilizada para el análisis del comportamiento dinámico y en general, para el diseño de un
sistema de control. Para un modelo en particular, hay que definir la entrada y la salida asegurándose
que el modelo es lineal o ha sido linealizado previamente. Se asume que en sus cursos de cálculo y
circuitos se estudiaron ésta y otras transformadas.
Este tipo de representación no proporciona ninguna información relacionada con la estructura
(naturaleza) misma del sistema que modela. No obstante, aporta una completa descripción de la
dinámica del sistema, pudiéndose conocer su respuesta para varios tipos de entradas.
Ejemplo: Dado el modelo matemático expresado por la siguiente ecuación diferencial lineal con coeficientes
constantes,
5 𝑐⃛(𝑡) + 77𝑐̈ (𝑡) + 33𝑐̇ (𝑡) + 𝑐(𝑡) = 𝑟(𝑡)

determine la función de transferencia si la entrada es 𝑟(𝑡) y la salida 𝑐(𝑡), asumiendo condiciones iniciales
iguales a cero.
Solución: Tomando la transformada de Laplace para cada término de la ecuación diferencial (con condiciones
iniciales cero):
𝐶(𝑠) 1
(5𝑠 3 + 77𝑠 2 + 33𝑠 + 1)𝐶(𝑠) = 𝑅(𝑠) ∴ =
𝑅(𝑠) 5𝑠 3 + 77𝑠 2 + 33𝑠 + 1
Ejemplo: Ahora, consideremos el caso de condiciones iniciales diferentes de cero. Sea la ecuación diferencial,
3𝑐̈ (𝑡) + 403𝑐̇ (𝑡) + 156𝑐(𝑡) = 𝑟(𝑡) siendo 𝑐(0) ≠ 0; 𝑐̇ (0) ≠ 0
Solución: Recordando la transformada de Laplace para las derivadas, tenemos que

3[𝑠 2 𝐶(𝑠) − 𝑠𝑐(0) − 𝑐̇ (0)] + 403[𝑠𝐶(𝑠) − 𝑐(0)] + 156𝐶(𝑠) = 𝑅(𝑠)
3𝑠 2 𝐶(𝑠) − 3𝑠𝑐(0) − 3𝑐̇ (0) + 403𝑠𝐶(𝑠) − 403𝑐(0) + 156𝐶(𝑠) = 𝑅(𝑠)
3𝑠 2 𝐶(𝑠) + 403𝑠𝐶(𝑠) + 156𝐶(𝑠) − [3𝑠𝑐(0) + 3𝑐̇ (0) + 403𝑐(0)] = 𝑅(𝑠)
salvo que las condiciones iniciales sean cero, no se puede encontrar directamente la función de transferencia.
Siguiendo con las preguntas típicas que se esperan en clase, cabe cuestionarnos, ¿Qué hacer si las
condiciones iniciales son diferentes a cero? Lo apropiado es hacer uso de las variables de perturbación
(desviación), como se ilustra en el siguiente ejemplo.
Ejemplo: Como veremos en capítulos posteriores, el balance de energía sobre un tanque para el cual queremos
diseñar un sistema de control de temperatura, viene dado por
𝑑𝑇(𝑡)
𝐴 = 𝐵(𝑇𝑒𝑛𝑡 (𝑡) − 𝑇(𝑡)) + 𝑄(𝑡)
𝑑𝑡
siendo sus dimensiones y unidades (que SE explicaréAN más adelante),
[𝐿3 𝑀𝐿−3 𝑀𝐿𝑇 −2 𝐿𝑀−1 𝜃 −1 𝜃𝑇 −1 ] = [𝑀𝑇 −1 ][𝑀𝐿𝑇 −2 𝐿𝑀−1 𝜃 −1 ][𝜃] + [𝑀𝐿𝑇 −2 𝐿𝑇 −1 ]
[𝑚3 𝑘𝑔𝑚−3 𝑘𝑔𝑚𝑠 −2 𝑚𝑘𝑔−1 𝐾 −1 𝐾𝑠 −1 ] = [𝑘𝑔𝑠 −1 ][𝑘𝑔𝑚𝑠 −2 𝑚𝑘𝑔−1 𝐾 −1 ][𝐾] + [𝑘𝑔𝑚𝑠 −2 𝑚𝑠 −1 ]
donde (𝐴, 𝐵) son constantes. 𝑇(𝑡) es la temperatura del tanque que se requiere controlar, 𝑇𝑒𝑛𝑡 (𝑡) es la
temperatura del flujo de entrada, y 𝑄(𝑡) el flujo de calor que entra al tanque. Las condiciones iniciales son:
𝑇(0) = 𝑇0 ; 𝑇𝑒𝑛𝑡 (0) = 𝑇𝑒𝑛𝑡,0 ; 𝑄(0) = Q 0 .
Solución: Se trata de una ecuación diferencial lineal de primero orden. siendo las variables de
Para el estado estable este balance se convierte en, desviación (perturbación)
definidas como,
0 = 𝐵(𝑇𝑒𝑛𝑡,0 − 𝑇0 ) + Q 0
Para incluir estas condiciones iniciales en la ecuación diferencial, restamos

una de la otra, esto es, 𝕋𝒆𝒏𝒕 (𝒕) = 𝑇𝑒𝑛𝑡 (𝑡) − 𝑇𝑒𝑛𝑡,0
𝑑𝑇(𝑡) 𝕋(𝒕) = 𝑇(𝑡) − 𝑇0

𝐴 = 𝐵(𝑇𝑒𝑛𝑡 (𝑡) − 𝑇(𝑡)) − 𝐵(𝑇𝑒𝑛𝑡,0 − 𝑇0 ) + 𝑄(𝑡) − Q 0
𝑑𝑡
ℚ(𝒕) = 𝑄(𝑡) − Q 0
𝑑(𝑇(𝑡) − 𝑇0 )
𝐴 = 𝐵(𝑇𝑒𝑛𝑡 (𝑡) − 𝑇𝑒𝑛𝑡,0 ) − 𝐵(𝑇(𝑡) − 𝑇0 ) + (𝑄(𝑡) − Q 0 )
𝑑𝑡
El modelo matemático queda entonces en función de las Para 𝕋𝒆𝒏𝒕 (𝑠) = 0

variables de perturbación así,
𝕋(𝑠)(𝐴𝑠 + 𝐵) = ℚ(𝑠)
𝑑𝕋(𝒕)
𝐴 = 𝐵 𝕋𝒆𝒏𝒕 (𝒕) − 𝐵 𝕋(𝒕) + ℚ(𝒕) 𝕋(𝑠) 1
𝑑𝑡 =
ℚ(𝑠) (𝐴𝑠 + 𝐵)
y ahora sí podemos determinar las funciones de
transferencia a pesar que las condiciones iniciales no sean Para ℚ(𝑠) = 0
cero, 𝕋(𝑠) 𝐵
=
𝐴𝑠𝕋(𝑠) = 𝐵 𝕋𝒆𝒏𝒕 (𝑠) − 𝐵 𝕋(𝒔) + ℚ(𝑠) 𝕋𝒆𝒏𝒕 (𝑠) (𝐴𝑠 + 𝐵)
𝕋(𝑠)(𝐴𝑠 + 𝐵) = 𝐵 𝕋𝒆𝒏𝒕 (𝑠) + ℚ(𝑠)
Representación de un sistema mediante un diagrama de bloques

Una forma muy sencilla para simbolizar un sistema en forma gráfica consiste en utilizar los conocidos
diagramas de bloques. Para el presente capítulo se considerará que el sistema (MoMa) es lineal e
invariante en el tiempo. Un diagrama de bloques se interpreta como una representación gráfica
(pictórica) de un MoMa. Esta representación está compuesta de rectángulos, círculos y flechas. Al ser
visual, es más diciente que la misma ecuación que representa. El modelo puede estar en el dominio
del tiempo o de la transformada de Laplace. Asumiremos aquí que se conocen las funciones de
transferencia.
Definiciones:
d. Bloque: Símbolo para representar una operación matemática que se realiza a una
entrada y genera la correspondiente salida.
e. Señales: Flechas unidireccionales que conectan todos los componentes de un diagrama
de bloques.
f. Unidades de una señal: Toda señal en un diagrama de bloques tiene unidades, salvo
que se declaren previamente como adimensionales. Se deberá utilizar el sistema
internacional de unidades (SIU).
g. Unidades de un bloque: Todos los bloques tienen unidades, salvo que se exprese y
verifique lo contrario.
h. Punto de suma: Realiza la suma algebraica de las señales que le llegan. Hay que tener
presente la coherencia en unidades (consistencia dimensional).
i. Punto de ramificación: Aquel que permite la bifurcación de una señal.
j. Bloques en cascada o serie: Aquellos que pueden combinarse algebraicamente en uno
solo mediante la multiplicación de sus respectivas funciones de transferencia.
k. Forma canónica de un sistema de control realimentado: estructura clásica de la cual se
obtiene la función de transferencia global. La figura 2.1 muestra esta definición.
Figura 2.1. Forma canónica de un sistema de control retroalimentado. Se muestra la

realimentación con ambos signos solo por ilustración.
De esta figura aparecen otras definiciones:
 Función de transferencia directa: G(s)

 Función de transferencia de realimentación: H(s)
 Función de transferencia de lazo o ciclo abierto: G(s)H(s)
𝐶(𝑠) 𝐺(𝑠)
 Función de transferencia de lazo o ciclo cerrado: =
𝑅(𝑠) 1±𝐺 (𝑠)𝐻(𝑠)
 Retroalimentación positiva:
=
𝑅(𝑠) 1 − 𝐺(𝑠)𝐻(𝑠)
Figura 2.2. Forma canónica de un sistema de control retroalimentado
positivamente
 Retroalimentación negativa:
=
𝑅(𝑠) 1 + 𝐺(𝑠)𝐻(𝑠)
Figura 2.3. Forma canónica de un sistema de control retroalimentado

negativamente
Esta es la configuración más ampliamente utilizada en aplicaciones de la vida real.
𝐸(𝑠) 1
 Relación de error o señal actuante: = realimentación negativa
𝑅(𝑠) 1+𝐺(𝑠)𝐻(𝑠)
𝐵(𝑠) 𝐺(𝑠)𝐻(𝑠)
 Relación de retroalimentación primaria: = realimentación
𝑅(𝑠) 1+𝐺(𝑠)𝐻(𝑠)
negativa
l. Sistema con realimentación unitaria: siendo 𝐻(𝑠) = 1
Figura 2.4. Forma canónica de un sistema de control con realimentación negativa unitaria
Algebra de bloques
En la mayoría de la literatura en este tema se presentan tablas con formas “conocidas” con el fin de
facilitar la reducción de un diagrama. Si bien son muy útiles, es bueno tener presente que el
procedimiento es bastante simple, ya que solo requiere generar nuevas configuraciones equivalentes
a las existentes, moviendo, por ejemplo, bloques, puntos de suma o de bifurcación. Mediante
ejemplos demostraremos algunas de esas transformaciones equivalentes presentes en la mayoría de
los libros en sistemas de control. El procedimiento típico sugiere colocarle letras en todas las señales
y hacer operaciones que no alteren la información que lleva. Al final, se debe alcanzar la forma
canónica y de ahí la función de transferencia global requerida.
Ejemplo: Simplifique el siguiente diagrama de bloques.
Solución: Lo más sencillo para empezar es multiplicar las funciones de transferencia en cascada,
Luego se observa la forma canónica,

quedando,
y nuevamente se observa la forma canónica,
que es la forma convencional para una entrada una salida. La función de transferencia global se indica en su
único bloque.
Ejemplo: Para el siguiente diagrama de bloques hay tres entradas y una salida. Simplificarlo mediante
movimientos válidos de sus componentes.
Solución: Para resolverlo vamos dejando una entrada “viva” mientras analizamos su efecto, quedando “cero o
muertas” las otras dos, y vamos rotando hasta que analizamos todas. Esto lo hacemos por tratarse de un
sistema lineal. Al final, el efecto total de las entradas será igual a la suma de los efectos de cada entrada
individual.
ahora, 𝑅(𝑠) = 𝐷2 (𝑠) = 0 queda como,
que, eliminando el signo de suma, avanzamos a,

y que conlleva a,
Finalmente, 𝑅(𝑠) = 𝐷1 (𝑠) = 0
quedando como,
El efecto total sobre la salida debido a las entradas, es la suma (implica linealidad) de esas funciones de
transferencia,
𝐻𝐺 5 𝐺2 𝐺
𝐶(𝑠) = 𝑅(𝑠) + 𝐷 (𝑠) + 𝐷 (𝑠)
1 + 𝐻𝐺 2 + 𝐻3 𝐺 5 1 + 𝐻𝐺 2 + 𝐻3 𝐺 4 1 𝐻3 𝐺 4 2
1+
1 + 𝐻𝐺 2
Ejemplo: Para los arreglos de los puntos de suma mostrados a continuación, encuentre los equivalentes,
Solución: Solución:
𝑎+𝑏 =𝑐 𝑎+𝑏 =𝑐
𝑐−𝑏 =𝑎 𝑎=𝑎
𝑎+𝑏−𝑏 =𝑎
Solución:
𝑎+𝑏 =𝑐
Solución:
𝑐=𝑐
𝑎+𝑏 =𝑐 (primer punto sumador)
𝑎+𝑏 =𝑐 (segundo punto sumador)
A continuación, se muestra la forma de representar y reducir un diagrama de bloques para un sistema

Lineal e Invariante en el tiempo (LIT) representado en el dominio de la Transformada de Laplace y en
presencia de múltiples entradas y múltiples salidas (MeMs; MIMO), ver figura 2.7. Para este caso, se
asume que hay 𝑝 entradas y 𝑞 salidas.
Figura 2.7. Sistema canónico LIT con múltiples entradas y múltiples salidas
Para esa figura,
[𝑼(𝑠)]𝒑×1 = [𝑹(𝑠)]𝑝×1 − [𝑩(𝑠)]𝑝×1
[𝑩(𝑠)]𝒑×1 = [𝑯(𝑠)]𝑝×𝑞 [𝑪(𝑠)]𝑞×1
[𝑪(𝑠)]𝑞×1 = [𝑮(𝑠)]𝑞×𝑝 [𝑼(𝑠)]𝑝×1
Despejando [𝑪(𝑠)]𝑞×1 de esas ecuaciones,
[𝑪(𝑠)]𝑞×1 = [𝑮(𝑠)]𝑞×𝑝 [𝑹(𝑠)]𝑝×1 − [𝑮(𝑠)]𝑞×𝑝 [𝑯(𝑠)]𝑝×𝑞 [𝑪(𝑠)]𝑞×1

y factorizándola, teniendo presente la inclusión de la matriz identidad [𝑰]𝑞×𝑞 para ajustar las
dimensiones del sistema, llegamos a,
−1
[𝑪(𝑠)]𝑞×1 = [[𝑰]𝑞×𝑞 + [𝑮(𝑠)]𝑞×𝑝 [𝑯(𝑠)]𝑝×𝑞 ] [𝑮(𝑠)]𝑞×𝑝 [𝑹(𝑠)]𝑝×1
Para obtener una solución, la matriz cuadrada [𝑰]𝑞×𝑞 + [𝑮(𝑠)]𝑞×𝑝 [𝑯(𝑠)]𝑝×𝑞 debe ser invertible (no
singular). Recordemos que una matriz cuadrada es singular, si y solo si, su determinante es cero.
Ejemplo: Para los componentes de un sistema MiMo, determine el vector de salida,
𝑞 = 3; 𝑝 = 3
1 0 0 5 3 5 8 1 8 7
𝐼 = [0 1 0] 𝐺(𝑠) = [3 5 3] 𝐻(𝑠) = [1 8 1] 𝑅(𝑠) = [7]
0 0 1 5 3 5 8 1 8 7
Determinar además 𝑩(𝑠) y 𝑼(𝑠)
[𝑼(𝑠)]𝒑×1 = [𝑹(𝑠)]𝑝×1 − [𝑩(𝑠)]𝑝×1
Solución: Con ayuda de software comercial Matlab, es muy rápido realizar estas operaciones.
[𝑪(𝑠)]3×1 = [[𝑰]3×3 + [𝑮(𝑠)]3×3 [𝑯(𝑠)]3×3 ]−1 [𝑮(𝑠)]3×3 [𝑹(𝑠)]3×1

−1
1 0 0 5 3 5 8 1 8 5 3 5 7
[𝑪(𝑠)]3×1 = [[0 1 0 ] + [3 5 3] [1 8 1] ] [3 5 3] [7]
0 0 1 5 3 5 8 1 8 5 3 5 7
0.3908
[𝑪(𝑠)]3×1 = [0.7569]
0.3908
[𝑩(𝑠)]𝟑×1 = [𝑯(𝑠)]3×3 [𝑪(𝑠)]3×1
8 1 8 0.3908 7.0099
[𝑩(𝑠)]𝟑×1 = [1 8 1] [0.7569] = [0.7569]
8 1 8 0.3908 0.3908
[𝑼(𝑠)]𝟑×1 = [𝑹(𝑠)]3×1 − [𝑩(𝑠)]3×1
7 7.0099 −0.0099
[𝑼(𝑠)]𝟑×1 = [7] − [0.7569] = [ 0.1633]
7 0.3908 −0.0099
Representación de un sistema mediante un diagrama de flujo de señales
El diagrama de flujo de señales es una alternativa a los diagramas de bloques, ya que ambos tienen el
mismo propósito: visualizar una ecuación y en general, un sistema, donde se resalta la interacción
entre sus componentes. Podría considerarse un poco más fácil de dibujar y manipular, ya que no es
tan cuadriculado como su competencia. Pero al igual que en el diagrama de bloques, hay unas
definiciones y operaciones que se aplican en todo el proceso de reducción, y que aparecen resumidas
en la tabla 1.
Tabla 1. Definiciones y operaciones básicas en el diagrama de flujo de señales

Término/Operación Explicación
Ciclo realimentado (lazo; Cualquier ramificación que comienza en un nodo en particular y termina en el
malla) mismo nodo. Esta trayectoria no puede pasar por un mismo nodo más de una
vez,
Ciclo simple Ciclo realimentado que contiene una sola ramificación,
Ciclos que no se tocan Ciclos que no tienen ni ramificaciones ni nodos en común,
Flujo de señal Dirección y sentido en que fluye la información (se evidencia con la punta de la
flecha).
Función de transmisión Corresponde a la ganancia de la trayectoria. Puede ser una constante o una
función de transferencia. Más formalmente, es un operador matemático que
mapea una variable en otra.
Ganancia de ciclo Producto de las ganancias encontradas al recorrer un ciclo.
Ganancia de trayectoria Producto de las ganancias encontradas al recorrer una trayectoria. Siempre en
dirección y sentido del flujo de señal,
𝐺 = 𝐺3 𝐺4 𝐺5
Ganancia de trayectoria Producto de las ganancias encontradas al recorrer una trayectoria que arranca
directa en el nodo fuente y termina en el nodo salida.
𝐺 = 𝐺1 𝐺2 𝐺3 𝐺4 𝐺5 𝐺7
Nodo Representación una variable de una ecuación como un punto, en el diagrama

de flujo.
Nodo fuente Punto de un diagrama de flujo que solo tiene una ramificación de salida.
Nodo fantasma Punto que debe crearse para cuando un nodo de entrada o uno de salida tiene
más de una entrada o salida, respectivamente.
A21 A32 1
Y1 Y2 Y3 Y4
Nodo fantasma o
A23 dummy node
Y3  Y4
Nodo salida Punto de un diagrama de flujo que solo tiene una ramificación de entrada.
Nodo mixto Punto de un diagrama de flujo que tiene tanto entradas como salidas.
Ramificación Flechas que conectan nodos y representan las funciones de transmisión.
Ramificaciones en cascada Conexión de varios nodos conectados en serie,

(serie)
Regla de adición La suma de todas las funciones de transmisión multiplicadas por sus respectivos
nodos, es igual al nodo al que llegan,
∑𝑛𝑗=1 𝐴𝑖𝑗 𝑋𝑗 = 𝑋𝑖
Regla de Mason Expresión para reducir un diagrama de flujos de señales y encontrar al final la
función de transferencia del sistema.
Regla multiplicación Una serie de nodos y ramificaciones en cascada contenidos entre dos nodos
puede ser reemplazada por una sola ramificación cuya ganancia total es igual al
producto de todas las ganancias de esas ramificaciones.
𝑋𝑛 = 𝐴21 𝐴32 𝐴43 … 𝑋1
Regla transmisión El nodo que representa una variable multiplicado por su respectiva ganancia se
transmite por cada una de las ramificaciones que salen de éste.
𝑋𝑖 = 𝐴𝑖𝑘 𝑋𝑘
Trayectoria directa Ramificación que arranca en el nodo fuente y termina en el nodo salida, (pero
no se pasa por un mismo nodo más de una vez),
Trayectoria de Ramificación que arranca en un nodo y termina en el mismo.

retroalimentación
Se resalta que ambas representaciones, en señales o en bloques, no son únicas para una misma
ecuación. También, es supremamente importante verificar la coherencia en las unidades de las señales
y de las variables, cuando se haga la respectiva simplificación de estos diagramas. Para este curso se
utilizarán ambos diagramas para representar sistemas lineales.
Función de transferencia global
Para determinar la función de transferencia global del diagrama de flujo de señales se hace uso de la
regla de Mason, aunque también es válida para la simplificación directa de diagramas de bloques. Otra
alternativa válida es convertir el diagrama de bloques, en un diagrama de señales y luego aplicar esta
regla.
Regla de Mason:
𝑛
𝐶(𝑠) 𝑃𝑖 Δ𝑖
𝑇(𝑠) = = ∑
𝑅(𝑠) Δ
𝑖=1
siendo,
𝑛, el número total de trayectorias directas,
𝑃𝑖 , ganancia de la 𝑖-ésima trayectoria directa,
𝚫 = 1 - (suma de las ganancias de todos ciclos cerrados) …
+ (suma del producto de las ganancias de todos los ciclos que no se tocan, pero tomados de
dos en dos) …
- (suma del producto de las ganancias de todos los ciclos que no se tocan, pero tomados de
tres en tres) + …
𝚫𝒊 = 𝚫 evaluada eliminando los ciclos que tocan a la respectiva trayectoria directa 𝑖.
Si bien esta regla parece un trabalenguas, es bastante fácil de utilizar.
Ejemplo: Ilustrar la aplicación de la Regla de Mason para el siguiente diagrama de bloques:

Solución: Definiendo cada componente para este diagrama de bloques de acuerdo con la regla de Mason,
se tiene que,
𝑛 = 1, una sola trayectoria directa, marcada como una flecha roja sobre el diagrama de bloques dado.
Trayectorias cerradas= 1, una sola mostrada con la curva azul sobre el diagrama de bloques dado.
Para esta única trayectoria directa, la ganancia total 𝑃1 = 𝐺1 𝐺2
∆= 1 − (𝐺1 𝐺2 (−𝐺3 )) + 0 − ⋯ = 1 + 𝐺1 𝐺2 𝐺3
Ahora ∆1 = 1 − (𝐺1 𝐺2 𝐺3 ) = 1
Entonces,
𝑛 1
𝐶(𝑠) 𝑃𝑖 Δ𝑖 𝑃𝑖 Δ𝑖 𝑃1 Δ1 𝐺1 𝐺2
𝑇 (𝑠 ) = = ∑ =∑ = =
𝑅(𝑠) Δ Δ Δ 1 + 𝐺1 𝐺2 𝐺3
𝑖=1 𝑖=1
que es la misma respuesta haciendo el álgebra de bloques. Una nota importante son los signos. Cuando
aparezca un signo negativo en el diagrama de bloques asígneselo a la función que le corresponda. En este
ejemplo, el signo negativo de la sumatoria afecta a 𝐺3 y debe aparecer al momento de manipular esta función.
Ejemplo: Simplifique el diagrama de señales aplicando la regla de Mason,
Solución: Debemos identificar los componentes de la regla de Mason para el diagrama de señales,
Número de trayectorias directas: dos, indicadas abajo en rojo,

Note que: 𝑅𝐶4𝐶3𝐶2𝐶1𝐶´𝐶2𝐶1𝐶´𝐶, no es una trayectoria directa porque pasa por varios nodos más de una
vez. Tampoco: 𝑅𝐶4𝐶3𝐶2𝐶´𝐶2𝐶1𝐶´𝐶. ¿Por qué?
Determinamos ahora las ganancias de cada trayectoria:
𝑃1 = 1 ∗ 1 ∗ 𝐺1 ∗ 𝐺3 ∗ 𝐺4 ∗ 1; 𝑃2 = 1 ∗ 1 ∗ 𝐺1 ∗ 𝐺2 ∗ 1
2
𝐶(𝑠) 𝑃𝑖 Δ𝑖 𝑃1 Δ1 + 𝑃2 Δ2 𝐺1 𝐺3 𝐺4 Δ1 + 𝐺1 𝐺2 Δ2
𝑇(𝑠) = = ∑ = =
𝑅(𝑠) Δ Δ Δ
𝑖=1
Ahora determinaremos Δ, pero primero debemos identificar todos los ciclos presentes. Ellos son,
𝑃1 = 1 ∗ 𝐺1 ∗ 𝐺2 ∗ −1; 𝑃2 = −𝐺1 ∗ 𝐺3 ∗ 𝐺5 ; 𝑃3 = 𝐺3 ∗ 𝐺4 ∗ −1; 𝑃4 = 1 ∗ 𝐺1 ∗ 𝐺3 ∗ 𝐺4 ∗ −1;
Ahora notemos que todos los ciclos tienen nodos en común, es decir, se tocan. Con esta información
procedemos a calcular el delta del sistema:
∆ = 1 + (𝐺1 𝐺2 + 𝐺1 𝐺3 𝐺5 + 𝐺3 𝐺4 + 𝐺1 𝐺3 𝐺4 ) − (0) − (0) …
llegando a que,
𝐶(𝑠) 𝐺1 𝐺3 𝐺4 Δ1 + 𝐺1 𝐺2 Δ2
𝑇(𝑠) = =
𝑅(𝑠) 1 + (𝐺1 𝐺2 + 𝐺1 𝐺3 𝐺5 + 𝐺3 𝐺4 + 𝐺1 𝐺3 𝐺4 )
Seguidamente calculamos las respectivas deltas: tanto para la trayectoria uno, como para la trayectoria dos,
vemos que todos los ciclos se tocan entre sí, por ende,
∆1 = 1 + (𝐺1 𝐺2 + 𝐺1 𝐺3 𝐺5 + 𝐺3 𝐺4 + 𝐺1 𝐺3 𝐺4 ) = 1
∆1 = 1 + (𝐺1 𝐺2 + 𝐺1 𝐺3 𝐺5 + 𝐺3 𝐺4 + 𝐺1 𝐺3 𝐺4 ) = 1
teniéndose finalmente que,

𝐶(𝑠) 𝐺1 𝐺3 𝐺4 + 𝐺1 𝐺2
𝑇(𝑠) = =
𝑅(𝑠) 1 + (𝐺1 𝐺2 + 𝐺1 𝐺3 𝐺5 + 𝐺3 𝐺4 + 𝐺1 𝐺3 𝐺4 )
Como se observa no importa tan enredado sea el diagrama de bloques o de flujo de señales, es muy sencillo
encontrar su función de transferencia global. Lo único que hay que hacer es tener claro cómo se aplica la
regla de Mason y observar bien. Es algo así como un sudoku, un laberinto o cualquier jueguito que le ayuda
a aprender a observar y pensar rápido.
Solución: Empecemos determinando las trayectorias directas,
Hay dos trayectorias directas indicadas arriba (𝑛 = 2). Sus respectivas ganancias son:
𝑃1 = 1 ∗ 𝐺1 ∗ 𝐺2 ∗ 𝐺3 ∗ 𝐺4 ∗ 1; 𝑃2 = 1 ∗ 𝐺1 ∗ (−𝐺5 ) ∗ 1
2
𝐶(𝑠) 𝑃𝑖 Δ𝑖 𝑃1 Δ1 + 𝑃2 Δ2 𝐺1 𝐺2 𝐺3 𝐺4 Δ1 − 𝐺1 𝐺5 Δ2
𝑇(𝑠) = = ∑ = =
𝑅(𝑠) Δ Δ Δ
𝑖=1
Identifiquemos ahora los ciclos y sus ganancias

De estos ciclos se observa que: Uno se toca con dos y seis; el dos toca a uno y seis; tres se toca con cuatro
y seis; cinco está aislado. Uno no se toca con tres, ni con cuatro, ni con cinco. Dos no se toca, ni con tres,
ni con cuatro ni con cinco. Cinco no se toca con seis, ni con cuatro, ni tres, ni con dos ni con uno. Todos
los ciclos tocan las dos trayectorias directas.
∆= 1 + [𝐺1 (𝐺9 ) − (𝐺10 ) + 𝐺3 (𝐺7 ) − 𝐺11 − (𝐺6 ) + 𝐺1 𝐺2 𝐺3 (𝐺8 )] − [𝐺1 (𝐺9 )𝐺6 − 𝐺10 𝐺6 + 𝐺3 (𝐺7 )𝐺6 −
𝐺11 𝐺6 +𝐺1 𝐺2 𝐺3 (𝐺8 )𝐺6 ]
∆1 = 1 + [𝐺1 (𝐺9 ) − (𝐺10 ) + 𝐺3 (𝐺7 ) − 𝐺11 − (𝐺6 ) + 𝐺1 𝐺2 𝐺3 (𝐺8 )] − [𝐺1 (𝐺9 )𝐺6 − 𝐺10 𝐺6 + 𝐺3 (𝐺7 )𝐺6 −
𝐺11 𝐺6 +𝐺1 𝐺2 𝐺3 (𝐺8 )𝐺6 ] = 1
∆2 = 1 + [𝐺1 (𝐺9 ) − (𝐺10 ) + 𝐺3 (𝐺7 ) − 𝐺11 − (𝐺6 ) + 𝐺1 𝐺2 𝐺3 (𝐺8 )] − [𝐺1 (𝐺9 )𝐺6 − 𝐺10 𝐺6 + 𝐺3 (𝐺7 )𝐺6 −
𝐺11 𝐺6 +𝐺1 𝐺2 𝐺3 (𝐺8 )𝐺6 ] = 1
llegándose a,
𝐺1 𝐺2 𝐺3 𝐺4 − 𝐺1 𝐺5
𝑇(𝑠) =
1 + 𝐺1 𝐺9 − 𝐺10 + 𝐺3 𝐺7 − 𝐺11 − 𝐺6 + 𝐺1 𝐺2 𝐺3 𝐺8 ] − [𝐺9 𝐺6 − 𝐺10 𝐺6 + 𝐺3 𝐺7 𝐺6 − 𝐺11 𝐺6
[
+𝐺1 𝐺2 𝐺3 𝐺8 𝐺6 ]
Es sencillo transformar un diagrama de bloque a uno de señales, aunque ambos se manipulan sin mayor
problema cuando se una la regla de Mason. Un ejemplo ilustra este aspecto.
Ejemplo: Convertir el siguiente diagrama de bloques tradicional de lazo cerrado a uno en flujo de señales y
luego simplificarlo a la forma canónica utilizando la regla de Mason.
Solución: Siguiendo las definiciones establecidas para los diagramas de flujo de señales,
Hay una sola trayectoria directa, y su ganancia es 𝐺1 (𝑠).

1
𝐶(𝑠) 𝑃𝑖 Δ𝑖 𝑃∆1
𝑇(𝑠) = = ∑ = ; 𝑃 = 𝐺1 ; ∆= 1 − 𝐺1 (−𝐺2 ) = 1 + 𝐺1 𝐺2 ; ∆1 = 1
𝑅(𝑠) Δ ∆
𝑖=1
𝐶(𝑠) 𝐺1
𝑇(𝑠) = =
𝑅(𝑠) 1 + 𝐺1 𝐺2
Como se observa la conversión consiste es utilizar las definiciones de ambas representaciones y practicar.
Representación en el Espacio de Estados (EdE)

Es una forma más general de modelado que la representación, por ejemplo, con la función de
transferencia, ya que incluye la posibilidad de analizar sistemas lineales o no-lineales, variantes o
invariantes en el tiempo, siendo capaz además de manejar simultáneamente, múltiples entradas y
múltiples salidas. Vale aclarar, que el término variante en el tiempo hace referencia a que al menos
uno de los parámetros (coeficientes) del modelo varía con el tiempo, como se reiterará más adelante.
El EdE hace parte de lo que ahora se denomina teoría de control moderno. Dado el carácter
introductorio de este texto, veremos este tema solamente como una herramienta para modelar
sistemas dinámicos lineales e invariantes en el tiempo, comenzando desde su expresión más genérica.
EdE se puede ver como una combinación de varios temas ya vistos en cursos básicos de algebra lineal
y ecuaciones diferenciales.
Para empezar, es claro que una ecuación diferencial ordinaria lineal o no y de cualquier orden, puede
reducirse a un Sistema de Ecuaciones Diferenciales Ordinarias de Primer Orden (SEDOPO),
mediante un cambio de variable apropiado. De hecho, este paso se requiere para resolverlas
numéricamente utilizando algoritmos tradicionales y válidos solamente para ecuaciones diferenciales
de primer orden, como el de Runge-Kutta de diferentes órdenes, RKF45, Hamming, predictor-
corrector, Milne-Simpson, por solo mencionar algunos. La mayoría de ellos ya están implementados
en software comercial o libre, que además son de fácil programación para el estudiante. Una vez se
tiene ese SEDOPO, se hace uso del álgebra lineal para representarlo en forma matricial, aspecto que
no solo le trae comodidad para manipularlas y resolverlas, sino que se hace uso de varios teoremas y
definiciones bien establecidas en esta disciplina, para predecir características adicionales del sistema
que se estudia.
A continuación, se ilustra el proceso de cambio de variable que ayuda a generar el SEDOPO que
hablábamos:
Ejemplo: Dada la siguiente ecuación diferencial de orden dos con coeficientes constantes, genere el SEDOPO
correspondiente,
𝑑2 𝑦(𝑡) 𝑑𝑦(𝑡)
2 − 5 − 3𝑦(𝑡) − 45𝑒 2𝑡 = 0 ; 𝑦(0) = 2; 𝑦 ′ (0) = 1
𝑑𝑡 2 𝑑𝑡
Asumamos por ahora, que todo el modelo es dimensionalmente consistente sin verificarlo.
Solución: Empezamos enviando al otro lado de la igualdad todos los términos con excepción de la derivada
de mayor orden, que permanece sin coeficiente alguno:
𝑑 2 𝑦(𝑡) 5 𝑑𝑦(𝑡) 3 45 2𝑡
2
= + 𝑦(𝑡) + 𝑒 ; 𝑦(0) = 2; 𝑦 ′ (0) = 1
𝑑𝑡 2 𝑑𝑡 2 2
Seguidamente, proponemos un cambio de variable, que después derivamos obteniéndose que,
𝑑𝑦(𝑡) 𝑑𝑧(𝑡) 𝑑 2 𝑦(𝑡) 5 𝑑𝑦(𝑡) 3 45

= 𝑧(𝑡) ⇒ = 2
= + 𝑦(𝑡) + 𝑒 2𝑡
𝑑𝑡 𝑑𝑡 𝑑𝑡 2 𝑑𝑡 2 2
Con ello construimos el SEDOPO, teniendo presente las condiciones iniciales,
𝒅𝒚(𝒕)
= 𝒛(𝒕) 𝒚(𝟎) = 𝟐
𝒅𝒕
𝒅𝒛(𝒕) 𝟓 𝒅𝒚(𝒕) 𝟑 𝟒𝟓 𝟐𝒕
= + 𝒚(𝒕) + 𝒆 𝒛(𝟎) = 𝟏
𝒅𝒕 𝟐 𝒅𝒕 𝟐 𝟐
Obsérvese la estructura ya que así se facilitará programar su solución numérica, siendo ésta una notación
estándar que nos ayudará a entender la representación en espacios de estados y que se explica
seguidamente. En el lado izquierdo de cada igualdad solo aparece la primera derivada sin ningún término o
coeficiente adicional. Al lado derecho aparecen los otros términos. Hay tantas ecuaciones como
corresponde al grado máximo de la ecuación original. De igual forma, es importante notar la
correspondencia entre la ecuación y su condición inicial.
Ejemplo: Dado el modelo matemático representado por una ecuación diferencial ordinaria de orden siete,
genere su SEDOPO,
𝑑7 𝑦(𝑡) 𝑑 5 𝑦(𝑡) 𝑑 4 𝑦(𝑡) 𝑑 2 𝑦(𝑡)

cos(3𝑦(𝑡)) 7
−𝑡 5
+𝑡 4
+ 2
+ √2𝑒 −𝑡 𝑦(𝑡) = 0
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡
𝑦(1) = 2; 𝑦 ′ (1) = 1 ; 𝑦 ′′ (1) = −1 ; 𝑦 ′′′ (1) = 5 ; 𝑦 𝑖𝑣 (1) = −5 ; 𝑦 𝑣 (1) = 7 ; 𝑦 𝑣𝑖 (1) = −7
Asumamos como antes, que todo el modelo es dimensionalmente consistente sin comprobarlo.
Solución: Nuevamente, dejemos el término de mayor orden a la izquierda sin ningún coeficiente o expresión
que lo acompañe:
𝑑 7 𝑦(𝑡) 𝑡 𝑑 5 𝑦(𝑡) 𝑡 𝑑 4 𝑦(𝑡) 1 𝑑 2 𝑦(𝑡) √2𝑒 2𝑡

= − − − 𝑦(𝑡)
𝑑𝑡 7 cos(3𝑦(𝑡)) 𝑑𝑡 5 cos(3𝑦(𝑡)) 𝑑𝑡 4 cos(3𝑦(𝑡)) 𝑑𝑡 2 cos(3𝑦(𝑡))
A continuación, proponemos el cambio de variable apropiado para generar un SEDOPO de siete ecuaciones:
𝑑𝑦(𝑡) 𝑑𝑧(𝑡) 𝑑 2 𝑦(𝑡)

= 𝑧(𝑡) =
𝑑𝑡 𝑑𝑡 𝑑𝑡 2
𝑑𝑧(𝑡) 𝑑𝑤(𝑡) 𝑑 3 𝑦(𝑡)
= 𝑤(𝑡) =
𝑑𝑤(𝑡) 𝑑𝑟(𝑡) 𝑑 4 𝑦(𝑡)
= 𝑟(𝑡) =
𝑑𝑡 𝑑𝑡 𝑑𝑡 4 siendo,
𝑑𝑟(𝑡) 𝑑𝑞(𝑡) 𝑑 5 𝑦(𝑡) 𝑑𝑔(𝑡) 𝑡 𝑡
= 𝑞(𝑡) = = 𝑝(𝑡) − 𝑞(𝑡)
𝑑𝑡 𝑑𝑡 𝑑𝑡 5 𝑑𝑡 cos(3𝑦(𝑡)) cos(3𝑦(𝑡))
𝑑𝑞(𝑡) 𝑑𝑝(𝑡) 𝑑 6 𝑦(𝑡) 1 √2𝑒 2𝑡
= 𝑝(𝑡) = − 𝑤(𝑡) − 𝑦(𝑡)
𝑑𝑡 𝑑𝑡 𝑑𝑡 6 cos(3𝑦(𝑡)) cos(3𝑦(𝑡))
𝑑𝑝(𝑡) 𝑑𝑔(𝑡) 𝑑 7 𝑦(𝑡)
= 𝑔(𝑡) =
Ahora y después de verificar el cambio de variable, paso a paso, reconstruimos el sistema teniendo presente
las siete condiciones iniciales:
𝒅𝒚(𝒕)
= 𝒛(𝒕) ⇒ 𝒚(𝟏) = 𝟐
𝒅𝒕
𝒅𝒛(𝒕)
= 𝒘(𝒕) ⇒ 𝒛(𝟏) = 𝟏 Se observa una alternancia en la variable y su derivada,
𝒅𝒕
hasta llegar a la derivada máxima. No importa que el
𝒅𝒘(𝒕) modelo inicial (la ecuación diferencial) no tenga todas las
= 𝒓(𝒕) ⇒ 𝒘(𝟏) = −𝟏
𝒅𝒕 derivadas, ni tampoco que sea lineal o no-lineal si la
𝒅𝒓(𝒕) vamos a desarrollar numéricamente. Para el presente
= 𝒒(𝒕) ⇒ 𝒓(𝟏) = 𝟓 caso la función debe ser continua (cos(3𝑦(𝑡)) ≠ 0).
𝒅𝒕
𝒅𝒒(𝒕)
= 𝒑(𝒕) ⇒ 𝒒(𝟏) = −𝟓
𝒅𝒕
𝒅𝒑(𝒕)
= 𝒈(𝒕) ⇒ 𝒑(𝟏) = 𝟕
𝒅𝒕
.
𝒅𝒈(𝒕) 𝒕 𝒕 𝟏 √𝟐𝒆𝟐𝒕
= 𝒑(𝒕) − 𝒒(𝒕) − 𝒘(𝒕) − 𝒚(𝒕) ⇒ 𝒈(𝟏) = −𝟕
𝒅𝒕 𝐜𝐨𝐬(𝟑𝒚(𝒕)) 𝐜𝐨𝐬(𝟑𝒚(𝒕)) 𝐜𝐨𝐬(𝟑𝒚(𝒕)) 𝐜𝐨𝐬(𝟑𝒚(𝒕))
Una vez sabemos cómo generar el SEDOPO, requerimos usar algunas definiciones adicionales en el
contexto de los sistemas de control y modelado.
Definiciones:
1. Estado: Para un sistema dinámico este término hace referencia al conocimiento de sus variables
de estado en cada instante de tiempo, a partir del conocimiento de sus condiciones iniciales y
entradas presentes y futuras.
2. Variables de estado: Conjunto mínimo de variables linealmente independientes que definen el
estado y comportamiento presente y futuro de un sistema dinámico.
3. Espacio de estado: Conjunto infinito de estados, o equivalentemente, un espacio cuyos ejes
coordenados representan las variables de estado.
4. Vector de estado: Aquel cuyos elementos son las variables de estado.
5. Ecuaciones de estado: El conjunto lineal de ecuaciones diferenciales ordinarias de primer orden.
6. Ecuación de salida: Ecuación algebraica compuesta de una combinación lineal de las variables de
estado y la salida.
7. Representación en el espacio de estados: presentación simultánea de las ecuaciones de estado y
la ecuación de salida. Esta representación para un sistema en particular no es única, pero es
equivalente a otra, si tiene el mismo número de variables de estado.
Ahora se describe de manera muy resumida, la expresión general para una representación en el
espacio de estados dada por una ecuación diferencial ordinaria de orden 𝑛. Para resolverla se
requieren 𝑛 integradores. De esta forma, si el sistema con múltiples entradas (p) y múltiples salidas
(q) tiene,
a) n-integradores,
b) p-entradas 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡) y,
c) q-salidas 𝑦1 (𝑡), 𝑦2 (𝑡), 𝑦3 (𝑡) … 𝑦𝑞 (𝑡)
habrán necesariamente 𝑛 variables de estado. Así las cosas, es posible transformar ese modelo en un
SEDOPO, de tal forma que la parte izquierda de cada uno de ellas sea la primera derivada de su
correspondiente variable de estado y el lado derecho muestre la relación funcional existente entre las
variables de estado, las variables de entrada y el tiempo expresado en forma explícita. Con ello, habrán
𝑛 ecuaciones que conforman el SEDOPO, como se aprecia seguidamente,
𝑥̇ 1 (𝑡) = 𝒢1 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
𝑥̇ 2 (𝑡) = 𝒢2 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
𝑥̇ 𝑖 (𝑡) = 𝒢𝑖 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
…
…
𝑥̇ 𝑛 (𝑡) = 𝒢𝑛 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
En estas ecuaciones 𝒢1 , 𝒢2 , 𝒢3 … 𝒢𝑛 son relaciones funcionales, en principio no lineales, entre las

variables de estado con sus respectivas primeras derivadas. Las múltiples salidas
𝑦1 (𝑡), 𝑦2 (𝑡), 𝑦3 (𝑡) … 𝑦𝑞 (𝑡) se obtienen a partir de su relación funcional, en principio tampoco lineal,
ℋ1 , ℋ2 (𝑡), ℋ3 (𝑡) … ℋ𝑚 (𝑡) con las variables de estado,
𝑦1 (𝑡) = ℋ1 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
𝑦2 (𝑡) = ℋ2 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
𝑦𝑗 (𝑡) = ℋ𝑗 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
…
…
𝑦𝑞 (𝑡) = ℋ𝑞 (𝑥1 (𝑡), 𝑥2 (𝑡), 𝑥3 (𝑡), … . 𝑥𝑛 (𝑡); 𝑢1 (𝑡), 𝑢2 (𝑡), 𝑢3 (𝑡), … 𝑢𝑝 (𝑡); 𝑡)
Llegándose a una notación compacta, notación matricial, se tiene la ecuación de estado:
𝒙̇ (𝑡) = 𝓖(𝒙(𝑡); 𝒖(𝑡); 𝑡)
y la ecuación de salida,
𝒚(𝑡) = 𝓗(𝒙(𝑡); 𝒖(𝑡); 𝑡)

que representan la expresión más general en el EdE.
Ejemplo: Para el modelo represéntelo en el EdE y defina sus componentes. La salida (variable controlada) es
𝑥(𝑡). La señal de control o de entrada es 𝑢(𝑡).
𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡) 𝑑𝑥(0.1)

sin(𝑥(𝑡)) 2
+ √𝑥(𝑡) − 𝑥 2 (𝑡) = 𝑢(𝑡) ∴ 𝑥(0.1) = 10 ∴ = 20
𝑑𝑡 𝑑𝑡 𝑑𝑡
Solución: Realizando un cambio de variable,

𝑑 2 𝑥(𝑡) 1 √𝑥(𝑡) 𝑑𝑥(𝑡) 1
= 𝑢(𝑡) − + 𝑥 2 (𝑡)
𝑑𝑡 2 sin(𝑥(𝑡)) sin(𝑥(𝑡)) 𝑑𝑡 sin(𝑥(𝑡))
𝑑𝑥(𝑡) 𝑑𝑧(𝑡) 𝑑 2 𝑥(𝑡)
= 𝑧(𝑡) ∴ =
quedando el sistema de ecuaciones no lineales como,
𝑑𝑥(𝑡)
= 𝑧(𝑡) 𝑥(0.1) = 10
𝑑𝑡
𝑑𝑧(𝑡) 1 √𝑥(𝑡) 1
= 𝑢(𝑡) − 𝑧(𝑡) + 𝑥 2 (𝑡) 𝑧(0.1) = 20
𝑑𝑡 sin(𝑥(𝑡)) sin(𝑥(𝑡)) sin(𝑥(𝑡))
Ahora, si
𝑥(𝑡) 𝑥̇ (𝑡) 𝒢1 (𝑧(𝑡); 𝑢(𝑡); 𝑡)
𝒙(𝒕) = [ ] ∴ 𝒙̇ (𝒕) = [ ] ∴ 𝓖(𝒙(𝑡); 𝒖(𝑡); 𝑡) = [ ]
𝑧(𝑡) 𝑧̇ (𝑡) 𝒢2 (𝑥(𝑡); 𝑢(𝑡); 𝑡)
con,
𝒢1 (𝑧(𝑡); 𝑢(𝑡); 𝑡) = 𝑧(𝑡)
1 √𝑥(𝑡) 1
𝒢2 (𝑥(𝑡); 𝑧(𝑡); 𝑢(𝑡); 𝑡) = 𝑢(𝑡) − 𝑧(𝑡) + 𝑥2 (𝑡)
sin(𝑥(𝑡)) sin(𝑥(𝑡)) sin(𝑥(𝑡))
y por ende la representación en el EdE es,
𝒢1 (𝑧(𝑡); 𝑢(𝑡); 𝑡)
𝒙̇ (𝒕) = [ ] Ecuación de estado
𝒢2 (𝑥(𝑡); 𝑢(𝑡); 𝑡)
𝑦(𝑡) = 𝑥(𝑡); Ecuación de salida
Espacio de estados para un sistema lineal variante en el tiempo

Partiendo de la expresión general vamos a linealizarla, pero manteniendo explicita su dependencia
con el tiempo. Para ello, utilicemos nuevamente las series de Taylor, y aproximemos la matriz de
funciones 𝒢(𝑥(𝑡); 𝑢(𝑡); 𝑡) a un hiperplano tangente al punto de operación (𝒙 ̅ ) para todo tiempo
̅; 𝒖
𝑡,
̅; 𝒖
𝝏𝓖(𝒙 ̅ ; 𝑡) ̅; 𝒖
𝝏𝓖(𝒙 ̅ ; 𝑡)
̅; 𝒖
𝓖(𝒙(𝑡); 𝒖(𝑡); 𝑡) ≅ 𝓖(𝒙 ̅ ; 𝑡) + (𝒙(𝒕) − 𝒙
̅) + (𝒖(𝒕) − 𝒖
̅)
𝝏𝒙 𝝏𝒖
Reorganizando, y acomodando las constantes en un término y asumiendo que las nuevas variables son
de las perturbaciónONES (𝒙(𝒕) − 𝒙 ̅ ), para simplificar la notación solamente,
̅), (𝒖(𝒕) − 𝒖
̅(𝑡); 𝒖
𝝏𝓖(𝒙 ̅ (𝑡); 𝑡) ̅(𝑡); 𝒖
𝝏𝓖(𝒙 ̅ (𝑡); 𝑡)
̅(𝑡); 𝒖
𝓖(𝒙(𝑡); 𝒖(𝑡); 𝑡) − 𝓖(𝒙 ̅ (𝑡); 𝑡) ≅ 𝒙(𝒕) + 𝒖(𝒕)
𝝏𝒙 𝝏𝒖
definiendo,
̅(𝑡); 𝒖
𝝏𝓖(𝒙 ̅ (𝑡); 𝑡) ̅(𝑡); 𝒖
𝝏𝓖(𝒙 ̅ (𝑡); 𝑡)
𝑨(𝒕) = , 𝒚, 𝑩(𝒕) =
𝝏𝒙 𝝏𝒖
Realizando ahora operaciones equivalentes para las ecuaciones de salida 𝒚(𝑡) con la matriz de
funciones 𝓗(𝒙(𝑡); 𝒖(𝑡); 𝑡),
̅(𝒕); 𝒖
𝝏𝓗(𝒙 ̅ (𝒕); 𝒕) ̅(𝒕); 𝒖
𝝏𝓗(𝒙 ̅ (𝒕); 𝒕)
𝑪(𝒕) = , 𝒚, 𝑫(𝒕) =
𝝏𝒙 𝝏𝒖
que reordenándolas se llega entonces a que
𝒙̇ (𝒕) = 𝑨(𝒕)𝒙(𝑡) + 𝑩(𝒕)𝒖(𝑡)
𝒚(𝒕) = 𝑪(𝒕)𝒙(𝑡) + 𝑫(𝒕)𝒖(𝑡)
donde 𝑨(𝒕), 𝑩(𝒕), 𝑪(𝒕) 𝒚 𝑫(𝒕) son variables en el tiempo, por lo que a esta representación de
espacio de estados se le denomina lineal variante en el tiempo.
Ejemplo: Para el presente modelo en el espacio de estados defina sus componentes.
𝑥̇1 0 √𝑡 0 0 𝑥1 1 0
𝑥̇ 2 2𝑒 −𝑡 𝑡 cos(𝑡) 0 𝑥2 0 𝑡 𝑢1 (𝑡)
[ ]= [ ]+[ ][ ]
𝑥̇ 3 0 0 0 1 𝑥3 𝑡 0 𝑢2 (𝑡)
𝑥̇ 4 [ 𝑡2 0 −sin(𝑡) 0] 𝑥4 0 𝜋
𝑥1
𝑦1 0 0 1 0 2𝑥 𝑡 0 𝑢1 (𝑡)
[𝑦 ] = [ ][ ] + [ ][ ]
2 0 1 0 0 𝑥3 0 √𝑡 𝑢2 (𝑡)
𝑥4
Solución: Dada esta representación, sus componentes son
𝑥̇1 0 √𝑡 0 0 𝑥1 1 0
𝑥̇ 2 2𝑒 −𝑡 𝑡 cos(𝑡) 0 𝑥2 0 𝑡
𝒙̇ (𝒕) = [ ] ∴ 𝑨(𝒕) = ∴ 𝒙(𝒕) = [𝑥 ] ∴ 𝑩(𝒕) = [ ]
𝑥̇ 3 0 0 0 1 3 𝑡 0
𝑥̇ 4 [ 𝑡2 0 −sin(𝑡) 0] 𝑥4 0 𝜋
𝑦1 0 0 1 0 𝑡 0
𝒚(𝒕) = [𝑦 ] ∴ 𝑪(𝒕) = [ ] ∴ 𝑫(𝒕) = [ ]
2 0 1 0 0 0 √𝑡
Espacio de estados para un sistema lineal invariante en el tiempo

Este tipo de sistemas lineales, denominados de la comunidad LIT, tiene un gran desarrollo en la
mayoría de software comercial. Dada su estructura, permite el uso de la Transformada de Laplace
para su solución y análisis. Para obtener esta representación, se asumen los coeficientes de estas
ecuaciones independientes del tiempo, o en forma equivalente, las funciones 𝓖(𝒙(𝒕); 𝒖(𝒕)) y
𝓗(𝒙(𝒕); 𝒖(𝒕)) no son explícitas en el tiempo, simplificándose aún más a,
𝒙̇ (𝒕) = 𝑨 𝒙(𝒕) + 𝑩 𝒖(𝒕) 𝒙̇ : 𝒏 × 𝟏; 𝑨: 𝒏 × 𝒏; 𝒙: 𝒏 × 𝟏; 𝑩: 𝒏 × 𝒑; 𝒖: 𝒑 × 𝟏;

𝒚(𝒕) = 𝑪 𝒙(𝒕) + 𝑫 𝒖(𝒕) 𝒚: 𝒑 × 𝟏; 𝑪: 𝒒 × 𝒏; 𝑫: 𝒒 × 𝒑
Aquí, 𝒙̇ (𝒕) primera derivada con respecto al tiempo del vector de estado; 𝑨 es la matriz de estado o
matriz del sistema; 𝒙(𝒕) es el vector de estado; 𝑩 es la matriz de entrada; 𝒖(𝒕) es el vector de entrada
o vector de entrada; 𝒚(𝒕) es el vector de salida; 𝑪 es la matriz de entrada y 𝑫 es la matriz de
prealimentación o de transmisión directa. Consideraremos que los componentes de todas estas
matrices son números reales. Es importante tener presente en cada instante el tamaño de estas
matrices que, dependiendo del número de entradas y salidas, cambiarán de tamaño y algunas de ellas,
se convertirán en vectores.
Ejemplo: Represente en el espacio de estados el siguiente MoMa dado por
𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡) 𝑑𝑥(0)

10 2
+ 20 + 5𝑥(𝑡) − 2017𝑦(𝑡) = 0 ∴ 𝑥(0) = 0; =0
𝑑 2 𝑦(𝑡) 𝑑𝑦(0)
100 − 40𝑥(𝑡) + 2017𝑦(𝑡) = cos 2𝑡 ∴ 𝑦(0) = 0; =0
𝑑𝑡 2 𝑑𝑡
Las variables de salida son (𝑥(𝑡), 𝑦(𝑡) Asumamos nuevamente, que todo el modelo es dimensionalmente
consistente sin comprobarlo.
Solución: Se despeja de cada ecuación el término de mayor grado y se deja solo en el lado izquierdo,
𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡) 1
2
= −2 − 𝑥(𝑡) + 201.7𝑦(𝑡)
𝑑𝑡 𝑑𝑡 2
𝑑 2 𝑦(𝑡) 1
2
= 0.4𝑥(𝑡) − 20.17𝑦(𝑡) + cos 2𝑡
𝑑𝑡 100
Se utiliza el siguiente cambio de variable para la primera ecuación,
𝑑𝑥(𝑡)
= 𝑧(𝑡) 𝑥(0) = 0
𝑑𝑡
𝑑𝑧(𝑡) 1
= −2𝑧(𝑡) − 𝑥(𝑡) + 201.7𝑦(𝑡) 𝑧(0) = 0
𝑑𝑡 2
y para la segunda,
𝑑𝑦(𝑡)
= 𝑝(𝑡) 𝑦(0) = 0
𝑑𝑡
𝑑𝑝(𝑡) 1
= 0.4𝑥(𝑡) − 20.17𝑦(𝑡) + cos 2𝑡 𝑝(0) = 0
𝑑𝑡 100
Contruimos seguidamente cada término de su representación en el EdE,
𝑥 0 1 0 0 0
𝑥̇
1 0
𝑧 𝑧̇
𝒙(𝒕) = [𝑦] ∴ 𝒙̇ (𝒕) = [ ] ∴ 𝑨 = − 2 −2 201.7 0 ∴ 𝑩(𝒕) = 0 ∴ 𝑢(𝑡) = cos(2𝑡)
𝑦̇ 1
𝑝 0 0 0 1
𝑝̇ [ 0.4 0 −20.17 0] [100]
𝑥 1 0 0 0 0 0
𝒚(𝒕) = [𝑦] ∴ 𝑪(𝒕) = [ ] ∴ 𝑫(𝒕) = [ ]
0 0 1 0 0 0
Así, el modelo matemático (las dos ecuaciones diferenciales originales) se pueden representar en el
espacio de estados mediante,
0 1 0 0 𝑥 0
𝑥̇
1 0
𝑧̇
[ ] = −2 −2 201.7 0 [ 𝑧 ] + 0 cos(2𝑡)
𝑦̇ 𝑦
0 0 0 1 𝑝 1
𝑝̇ [ 0.4 ]
0 −20.17 0 [100]
𝑥
𝑥 1 0 0 0 𝑧 0 0
[𝑦 ] = [ ][ ] + [ ] cos(2𝑡)
0 0 1 0 𝑦 0 0
𝑝
Para resolver este sistema conviene utilizar software propio o el comercial, como se ilustrará en detalle en
el capítulo sexto.
Para terminar, es interesante notar que la representación en el EdE tiene múltiples formas. De ellas,
la representación en cascada, la canónica controlable, la canónica observable, y paralelo, son las más
comunes, pero no únicas.
Linealización de una representación en EdE obviamente no lineal
Partiendo de la representación genérica en el EdE,
Ecuación de estado no lineal: siendo el vector 𝒇[∗], con 𝑛-funciones no lineales de 𝒙(𝑡) y
𝒖(𝑡). 𝒙(𝑡) es el vector de 𝑛-variables de estado y 𝒖(𝑡) es el vector
𝑑𝒙(𝒕)
= 𝒇[𝒙(𝑡); 𝒖(𝑡)] de 𝑟-entradas. Para la ecuación de salida, 𝒚(𝑡) es un vector de 𝑚
𝑑𝑡
salidas, y 𝒈[∗] es un vector de 𝑚 funciones no lineales de 𝒙(𝑡).
Ecuación de salida no lineal:
𝒚(𝑡) = 𝒈[𝒙(𝑡)]
Ahora, definiendo los cambios de 𝒙(𝑡) alrededor de los puntos de operación 𝒙

̅(𝑡), ocasionados por
los cambios de las entradas 𝒖(𝑡) alrededor de 𝒖
̅ como,
̅(𝑡)
∆𝒙(𝑡) = 𝒙(𝑡) − 𝒙 ∴ ̅ (𝑡)
∆𝒖(𝑡) = 𝒖(𝑡) − 𝒖 ∴ ̅(𝑡)
∆𝒚(𝑡) = 𝒚(𝑡) − 𝒚
Derivando estas ecuaciones,
̅(𝑡))
𝑑(∆𝒙(𝑡)) 𝑑(𝒙(𝑡)) 𝑑(𝒙 ̅ (𝑡))
𝑑(∆𝒖(𝑡)) 𝑑(𝒖(𝑡)) 𝑑(𝒖
= − ∴ = −
y reorganizando la ecuación de estado y la de salida, quedan,
̅(𝑡))
𝑑(𝒙(𝑡)) 𝑑(∆𝒙(𝑡)) 𝑑(𝒙
= + ̅(𝑡) + ∆𝒙(𝑡) ; 𝒖
= 𝒇[𝒙 ̅ (𝑡) + ∆𝒖(𝑡)]
̅(𝑡) + ∆𝒚(𝑡) = 𝒈[𝒙
𝒚(𝒕) = 𝒚 ̅(𝑡) + ∆𝒙(𝑡)]
Seguidamente linealizamos alrededor del punto (𝒙 ̅ (𝑡)) las funciones contenidas tanto en 𝒇[∗],
̅(𝑡); 𝒖
como en 𝒈[∗] utilizando las series de Taylor, como se ilustró al inicio del presente capítulo,
𝜕𝒇 𝜕𝒇
̅(𝑡) + ∆𝒙(𝑡) ; 𝒖
𝒇[𝒙 ̅ (𝑡) + ∆𝒖(𝑡)] ≅ 𝒇(𝒙
̅(𝑡); 𝒖
̅ (𝑡)) + | ∆𝒙 + | ∆𝒖
𝜕𝒙 𝒙=𝒙̅ 𝜕𝒖 𝒙=𝒙̅
̅
𝒖=𝒖 ̅
𝒖=𝒖
𝜕𝒈
̅(𝑡) + ∆𝒙(𝑡)] ≅ 𝒈(𝒙
𝒈[𝒙 ̅(𝑡)) + | ∆𝒙
𝜕𝒙 𝒙=𝒙̅
̅
𝒖=𝒖
obteniendo para la ecuación de estado linealizada la forma,
̅(𝑡))
𝑑(∆𝒙(𝑡)) 𝑑(𝒙 𝜕𝒇 𝜕𝒇
+ ̅(𝑡); 𝒖
= 𝒇(𝒙 ̅ (𝑡)) + | ∆𝒙 + | ∆𝒖
𝑑𝑡 𝑑𝑡 𝜕𝒙 𝒙=𝒙̅ 𝜕𝒖 𝒙=𝒙̅
̅
𝒖=𝒖 ̅
𝒖=𝒖
pero,
̅(𝑡))
𝑑(𝒙 𝑑(∆𝒙(𝑡)) 𝜕𝒇 𝜕𝒇
̅(𝑡); 𝒖
= 𝒇(𝒙 ̅ (𝑡)) ⇒ ≅ | ∆𝒙 + | ∆𝒖
𝑑𝑡 𝑑𝑡 𝜕𝒙 𝒙=𝒙̅ 𝜕𝒖 𝒙=𝒙̅
̅
𝒖=𝒖 ̅
𝒖=𝒖
y la ecuación de salida linealizada,

𝜕𝒈
̅(𝑡) + ∆𝒚(𝑡) = 𝒈(𝒙
𝒚 ̅(𝑡)) + | ∆𝒙
̅
𝒖=𝒖
pero,
𝜕𝒈
̅(𝑡) = 𝒈[𝒙
𝒚 ̅(𝑡)] ⇒ ∆𝒚(𝑡) ≅ | ∆𝒙
Ejemplo: Linealice el siguiente modelo no lineal representado en el espacio de estados para un sistema SISO,
2𝑥12 + 2𝑥1 𝑥22 − 3𝑥2 𝑥3 𝑢 𝑥1

𝒇=[ 2 2
𝑢 𝑥1 + 𝑥2 + 𝑥3 ] ∴ 𝒙 = [ 2 ] ∴ 𝑦 = 𝑔[𝑥 ] = 5𝑥12 ∴
𝑥 𝑥̅1 = 𝑥̅2 = 𝑥̅3 = 𝑢̅ = 1
𝑥1 + 𝑥2 + 𝑥3 𝑢 𝑥3
Solución: A continuación, se calcula cada uno de los componentes de la linealización presentados arriba:
2 6 1 −3
𝜕𝒇 4𝑥1 + 2𝑥2 4𝑥1 𝑥2 − 3𝑥3 𝑢 −3𝑥2 𝑢
| = [ 2𝑢𝑥1 2𝑥2 1 ]𝑥̅1 =1 = [2 2 1]
̅
𝒖=𝒖 1 1 𝑢 𝑥̅ 2 =1 1 1 1
𝑥̅ 3 =1
̅ =1
𝑢
−3𝑥2 𝑥3 −3
𝜕𝒇
| =[ 𝑥12 ]𝑥̅ =1 = [ 1 ]
𝜕𝒖 𝒙=𝒙̅ 1
̅
𝒖=𝒖 𝑥3 𝑥̅ 2 =1 1
𝑥̅ 3 =1
̅ =1
𝑢
quedando entonces la ecuación de estado linealizada,
𝑑(∆𝒙(𝑡)) 𝜕𝒇 𝜕𝒇 6 1 −3 𝑥1 − 1 −3
≅ | ∆𝒙 + | ∆𝒖 = [2 2 1 ] [ 2 − 1] + [ 1 ] [𝑢 − 1]
𝑥
𝑑𝑡 𝜕𝒙 𝒙=𝒙̅ 𝜕𝒖 𝒙=𝒙̅ 𝑥3 − 1
𝒖=𝒖̅ 𝒖=𝒖̅ 1 1 1 1
Para la ecuación de salida (una sola salida) también linealizada, tenemos:
𝑦̅ = 𝑔[𝑥̅ ] = 5𝑥̅12 = 5 ∴ ∆𝑦(𝑡) = 𝑦(𝑡) − 5

𝜕𝒈
| = 10𝑥1 |𝒙=𝒙̅ = 10 ∴ ∆𝑦(𝑡) ≅ 10(𝑥1 − 1)
Una vez tenemos una forma de representación, esto es, en el espacio de estados, la idea es poderla
inter-convertir en otras formas, como se trata seguidamente.
a. Conversión de una representación en el espacio de estados a una función de transferencia

Partiendo de
𝒙̇ (𝒕) = 𝑨 𝒙(𝒕) + 𝑩 𝒖(𝒕)
𝒚(𝒕) = 𝑪 𝒙(𝒕) + 𝑫 𝒖(𝒕)
se toma transformada de Laplace a ambas ecuaciones, asumiendo condiciones iniciales iguales a cero,
por simplificar. No necesariamente debe ser el caso. De igual forma, se presume que la entrada y la
salida son escalares y el sistema entonces queda como
𝑠𝑿(𝑠) = 𝑨 𝑿(𝑠) + 𝑩 𝑈(𝑠)
𝒀(𝑠) = 𝑪 𝑿(𝑠) + 𝑫 𝑈(𝑠)
despejando 𝑿(𝑠),
𝑿(𝑠) = [𝑠𝑰 − 𝑨]−1 𝑩 𝑈(𝑠)
recordando que la matriz identidad 𝑰 aparece para ajustar las dimensiones y así poder realizar las
operaciones indicadas. Ahora sustituyendo, la ecuación de salida se transforma en
𝑌(𝑠) = {𝑪 [𝑠𝑰 − 𝑨]−1 𝑩 + 𝑫} 𝑈(𝑠)
y la función de transferencia que se obtiene es
𝑌(𝑠)
𝑇(𝑠) = = 𝑪 [𝑠𝑰 − 𝑨]−1 𝑩 + 𝑫
𝑈(𝑠)
Obviamente, se parte de que todos los componentes son conocidos requiriéndose hacer solamente
las operaciones necesarias ya sea manualmente o con ayuda del computador. [𝑠𝑰 − 𝑨] debe ser no
singular. Tal vez el paso más laborioso especialmente para dimensiones mayor de 3x3, es el cálculo
de la inversa. Unos dos ejemplos ilustran este procedimiento.
Ejemplo: Dada la representación en el espacio de estados, determine su correspondiente función de

transferencia sabiendo que la salida del sistema es la variable 𝑌(𝑠) mientras que la entrada es 𝑈(𝑠)
𝑥̇1 1 0 0 𝑥1 7 𝑥1
[𝑥̇ 2 ] = [ 0 0 1 ] [𝑥2 ] + [0] 𝑢 ∴ 𝑦 = [1 0 0] [𝑥2 ] + 0 𝑢
𝑥̇ 3 −5 −8 −10 𝑥3 0 𝑥3
𝒙̇ = 𝑨 𝒙 + 𝑩 𝒖 ∴ 𝒚= 𝑪 𝒙 + 𝑫 𝒖
Solución: Partiendo de
𝑌(𝑠)
𝑇(𝑠) = = 𝑪 [𝑠𝑰 − 𝑨]−1 𝑩 + 𝑫
𝑈(𝑠)
calculamos término a término ya sea manualmente, aspecto debemos saber hacer, y otra con ayuda de
software comercial disponible en le universidad.
Manualmente: Formamos el primer término,

1 0 0 1 0 0 𝑠−1 0 0
𝑠 [0 1 0] − [ 0 0 1 ]=[ 0 𝑠 −1 ] ∴
0 0 1 −5 −8 −10 5 8 𝑠 + 10
−1
𝑠−1 0 0 𝑎𝑑𝑗(𝑠𝑰 − 𝑨)
[𝑠𝑰 − 𝑨]−1 =[ 0 𝑠 −1 ] = ∴
𝑑𝑒𝑡(𝑠𝑰 − 𝑨)
5 8 𝑠 + 10
Calculamos, recordando la definición de la adjunta de una matriz, la matriz de cofactores:
𝑠−1 0 0
(𝑠𝑰 − 𝑨) = [ 0 𝑠 −1 ]:
5 8 𝑠 + 10
𝑠 −1 0 −1 0 𝑠
𝐴11 = + [ ] = 𝑠(𝑠 + 10) + 8 𝐴12 = − [ ] = −5 𝐴13 = + [ ] = −5𝑠
8 𝑠 + 10 5 𝑠 + 10 5 8
0 0 𝑠−1 0
𝐴21 = − [ ]=0 𝐴22 = + [ ] = (𝑠 − 1)(𝑠 + 10)
8 𝑠 + 10 5 𝑠 + 10
𝑠−1 0
𝐴23 = − [ ] = −8(𝑠 − 1)
5 8
0 0 𝑠−1 0 𝑠−1 0
𝐴31 = + [ ]=0 𝐴32 = − [ ]=𝑠−1 𝐴33 = + [ ] = 𝑠(𝑠 − 1)
𝑠 −1 0 −1 0 𝑠
Ahora se construye la matriz de cofactores,
𝑠(𝑠 + 10) + 8 −5 −5𝑠

[ 0 (𝑠 − 1)(𝑠 + 10) −8(𝑠 − 1)]
0 𝑠−1 𝑠(𝑠 − 1)
Con la transpuesta de esta matriz, se obtiene finalmente la

adjunta,
𝑠(𝑠 + 10) + 8 0 0
𝑎𝑑𝑗(𝑠𝑰 − 𝑨) = [ −5 (𝑠 − 1)(𝑠 + 10) (𝑠 − 1) ]
−5𝑠 −8(𝑠 − 1) 𝑠(𝑠 − 1)
Ahora se calcula el determinante,

𝑠(𝑠 + 10) + 8 −5 −5𝑠
𝑑𝑒𝑡(𝑠𝑰 − 𝑨) = 𝑑𝑒𝑡 {[ 0 (𝑠 − 1)(𝑠 + 10) −8(𝑠 − 1)]}
0 𝑠−1 𝑠(𝑠 − 1)
𝑑𝑒𝑡(𝑠𝑰 − 𝑨) = (𝑠(𝑠 + 10) + 8)(𝑠 − 1)(𝑠 + 10)(𝑠(𝑠 − 1)) − 5(−8(𝑠 − 1))(0) + (0)(𝑠 −)(−5𝑠)
−(−5𝑠)(𝑠 − 1)(𝑠 + 10)(0) − (−5)(0)𝑠(𝑠 − 1) − (−8(𝑠 − 1))(𝑠 − 1)(𝑠(𝑠 + 10) + 8))
𝑑𝑒𝑡(𝑠𝑰 − 𝑨) = 𝑠 6 + 18𝑠 5 + 61𝑠 4 − 180𝑠 3 + 36𝑠 2 + 128𝑠 − 64

Siendo entonces,
𝑠(𝑠 + 10) + 8 0 0
[ −5 (𝑠 − 1)(𝑠 + 10) (𝑠 − 1) ]
−5𝑠 −8(𝑠 − 1) 𝑠(𝑠 − 1)
[𝑠𝑰 − 𝑨]−1 = 6 5 4 3 2
𝑠 + 18𝑠 + 61𝑠 − 180𝑠 + 36𝑠 + 128𝑠 − 64
Construyendo ahora la función de transferencia,
𝑠(𝑠 + 10) + 8 0 0
[ −5 (𝑠 − 1)(𝑠 + 10) (𝑠 − 1) ]
𝑌(𝑠) −5𝑠 −8(𝑠 − 1) 𝑠(𝑠 − 1) 7 7
= [1 0 0] 6 [0] + [𝟎] =
𝑈(𝑠) 𝑠 + 18𝑠5 + 61𝑠4 − 180𝑠3 + 36𝑠2 + 128𝑠 − 64 𝑠−1
0
Como se observa para un sistema de solo tres por tres, la cantidad de cálculo es demandante en tiempo y
cuidado. Por eso debemos saber hacerlo, pero también, saber utilizar el recurso de cómputo que
disfrutamos en nuestros días, ya sea con programas propios o con el comercial (para nuestro caso, MatlabMR)
Este software dispone de funciones programadas para hacer sin mayor esfuerzo la conversión de una representación
en espacio de estados a la representación en la transformada de Laplace y viceversa. Se sugiere consultar los manuales
y tutoriales en línea o los múltiples pdf disponibles en la red. Un ejemplo de uso, sin mayores pretensiones en la
programación es:
clear all Se utiliza la denominada matemática simbólica que manipula expresiones

clc matemáticas. La función pretty(T), organiza los resultados para que se vean de
syms s una manera mejor presentada.
A=[1 0 0;0 0 1;-5 -8 -10];
B=[7;0;0]; Resultados del programa en la pantalla:
C=[1 0 0];
D=0; TF =7/(s - 1)
I=[1 0 0;0 1 0;0 0 1];
TF=C*((s*I-A)^-1)*B+D y con la función pretty(TF):
pretty(TF)
7
𝑇𝐹 =
𝑠−1
De igual manera existe la función interna ss2tf (transforma espacio de estados a función de transferencia) y
tf2ss (transforma función de transferencia a espacio de estados). Hay que recordar que la representación en
espacio de estados no es única.
Ejemplo: Mediante Matlab determine la función de transferencia haciendo uso de las funciones ss2tf y simbólica.
𝑥̇ −2 −1.5 𝑥1 4 𝑥1
[ 1] = [ ] [𝑥 ] + [ ] 𝑢 ∴ 𝑦 = [6 3 ] [𝑥 ] + 0 𝑢
𝑥̇ 2 4 1 2 0 2
Solución: Utilizando las funciones ss2tf y la forma simbólica, se encontró que la función de transferencia
expresando su numerador y denominador es,
𝑛𝑢𝑚 = [ 0 24 24]
𝑑𝑒𝑛 = [1 1 4]
siendo a función de transferencia es

24𝑠 + 24
𝑇𝐹 =
𝑠2 + 𝑠 + 4
Ahora, utilizando cálculos simbólicos con este software, obtenemos
48 24(𝑠 − 1)
+ 2
𝑠2 +𝑠+4 𝑠 +𝑠+4
b. Conversión de una función de transferencia a una representación en el espacio de estados

Ahora partimos como conocida la función de transferencia y debemos encontrar su representación
en el EdE. El procedimiento genera la forma de espacio de estados en variables de fase y se utiliza la
misma metodología para el cambio de variable que para generar un SEDOPO.
Ejemplo: Dada la función de transferencia,
𝐶(𝑠) 777
𝑇(𝑠) = = 3 2
𝑅(𝑠) 8 𝑠 + 7𝑠 + 77𝑠 + 777
determine la correspondiente representación en el EdE.
Solución: De la función de transferencia se obtiene,
8 𝐶(𝑠) 𝑠 3 + 7𝐶(𝑠) 𝑠 2 + 77𝐶(𝑠) 𝑠 + 777𝐶(𝑠) = 777 𝑅(𝑠)
La transformada inversa, asumiendo condiciones iniciales cero, es
ℒ −1 {8 𝐶(𝑠) 𝑠 3 + 7𝐶(𝑠) 𝑠 2 + 77𝐶(𝑠) 𝑠 + 777𝐶(𝑠)} = ℒ −1 {777 𝑅(𝑠)}
resulta en
𝑑 3 𝑐(𝑡) 𝑑 2 𝑐(𝑡) 𝑑𝑐(𝑡)
8 3
− 7 2
− 77 + 777 𝑐(𝑡) = 777 𝑟(𝑡)
Cambiando de variable para generar el SEDOPO,
Si 𝑐(𝑡) = 𝑧(𝑡) ,
𝑑𝑧(𝑡)
= 𝑤(𝑡)
𝑑𝑡
𝑑𝑤(𝑡)
= 𝑞(𝑡)
𝑑𝑡
𝑑𝑞(𝑡) 777 7 77 777
= 𝑟(𝑡) + 𝑞(𝑡) + 𝑤(𝑡) − 𝑧(𝑡)
𝑑𝑡 8 8 8 8
La ecuación de salida es,
𝑦(𝑡) = 𝑐(𝑡) = 𝑧(𝑡)
Reorganizándola en forma matricial (espacio de estados),
𝑧̇ (𝑡) 0 1 0 𝑧(𝑡) 0
0 0 1 0
[𝑤̇ (𝑡)] = [ 777 77 7 ] [𝑤(𝑡)] + [777] 𝑟(𝑡)
𝑞̇ (𝑡) − 𝑞(𝑡)
8 8 8 8
𝑧(𝑡)
𝑦 = [1 0 0] [𝑤(𝑡)]
𝑞(𝑡)
 Si se quiere conocer solamente la velocidad de cambio de la variable controlada, por supuesto que la
ecuación de estado no cambia, pero si la ecuación de salida,
𝑧(𝑡)
𝑦 = [0 1 0] [𝑤(𝑡)]
𝑞(𝑡)
 Finalmente, miremos que pasa si se requiere medir las tres variables controladas en forma
independiente, con tres sensores diferentes. La ecuación de salida queda como,
𝑦1 (𝑡) 1 0 0 𝑧(𝑡)
[𝑦2 (𝑡)] = [0 1 0] [𝑤(𝑡)]
𝑦3 (𝑡) 0 0 1 𝑞(𝑡)
Ejemplo: Dado el siguiente SEDOPO y la ecuación de salida, expresarla en forma matricial asumiendo
condiciones iniciales iguales a cero,
𝑑𝑤(𝑡)
= 𝑧(𝑡)
𝑑𝑡
𝑑𝑧(𝑡) 3
= −𝑤(𝑡) − 44 𝑧(𝑡) + √2 𝑟(𝑡) + √58 𝑢(𝑡)
𝑑𝑡
𝑟(𝑡) y 𝑢(𝑡) son las señales de excitación o entrada al sistema. La salida es 𝑦(𝑡) = 𝑤(𝑡) + 𝑙𝑛[33] 𝑢(𝑡)
Asumamos por ahora, que todo el modelo es dimensionalmente consistente sin comprobarlo.
Solución:
𝑤̇ (𝑡) 0 1 𝑤(𝑡) 0 0 𝑟(𝑡)
[ ]= [ ][ ] + [ 3 ][ ]
𝑧̇ (𝑡) −1 −44 𝑧(𝑡) √2 √58 𝑢(𝑡)
𝑤(𝑡) 𝑟(𝑡)
𝑦(𝑡) = [1 0] [ ] + [0 𝑙𝑛[33]] [ ]
𝑧(𝑡) 𝑢(𝑡)
Ejemplo: Utilizando Matlab encuentre la representación en el espacio de estado partiendo de la función de

transferencia dada.
𝑠+3
𝐺(𝑠) =
𝑠3 + 9𝑠 + 15
Solución: utilizando la función tf2ss
−9 −15 1
𝐴=[ ] ∴ 𝐵 = [ ] ∴ 𝐶 = [1 3] ∴ 𝐷 = [0]
1 0 0
clear all Con este sencillo script podemos ahorrar una buena cantidad de tiempo
clc cuando las dimensiones son mayores.
num=[1 3]
den=[1 9 15]
[A,B,C,D] = tf2ss(num,den)
Ejemplo: Represente en el espacio de estados las siguientes funciones de transferencia directas tanto en lazo o
ciclo abierto como cerrado. La realimentación es unitaria y negativa.
siendo,
5(𝑠 2 + 2𝑠 + 8)
𝐺(𝑠) =
𝑠(𝑠 + 4)(𝑠 + 6)(𝑠 2 + 𝑠 + 1)
𝑠 7 + 2𝑠 6 + 3𝑠 5 + 5𝑠 4 + 5𝑠 3 + 5𝑠 2 + 5𝑠 + 40
𝐺(𝑠) =
(𝑠 7 + 4𝑠 6 + 𝑠 5 + 𝑠 4 + 𝑠 3 + 𝑠 2 + 𝑠 + 1)(𝑠 4 + 4𝑠 3 + 7𝑠 2 + 9𝑠 + 6)(𝑠 2 + 𝑠 + 1)
Solución:
a. Lazo abierto:
Haciendo uso del script de Matlab mostrado abajo, tenemos que

−11 −35 −34 −24 0 1
1 0 0 0 0 0
𝐴= 0 1 0 0 0 ∴ 𝐵= 0 ∴ 𝐶 = [0 0 5 5 40] ∴ 𝐷 = [0]
0 0 1 0 0 0
[ 0 0 0 1 0] [0]
Ahora en lazo cerrado con realimentación unitaria, queda como

−11 −35 −39 −29 −40 1
1 0 0 0 0 0
𝐴= 0 1 0 0 0 ∴ 𝐵= 0 ∴ 𝐶 = [0 0 5 5 40] ∴ 𝐷 = [0]
0 0 1 0 0 0
[ 0 0 0 1 0 ] [0 ]
y para el segundo caso, lazo abierto

−9 −33 −74 −120 −141 −126 −99 −80 −75 −63 −43 −21 −6 1
1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0 0 0
𝐴= 0 0 0 0 0 1 0 0 0 0 0 0 0 ∴ 𝐵= 0
0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0
[0 0 0 0 0 0 0 0 0 0 0 1 0] [0]
𝐶 =[0 0 0 0 0 1 2 3 5 5 5 5 40] ∴ 𝐷 = [0]
y para el caso de lazo cerrado,

−9 −33 −74 −120 −141 −127 −101 −83 −80 −68 −48 −26 −46 1
1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0 0 0
𝐴= 0 0 0 0 0 1 0 0 0 0 0 0 0 ∴ 𝐵= 0
0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0
[0 0 0 0 0 0 0 0 0 0 0 1 0 ] [0]
𝐶 =[0 0 0 0 0 1 2 3 5 5 5 5 40] ∴ 𝐷 = [0]
%%% Ejemplo transformación de FT a SS

clear all
clc
num=[0 0 0 5 5 40];
den=conv(conv([1 4 0],[1 6]),[1 1 1]);
%[A,B,C,D] = tf2ss(num,den);
num1=[1 2 3 5 5 5 5 40];
den1=conv(conv([1 4 1 1 1 1 1 1],[1 4 7 9 6]),[1 1 1]);
%[A,B,C,D] = tf2ss(num1,den1);
%%%%%%%%%%% ciclo cerrado
[numCL,denCL]=cloop(num,den);
[A,B,C,D] = tf2ss(numCL,denCL);
%%%%%%%%%%% ciclo cerrado
[numCL1,denCL1]=cloop(num1,den1);
[A1,B1,C1,D1] = tf2ss(numCL1,denCL1);
A: Conceptuales
1. En sus propias palabras, ¿qué entiende por variable independiente y variable dependiente en un MoMa?
2. ¿Cuál es el objetivo de linealizar un MoMa?
3. ¿Cualquier MoMa no lineal se puede linealizar? De al menos un ejemplo que soporte su respuesta
4. Para los siguientes MoMas determine cuál es lineal o no lineal. En cada caso, así como el término o
términos responsables de la no-linealidad. Identifique las variables independiente y dependiente:
𝑦 ′′ (𝑡) + ln(𝑡) 𝑦(𝑡) = cos(𝑦(𝑡) ∗ 𝑡) 𝑧(𝑡)𝑧 ′′′ (𝑡) + 𝑡𝑧 ′ (𝑡) + 𝜋𝑧(𝑡) = 𝑡 𝑟(𝑥)𝑟 ′′′ (𝑥) + 𝑟 ′ (𝑥) + 𝑟(𝑥) = 𝑒 −𝑥
𝑦(0) = 10; 𝑦 ′ (0) = 1 𝑧(1) = 1; 𝑧 ′ (1) = −1 𝑟(1) = 1; 𝑟 ′ (1) = −1

𝑧 ′′ (1) = −2 𝑟 ′′ (1) = −2
𝑒 −𝑖 𝑦 ′′ (𝑡) + 6𝑖𝑦(𝑡) = sin(𝑦(𝑡)) 𝑑𝑟 𝑑𝑤 𝑑2 𝑤 cos(𝑦(𝑡) ∗ 𝑡)

+𝑟 2 =0 √𝑡𝑦 ′′ (𝑡) + 𝑡𝑦(𝑡) =
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑡
𝑦(0) = 0; 𝑦 ′ (0) = 0
𝑟(2) = 0; 𝑤(2) = 2; 𝑤 ′ (2) = 2 𝑦(1) = 10; 𝑦 ′ (1) = 0
𝑦 ′′ (𝑡) + 𝑦(𝑡) = tan(𝑡) 𝑑𝜗 1.2 𝑑2 𝜗 𝑑 0.8 𝑦(𝑡)

( ) +5 2 =0 + 𝑦(𝑡) = 0
𝑑𝑡 𝑑𝑡 𝑑𝑡 0.8
𝑦(2) = −1; 𝑦 ′ (2) = 1
𝜗(2) = 2; 𝜗 ′ (2) = 2 𝑦(0) = 1
(derivada fraccionaria)
5. Para la tabla de arriba, ¿Cuál de ellas es lineal e invariante en el tiempo?, ¿Cuál de ellas es lineal variante
en el tiempo?
6. ¿Por qué y para qué se linealiza un MoMa alrededor del denominado punto de operación o valor de
estado estable?
7. ¿A qué se debe que se tenga linealizar un modelo no-lineal si el proceso de la vida real también es no-
lineal?
8. ¿Cómo se linealiza un MoMa que tenga tres variables dependientes? Proponga un ejemplo.
9. Explique en qué casos se debe aplicar la regla de L’Hopital durante una operación de linealización.
10. Explique el procedimiento de cambio de variable de tal forma que se utilicen las variables de
perturbación o desviación. Ilustre su respuesta con un caso en particular.
11. ¿Podría sugerir algún caso cuando la linealización den una función continua es la peor alternativa?
12. Basado en la literatura, explique en qué consiste el teorema de la linealización o teorema de Hartman–
Grobman.
13. ¿En qué consiste el método de linealización mediante las series de Taylor? ¿qué otros métodos existen?
Consultar la literatura.
14. Para el siguiente sistema de control de nivel y temperatura, determine su diagrama de bloques y de
flujo. Note que son sistemas interconectados
B: Numéricos
15. Aproxime mediante una serie de Taylor la siguiente función. Analice los resultados.
1
− 2
𝑒 𝑥 𝑠𝑖 𝑥 ≠ 0
𝑓(𝑥) = { }
0 𝑠𝑖 𝑥 = 0
16. Linealice y luego resuelva las dos ecuaciones (no–lineal y linealizada) alrededor de los valores de estado
estable o de operación. Graficar y analizar ambos resultados. Asuma valores diferentes de cero para
los casos en que no se suministran los valores de las constantes.
𝑔(𝑥) = 𝑥𝑙𝑛(𝑥 3 + 1) + cos(𝑥 2 ) + 𝑥 𝑓(𝑥, 𝑦) = 𝑥𝑦 + (𝑥 + 𝑦)2 + cos(𝑥𝑦) − 1 𝑃
𝜌(𝑇, 𝑃) =
̿
𝑅𝑇
3 𝑥̅ = 1; 𝑦̅ = 1
𝑥̅ = 𝜋
4 𝑃̅ = 100 ; 𝑇̅ = 300
𝐸 𝑀𝑥 𝑞(𝑇) = 𝜎𝜀𝐴𝑇 4
𝑢(𝑇) = 𝑢0 𝑒 −𝑅𝑇 𝑍(𝑥) =
1 + (𝑀 − 1)𝑥
𝑇̅ = 1000;
𝑇̅ = 273; 𝑢0 , 𝐸, 𝑅 ≡ constantes
𝑥̅ = 15; 𝑀 = 0.99
(𝜎𝜀𝐴) ≡ constante
𝑥𝑥 + 𝑦𝑦 = 1 𝑥 𝑦
𝑣(𝑥, 𝑦) = + + 𝑒 −𝑥𝑦 + 1000 √sin(√𝑥) + √cos(√𝑥) = 1
𝑦 𝑥
𝑥̅ = 𝜋 = 𝑦̅
𝑥̅ = 7; 𝑦̅=20 𝜋
𝑥̅ =
4
17. Para cada uno de los ejercicios anteriores escribir sus respuestas en términos de las variables de
perturbación (desviación).
18. Linealice las siguientes ecuaciones diferenciales alrededor del punto de operación o de estado estable.
Grafique tanto la solución de la ecuación no-lineal como de la linealizada. Concluya.
̇ − 𝑦 3 (𝑡) + 𝑦 2 (𝑡) = 10−5

𝑦(𝑡) 𝑦 ′′′ (𝑡) + 𝑠𝑖𝑛(𝑦(𝑡)) = 𝑡 3 𝑐𝑜𝑠(𝑦(𝑡)) 1
𝑦 ′′′ (𝑡) + [ ]=[ ] 𝑡3
𝑦(0.01) = 7 𝑦(5) = 1 𝑦(𝑡) 𝑦(𝑡)
𝑦′(5) = 1 𝑦(5) = 3
𝑦̅ = 0.5 𝑦′′(5) = 1 𝑦(5) = 4
𝑦̅ = 2 𝑦(5) = 5; 𝑦̅ = 4.5
2𝑥 2𝑥 𝑦 𝑥 𝑑𝑦
𝑦′ + 𝑦− 𝑦4 777𝑦 ′ − + =0 √𝑦 + 𝑦1.5 − 1 = 0
3(1 + 𝑥 2 ) 3(1 + 𝑥 2 ) 𝑥 𝑦2 𝑑𝑥
𝑦(1) = 5; 𝑦̅ = 6 𝑦(1) = 2; 𝑦̅ = 9 𝑦(0) = 2; 𝑦̅ = 10
𝑟 ′ − 𝑟 2 + 𝑡𝑟 − 1 = 0 𝑦 2 𝑦 𝑡𝑥𝑐𝑜𝑠(𝑡𝑥) + sin(𝑡𝑥)
𝑦′ − ( ) −( )=0
𝑟(1) = 15 𝑡 𝑡 𝑑𝑥
𝑦(1) = 1 +(𝑡 2 𝑐𝑜𝑠(𝑡𝑥) + 𝑒 𝑥 ) =0
𝑟̅ = 18 𝑑𝑡
𝑦̅ = 𝑒 𝑥(1) = 1; 𝑥̅ = 6
19. Para cada uno de los ejercicios anteriores re-escribir las ecuaciones diferenciales linealizadas y sus
soluciones en términos de las variables de perturbación (desviación).
20. Resuelva el siguiente sistema de ecuaciones,
10 2
+ 20 + 5𝑥(𝑡) − 2017𝑦(𝑡) = 0 ∴ 𝑥(1) = 2; =3
𝑑 2 𝑦(𝑡) 𝑑𝑦(1)
100 2
− 40𝑥(𝑡) + 2017𝑦(𝑡) = cos 2𝑡 ∴ 𝑦(1) = 𝜋; =𝜋
𝑑𝑡 𝑑𝑡
21. Resuelva analítica o numéricamente las siguientes ecuaciones diferenciales lineales,
10𝑐̈ (𝑡) + 2𝑐̇ (𝑡) + 5𝑐(𝑡) = 0 𝑐̈ (𝑡) + 𝑙𝑛2𝑐̇ (𝑡) + 𝑐(𝑡) = cos(𝑡) 𝑐̈ (𝑡) + 𝑐̇ (𝑡) = tan(𝑡)
𝑐(0) = 0 ∴ 𝑐̇ (0) = 0 𝑐(1) = 0 ∴ 𝑐̇ (1) = 0 𝑐(5) = 5 ∴ 𝑐̇ (5) = 10
𝑐⃛(𝑡) + 2𝑐̈ (𝑡) + 5𝑐(𝑡) = 𝑒 −𝑡 𝑐̈ (𝑡) + 𝑒 −𝑡 𝑐̇ (𝑡) + 𝑡𝑐(𝑡) = cos(𝑡) 𝑐̈ (𝑡) + 𝑐(𝑡) = sec(𝑡)
𝑐(0) = 0 ∴ 𝑐̇ (0) = 0 𝑐(1) = 10 ∴ 𝑐̇ (1) = 50 𝑐(0.5) = 3 ∴ 𝑐̇ (0.5) = 3𝜋
𝑐̈ (0) = 0
𝑐 (7) (𝑡) + 2 sin(𝑡) 𝑐̈ (𝑡) = 5𝑒 −𝑡 𝑐 (5) (𝑡) + 2 cos(𝑡) 𝑐̈ (𝑡) + 𝑐(𝑡) = 7𝑡 2 𝑐̈ (𝑡) + 𝑐̇ (𝑡) + 𝑐(𝑡) = 0
𝑐(𝜋) = 𝜋 𝑐 (6) (𝜋) = 1 𝑐(𝜋) = 𝜋 𝑐̇ (𝜋) = 2𝜋 𝑐(2) = 2 ∴ 𝑐̇ (2) = 20
𝑐 (5) (𝜋) = 5 𝑐 (4) (𝜋) = 4 𝑐 (4) (𝜋) = 5 𝑐 (3) (𝜋) = 4
𝑐 (3) (𝜋) = 3 𝑐 (2) (𝜋) = 2 𝑐 (2) (𝜋) = 3
𝑐̇ (𝜋) = 3𝜋
22. Linealice las ecuaciones diferenciales no-lineales del ejemplo anterior. Asuma los valores de estado
estable (operación).
23. Resuelva numéricamente el siguiente MoMa representado por una inofensiva ecuación diferencial
ordinaria, lineal e invariante en el tiempo,
𝑐 ′ (𝑡) − 𝑐 2 (𝑡) + 𝑐 3 (𝑡) = 0
con las siguientes condiciones para 𝑐(0) igual a

o 10
o 1,0
o 0,001
o 0,000001
o 0,0000001
𝑡
Para todos los casos utilice una ventana de observación en el tiempo 0 ≤ 𝑡 ≤ . Grafique sus
𝑐(0)
respuestas. Concluya.
24. Resuelva numéricamente las siguientes ecuaciones diferenciales lineales y grafique su respuesta.
𝑑𝑦 𝑑𝑦 𝑑𝑦
= −𝑦(𝑡) = −10(𝑦(𝑡) − 𝑡 2 ) = −𝑦(𝑡) − √2 sin(𝑡)
𝑦(1) = 1 𝑦(3) = 2 𝑦(2) = 1
Ventana: 0 ≤ 𝑡 ≤ 10 Ventana: 0 ≤ 𝑡 ≤ 10 Ventana: 0 ≤ 𝑡 ≤ 10
𝑑𝑦(𝑡) 𝑑𝑤(𝑡) 𝑑𝑝(𝑡)

= 𝑦(𝑡) + 𝑟(𝑡) + 𝑡 = 𝑤(𝑡) + 𝑟(𝑡) + 𝑡 = 𝑝(𝑡) − 5𝑤(𝑡)
𝑑𝑟(𝑡) 𝑑𝑟(𝑡) 𝑑𝑤(𝑡)
= −3𝑦(𝑡) − 5𝑟(𝑡) − 3𝑡 − 1 = −𝑤(𝑡) + 𝑟(𝑡) − 𝑡 + 1 = 𝑝(𝑡) + 𝑡𝑤(𝑡) + 𝑡 − 1
𝑦(0) = 1; 𝑧(0) = 5 𝑤(0) = −2; 𝑟(0) = −20 𝑝(1) = 2; 𝑣(1) = √5
25. Resuelva numéricamente las siguientes ecuaciones diferenciales lineales y grafique su respuesta.
𝑑𝑦 𝑑𝑦 𝑑𝑦
= 𝑦(𝑡) + 𝑡 = −10(𝑦(𝑡) − 𝑡 3 ) + 𝜋𝑡 = 𝑦(𝑡) − √2 sin(𝑡) + cos(𝑡)
𝑦(0) = 1 𝑦(0) = 2 𝑦(0) = 1
𝑑𝑦(𝑡) 𝑑𝑝(𝑡) 𝑑𝑝(𝑡)

= 7𝑦(𝑡) + 36𝑧(𝑡) + 2√𝑡 = 𝑝(𝑡) + 𝑡𝑞(𝑡) + 𝑡 + 1 = 𝑝(𝑡) + 𝑣(𝑡) + 𝑡 + 1
𝑑𝑧(𝑡) 𝑑𝑞(𝑡) 𝑑𝑣(𝑡)
= 𝑦(𝑡) − 𝑧(𝑡) + 𝑡 = 𝑡𝑝(𝑡) + 𝑞(𝑡) = 𝑝(𝑡) + 𝑣(𝑡) + 𝑡 − 1
𝑦(0) = 1; 𝑧(0) = 2 𝑤(0) = 0; 𝑟(0) = 10 𝑝(1) = 0; 𝑣(1) = 0
26. Para la siguiente representación en el EdE, determine su sistema de ecuaciones diferenciales.

Asuma condiciones iniciales en el tiempo cero iguales a cero.
𝑥̇1 0 √𝑡 0 0 𝑥1 1 0
𝑥̇ 2 2𝑡 𝑡 cos(𝑡) 0 𝑥2 0 𝑡 𝑢1 (𝑡)
[ ]= [ ]+[ ][ ]
𝑥̇ 3 0 1 0 𝑡 𝑥3 𝑡 0 𝑢2 (𝑡)
𝑥̇ 4 [𝑡 2 0 cos(𝑡) 𝑥
0] 4 0 1
𝑥1
𝑦1 0 0 1 0 𝑥2 1 0 𝑢1 (𝑡)
[𝑦 ] = [ ][ ] + [ ][ ]
2 0 1 0 0 𝑥3 0 √𝑡 𝑢2 (𝑡)
𝑥4
27. Para la siguiente información construye el enunciado de un eventual problema que se podría formular
y resuélvalo.
a:
2𝑥12 𝑢1 + 2 cos(𝑥1 ) 𝑥22 − 3𝑥2 𝑥3 𝑢2 𝑥1
𝒇=[ 𝑢2 𝑥12 + 𝑥23 𝑢1 + 𝑢3 𝑥33 ] ∴ 𝒙 = [𝑥2 ] ∴ 𝑦 = 𝑔[𝒙] = 𝑥12 𝑥22 𝑥32 + cos(𝑥1 𝑥2 𝑥3 )
𝑢3 𝑥1 + 𝑒 −𝑥2
+ 𝑥3 𝑢2 𝑥3
∴ 𝑥̅1 = 5; 𝑥̅2 = 𝜋; 𝑥̅3 = √2 ; 𝑢̅1 = 10 ; 𝑢̅2 = 3; 𝑢̅3 = 10
b:
2𝑥13 𝑢1 − 𝑥22 − 𝑥2 𝑥3 𝑢2 𝑥1
2 3 3 𝑥
𝑢 𝑥 + 𝑥2 𝑢1 + 𝑢3 𝑥3
𝒇= 2 1 ∴ 𝒙 = [ 2] ∴ 𝑦 = 𝑔[𝒙] = 𝑥12 𝑥2 𝑥3 𝑥42 + 3√𝑥1 𝑥2 𝑥3 𝑒 −𝑥4
𝑢3 𝑥1 + 𝑥1 𝑥3 𝑥4 + 𝑥3 𝑢2 𝑥3
3
[ 𝑢1 𝑥1 + 𝑢3 + 𝑥3 𝑢2 ] 𝑥4
∴ 𝑥̅1 = 2; 𝑥̅2 = 3; 𝑥̅3 = √77 ; 𝑥̅4 = 1,5; 𝑢̅1 = 25 ; 𝑢̅2 = 55; 𝑢̅3 = 15; 𝑢̅4 = 1
28. Del siguiente balance de energía reorganice las ecuaciones utilizando las variables de perturbación y
resuélvalo mediante la transformada de Laplace:
Balance de energía estado transitorio:

𝑑𝑇(𝑡)
[𝑞𝜌𝐶𝑝 ]𝑇𝑒𝑛𝑡 (𝑡) − [𝑈𝐴](𝑇(𝑡) − 𝑇𝑎𝑙𝑟 (𝑡)) − [𝑞𝜌𝐶𝑝 ]𝑇(𝑡) = [𝜌𝐶𝑣 𝒱 ]
𝑑𝑡
Para el presente problema y SOLO POR AHORA, omitiremos las ecuaciones de dimensiones y
unidades, y no definiremos sus componentes. Los parámetros en corchetes rectangulares se
consideran constantes para este caso. Esto lo haremos en capítulo posteriores.
i) Plantee el balance de energía en estado estacionario (o régimen permanente o estado estable)

ii) Defina ahora las variables como 𝑇̅𝑒𝑛𝑡 , 𝑇̅𝑎𝑙𝑟 , y 𝑇̅ que definen este nuevo estado.
iii) Substraiga este último balance, del balance en estado transitorio
iv) Reorganice esta nueva ecuación dejando las diferencias como: (𝑇𝑒𝑛𝑡 (𝑡) − 𝑇̅𝑒𝑛𝑡 ), (𝑇𝑎𝑙𝑟 (𝑡) −
𝑇̅𝑎𝑙𝑟 ) y (𝑇(𝑡) − 𝑇̅).
v) Definas las variables de perturbación como, 𝑻𝒆𝒏𝒕 (𝑡),𝑻𝒂𝒍𝒓 (𝒕) 𝑦 𝑻(𝒕).
vi) Escriba nuevamente el balance d energía en función de las variables de perturbación, y
vii) Resuelva el modelo. Asuma condiciones iniciales cero,
29. Repita el procedimiento anterior para el siguiente balance de materia,
𝜌 𝑀𝒱 𝑑𝑝(𝑡)
[𝜌]𝑞𝑒𝑛𝑡 (𝑡) − [ ] (𝑝(𝑡) − 𝑝𝑓𝑖𝑛 (𝑡)) = [ ]
𝑅𝑓𝑟 𝑅𝑇 𝑑𝑡
30. Para los siguientes diagramas de bloques encuentre su respectiva función de transferencia
simplificándolo.
31. Para los siguientes diagramas de bloques encuentre su respectiva función de transferencia utilizando la
regla de Mason.
32. Para los siguientes diagramas de flujo encuentre su función de transferencia global utilizando la regla
de Mason.
33. Dada las siguientes ecuaciones diferenciales lineales de orden dos con coeficientes constantes, genere
el SEDOPO correspondiente,
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) −2𝑡
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡)
2
+ − 𝑦(𝑡) − 𝑒 = 0 ; 4 2
− 50 + 𝑦(𝑡) = 0 ;
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡
′ (0) ′ (1)
𝑦(0) = 1; 𝑦 =1 𝑦(1) = 2; 𝑦 =2
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡) 𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡)

+ − 𝑦(𝑡) + cos(𝑡) = 0 ; 4 + 50 + sin(𝑡) = 0 ;
𝑑𝑡 2 𝑑𝑡 𝑑𝑡 2 𝑑𝑡
𝑦(0) = 1; 𝑦 ′ (0) = 1 𝑦(1) = −1; 𝑦 ′ (1) = 2.5
𝑑 2 𝑦(𝑡) 𝑑 2 𝑦(𝑡) 𝑑𝑦(𝑡)

− 𝑦(𝑡) − tan(𝑡 + 1) = 0 ; −5 + 𝑡 𝑦(𝑡) = 0 ;
𝑑𝑡 2 𝑑𝑡 2 𝑑𝑡
𝑦(1) = 3; 𝑦 ′ (1) = 5 𝑦(5) = 20; 𝑦 ′ (5)
= 20
34. Para el modelo matemático representado por las siguientes ecuaciones diferenciales ordinarias de
orden superior, genere su SEDOPO,
𝑑 5 𝑦(𝑡) 𝑑 4 𝑦(𝑡) 𝑑 3 𝑦(𝑡) 𝑑 2 𝑦(𝑡)
− 𝑡 + 𝑡 + + 𝑦(𝑡) = 0
𝑑𝑡 5 𝑑𝑡 4 𝑑𝑡 3 𝑑𝑡 2
𝑦(1) = 2; 𝑦 ′ (1) = 2 ; 𝑦 ′′ (1) = 2 ; 𝑦 ′′′ (1) = 2 ; 𝑦 𝑖𝑣 (1) = 2
𝑑 5 𝑦(𝑡) 𝑑 3 𝑦(𝑡) 𝑑 2 𝑦(𝑡)

+ + =0
𝑑𝑡 5 𝑑𝑡 3 𝑑𝑡 2
𝑦(0) = 1; 𝑦 ′ (0) = 2 ; 𝑦 ′′ (0) = 3 ; 𝑦 ′′′ (0) = 4 ; 𝑦 𝑖𝑣 (0) = 5
𝑑 6 𝑦(𝑡) 𝑑 5 𝑦(𝑡) 𝑑 4 𝑦(𝑡) 𝑑 2 𝑦(𝑡)

sin(𝑦(𝑡)) + 𝑡 − 𝑡 − + √7𝑒 −2𝑡 𝑦(𝑡) = 0
𝑦(5) = 7; 𝑦 ′ (5) = 7.5 ; 𝑦 ′′ (5) = −7 ; 𝑦 ′′′ (5) = −7.5 ; 𝑦 𝑖𝑣 (5) = 7.5 ; 𝑦 𝑣 (5) = 7
𝑑 4 𝑦(𝑡) 𝑑 3 𝑦(𝑡) 𝑑 2 𝑦(𝑡)

𝑒 −5𝑡 − 𝑡 2
+ 𝑦(𝑡) + √𝑦(𝑡) = cos(3.1𝑡)
𝑦(5) = −2; 𝑦 ′ (5) = −1 ; 𝑦 ′′ (5) = −1 ; 𝑦 ′′′ (5) = 5
𝑑10 𝑦(𝑡) 𝑑 6 𝑦(𝑡) 𝑑 4 𝑦(𝑡) 𝑑 2 𝑦(𝑡)
√𝑦(𝑡) + √𝑡 + + + 𝑦(𝑡) = 1
𝑦(1) = 2; 𝑦 ′ (1) = 1 ; 𝑦 ′′ (1) = −1 ; 𝑦 ′′′ (1) = 1 ; 𝑦 𝑖𝑣 (1) = −1 ; 𝑦 𝑣 (1) = 1 ; 𝑦 𝑣𝑖 (1) = −1
𝑦 (7) (1) = −1 ; 𝑦 (8) (1) = 1 ; 𝑦 (9) (1) = −1
35. Para los siguientes modelos represéntelos en el EdE y defina sus componentes. La salida (variable
controlada) es 𝑥(𝑡). La señal de control o de entrada es 𝑢(𝑡).
𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡) 𝑑𝑥(0.5)
2
− + cos(𝑡) 𝑥(𝑡) = 𝑢(𝑡) ; 𝑥(0.5) = 1 ; =2
𝑑 2 𝑥(𝑡) 𝑑𝑥(5)
2
+ 𝑥 2 (𝑡) = −8𝑢(𝑡) ; 𝑥(5) = 5 ; = −5
𝑑𝑡 𝑑𝑡
𝑑 4 𝑥(𝑡) 2 (𝑡)
𝑑 3 𝑥(𝑡) 𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡)
+ 𝑥 − 𝑥(𝑡) + = −𝑢(𝑡)
𝑑𝑡 4 𝑑𝑡 3 𝑑𝑡 2 𝑑𝑡
𝑥(1) = 2; 𝑥 ′ (1) = 1 ; 𝑥 ′′ (1) = −1 ; 𝑥 ′′′ (1) = 1
𝑑 4 𝑥(𝑡) 2 (𝑡)
𝑑 3 𝑥(𝑡) 𝑑 2 𝑥(𝑡)
+ 𝑥 − 𝑥(𝑡) = 𝑢(𝑡)
′ (1) ′′ (1) ′′′ (1)
𝑥(1) = 2; 𝑥 = 1 ;𝑥 = −1 ; 𝑥 =1
𝑑 5 𝑥(𝑡) 3 (𝑡)
𝑑 2 𝑥(𝑡)
+ 𝑥 = 𝑢(𝑡)
𝑑𝑡 5 𝑑𝑡 2
𝑥(1) = 2; 𝑥 ′ (1) = 1 ; 𝑥 ′′ (1) = −1 ; 𝑥 ′′′ (1) = 1; 𝑥 𝑖𝑣 (1) = 1
36. Represente en el espacio de estados los siguientes MoMa lineales:

2
+2 + 𝑥(𝑡) − 𝑦(𝑡) = 0 ; 𝑥(1) = 1; =1
𝑑 2 𝑦(𝑡) 𝑑𝑦(1)
2
− 𝑥(𝑡) − 𝑦(𝑡) = − cos 2𝑡 ; 𝑦(1) = 0; =1
𝑑𝑡 𝑑𝑡
𝑑 3 𝑥(𝑡) 𝑑 2 𝑦(𝑡) 𝑑𝑥(𝑡) 𝑑𝑥(1) 𝑑 2 𝑥(𝑡)
+ + 2 + 𝑥(𝑡) − 𝑦(𝑡) = 8 ; 𝑥(1) = 1; = 1; =4
𝑑𝑡 3 𝑑𝑡 2 𝑑𝑡 𝑑𝑡 𝑑𝑡 2
𝑑 2 𝑦(𝑡) 𝑑𝑦(1)
+ 𝑥(𝑡) + 5𝑦(𝑡) = −𝑡 ; 𝑦(1) = 2; =2
𝑑𝑡 2 𝑑𝑡
9 + 27 + cos(𝑡) 𝑥(𝑡) = 𝑡 + 1 ; 𝑥(2) = 10; = 10
𝑑𝑡 2 𝑑𝑡 𝑑𝑡
𝑑 2 𝑥(𝑡) 𝑑𝑥(𝑡) 𝑑𝑥(𝜋)
3 +8 + 45𝑥(𝑡) − 𝑡 𝑦(𝑡) = cos(𝑡) ; 𝑥(𝜋) = 𝜋; = 𝜋2
𝑑𝑡 2 𝑑𝑡 𝑑𝑡
𝑑 2 𝑦(𝑡) 𝑑𝑦(𝜋)
2
+ 5𝑡 𝑥(𝑡) − (𝜋 + 1)𝑦(𝑡) = − cos(𝜋 + 2𝑡) ; 𝑦(1𝜋) = 4; =4
𝑑𝑡 𝑑𝑡
𝑑 5 𝑦(𝑡) 𝑑 4 𝑦(𝑡) 𝑑 3 𝑦(𝑡) 𝑑 2 𝑦(𝑡)
10 + 8𝑡 + 7𝑡 + 6 + 5𝑦(𝑡) = 10
𝑦(1) = 5; 𝑦 ′ (1) = 5 ; 𝑦 ′′ (1) = −5 ; 𝑦 ′′′ (1) = −5 ; 𝑦 𝑖𝑣 (1) = −5
37. Linealice los siguientes modelos no

38. lineales representados en el espacio de estados para un sistema de una entrada y una salida:
𝑥12 − 2𝑥1 𝑥22 − 𝑥2 𝑥3 𝑢 𝑥1
𝒇 = [ 𝑥1 + 𝑥2 + 𝑢𝑥3 ] ∴ 𝒙 = [ 2 ] ∴ 𝑦 = 𝑥12 ∴ 𝑥̅1 = 𝑥̅2 = 𝑥̅3 = 𝑢̅ = 7
2 2 𝑥
𝑥1 + 𝑥2 + 𝑥3 𝑢 𝑥3
𝑥12 − 𝑥1 𝑥22 + 𝑥3 𝑢 𝑥1
𝒇 = [ 𝑥1 − 𝑥2 + 𝑢 𝑥3 ] ∴ 𝒙 = [ 2 ] ∴ 𝑦 = 3𝑥22 ∴
2 2 𝑥 𝑥̅1 = 1; 𝑥̅2 = 5; 𝑥̅3 = 8; 𝑢̅ = 𝜋
−𝑥1 + 𝑥2 + 𝑢𝑥3 𝑥3
𝟒𝑥12 − 8𝑥1 𝑥22 + 2𝑥3 𝑢 𝑥1

𝒇 = [ −𝑥12 − 5𝑥22 + 𝑢 𝑥3 ] ∴ 𝒙 = [𝑥2 ] ∴ 𝑦 = −𝑥32 ∴ 𝑥̅1 = 1; 𝑥̅2 = 0; 𝑥̅3 = 23; 𝑢̅ = 7.7
−8𝑥1 + 2𝑥2 + 5𝑢𝑥3 𝑥3
39. Determine la función de transferencia para las siguientes representaciones de estado,

𝑥̇1 1 0 0 𝑥1 7 𝑥1
[𝑥̇ 2 ] = [ 0 0 1 ] [𝑥2 ] + [7] 𝑢 ∴ 𝑦 = [4 0 0] [𝑥2 ] + 5 𝑢
𝑥̇ 3 −7 −7 −7 𝑥3 7 𝑥3
𝑥̇1 1 0 0 𝑥1 0 𝑥1
[𝑥̇ 2 ] = [0 0 1 ] [𝑥2 ] + [ 0 ] 𝑢 ∴ 𝑦 = [3 3 𝑥
31] [ 2 ] + 10 𝑢
𝑥̇ 3 2 −4 −8 𝑥3 −2 𝑥3
𝑥̇1 1 0 0 𝑥1 0 𝑥1
[𝑥̇ 2 ] = [0 0 1 ] [𝑥2 ] + [ 0 ] 𝑢 ∴ 𝑦 = [9 2 𝑥
4] [ 2 ] − 𝑢
𝑥̇ 3 1 −1 −1 𝑥3 −5 𝑥3
40. Determine la correspondiente representación en EdE, dada su función de transferencia,

1 10 1
𝑇(𝑠) = 3 2
𝑇(𝑠) = 4 2
𝑇(𝑠) = 4 2
82𝑠 + 73𝑠 + 𝑠 + 1 𝑠 + 73𝑠 + 𝑠 + 1 𝑠 + 𝑠 + 2𝑠 + 1
1 4 2
𝑇(𝑠) = 𝑇(𝑠) = 𝑇(𝑠) =
𝑠3 +𝑠+2 𝑠3 + 𝑠2 + 5𝑠 + 55 𝑠2 + 2𝑠 + 2
1 0.02 0.001
𝑇(𝑠) = 𝑇(𝑠) = 𝑇(𝑠) =
7𝑠 2 + 7𝑠 + 0.7 𝑠3 + 0.2𝑠 + 0.1 𝑠3 + 0.01𝑠 + 0.01
español).
CAPÍTULO 3
COMPORTAMIENTO DINÁMICO
DE SISTEMAS DE PRIMER Y
SEGUNDO ORDEN
CONTENIDO
Introducción
Respuesta temporal transitoria de sistemas de primer orden
Error en estado estable de sistemas de control en lazo cerrado
Introducción
En este capítulo hablaremos de cómo es la respuesta en el dominio del tiempo y en el de la
transformada de Laplace para sistema de primer y segundo orden. Estos sistemas deberán ser LIT y
su modelo matemático estará restringido a ecuaciones diferenciales de primer y segundo orden. Dado
el objetivo de este curso, se dejarán de lado el análisis de la respuesta de sistema de orden superior
a dos. Seguidamente, se tratará el tema de cómo determinar el error en estado estable (EeEE) para
tres entradas estándar, esto es, escalón unitario, rampa unitaria y parábola unitaria. Igualmente se
explica cómo calcular las denominadas constantes de error para estas mismas entradas. Se incluyen
varios ejemplos durante todo el capítulo, y se dejan varios problemas en la sección final de ejercicios
propuestos.
Respuesta temporal transitoria de sistemas de primer orden LIT
En esta sección se presentará sistemáticamente el análisis de cómo responde un sistema (MoMa) cuya
dinámica se describe mediante una ecuación diferencial ordinaria de primer orden lineal y con
coeficientes constantes. Para obtener una respuesta que pueda contrastarse con otra, se hace uso de
funciones de excitación o entrada estándar. De esta manera, la ecuación diferencial tendrá entradas
conocidas en magnitud y forma, generando una respuesta con características dinámicas definidas.
Modelo matemático de un sistema de primer orden
A. Dominio del tiempo

La ecuación diferencial junto con su condición inicial viene dada por,
𝑑𝑐(𝑡)
𝐴 + 𝐵 𝑐(𝑡) = 𝐷 𝑟(𝑡) ; 𝑐(𝑡0 ) = 𝑐0
𝑑𝑡
donde (𝐴, 𝐵, 𝐷) son constantes y 𝑟(𝑡) es la función de entrada. Como se recordará, esta ecuación
tiene una solución compuesta de su solución homogénea 𝐻 y de su solución particular 𝑃,
𝑐(𝑡) = 𝑐𝐻 (𝑡) + 𝑐𝑃 (𝑡)
que para el presente caso, por simplicidad, la condición inicial se hace cero, es
𝐷 𝐵
𝑐(𝑡) = { 1 − 𝑒 −𝐴 𝑡 } 𝑟(𝑡), ∀𝑡 ≥ 0
𝐵
Su solución se propone como ejercicio al final del capítulo; ¿Cómo es la solución, si la condición inicial
es diferente de cero?
La figura 3.1 muestra la forma de la curva de respuesta de este sistema de primer orden (LIT) para
una entrada 𝑟(𝑡). Como se puede observar, la salida es cero para 𝑡 = 0 (recuerde que se supuso
condición inicial cero), y tiende a (𝐷/𝐵)𝑟(𝑡) para tiempos muy grandes (𝑡 → ∞).
Figura 3.1 Respuesta de un sistema modelado por una ecuación diferencial ordinaria LIT y de primer
orden para una entrada 𝑟(𝑡).
La solución homogénea se determina igualando la ecuación diferencial a cero y resolviéndola junto

con su condición inicial. También se conoce como respuesta natural o libre. Por otro lado, la respuesta
particular se obtiene resolviendo la ecuación diferencial conocida la entrada 𝑟(𝑡) y la condición inicial.
Esta respuesta se denomina igualmente como respuesta forzada. A su vez, tanto la respuesta natural
como la forzada de un sistema dinámico constan de dos componentes, la respuesta transitoria y la
respuesta permanente (o de estado estable). La respuesta transitoria aparece desde el mismo estado
inicial hasta que se alcanza el estado final, mientras que la respuesta permanente está asociada con el
comportamiento de la salida para un tiempo muy largo (típicamente se denota como infinito).
Esta ecuación se resuelve directamente en el dominio del tiempo, o se utiliza el tradicional método
de la transformada de Laplace. Con la transformada se tiene la ventaja de su sencillez y que además
se utiliza aún en el análisis y diseño de sistemas de control.
B. Dominio de la transformada
Si la salida y entrada es 𝑐(𝑡) y 𝑟(𝑡), respectivamente, junto con su condición inicial asumida cero, la
transformada de Laplace de la ecuación diferencial resulta ser,
𝐶(𝑠) 1
=
𝑅(𝑠) 𝐴 𝐵
𝑠+
𝐷 𝐷
Ahora, si la función de entrada (excitación) es un escalón unitario,
1
𝑅(𝑠) = [ ]
𝑠
esta ecuación queda como,

𝐷 1 𝐷 𝑎
𝐶(𝑠) = = [ ]
𝐵 𝑠 [𝐴 𝑠 + 1] 𝐵 𝑠 [𝑠 + 𝑎]
𝐵
donde 𝑎 = 𝐵/𝐴. De esta forma, es evidente que 𝜏, la constante de tiempo, es igual a [𝐴/𝐵] con el
mismo significado que vieron ya en sus cursos de circuitos. El coeficiente [𝐷/𝐵] se interpreta como
un simple factor de escala.
Respuesta a una entrada escalón unitaria, (𝒄𝒓𝒆𝒖 (𝒕))
La figura 3.2 muestra la respuesta en el dominio del tiempo del mismo sistema, cuando la entrada es
un escalón unitario, junto con los parámetros que la caracterizan. El parámetro −𝑎 representa la raíz
del polinomio de la función de transferencia (polo) y es responsable de la forma de la respuesta libre.
Este polo sobre el eje real causa la respuesta exponencial observada. De igual manera, para este caso
la función de entrada, un escalón unitario, tiene un polo en cero y genera la respuesta forzada. Una
vez desaparece la respuesta libre o natural, la respuesta total tiende a parecerse a la excitación o
entrada forzada. En el presente caso, tal respuesta tiende a parecerse a un escalón unitario. Observe
que para este análisis no hay ceros en la función de transferencia.
Figura 3.2 Respuesta de un sistema LIT de primer orden, a una entrada escalón y
parámetros que la definen.
Las definiciones mostradas en esta figura nacieron en una época en que los sistemas de cómputo no
eran muy comunes y se requería comparar y cuantificar el desempeño de diferentes sistemas,
resultando difícil llevarse toda la información en forma gráfica o en tablas de datos. Así, tal necesidad
requirió definir algunos parámetros que caracterizaran lo mejor posible la respuesta de un sistema
LIT de primer orden, sin tener que trastearse toda la curva.
Como se observa, el único parámetro que se requiere conocer para esta clase de sistema LIT en
particular, es el polo 𝑎. Seguidamente, a partir de la magnitud de este polo, se define la constante de
1
tiempo 𝜏 como su inverso, 𝜏 = , [𝑠 −1 ]. Esta constante de tiempo se define como el tiempo necesario
𝑎
para que la respuesta alcance el 63.3% del total de la respuesta correspondiente a una entrada
escalón. Entre más pequeña sea la constante de tiempo, se dice que el sistema es más rápido.
Otras dos características de esa curva se basan en la constante de tiempo:
Tiempo de levantamiento, (𝑻𝒓 ) = 𝟐. 𝟐 𝝉
Definido como el tiempo necesario para que la forma salida pase del 10 al 90% de su valor final. La
demostración de esta expresión se deja como ejercicio propuesto.
Tiempo de asentamiento, (𝑻𝒔 ) = 𝟒. 𝟎 𝝉
Definido como el tiempo necesario para que la respuesta alcance el 2% alrededor de su valor final,
debiendo permanecer en todo instante dentro de este intervalo.
Ejemplo: Dada la siguiente ecuación diferencial de primer orden, calcule sus parámetros o figuras de valor
(constante de tiempo, tiempo de asentamiento y tiempo de levantamiento).
𝑑𝑐(𝑡)
+ 0.05𝑐(𝑡) = 5𝑟(𝑡) ∴ 𝑐(0) = 1 ∴ 𝑟(𝑡) = 1
𝑑𝑡
Solución: Una alternativa para resolver este ejemplo es resolver la ecuación diferencial. Al resolver y graficar
su respuesta se tiene la siguiente figura donde aparecen los tres parámetros que caracterizan esta respuesta,
𝑐(𝑡) = 100 − 99𝑒 −𝑡/20

Otra alternativa es tener la transformada de Laplace de la ecuación, ordenarla para presentarla de la forma
estándar y de ahí leer el valor de la constante de tiempo (el inverso de la frecuencia exponencial o el polo
del sistema). Los otros parámetros se calculan utilizando su definición. Se sugiere como ejercicio.
Respuesta a una entrada rampa unitaria, (𝒄𝒓𝒓 (𝒕))

Considerando nuevamente una ecuación diferencial LIT de primer orden, tomemos 𝑅(𝑠) = 1/𝑠 2
quedando
1
𝑅(𝑠) = [ 2 ]
𝑠
Así la respuesta queda como,
𝐷 1
𝐶(𝑠) = 2
𝐵 𝑠 [𝜏𝑠 + 1]
Su descomposición en fracciones parciales,
𝐷 1 𝜏 𝜏
𝐶(𝑠) = [ 2− + ]
𝐵 𝑠 𝑠 𝑠 + 𝜏 −1
con su transformada inversa siendo,
𝐷 𝑡
𝑐𝑟𝑟 (𝑡) = [𝑡 − 𝜏 [1 − 𝑒 −𝜏 ]], ∀𝑡 ≥ 0
𝐵
que se puede correlacionar con la respuesta a un escalón unitario (𝑟𝑒𝑢), 𝑐𝑟𝑒𝑢 (𝑡; 𝜏)
𝐷
𝑐(𝑡) = [𝑡 − 𝜏[𝑐𝑟𝑒𝑢 (𝑡; 𝜏)]], ∀𝑡 ≥ 0
𝐵
Cabe ahora la pregunta, ¿Es la constante de tiempo la misma para ambas respuestas?, ¿Por qué?
Ejemplo: Para el siguiente sistema de primer orden, determine gráficamente su respuesta cuando la entrada
𝑅(𝑠) es una rampa unitaria.
𝐶(𝑠) 1 1
= ∴ 𝑅(𝑠) =
𝑅(𝑠) 𝑠 + 1 𝑠2
Solución: Se utiliza Matlab para facilitar hacer esta figura.
clear all Con este script se realizó la figura que se muestra seguidamente. En ella se
clc muestra, para este caso en particular, como la respuesta alcanza el estado
num=[1] estable pero lejano del valor deseado, es decir, el valor de la señal rampa
den=[1 1] de entrada.
t=0:0.001:10;
r=t;
y=lsim(num,den,r,t);
plot(t,r,t,y)
xlabel('Tiempo, [s]')
ylabel('Amplitud')
grid on
Figura 3.3. Respuesta de un sistema LIT de primer orden a una entrada rampa unitaria, y
parámetros que la definen.
La siguiente figura muestra en detalle la constante de tiempo para un sistema de primer orden,
Figura 3.5. Respuesta de un sistema primer orden indicando la forma de

determinar gráficamente la constante de tiempo.
Para comenzar el análisis de estos sistemas, planteamos a continuación su expresión general, una
ecuación diferencial ordinaria de segundo orden LIT en el dominio de la Transformada de Laplace
como,
𝑑 2 𝑐(𝑡) 𝑑𝑐(𝑡)
𝐶(𝑠) 𝜔𝑛 2 2
+ 2𝜁𝜔𝑛 + 𝜔𝑛 2 𝑐(𝑡) = 𝑟(𝑡)
𝑑𝑡 𝑑𝑡
= 𝐺(𝑠) = 2
𝑅(𝑠) 𝑠 + 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛 2
𝑑𝑦(𝑡0 )
𝑦(𝑡0 ) = 0 ∴ =0
en el dominio de la tdL. 𝑑𝑡
en el dominio del tiempo asumiendo condiciones iniciales

iguale a cero, solo por simplificar.
en la cuales, 𝜔𝑛 es la frecuencia natural o frecuencia de oscilación del sistema, y 𝜁 es el factor de
amortiguamiento relativo. La oscilación de un sistema sin amortiguamiento se denomina frecuencia
natural, mientras que el factor de amortiguamiento relativo corresponde a la relación entre el
decaimiento exponencial de su envolvente y la frecuencia natural. Ambos parámetros caracterizan
cuatro respuestas típicas de un sistema de segundo orden LIT, esto es, no amortiguada, sub-
amortiguada, críticamente amortiguada y sobre-amortiguada, cuando su entrada es un escalón
unitario. La denominada respuesta sub-amortiguada, requiere otros parámetros adicionales para su
caracterización, como veremos más adelante. La figura 3.4 clarifica lo que entendemos aquí por
envolvente. Tanto 𝜁 como 𝜔𝑛 están relacionadas con los polos o raíces de la ecuación característica.
Para mostrar la importancia, particularmente del parámetro 𝜁, se muestra en la tabla 3.2 cómo su
variación desde cero hasta valores superiores a uno cambia drásticamente la forma de su respuesta.
Esta forma estándar es útil para caracterizar la respuesta de un sistema de segundo orden. En el
siguiente ejemplo construimos ya sea manualmente o utilizando software comercial.
Ejemplo: Conocida la siguiente información de la respuesta de un sistema de segundo orden, construya su

función de transferencia.
La frecuencia natural es 20 𝑟𝑎𝑑/𝑠 mientras que su factor de amortiguamiento es 𝜁 = 0.17
Solución: Partiendo de la expresión estándar para un sistema de segundo orden,
𝐶(𝑠) 𝜔𝑛 2 (20)2 400

= 𝐺(𝑠) = 2 2
= 2 2
= 2
𝑅(𝑠) 𝑠 + 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛 𝑠 + 2(17)(20)𝑠 + (20) 𝑠 + 680𝑠 + 400
wn=20;
amortigua=17; Si lo resolvemos con Matlab, para este caso en particular utilizamos el
[num1,den]=ord2(wn,amortigua); script mostrado, utilizando funciones (programas) internos:
num=wn*wn*num1;
printsys(num,den,'s');
La respuesta que se obtiene es,
𝑛𝑢𝑚 400
=
𝑑𝑒𝑛 𝑠^2 + 680 𝑠 + 400
Ahora a manera de ilustración, se resuelven dos de los casos ilustrados en dicha tabla:
𝜻 = 𝟎 (respuesta no amortiguada):
De esta forma,
𝐶(𝑠) 𝜔𝑛 2
= 𝐺(𝑠) = 2
𝑅(𝑠) 𝑠 + 𝜔𝑛 2
y su respuesta a una entrada escalón unitario es,
1 𝜔𝑛 2
𝐶(𝑠) =
𝑠 (𝑠 2 + 𝜔𝑛 2 )
Esta función tiene un polo en el origen debido a la entrada escalón unitario y dos polos imaginarios
provenientes de la solución de la ecuación algebraica de orden dos que aparece en el denominador
(denominada ecuación característica):
𝑠1,2 = ± 𝑗 𝜔𝑛
De estas respuestas se puede afirmar que:
 El polo en el origen genera la respuesta forzada (constante en el tiempo).

 Los polos imaginarios generan la respuesta libre.
Al hacer la transformada de Laplace inversa se llega a
𝑐(𝑡) = 𝐴 + 𝐵 cos(𝜔𝑛 𝑡 − 𝜑)
donde 𝐴 = 1. De ésta se observa que la respuesta libre tiene la forma senoidal, como aparece en la
tabla 3.2.
𝜻 = 𝟎 (respuesta críticamente amortiguada):
Ahora la función de transferencia queda como,
𝐶(𝑠) 𝜔𝑛 2 𝜔𝑛 2
= 𝐺(𝑠) = 2 =
𝑅(𝑠) 𝑠 + 2𝜔𝑛 𝑠 + 𝜔𝑛 2 (𝑠 + 𝜔𝑛 )2
Su respuesta a una entrada escalón unitario es,
1 𝜔𝑛 2
𝑐(𝑠) =
𝑠 (𝑠 + 𝜔𝑛 )2
Esta función, nuevamente, tiene un polo en el origen debido a la entrada escalón unitario y dos polos
reales iguales provenientes de la solución de la ecuación algebraica de orden dos que aparece en el
denominador (la ecuación característica):
𝑠1,2 = ± 𝜔𝑛
de estas respuestas se puede afirmar que:

 El polo en el origen genera la respuesta forzada (constante en el tiempo).
 Los polos reales iguales generan la respuesta libre.
Al hacer la transformada de Laplace inversa se llega a
𝑐(𝑡) = 1 − 𝐵 𝑒 −𝜔𝑛 𝑡 − 𝐷 𝑡𝑒 −𝜔𝑛 𝑡
Se observa que la respuesta libre tiene la forma de la suma de dos decaimientos exponenciales que
tienden a cero para un tiempo muy largo, tal como aparece en la tabla 3.2. La respuesta forzada es
una constante, que para un escalón unitario es uno. Por simplicidad asumamos, que las constantes
son iguales a uno.
Entrada escalón unitario

Dependiendo del valor del parámetro 𝜁, se presentan respuestas de diferente naturaleza (forma), que
se ilustran en la tabla 3.2, teniendo presente que la entrada corresponde a un escalón unitario.
Tabla 3.2. Respuesta libre y total de un modelo de segundo orden LIT para una entrada escalón
unitario
1
𝐶(𝑠) = 𝐺(𝑆)
Respuesta libre 𝑠 𝑐(𝑡), ∀𝑡 ≥ 0
No amortiguada 𝜁=0 1 𝜔𝑛 2 𝑐(𝑡) = 1 + cos(𝜔𝑛 𝑡 − 𝜑)

𝐶(𝑠) =
𝑠 [𝑠 2 + 𝜔𝑛 2 ]
Polos: dos imaginarios

𝑠1,2 = ± 𝑗 𝜔𝑛
Sub-amortiguada 0<𝜁<1 1 𝜔𝑛 2 𝑒 −𝜁𝜔𝑛 𝑡

𝐶(𝑠) = 𝑐(𝑡) = 1 − ϑ(t)
𝑠 [𝑠 2 + 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛 2 ] √1 − 𝜁 2
siendo,
Polos: dos complejos conjugados
𝜗(𝑡) = cos(𝜔𝑛 √1 − 𝜁 2 𝑡 − 𝜑)
𝑠1,2 = −𝜁𝜔𝑛 ± 𝑗𝜔𝑛 √1 − 𝜁 2 𝜁
𝜑 = tan−1 ;𝑡 ≥ 0
√1 − 𝜁 2
o,
𝑐(𝑡) = 1 − 𝑒 −𝜁𝜔𝑛 𝑡 {
𝜁
cos (𝜔𝑛 √1 − 𝜁 2 𝑡) +
√1 − 𝜁 2
sin (𝜔𝑛 √1 − 𝜁 2 𝑡) }
Críticamente 𝜁=1 1 𝜔𝑛 2
amortiguada 𝑐(𝑠) = 𝑐(𝑡) = 1 − 𝑒 −𝜔𝑛 𝑡 − 𝑡𝑒 −𝜔𝑛 𝑡
𝑠 (𝑠 + 𝜔𝑛 )2
Polos: reales iguales
𝑠1,2 = ± 𝜔𝑛
Sobreamortiguada 𝜁>1 1 𝜔𝑛 2
𝐶(𝑠) = 2
𝑠 [𝑠 2 + 2𝜁𝜔𝑛 𝑠 + 𝜔𝑛 2 ] 𝑐(𝑡) = 1 + 𝑒 𝜁𝜔𝑛 −𝜔𝑛 √𝜁 −1 𝑡 +
2
𝑒 𝜁𝜔𝑛 +𝜔𝑛√𝜁 −1 𝑡
Polos: reales diferentes
𝑠1,2 = −𝜁𝜔𝑛 ± 𝜔𝑛 √𝜁 2 − 1
Como se observa, cada respuesta a una entrada escalón es particular. En los siguientes ejemplos se
muestran sus correspondientes gráficas que dan mayor claridad sobre estas respuestas.
Es interesante observar como el tiempo muerto afecta la respuesta de un sistema de segundo orden.
Ilustremos este punto con el siguiente ejemplo.
Ejemplo: Si un sistema que presenta un retardo de tiempo se modela mediante la siguiente función de
transferencia, determine su respuesta en el tiempo (transformada inversa),
1 + 𝑒 −4𝑠
𝐶(𝑠) =
(8𝑠 + 1)(5𝑠 + 1)
Solución: Su respuesta en el tiempo se puede encontrar haciendo su transformada inversa mediante el uso
de las tablas o mediante un software comercial tal como Matlab. Vamos a usar Matlab, ya que este tema
asumo lo conocen de sus cursos de cálculo, e incluso de circuitos.
clc Se utilizó este programa para encontrar la respuesta en el tiempo.

clear all
syms s r p q f g 𝑡 𝑡 1 𝑡 4 𝑡
r= 8*s+1 𝑒 −8 𝑒 −5 𝑒 (2−8) 𝑒 (5−5)
𝑐(𝑡) = − + 𝑺(𝑡 − 4) ∗ { − }
p= 5*s+1 3 3 3 3
f=(1+exp(- 4*s))/(r*p)
g=ilaplace(f) siendo 𝑺(𝑡 − 4) la función de Heaviside (escalón unitario desplazada el tiempo
pretty(g) muerto). Se interpreta como,
Ahora veamos la respuesta en el tiempo si la función de transferencia solo incluye el tiempo muerto,
𝑒 −4𝑠
𝐶(𝑠) =
(8𝑠 + 1)(5𝑠 + 1)
1 𝑡 4 𝑡
𝑒 (2−8) 𝑒 (5−5)
𝑐(𝑡) = 𝑺(𝑡 − 4) ∗ { − }
3 3
Hay un retardo en la señal de respuesta, observándose que la salida está muy por debajo del escalón unitario.
Sistema de segundo orden LIT sub-amortiguado (𝟎 < 𝜻 < 𝟏)
De las respuestas que aparecen en la tabla 3.2, la más común para modelar situaciones físicas de la
vida real ha sido tradicionalmente la respuesta sub-amortiguada. Esta se observa en sistemas térmicos,
eléctricos y mecánicos, por ejemplo. De la evidencia experimental se concluye que la respuesta de
muchos de estos sistemas ondula (oscilaciones decrecientes) antes de alcanzar su estado estable, y
tiende a parecerse a la excitación que originó el cambio. Con el paso del tiempo, este modelo ganó
gran aceptación y ahora ya está incluido en la mayoría de los programas comerciales en el área de
sistemas de control. Este tipo de respuesta se caracteriza por cinco parámetros adicionales a 𝜁 y
𝜔𝑛 , que se listan seguidamente, recordando que la entrada es un escalón unitario (aunque puede
estar escalado según se requiera) y las condiciones iniciales se asumen cero.
Definiciones:
a) Tiempo pico, 𝑻𝒑 , [𝒔]: Tiempo transcurrido hasta que aparezca el primer pico.
b) Sobrepaso en porcentaje, %𝑺𝒐𝑷𝒂: Porción de la respuesta, en el tiempo pico, que sobrepasa
al valor de estado estable.
c) Tiempo de asentamiento, 𝑻𝒂 , [𝒔]: Tiempo para el cual la respuesta entra en la región del ±2%
alrededor del valor de estado estable y no vuelve a salir de ella.
d) Tiempo de levantamiento, 𝑻𝒍 , [𝒔]: Tiempo para que la respuesta pase del 0,1 al 0,9 del valor
de estado estable. Existen otros valores como el tiempo desde el 0 al 100%.
e) Tiempo de retardo, 𝑻𝒓 , [𝒔]: Tiempo transcurrido hasta que la respuesta alcance por primera
vez el 50%, esto es, 0,5 del valor de estado estable (o valor final),
La figura 3.6 ilustra estas definiciones.

Figura 3.6. Parámetros adicionales para caracterizar una respuesta sub-amortiguada con una entrada
escalón unitario con tiempo muerto.
Cuantificación de estos parámetros

a) Tiempo pico, 𝑻𝒑
Dado que se trata de encontrar el primer máximo que presenta la respuesta sub-amortiguada, es
claro que se trata de un problema de optimización. Partiendo de la respuesta sub-amortiguada,
2 𝜁
𝑐(𝑡) = 1 − 𝑒 −𝜁𝜔𝑛 𝑡 cos (𝜔𝑛 √1 − 𝜁 𝑡) + sin (𝜔𝑛 √1 − 𝜁2 𝑡)
√1 − 𝜁2
[ ]
y aplicando el criterio de la primera derivada (la condición necesaria, según el cálculo diferencial)
como criterio de optimización para encontrar el valor extremo (máximo/mínimo):
𝑑𝑐(𝑡) 𝜔𝑛 2
= 𝑒 −𝜁𝜔𝑛 𝑡 sin (𝜔𝑛 √1 − 𝜁 𝑡) = 0
𝑑𝑡 √1 − 𝜁 2
que resulta en,
𝜔𝑛 √1 − 𝜁 2 𝑡 = 𝑚 𝜋,
dado que 𝜔𝑛 es diferente de cero. De igual forma, el primer extremo de esta función se encuentra para 𝑚 =
1 , 𝑡𝑒𝑥𝑡 ,
𝜋
𝑡𝑒𝑥𝑡 = , [𝑠]
𝜔𝑛 √1 − 𝜁 2
Derivando por segunda vez, podemos afirmar que este tiempo corresponde a un máximo, ¿por qué?,
quedando el tiempo pico [s],
𝜋
𝑇𝑝 = , [𝑠]
𝜔𝑛 √1 − 𝜁 2
b) Sobrepaso en porcentaje, %𝑺𝒐𝑷𝒂:

Puesto que ésta y las otras definiciones asumen una entrada escalón unitaria,
𝑐(𝑇𝑝 ) − 1
%𝑆𝑜𝑃𝑎 = [ ] × 100
1
donde 𝑐(𝑇𝑝 ) corresponde al valor máximo de la señal para el tiempo pico. Conociendo la ecuación
para el cálculo del tiempo pico, el valor de la función queda entonces como,
𝜋
−𝜁𝜔𝑛
𝜋 𝜔𝑛 √1−𝜁2 𝜋 𝜁
𝑐 =1−𝑒 cos(𝜔𝑛 √1 − 𝜁2 )+ sin 𝜋)
√ 2 2 2
( 𝜔𝑛 1 − 𝜁 ) 𝜔𝑛 √1 − 𝜁 √1 − 𝜁
Así que,
2)
%𝑆𝑜𝑃𝑎 = 𝑒 −(𝜁𝜋/√1−𝜁 × 100
c) Tiempo de asentamiento, 𝑻𝒂 (𝑜 𝑻𝒔 ) ∶
Para determinar este parámetro se pueden seguir varias alternativas que los aproximan a un valor en
función de la constante de tiempo. Para nuestro caso, asumiremos el valor del 2% alrededor del valor
de estado estable, no obstante, existen varias propuestas sobre el tamaño de esa región.
Dada la disponibilidad de equipo con buena capacidad de cómputo, podríamos calcular

numéricamente este valor utilizando el tradicional método de Newton-Raphson o cualquier otro, tal
como los métodos de optimización global. La ecuación que se requiere resolver para 𝑻𝒂 [s] es
entonces,
𝜁
0,98 − 𝑒 −𝜁𝜔𝑛 𝑻𝒂 {cos (𝜔𝑛 √1 − 𝜁 2 𝑻𝒂 ) + sin (𝜔𝑛 √1 − 𝜁 2 𝑻𝒂 )} = 0
√1 − 𝜁2
conocido sus demás componentes. En los ejercicios propuestos se enuncia el problema y la estrategia
para resolverlo numéricamente. Dada todas estas posibilidades, para realizar cálculos rápidos se
aceptará que,
4
𝑇𝑎 = , [𝑠]
𝜁𝜔𝑛
d) Tiempo de levantamiento (subida), 𝑻𝒓 :

Si asumimos la definición que para el valor de 0% a 𝑻𝟎 = 𝟎 y el de 100% a 𝑻𝟏𝟎𝟎 , al final se resuelve
solamente la ecuación,
𝜁
−𝑒 −𝜁𝜔𝑛 𝑻𝟏𝟎𝟎 {cos (𝜔𝑛 √1 − 𝜁 2 𝑻𝟏𝟎𝟎 ) + sin (𝜔𝑛 √1 − 𝜁 2 𝑻𝟏𝟎𝟎 )} = 0
√1 − 𝜁2
o,
√1 − 𝜁 2
tan (𝜔𝑛 √1 − 𝜁 2 𝑻𝟏𝟎𝟎 ) = −
𝜁
llegando a,
𝟏 √1 − 𝜁 2
𝑻𝒓 = 𝑻𝟏𝟎𝟎 = 𝐭𝐚𝐧−𝟏 [ ], [𝒔]
𝜔𝑛 √1 − 𝜁 2 −𝜁
Si se asumen otras definiciones, se puede recurrir nuevamente a un método numérico que facilita su
cálculo. Por ejemplo, si se acepta el de 0,1 al 0,9 quedan las ecuaciones como,
𝜁
0,9 − 𝑒 −𝜁𝜔𝑛 𝑻𝟎,𝟏 {cos (𝜔𝑛 √1 − 𝜁 2 𝑻𝟎,𝟏 ) + sin (𝜔𝑛 √1 − 𝜁 2 𝑻𝟎,𝟏 )} = 0
√1 − 𝜁2
y,
𝜁
0,1 − 𝑒 −𝜁𝜔𝑛 𝑻𝟎,𝟗 {cos (𝜔𝑛 √1 − 𝜁 2 𝑻𝟎,𝟗 ) + sin (𝜔𝑛 √1 − 𝜁 2 𝑻𝟎,𝟗 )} = 0
√1 − 𝜁 2
Se resuelven por separado (no están acopladas) y después se hace la resta (𝑻𝟎,𝟗 − 𝑻𝟎,𝟏 ) [s].
e) Tiempo de retardo, 𝑻𝒓𝒆𝒕 :

Se calcula numéricamente a partir de su definición, como los anteriores parámetros,
𝜁
0,5 − 𝑒 −𝜁𝜔𝑛 𝑻𝒓𝒆𝒕 {cos (𝜔𝑛 √1 − 𝜁 2 𝑻𝒓𝒆𝒕 ) + sin (𝜔𝑛 √1 − 𝜁 2 𝑻𝒓𝒆𝒕 )} = 0
√1 − 𝜁 2
Obviamente se deben conocer los demás términos de esa ecuación no lineal. No debe confundirse
con el tiempo muerto que algunas veces, desafortunadamente, se denomina también retardo de
primer o segundo orden.
Para finalizar, conviene tener presente también que durante el diseño de un sistema de control cuyo
modelo corresponda a uno de segundo orden con respuesta sub-amortiguada, los valores de los
parámetros discutidos arriba entran en conflicto, debiéndose hacer un compromiso para lograr el
comportamiento deseado.
Ejemplo: Utilizando el software comercial Matlab, encuentre la respuesta a una entrada escalón unitario para
el siguiente modelo matemático de un sistema de segundo orden expresado en el dominio de la transformada
de Laplace. Igualmente determine las figuras de mérito (parámetros) de esta curva.
𝐶(𝑠) 1
𝐺(𝑠) = = 2
𝑅(𝑠) 2𝑠 + 0.5 + 1
Solución: Teniendo disponibilidad, no dependencia, de este software podemos resolver el ejemplo

clear all Con este sencillo programa nos ahorramos mucho tiempo en hacer el
clc análisis de la respuesta en lazo abierto ante una entrada escalón unitario.
num=[0 0 1]; No obstante, debemos saber hacerlo sin asistencia de este o cualquier
den=[2 0.5 1];
g=tf(num,den) otro tipo de software. Si no ha tenido previo contacto con Matlab, hay
step(g) una buena (exagerada) cantidad de tutoriales en YouTube que le facilitan
stepinfo(g) su aprendizaje.
grid
title (' '); La figura siguiente muestra la forma en que el sistema responde ante una
xlabel ('Tiempo, [s]') entrada escalón unitario (𝑅(𝑠)). Se incluyen las figuras de mérito que
ylabel ('Salida variable en el tiempo')
caracterizan esta curva. Note que el sistema no tiene, ni tiempo muerto,
ni error en estado estable, en lazo abierto. El tiempo de retardo (𝑇𝑟𝑒𝑡 ) da un valor aproximado de 1,1 𝑠.
Matlab no reporta este valor.
Se comprobaron los resultados con las definiciones que utilizamos:

𝜋 𝜁𝜋 El análisis de este tipo de figuras se
𝑇𝑝 = , [𝑠] −( )
𝜔𝑛 √1 − 𝜁 2 %𝑆𝑜𝑃𝑎 = 𝑒 √1−𝜁 2 × 100 realizará para observar, por ejemplo, la
diferencia entre la respuesta de lazo
4
𝑇𝑠 ≡ 𝑇𝑎 = , [𝑠] 𝑇𝑟𝑒 =
1
tan−1 [
√1−𝜁 2
] , [s] abierto con la de lazo cerrado, y en
𝜁𝜔𝑛 𝜔𝑛 √1−𝜁 2 −𝜁
presencia de diferentes controladores
(modos de control) como se verá más
adelante.
Ejemplo: Determinar la respuesta al escalón unitario al mismo sistema el ejemplo anterior, pero incluyéndole
el tiempo muerto debido a su dinámica natural.
𝐶(𝑠) 𝑒 −3𝑠
𝐺(𝑠) = =
𝑅(𝑠) 2𝑠 2 + 0.5 + 1
Solución: Utilizando Matlab se obtiene la curva de la respuesta como,
Utilicé el siguiente script:

clear all
clc
num=[0 0 1]; El Sistema conserva su respuesta, pero desplazada tres segundos
den=[2 0.5 1]; debido a su tiempo muerto.
g=tf(num,den, ' inputdelay ',3)
step(g)
stepinfo(g)
grid
title (' ');
xlabel ('Tiempo, [s]')
ylabel ('Salida variable en el tiempo')
Ejemplo: Para los sistemas de segundo orden mostrados a continuación, encuentre sus respuestas a una
entrada escalón e impulso unitarios:
1 1 1 1
𝑇1(𝑠) = ∴ 𝑇2(𝑠) = ∴ 𝑇3(𝑠) = 2 ∴ 𝑇4(𝑠) = 2
𝑠2 +𝑠+3 𝑠2 + 2𝑠 + 2 𝑠 + 3𝑠 + 1 𝑠 + 0.6𝑠 + 1
Solución: Los cuatros sistemas modelados en el dominio de la transformada de Laplace presentan las
siguientes respuestas, que por brevedad se realizó con Matlab y particularmente con el programa ltiview
que opera con sistema lineales invariantes en el tiempo.
Para una entrada escalón unitario:
En ella se observan algunas de sus características como tiempo pico, tiempo de levantamiento, por ejemplo.
Todos, excepto el uno, presentan error en estado estable. De igual forma, el primero y el cuarto oscilan
alrededor de su valor de estado estable, mientras que el segundo y el tercero tienen una respuesta
amortiguada. Para cada sistema se calculan los parámetros característicos de un sistema de segundo orden.
Para una entrada impulso unitario:

Para el sistema cuatro presenta el mayor sobrepaso y en forma atrasada (mayor tiempo en aparecer). El
pico del sobrepaso para los sistemas uno, dos y tres es casi el mismo.
En el siguiente ejemplo se ilustra cómo obtiene la respuesta de un sistema lineal donde hay tres
entradas y tres salidas. Por facilidad se utiliza Matlab.
Ejemplo: Grafique la respuesta en el tiempo del sistema representado en el espacio de estados como
𝑥̇ 1 0.5 1 𝑥 1 4 3 𝑢1
[ 𝑣̇ ] = [ 1 1 11 ] [ 𝑣 ] + [6 1 3 ] [𝑢2 ]
𝑤̇ −20 −1.5 10 𝑤 1 6 10 𝑢3
𝑦1 1 0 0 𝑥 0 0 0 𝑢1
[𝑦2 ] = [0 1 0] [ 𝑣 ] + [0 0 0] [𝑢2 ]
𝑦3 0 0 1 𝑤 0 0 0 𝑢3
Solución: Se utilizó el siguiente script donde se resalta el uso de la función interna step.
clc
clear all
A=[1 0.5 1;1 1 11;-20 -1.5 -10];
B=[1 4 3; 6 1 3; 1 6 10 ];
C=[1 0 0;0 1 0;0 0 1 ]
D=[0 0 0;0 0 0;0 0 0];
step(A,B,C,D)
title(' ')
xlabel('Tiempo, [s]')
ylabel('Respuesta del sistema')
grid on Por tratarse de un sistema lineal el efecto de cada entrada se ve por
separado, es decir, para obtener el efecto de la entrada escalón unitario
sobre la salida uno, las demás entradas y salidas se consideran cero. De igual forma se procede con las otras
dos entradas restantes. Se puede observar que para la entrada escalón uno, el efecto sobre las tres salidas
simultáneamente aparece en la columna uno. La columna dos y tres muestran el efecto de las funciones
escalón unitario sobre las tres salidas. Si hacemos la correspondiente transformada de Laplace del sistema
total, encontraríamos nueve funciones de transferencia para este caso diferentes, pero todas con el mismo
denominador (ecuación característica).
Para concluir con este tema, vale resaltar que las particularidades del desempeño de un sistema de
segundo orden en el dominio del tiempo, se pueden observar igualmente en el plano complejo. Es
decir, podemos observar y predecir el comportamiento del sistema al variar los polos (raíces) en el
plano complejo. En esta representación parámetros como el tiempo de asentamiento, el tiempo pico,
y el porcentaje de sobrepaso, por ejemplo, se pueden cambiar en este plano. Existe, por tanto, una
relación intuitiva entre el valor de los parámetros y la variación de la posición de los polos complejos,
de tal forma que cualquier variación de la posición de ellos afecta directamente la respuesta en el
tiempo y viceversa.
Error en estado estable (EeEE) de sistemas de control en lazo cerrado
Para complementar los conceptos necesarios en el análisis de un proceso (más exactamente de su

MoMa), y su interacción con los demás componentes de un sistema de control automático
realimentado, requerimos tener claro algunos conceptos relacionados con el error en el estado
estable. Asumimos para todos los casos que el sistema es estable, o en forma equivalente, que todos
los polos (soluciones) de la ecuación característica están al lado izquierdo en el plano complejo. El
tema de estabilidad no se considera en el presente texto, pero se considerará en sus cursos de control
posteriores.
El error en estado estable (EeEE) se interpreta como la desviación o diferencia entre el valor actual
de la variable controlada y su valor deseado (punto de ajuste), para tres entradas en particular
(escalón, rampa, o parábola), obviamente una vez se haya alcanzado el estado estable. Se utiliza una
de estas entradas dependiendo de las características del lazo del control que se quieran probar o
simular, como se verá más adelante. La tabla 3.4 muestra el error en estado estable para estas tres
entradas.
Tabla 3.4. EeEE para las tres funciones de entrada utilizadas para definirlo.
Representación gráfica del EeEE

constante
Posición TdL:
Escalón
1
𝑠
F(t): 𝑟(𝑡) = 1
𝑅(𝑠) =
Velocidad
constante
Rampa
𝑠2
1
𝑅(𝑠) =
TdL:
F(t): 𝑟(𝑡) = 𝑡
Aceleración
constante𝑠3
1
𝑅(𝑠) =
Parábola
TdL:
𝑡2
2
F(t): 𝑟(𝑡) =
En algunos casos se requiere funciones de entrada que son combinación de estas, tal como el caso de
un generador de señales de onda cuadrada o senoidal. El siguiente ejemplo ilustra este punto.
Ejemplo: Para la siguiente función de transferencia que modela un sistema mecánico, encuentre su respuesta
cuando se excita con funciones diferente a las convencionalmente utilizadas en este tipo de análisis, como por
ejemplo las provenientes de un generador de onda cuadrada, tren de impulsos y exponencial decreciente.
10
𝐺(𝑠) =
𝑠2 + 1 + 10
Solución: En la figura siguiente se muestra la respuesta en el tiempo del sistema ante una onda de entrada
cuadrada.
clear all Resulta fácil hacerla con Matlab, mediante el sencillo script que se
clc muestra. Se observa que la respuesta dinámica de este modelo tiende
F=tf ([10 ],[1 1 10]) a seguir a la señal cambiante que se utiliza para excitar el sistema (la
[u,t] = gensig ('square',4,10,0.01); entrada).
lsim(F,u,t)
grid on
Cuando la entrada es un tren de impulsos, la respuesta del sistema es,

Ahora, si la función de entrada es del tipo exponencial 𝑒 −𝑡 . La correspondiente respuesta es,
Se observa que el EeEE es cero y la respuesta decae rápidamente conforme la señal de excitación decrece.
EeEE para sistemas con realimentación unitaria

Como se aprecia hasta ahora, el EeEE para estos sistemas (LIT) dependen de la entrada y del sistema
mismo. En cuanto a las entradas, ya se definieron las tres indicadas arriba. Por otro lado, para el
sistema se recurre al término tipo relacionado con el número de integraciones puras en la trayectoria
directa, como se detalla más adelante. Para el cálculo del EeEE, se utilizan dos caminos:
i. Partiendo de la forma canónica, pero con realimentación unitaria y negativa, y,

ii. Utilizando la función de transferencia global (o de ciclo cerrado).
Con el fin de poder utilizar ambos caminos, se hace uso de la siguiente relación consecuencia del
Teorema del Valor Final en el dominio de la transformada de Laplace,
lim 𝑒(𝑡) = 𝐸𝑒𝐸𝐸 = lim 𝑠𝐸(𝑠)

𝑡→∞ 𝑠→0
Así, cuando el tiempo tiende al infinito, el error tiende a un valor constante (el de estado estable), que
es el mismo que se alcanza en el dominio de la transformada de Laplace, pero cuando 𝑠 del producto
𝑠𝐸(𝑠) tiende a cero.
i. Partiendo de la forma canónica con realimentación negativa y unitaria:

Del diagrama de bloques con realimentación unitaria y negativa, que se presenta nuevamente para
facilitar la lectura,
se obtiene,
𝐸(𝑠) = 𝑅(𝑠) − 𝐶(𝑠) ∴ 𝐶(𝑠) = 𝐸(𝑠) 𝐺(𝑠)
De ellas se llega a una función que sirve para calcular el error a todo instante,
𝑅(𝑠)
𝐸(𝑠) =
1 + 𝐺(𝑠)
Para el caso particular de querer calcular el error en estado estable, se hace uso de
𝑹(𝒔)
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔
𝒔→𝟎 𝟏 + 𝑮(𝒔)
Para cada una de las tres entradas se genera una expresión en particular, como se observa en la tabla
3.5. Es claro que se debe conocer la entrada, así como la función de transferencia de trayectoria
directa (o de lazo abierto para este caso). De igual manera, para caracterizar el EeEE también se
utilizan las denominadas constantes de error para cada una de las entradas estándar. En la misma tabla
3.5 aparecen las definiciones de estas, junto con la expresión para calcular el EeEE.
Tabla 3.5 Cálculo del error en estado estable para las tres entradas estándar junto con sus
constantes de error
Entrada Cálculo de 𝑬𝒆𝑬𝑬 𝑬𝒆𝑬𝑬 en función de la

unitaria constante de error
Escalón Posición
𝟏
1 𝒔 𝟏
𝑅(𝑠) = 𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 = 𝐥𝐢𝐦 [ ] 𝐾𝑝 = 𝐥𝐢𝐦[𝑮(𝒔)]
𝒔→𝟎 𝟏 + 𝑮(𝒔) 𝒔→𝟎 𝟏 + 𝑮(𝒔) 𝒔→𝟎
𝑠
𝟏 𝟏
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝑬𝒆𝑬𝑬 =
𝒔→𝟎 𝟏 + 𝑮(𝒔) 𝟏 + 𝑲𝒑
Rampa Velocidad
𝟏
1 𝒔𝟐 𝟏 𝟏
𝑅(𝑠) = 𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 = 𝐥𝐢𝐦 [ ] 𝐾𝑣 = 𝐥𝐢𝐦[𝒔𝑮(𝒔)]
𝒔→𝟎 𝟏 + 𝑮(𝒔) 𝒔→𝟎 𝒔 𝟏 + 𝑮(𝒔) 𝒔→𝟎
𝑠2
𝟏
= 𝐥𝐢𝐦 [ ]
𝒔→𝟎 𝒔 + 𝒔𝑮(𝒔)
𝟏
𝟏 𝑬𝒆𝑬𝑬 =
𝑬𝒆𝑬𝑬 = 𝑲𝒗
𝐥𝐢𝐦 𝒔𝑮(𝒔)
𝒔→𝟎
Parábola Aceleración
𝟏
1 𝒔𝟑 𝟏 𝟏
𝑅(𝑠) = 𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 = 𝐥𝐢𝐦 [ ] 𝐾𝑎 = 𝐥𝐢𝐦[𝒔𝟐 𝑮(𝒔)]
𝑠3 𝒔→𝟎 𝟏 + 𝑮(𝒔) 𝒔→𝟎 𝒔𝟐 𝟏 + 𝑮(𝒔) 𝒔→𝟎
𝟏
= 𝐥𝐢𝐦 [ ]
𝒔→𝟎 𝒔𝟐 + 𝒔𝟐 𝑮(𝒔)
𝟏 𝟏
𝑬𝒆𝑬𝑬 = 𝑬𝒆𝑬𝑬 =
𝐥𝐢𝐦 𝒔𝟐 𝑮(𝒔) 𝑲𝒂
𝒔→𝟎
Vale la pena enfatizar que se asume que el sistema es estable, para que los valores obtenidos con esas
expresiones de cálculo del 𝑬𝒆𝑬𝑬 tengan sentido. De otra forma solo serán números.
Seguidamente se detalla la otra importante definición, esto es el tipo de sistema, que está relacionado
con el número de integraciones puras de la trayectoria directa, o lo que es equivalente, con el número
de ceros de la función de transferencia de lazo directo 𝐺(𝑠). Como se observa de la siguiente tabla,
el tipo de sistema se relaciona con el EeEE. La Tabla 3.7 resalta el exponente 𝒏 de 𝐺(𝑠) que indica el
número de ceros o integraciones puras de la función 𝐺(𝑠). No olvide que el lazo debe ser
realimentado negativo y unitario. Así, el tipo de sistema se obtiene del exponente de 𝒔𝒏 . Tipo cero
corresponde a 𝒏 = 𝟎, el tipo uno, dos y tres a 𝒏 = 𝟏, 𝒏 = 𝟐 y 𝒏 = 𝟑, respectivamente.
Tabla 3.7. Definición del tipo de sistema junto con los valores de las constantes de EeEE.
TIPO CERO TIPO UNO TIPO DOS TIPO TRES (o mayor)

Constante EeEE Constante EeEE Constante EeEE Constante EeEE
de error de error de error de error
ENTRADA: ESCALÓN UNITARIO
𝑲𝒑 = 𝒄𝒕𝒆 𝟏 𝐾𝑝 = ∞ 0 𝐾𝑝 = ∞ 0 𝐾𝑝 = ∞ 0
𝟏 + 𝑲𝒑
ENTRADA: RAMPA UNITARIA
𝐾𝑣 = 0 ∞ 𝑲𝒗 = 𝒄𝒕𝒆 𝟏 𝐾𝑣 = ∞ 0 𝐾𝑣 = ∞ 0
𝑲𝒗
ENTRADA: PARÁBOLA UNITARIA
𝐾𝑎 = 0 ∞ 𝐾𝑎 = 0 ∞ 𝑲𝒂 = 𝒄𝒕𝒆 𝟏 𝐾𝑎 = ∞ 0
𝑲𝒂
De esta tabla se puede apreciar también que, para una determinada entrada, hay al menos una
constante de error y un EeEE que son diferentes de cero o infinito, dependiendo del tipo de sistema.
A continuación, unos ejemplos de cómo se utilizan esas expresiones.
Ejemplo: Se dispone de una función de transferencia
(𝑠 + 6)(𝑠 + 2)
𝐺(𝑠) =
(𝑠 + 2)(𝑠 + 3.5)(𝑠 + 8)
y que está inmersa en el lazo de control con realimentación unitaria arriba indicado. Calcule las constantes de
error estáticas y loes EeEE para las tres entradas estándar. Desarróllelo manualmente.
Solución: Partimos del conocimiento del tipo del sistema. Como se observa en el denominador de 𝐺(𝑠) no hay
ninguna integración pura (una 𝑠 aislada), es decir aparece, 𝑠 0 , por lo que concluimos que el sistema es tipo
cero. Dicho esto, solo debemos utilizar la entrada escalón unitario para calcular 𝐾𝑝 y su correspondiente EeEE.
(0 + 6)(0 + 2) 12
𝐾𝑝 = lim[𝐺(𝑠)] = lim [ ]=
𝑠→0 𝑠→0 (0 + 2)(0 + 3.5)(0 + 8) 56
1 1 56
𝐸𝑒𝐸𝐸 = = =
1 + 𝐾𝑝 1 + 12 68
56
Solo con el ánimo de comprobar que información proporciona utilizar las otras dos entradas, calculemos sus
constantes y EeEE,
Entrada rampa:
(0 + 6)(0 + 2) 1
𝐾𝑣 = lim[𝑠𝐺(𝑠)] = lim [0 ]=0 ∴ 𝐸𝑒𝐸𝐸 = =∞
𝑠→0 𝑠→0 (0 + 2)(0 + 3.5)(0 + 8) 0
Lo mismo sucede con la entrada parábola:
(0 + 6)(0 + 2) 1
𝐾𝑎 = lim[𝑠 2 𝐺(𝑠)] = lim [02 ]=0 ∴ 𝐸𝑒𝐸𝐸 = =∞
𝑠→0 𝑠→0 (0 + 2)(0 + 3.5)(0 + 8) 0
Ninguna de estas dos últimas funciones de entrada proporciona información además de la evidente y que
muestra un EeEE creciendo sin límite superior.
Y a propósito, ¿Era el sistema de lazo cerrado estable?
Ejemplo: Para las funciones de transferencia 𝐺(𝑠) mostradas abajo, y que cada una hace parte de un lazo de
control cerrado estándar con realimentación negativa unitaria, determine:
a. Si el sistema en lazo cerrado es b. Las constantes de error c. Los EeEE en términos de

estable. estáticas para las tres la función de transferencia de lazo
entradas. directo 𝐺(𝑠).
(𝑠 + √6)(𝑠 + √2)
𝐺(𝑠) =
(𝑠 + 2)(𝑠 + 3.5)(𝑠 + 8)
(𝑠 + √6)(𝑠 + √2)
𝐺(𝑠) =
𝑠 (𝑠 + 2)(𝑠 + 3.5)(𝑠 + 8)
(𝑠 + √6)(𝑠 + √2)
𝐺(𝑠) = 2
𝑠 (𝑠 + 2)(𝑠 + 3.5)(𝑠 + 8)
Solución: Para el presente caso primero debemos determinar si todos los polos de la ecuación característica
están ubicados en la parte izquierda del plano complejo (su parte real es negativa), es decir, que el sistema sea
estable. Aunque la aritmética es muy sencilla, se puede verificar rápidamente con algunos comandos de Matlab.
1. A continuación, aparece el numerador y A sabiendas de esto, procedemos a calcular las constantes

denominador de 𝐺(𝑠), de error para las tres entradas estándares, así como el
respectivo EeEE:
num = 1.0000 3.8637 3.4641
den = 1.0000 13.5000 51.0000 56.0000
Se trata de un sistema tipo cero. Al utilizar las definiciones,
Los siguientes son los polos (raíces o soluciones) se llega a los valores:
de la ecuación característica de la función de
transferencia global (la de lazo cerrado),
Escalón, Rampa Parábola
𝑠 2 + 3.864 𝑠 + 3.464 𝐾𝑝 = 0.0619 𝐾𝑣 = 0.0 𝐾𝑎 = 0.0
𝑃(𝑠) =
𝑠 3 + 14.5 𝑠 2 + 54.86 𝑠 + 59.46
𝐸𝑒𝐸𝐸 = 0.9417 𝐸𝑒𝐸 = ∞ 𝐸𝑒𝐸𝐸 = ∞
Tres polos: −9.2770; −3.2519; −1.9711
Como son reales negativos, el sistema de lazo

cerrado es estable.
Con este script se puede encontrar los polos en
forma directa. La determinación del EeEE y las
Clear all; clc constantes se
format long hace a mano
%%%%%%%%%%%%% fácilmente.
num=poly([-sqrt(6) -sqrt(2)])
den=poly([ -2 -3.5 -8])
Gdirecta=tf(num,den)
Pglobal=feedback(Gdirecta,1)
polosLC=pole(Pglobal)
%%%%%%%%%%%%%
ii. El numerador y denominador de la función iii. El numerador y denominador de la función directa 𝐺(𝑠)
directa 𝐺(𝑠) son:
son:
num = 1.0000 3.8637 3.4641
num =1.0000 3.8637 3.4641 den=1.0000 13.5000 51.0000 56.0000 0 0
den = 1.0000 13.5000 51.0000 56.0000 0
siendo la FT global,
La función de transferencia global,
𝑠 2 + 3.864 s + 3.464
𝑃(𝑠) =
𝑠 2 + 3.864 𝑠 + 3.464 𝑠 5 + 13.5 𝑠 4 + 51 𝑠 3 + 57 𝑠 2 + 3.864 s + 3.464
𝑃(𝑠) =
𝑠4 + 13.5 𝑠 3 + 52 𝑠 2 + 59.86 𝑠 + 3.464
Cuyos cinco polos son:
Cuyos cuatro polos son: −8.0210 + 0.0000𝑖 se observa que todos tienen
−7.8252; −3.5992; −3.4738 + 0.0000𝑖 parte real negativa siendo el
−2.0146; −0.0611 −1.9927 + 0.0000𝑖 sistema de lazo cerrado estable.
Por consiguiente, el sistema en lazo cerrado es −0.0063 + 0.2497𝑖
estable. Del enunciado se observa que se trata de −0.0063 − 0.2497𝑖
un sistema tipo uno. La siguiente tabla consigna los
valores requeridos: Ahora, siendo el sistema tipo dos, se tiene que,
Escalón Rampa Parábola Escalón Rampa Parábola

𝐾𝑝 = ∞ 𝐾𝑣 = 0.0619 𝐾𝑎 = 0.0 𝐾𝑝 = ∞ 𝐾𝑣 = ∞ 𝐾𝑎 = 0.0619
𝐸𝑒𝐸𝐸 = 0.0 𝐸𝑒𝐸 = 16.1658 𝐸𝑒𝐸𝐸 = ∞ 𝐸𝑒𝐸𝐸 = 0.0 𝐸𝑒𝐸 = 0.0 𝐸𝑒𝐸𝐸 = 16.1658
.
Ejemplo: Conocido el valor finito de 𝑘𝑣 , ¿qué se puede concluir acerca del sistema?
Solución: Primero que todo, si se tiene un valor que se da como cierto, con seguridad que el sistema es estable.
Seguidamente como tiene un valor finito, el sistema es tipo uno con una entrada estándar de prueba rampa.
ii. Utilizando la función de transferencia global P(s)
Repitiendo el diagrama de bloques con realimentación unitaria y negativa,
vemos que su función de transferencia global es,
𝐶(𝑠)
𝑃(𝑠) =
𝑅(𝑠)
de donde, 𝑅(𝑠)𝑃(𝑠) = 𝐶(𝑠),
pero con, 𝐸(𝑠) = 𝑅(𝑠) − 𝐶(𝑠) se llega a que: 𝑬(𝒔) = 𝑹(𝒔) [ 𝟏 − 𝑷(𝒔) ]
Como antes, esta ecuación se utiliza para determinar el error como una función del tiempo, una vez
se haga la transformada inversa. Sobra decir que se debe conocer la entrada 𝑅(𝑠) así como la función
de transferencia global 𝑃(𝑠). Ahora mediante el teorema del valor final, vemos que el EeEE se
cuantifica con,
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔𝑹(𝒔) [𝟏 − 𝑷(𝒔)]

𝒔→𝟎
Para determinar este error con las tres funciones estándares, se generan las ecuaciones mostradas en
la tabla 3.6. En ese caso no se definen constantes de error.
Tabla 3.6. Cálculo del error en estado estable para las tres entradas estándar junto con sus
constantes de error cuando se utiliza 𝑃(𝑠)
Entrada Cálculo de 𝑬𝒆𝑬𝑬

unitaria
Escalón
𝟏
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 [𝟏 − 𝑷(𝒔)]
𝒔→𝟎 𝒔
1
𝑅(𝑠) =
𝑠 𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 [𝟏 − 𝑷(𝒔)]
𝒔→𝟎
Rampa
𝟏
1 𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 [𝟏 − 𝑷(𝒔)]
𝑅(𝑠) =
𝒔→𝟎 𝒔𝟐
𝑠2
𝟏
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 [𝟏 − 𝑷(𝒔)]
𝒔→𝟎 𝒔
Parábola 𝟏
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 𝒔 [𝟏 − 𝑷(𝒔)]
𝒔→𝟎 𝒔𝟑
1
𝑅(𝑠) = 𝟏
𝑠3
𝑬𝒆𝑬𝑬 = 𝐥𝐢𝐦 [𝟏 − 𝑷(𝒔)]
𝒔→𝟎 𝒔𝟐
De las dos formas de evaluar el EeEE, la más utilizada es la primera, ya que una vez conocida la función
de transferencia directa 𝐺(𝑠), no se requiere conocer la de lazo cerrado que constituye un paso
adicional.
Ejemplo: Para el siguiente diagrama de bloques con retroalimentación unitaria determine el EeEE utilizando el
método de la función de transferencia global 𝑇(𝑠).
(𝑠 + 1)(𝑠 + 3)(𝑠 + 5)
𝐺(𝑠) =
(𝑠 + 2)(𝑠 + 4)(𝑠 + 6)(𝑠 + 8)(𝑠 + 10)
Solución: Primero se requiere determinar 𝑃(𝑠) y si este sistema es estable. Determinamos la función
resultando,
num = 1 9 23 15
den = 1 30 340 1800 4384 3840
𝑠 3 + 9 𝑠 2 + 23 𝑠 + 15
𝑃(𝑠) =
𝑠 5 + 30 𝑠 4 + 341 𝑠 3 + 1809 𝑠 2 + 4407 𝑠 + 3855
Polos:
−9.1076 + 0.8748𝑖 Las cinco raíces de la ecuación característica (el denominador de P(s)) de la
−9.1076 − 0.8748𝑖 función de transferencia global tienen su parte real negativa. Por ende, el
−5.8231 + 0.0000𝑖 sistema es estable y es viable calcular el EeEE.
−3.9695 + 0.0000𝑖
−1.9922 + 0.0000𝑖 Iniciemos apreciando que la función de transferencia directa 𝐺(𝑠), es tipo cero.
Entrada escalón:
03 + 9 02 + 23 0 + 15
𝐸𝑒𝐸𝐸 = lim [1 − 𝑃(𝑠)] = lim [1 − ]
𝑠→0 𝑠→0 05 + 30 04 + 341 03 + 1809 02 + 4407 0 + 3855
03 + 9 02 + 23 0 + 15 1 256
𝐸𝑒𝐸𝐸 = lim [1 − 5 4 3 2
]=1− =
𝑠→0 0 + 30 0 + 341 0 + 1809 0 + 4407 0 + 3855 257 257
Entrada rampa:
1 𝑠3 + 9 𝑠2 + 23 𝑠 + 15
𝐸𝑒𝐸𝐸 = lim [1 − 5 ]= ∞
𝑠→0 𝑠 𝑠 + 30 𝑠4 + 341 𝑠3 + 1809 𝑠2 + 4407 𝑠 + 3855
Entrada parábola:
1 𝑠 3 + 9 𝑠 2 + 23 𝑠 + 15
𝐸𝑒𝐸𝐸 = lim 2 [1 − 5 ]=∞
𝑠→0 𝑠 𝑠 + 30 𝑠 4 + 341 𝑠 3 + 1809 𝑠 2 + 4407 𝑠 + 3855
Aclaración:
clear all
clc Con este script se determinó la función de
%%%%%%%%%%%%% transferencia global en un lazo de control de
num=poly([-1 -3 -5]) realimentación unitaria. De igual forma,
den=poly([-2 -4 -6 -8 -10])
determinó los polos de la ecuación característica.
GD=tf(num,den);
P=feedback(GD,1)
poles=pole(P)
%%%%%%%%%%%%%
¿Qué hacer si la realimentación no es unitaria?

Hay que hacer el álgebra de bloques, de tal forma que transformemos el diagrama inicial sin importar
su complejidad, hasta obtener la forma canónica unitaria. Se debe verificar si es estable. Para hacerlo
de forma muy simple es coger la ecuación característica de la función de transferencia global. Se
resuelve ésta y si todas las raíces son complejos con parte real negativa o son reales también negativos
(en lado izquierdo del plano complejo) el sistema es estable, como se aclaró en páginas anteriores. Se
calcula seguidamente el EeEE y la constante de error. Si resulta alguna raíz positiva o compleja pura,
no pierda el tiempo calculándolo.
Ejemplo: Dado el siguiente diagrama de bloques, determine el EeEE para los tres tipos de entradas.
.
10 2
𝐺1 (𝑠) = ∴ 𝐺2 (𝑠) = 10 ∴ 𝐻1 (𝑠) = ∴ 𝐻2 (𝑠) = 3
𝑠 + 10 𝑠+2
Solución: Para calcular el EeEE se debe llevar el diagrama de bloques a la forma estándar, debido a que la
señal 𝐸𝑛𝑜𝑢 , es diferente a la señal de error dado que la realimentación no es unitaria. Procedemos a
simplificar el diagrama de bloques e iniciamos reconociendo que la porción encerrada con la curva de color
rojo es la forma canónica a que puede reducirse y luego se multiplica por 𝐺1 (𝑠) como,
Continuamos, ahora sumando y restando la unidad, como se ilustra

Quedando entonces,
o mejor,
Por consiguiente, solo tiene sentido utilizar una entrada tipo escalón.
La constante de posición (𝐾𝑃 ) queda:

10 1 31
𝐾𝑃 = ∴ 𝐸𝑒𝐸𝐸 = =
31 10 41
1+
31
Finalmente, nos interesa conocer qué origina el EeEE. La primera y mayor responsable es la presencia
eventual de no linealidades resueltas en el sistema, es decir no linealizadas, tales como la fricción,
deltas significativas de temperatura, desgastes de los componentes mecánicos y muchas más
posibilidades. Hay que tener presente que lo expuesto en esta sección, está sujeto a que el sistema
sea LIT, estable y con realimentación unitaria. Si se requiere probar el efecto de una perturbación
diferente al punto de ajuste o una combinación simultánea de ellas, debe conocerse o suponerse la
forma de esa perturbación que, en la gran mayoría de los casos reales, resulta imposible modelarse
con una sencilla función determinística.
A. Conceptuales
1. Que hace que un sistema se clasifique como de primer orden o segundo en su modelo en el dominio
de la transformada de Laplace.
2. Defina en sus propias palabras los parámetros de un sistema de primer orden. Ilústrelas con un
ejemplo.
3. Defina en sus propias palabras los parámetros de un sistema de segundo orden. Ilústrelas con un
ejemplo.
4. Defina cada una de las respuestas de un sistema de segundo orden, acorde con el valor del factor de
amortiguamiento relativo.
5. Realice un diagrama a mano indicando cada una de las respuestas del ejercicio anterior.
6. ¿Qué parámetros definen una respuesta de segundo orden sub-amortiguada de segundo orden?
7. Realice un esquema a mano alzada del ejercicio anterior indicando esos parámetros sobre ésta.
8. ¿Bajo qué condiciones se definen esos parámetros?
9. Deduzca cada uno de esos parámetros explicando el álgebra involucrada.
10. Busque en la literatura qué es y qué implica tener un proceso denominado de fase no-mínima. Un
concepto importante para sus futuros de control que conviene Ud. lo interprete apropiadamente.
Siéntase feliz si después de entender el concepto, puede sugerir su propio ejemplo práctico.
11. Defina en sus propios términos el EeEE.
12. Explique la utilidad y limitaciones del teorema del valor final en la determinación del EeEE.
13. ¿Cómo se interpreta un EeEE infinito en una situación real?
14. ¿Para qué cree que sirve conocer esta especificación?
15. Si se tiene una entrada compuesta de tres veces el escalón unitario, más dos veces una rampa unitaria
más una parábola, ¿Se puede calcular el EeEE para un sistema tipo cero, uno, o dos? Si es así, ¿cuánto
vale para cada caso?
16. Si alguien propone utilizar como cuarta entrada estándar una señal de forma sinusoidal, ¿Se tiene algún
problema?
17. Sobre el error en estado estable, es cierto que:
o Aparece en sistemas inestables.
o Representa el error del modelo nominal.
o Se puede eliminar con el modo de control integral.
o Se origina por presencia del modo on-off.
18. Para el siguiente diagrama de bloques determine su equivalente unitario,
19. Para el diagrama de bloques adjunto, determine la expresión general para el cálculo de su error en
estado estable (EeEE),
20. Para el siguiente sistema que se prueba con una entrada escalón, es cierto que:
o No alcanza el estado estable

o Su error en estado estable es finito
o Su error en estado estable es cero
o El tiempo de asentamiento es infinito
21. Para el siguiente sistema que se prueba con una entrada escalón, es cierto que:
o Su error en estado estable es infinito

o La constante de posición es cero
o Su error en estado estable es cero
o La constante de velocidad es infinita
22. Si un sistema de control tiene una constante de error estático de velocidad (K v) igual a 5, se puede
afirmar que es de
o Tipo 1 y la señal de prueba fue una rampa
o Tipo 1 y la señal de prueba fue un escalón
o Tipo 0 y la señal de prueba fue una parábola
23. Si un sistema de control tiene una constante de error estático de aceleración (K a) igual a 5, se puede
afirmar que es de
o tipo 0 y la señal de prueba fue una rampa
o tipo 1 y la señal de prueba fue un escalón
o tipo 1 y la señal de prueba fue una rampa
o tipo 2 y la señal de prueba fue una parábola
24. Si un sistema de control tiene una constante de error estático de posición (Kp) igual a 5, se puede
afirmar que es de
o Tipo 1 y la señal de prueba fue una parábola
25. El tipo de un sistema de control con realimentación unitaria está relacionado con el
o Número de integraciones puras en la trayectoria directa
o Número de ceros en la realimentación
o Orden de la ecuación característica de la trayectoria directa
o Valor de las constantes de error estático
26. Determine el tipo de sistema si su función de transferencia de lazo directa 𝐺(𝑠) tiene sus dos polos en
−2,5 , 𝑦, −5,0. ¿Cuál será ahora el tipo de sistema para los dos polos pero en −2,5 , 𝑦, 5,0?
27. Dos sistemas de segundo orden tienen el mismo factor de amortiguamiento, por consiguiente,
o Oscilan a la misma frecuencia natural
o Tienen la misma velocidad de respuesta ante una entrada
o Su sobrepaso (overshoot) es el mismo
o El tiempo pico es igual
28. Asuma una respuesta de segundo orden para los sistemas A y B. El sistema B tiene el doble del
porcentaje de sobrepaso del sistema A. Si el tiempo de pico de B es la mitad del de A, se puede afirmar
que:
o Se trata de sistemas (A y B) sub-amortiguados
o El tiempo de asentamiento de B es menor que el de A
o La frecuencia natural amortiguada de A es menor que la de B
o Ambos tienen el mismo factor de amortiguamiento real
29. Para que un sistema de cualquier orden, pero lineal e invariante en el tiempo sea considerado estable,
debe cumplir que,
o Para toda entrada acotada su respuesta sea amortiguada de segundo orden
o La respuesta libre oscile con amplitud constante para tiempos muy largos
o Sus polos reales sean negativos
o Todas las raíces de su ecuación característica tengan su parte real negativa
30. Cuando los signos de los coeficientes del denominador de la función de transferencia de lazo cerrado
NO son iguales, el sistema es
o Inestable
o Estable
o Imposible de predecir sobre su estabilidad
o Marginalmente estable
B. Numéricos
31. Para los siguientes sistemas de primer orden determine su respuesta de lazo abierto para una entrada
escalón unitario, así como sus parámetros que la caracterizan. Grafíquelas y contraste los resultados
frente a las otras.
0.2 2.0 200.0
𝐺(𝑠) = 𝐺(𝑠) = 𝐺(𝑠) =
(𝑠 + 2) (𝑠 + 2) (𝑠 + 2)
2.0 2.0 2.0

𝐺(𝑠) = 𝐺(𝑠) = 𝐺(𝑠) =
(𝑠 + 0.2) (𝑠 + 0.02) (𝑠 + 0.002)
32. Repetir el ejercicio anterior para una entrada rampa unitaria.

33. Para las funciones del ejercicio anterior determine la respuesta de lazo cerrado al colocar 𝐺(𝑠) en un
lazo de control unitario retroalimentado negativamente, cuya entrada es un escalón unitario.
Grafíquelas y compárelas con las respuestas de lazo abierto obtenidas.
34. Repetir el ejercicio anterior cuando la entrada es una rampa unitaria.
35. Para las siguientes funciones de segundo orden, determine su respuesta de lazo abierto para una
entrada escalón unitario, así como sus parámetros que la caracterizan, cuya entrada es un escalón
unitario. Grafíquelas y contraste los resultados frente a las otras.
0.2 2.0 200.0

𝐺(𝑠) = 𝐺(𝑠) = 𝐺(𝑠) =
(𝑠 + 2)(𝑠 + 5) (𝑠 + 2)(𝑠 + 5) (𝑠 + 2)(𝑠 + 5)
2.0 2.0 2.0

𝐺(𝑠) = 𝐺(𝑠) = 𝐺(𝑠) =
(𝑠 + 0.2)(𝑠 + 0.5) (𝑠 + 0.02)(𝑠 + 0.05) (𝑠 + 0.002)(𝑠 + 0.005)
36. Repetir el ejercicio anterior cuando la entrada es una rampa unitaria

37. Para las funciones del ejercicio anterior determine la respuesta de lazo cerrado al colocar 𝐺(𝑠) en un
lazo de control unitario retroalimentado negativamente, cuya entrada es un escalón unitario.
Grafíquelas y compárelas con las respuestas de lazo abierto obtenidas.
38. Repetir el ejercicio anterior cuando la entrada es una rampa unitaria
39. Determine para cada uno de los siguientes sistemas
siendo,
𝑠 + 11,5 𝑠 + 8,05 𝑠 + 3,3

𝐹(𝑠) = 𝐹(𝑠) = 𝐹(𝑠) =
𝑠(𝑠 + 3) (𝑠 + 8𝑠) 𝑠 2 (𝑠
+ 3)
𝑠 + 34,5 𝑠 + 4,9 (𝑠 + 2)(𝑠 + 10)(𝑠 + 5)

𝐹(𝑠) = 𝐹(𝑠) = 𝐹(𝑠) =
𝑠 2 (𝑠 + 34,4) 𝑠 2 (𝑠
+ 5,4) 𝑠 2 (𝑠 + 1)(𝑠 + 24)
A. Las constantes de error estático, y

B. El EeEE esperado para las entradas estándar (escalón, rampa y parabólica).
Además, grafique para cada caso las respuestas en lazo abierto y en lazo cerrado. No olvide que el
sistema en lazo cerrado debe ser estable para que los valores encontrados tengan significado. En lo
ejemplo resueltos está la forma de calcular los polos.
40. Para el siguiente diagrama de bloques de un proceso en particular utilice un controlador P y uno PI.
Determine la respuesta para una entrada escalón y una rampa, así como el EeEE en cada caso. ¿Cuál
es el tipo del sistema?
41. Para el siguiente diagrama de bloques, determine la respuesta para una entrada escalón unitario en
términos de 𝐺(𝑠) y 𝑇(𝑠).
777
(𝑠 2+ 7𝑠)
42. Determine las constantes de error y los EeEE para cada una de las funciones dadas abajo y utilice las
tres entradas típicas para esta tarea:
𝐹(𝑠) = 10 𝐹(𝑠) = 10 𝐹(𝑠) = 10 𝐹(𝑠) = 10 𝑒 −10𝑠

10 10 −10𝑠 10 10 −10𝑠
𝐺(𝑠) = 𝐺(𝑠) = 𝑒 𝐺(𝑠) = 𝐺(𝑠) = 𝑒
𝑠+4 𝑠+4 𝑠+4 𝑠+4
10 10 10 −10𝑠 10 −10𝑠
𝐻(𝑠) = 𝐻(𝑠) = 𝐻(𝑠) = 𝑒 𝐻(𝑠) = 𝑒
𝑠 𝑠 𝑠 𝑠
Sugerencia: consulte la bibliografía para aprender cómo se aproxima la exponencial del retardo a una
serie de términos. Buscar la aproximación de Padé y/o utilizar Matlab, por ejemplo. Grafique todas las
respuestas en el dominio del tiempo y analice el efecto de la presencia de los retardos. ¿Cuál es el tipo
de sistema para cada caso?
43. Dado el sistema representado por el siguiente diagrama de bloques,
determine:
A. La función de transferencia 𝑇(𝑠)
B. La función de transferencia 𝐺(𝑠)
C. Determine el EeEE en términos de esas funciones de transferencia. Compare.
D. Las gráficas de las respuestas para las entradas escalón unitario, rampa y parábola en el dominio
del tiempo.
E. Evalúe las constantes de error estático (estado estable) para las tres entradas estándar y
F. El tipo de cada sistema,
todo ello para los tres siguientes grupos de funciones de transferencia,
𝐺1 = 5.5 𝐺1 = 5.5 𝑒 −2𝑠 𝐺1 = 5.5

𝜋 𝜋 𝜋
𝐺2 = 𝐺2 = 𝑒 −2𝑠 𝐺2 =
𝑠+2 𝑠+2 𝑠+2
3𝑒 3𝑒 3𝑒
𝐺3 = 𝐺3 = 𝑒 −2𝑠 𝐺3 =
𝑠(𝑠 + 3) 𝑠(𝑠 + 3) 𝑠(𝑠 + 3)
7.4 7.4 7.4 −2𝑠
𝐺4 = 𝐺4 = 𝐺4 = 𝑒
𝑠 𝑠 𝑠
𝑠 𝑠 𝑠
𝐺5 = 𝐺5 = 𝐺5 = 𝑒 −2𝑠
(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 6)
77 77 77
𝐺6 = 2 𝐺6 = 2 𝐺6 = 2 𝑒 −2𝑠
(𝑠 + 10𝑠 + 1) (𝑠 + 10𝑠 + 1) (𝑠 + 10𝑠 + 1)

1. R. Dorf, R. Bishop, Modern Control System, Addison-Wesley Publishing Company, Twelfth Edition,
2011.
español).
5. Bolton W., Ingeniería de Control, 2ª Edición, Alfaomega, 2001.
7. C. Smith, A. Corripio, Control Automático de Procesos, Teoría y Práctica. Limusa, 2004.
9. D. Seborg, T.Edgar, D. Mellichamp, F. Doyle, Process Dynamics Control, Wiley Series in Chemical
Engineering, Third Edition, 2011.

Jitorres - MODELADO Y DINÁMICA-19-06-2017-UNO A TRES PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Jitorres - MODELADO Y DINÁMICA-19-06-2017-UNO A TRES PDF

Caricato da

Copyright:

Formati disponibili

MODELADO Y DINÁMICA

Pese a la innumerable cantidad de excelentes libros disponibles en el área de sistemas de control o

CAPÍTULO 2. SISTEMAS LINEALES

CAPÍTULO 3. COMPORTAMIENTO DINÁMICO DE SISTEMAS DE PRIMER Y SEGUNDO ORDEN

CAPÍTULO 4. MODELADO DE PROCESOS DINÁMICOS-I. Estrategias y leyes fundamentales en el

CAPÍTULO 5. MODELADO DE PROCESOS DINÁMICOS-II. Modelado matemático para algunos

CAPÍTULO 6. MODELADO DE PROCESOS DINÁMICOS-III. Ejemplos demostrativos del análisis de la

CAPÍTULO 7. MODELADO DE PROCESOS DINÁMICOS-IV. Identificación de sistemas

Operaciones básicas presentes en un sistema de control

Sistema de control en lazo abierto y lazo cerrado

a. La calibración de sus componentes es un factor determinante para su correcto

Figura 1.2. Distribución de funciones del esquema de control en lazo abierto.

B. Lazo cerrado (Realimentado)

Respuestas en lazo abierto y en lazo cerrado

Solución: Partimos de la función de transferencia,

Componentes y señales de un sistema de control de lazo cerrado

Igualmente, en esta figura se resaltan las señales:

1. Del punto de ajuste (o valor deseado de la variable controlada),

𝑠𝑒ñ𝑎𝑙 𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑐𝑖ó𝑛(𝑡) = 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑎 𝑚𝑒𝑑𝑖𝑑𝑎(𝑡)

Para el caso de la realimentación positiva, se llega a

𝑠𝑒ñ𝑎𝑙 𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑐𝑖ó𝑛 (𝑡) = 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑎𝑗𝑢𝑠𝑡𝑒 + 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑎 𝑚𝑒𝑑𝑖𝑑𝑎(𝑡)

Transductor: Modelo Matemático del transductor, MoMa-0

Figura 1.10. Ejemplo del sistema de control de temperatura.

Figura 1.11. Ilustración de una respuesta o dinámica en atraso

Recordando el Teorema de la Traslación Real en el dominio de la transformada de Laplace, expresado

𝐺(𝑠)) = ℒ(𝑓(𝑡 − 𝜃)𝑈(𝑡 − 𝜃)) = 𝑒 −𝑠𝜃 𝐹(𝑠)

𝐶(𝑠) 1.24𝑒 −3𝑠 1

b. Modos o leyes de control: el controlador (MoMa-1)

MoMa-1: modelo matemático del controlador

b1. Acción de control encendido/apagado (E/A, ON/OFF)

Figura 1.12. Sistema de control en ciclo cerrado con un controlador E/A.

siendo en esta figura,

M1 Para 𝑒(𝑡) > 0

M2 Para 𝑒(𝑡) < 0

MoMa-2: modelo matemático del elemento final de control

Figura 1.13. El controlador E/A y su brecha diferencial (BD o zona muerta).

b2. Acción de control proporcional o controlador proporcional (P)

Figura 1.14. Sistema de control en lazo cerrado resaltando el controlador proporcional.

̅ = 𝑚𝑣𝑝 (𝑡) = 𝐾𝑃 𝑒(𝑡).

Los demás componentes de la figura 1.14 son,

La salida de este controlador es algebraicamente proporcional (lineal) a la señal de error 𝑒(𝑡) o de

b3. Acción de control Integral (I) o “reset”

b4. Acción de control Proporcional+Integral (PI)

b5. Acción de control Derivativa (D), o “rate”

b6. Acción de control Proporcional+Integral+Derivativa (PID)

c. Elemento final de control (MoMa-2)

𝑣𝑚(𝑡) = 𝐾𝐸𝐹𝐶 𝑚(𝑡),

𝑏(𝑡) = 𝐾𝑆𝑇 𝑐(𝑡),

Función de transferencia de lazo cerrado con un controlador proporcional:

La función de transferencia de lazo abierto es la misma del anterior ejemplo:

y la función de transferencia de lazo cerrado con un controlador proporcional (verificar):

y la función de transferencia de lazo cerrado con un controlador proporcional (verificar):

y la función de transferencia de lazo cerrado con un controlador proporcional, integral y derivativo

𝐶(𝑠) 𝑠 2 𝐾5𝐷 + 𝑠𝐾5𝑃 + 𝐾5𝐼

En una venta de observación de un segundo, se aprecia mejor el comportamiento de estas respuestas.

Para realizar el análisis de la dinámica de un proceso expresado en forma de un modelo matemático,

Tabla 1. Funciones típicas comúnmente utilizadas en análisis

MoMa Figura demostrativa

𝛿(𝑡) = ∞, ∀𝑡, 0− < 𝑡 < 0+

𝛿(𝑡) = 0, ∀𝑡, ∄(0− < 𝑡 < 0+ )

𝑓(𝑡) = 𝐴 𝑢(𝑡) 𝑠𝑖𝑛(𝜔𝑡) , ∀𝑡

El sistema es de segundo orden,

Sea el sistema de segundo orden,