Apuntes Ingeniería Biomédica Bloque 2 Completo

Marta_Mozo
www.wuolah.com/student/Marta_Mozo
320
BLOQUE 2 COMPLETO.pdf
Ingeniería Biomédica
3º Ingeniería Biomédica
Grado en Biomedicina Básica y Experimental
Facultad de Medicina
US - Universidad de Sevilla
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su
totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-66544
Ingeniería biomédica
Bloque 2
TEMA 1: VISIÓN SISTÉMICA.
 Sistema: combinación de elementos que actúan juntos para alcanzar un objetivo.
Interacción entre los elementos que forman el sistema es la que produce los
comportamientos que no son de suma sino de interacción entre acciones.
COMPLEJIDAD BIOLÓGICA permite el funcionamiento coordinado de los sistemas
(ejemplo de célula cancerosa). Importante durante el estudio es que los sistemas
interaccionan entre sí: dificultad en la definición del contorno del sistema.
 Visión sistémica: concepto de caja negra: cada elemento de un sistema es tratado como
una caja negra, y el análisis se enfoca en como las conexiones entre los elementos
influencian el comportamiento global del sistema. El comportamiento de una caja negra
esta especificada por su relación entrada-salida (hay una causa que entra y una salida
que es el efecto, pero no entramos en cómo está construido el sistema por el que pasa).
 Relación causa-efecto expresa el comportamiento del elemento. Dentro de la caja se
coloca la expresión matemática que relaciona la salida a la entrada. Este tipo de
representación gráfica es un diagrama de bloques. Integral aparte de concepto
matemático expresa acumulación de masa o energía. Siempre que haya una dinámica
va a haber un intercambio de masa y energía: esto es lo que nos dice la relación de
entrada y salida por la integral.
𝐴 𝑑𝑡 → 𝑑𝑉 𝑑𝑡 = 𝐴
A
∫ V 𝑉=
 Integral de causalidad: constituye una forma básica de causalidad de todos los sistemas
físicos: forma básica de como modelamos todos los efectos físicos. Movimiento siempre
asociado a cambio de masa o energía;
 Entrada de un sistema es toda señal (cualquier tipo de información o materia) que entra
a un sistema, pero el sistema no puede actuar sobre esa entrada. Variable de entrada
condiciona la salida, que pueden ser varias diferentes variables (MIENTRAS QUE LA
ENTRADA NO SE VE AFECTADA POR EL SISTEMA, LA SALIDA SI ES UNA VARIABLE DEL
SISTEMA).
 Tipos de sistemas: dinámico o estático. Sistema estático supone que en un tiempo 0 si
se le aplica una energía infinita sería el único caso en el que se movería (solo si multiplico
infinito por 0 podemos obtener un numero finito por esto no existen los sistemas
estáticos). Sistema estático en el que la salida de mi sistema depende exclusivamente
de la entrada en ese mismo instante (entrada en t0 da efecto de salida en t0); se
expresaría como que V(t1)=k*A(t1) siendo k una constante; concepto de estático está
ligado a la escala de tiempo en la que me estoy moviendo (si comparo un sistema que
actúa en horas con algo que actúa en milisegundos, lo que actúa en milisegundos se
considera estático; condición en la que el tiempo se puede considerar prácticamente
despreciable). Sistemas dinámicos son aquellos que su salida en t1 es proporcional
(funcional) a la entrada en t1 y de las entradas anteriores  V(t1)=F(A(t1) y entradas
anteriores). F=función. Sistema dinámico como condensador en el que incluso sin
entrada (cuando quitamos la fuente), se sigue produciendo salida (descarga del
condensador); sistema estático como resistencia (requiere entrada para producir una
salida).
 Tipos de sistemas: lineales, no lineales, linealizados. Lineales mucho más fáciles de
manejar y predecir siempre su comportamientosistema lineal se define como aquel
𝑑𝑥 𝑑𝑥 𝑑𝑥1 𝑑𝑥2
𝑑𝑡 ; 𝑐𝑢𝑎𝑛𝑑𝑜 𝑥 = 𝑥1 𝑡 + 𝑥2 𝑡 → 𝑑𝑡 = 𝑑𝑡 + 𝑑𝑡 = 𝑦1 + 𝑦2 1
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Bloque 2
al que al aplicarle una combinación lineal de entrada (ax+b) produce una combinación
lineal de la salida (y1 + y2, donde y1 se deberá a ax e y2 dependerá de b)TEOREMA DE
SUPERPOSICIÓN: sistema se comporta como si le aportáramos dos entradas separadas
que generan dos salidas diferentes:
Sistema no lineal es al que no se le puede aplicar el teorema de superposición: si tengo

que y=(x1+x2)2, si x1= x3+a, y x2=x4+b no consigo x1 + x2, sino una combinación de ambos
parámetros: ventaja de que con un solo sistema obtenemos una gran variabilidad en el
comportamiento. Mientras que en sistema lineal cambio en entrada si aumenta,
aumenta la salida, en un no lineal la respuesta de la salida puede ser variable (no hay
relación directa y por tanto no se puede hacer mapeo de un comportamiento
determinado). En no lineal el sistema no corresponde a una combinación lineal de
entrada con una combinación lineal de salida. Podemos decir si un comportamiento es
grafica sigmoidea, en el segmento recto podemos trabajar como si fuese un sistema
lineal (la gráfica aislada sería una recta). En un sistema no lineal si cambiamos un
parámetro no solo se cambia el valor, sino todo el comportamiento del sistema. Tiempo
continuo es cuando hay continuidad de la variación en el tiempo (ej. concentración de
glucosa frente a tiempo, sería una señal continua con infinitos puntos de información).
Sistema en tiempo discreto es cuando del parámetro X solo tengo información en
instantes discretos de tiempo. En ámbito médico, analítica coge un valor discreto de las
concentraciones (variables continuas) de las diferentes sustancias y con el conocimiento
del médico es como vemos si el comportamiento es normal.
 Sistemas discretos: origen: integración numérica (cuando tengo una integral
𝑑𝑦
𝑑𝑡 = −𝑏𝑦 los resultados son infinitos, por lo que hay que pasar dicha integral
a un lenguaje adecuado al ordenador para que los resultados fuesen
finitosintegración numérica, que dependiendo del paso (intervalo) que tenga tendré
más o menos datos (dependiendo del intervalo de valores que escoja, se pasa de forma
diferencial a forma integral). Método de Euler es el más simple: puedo aproximar
derivadas escogiendo áreas bajo la curva en forma de rectángulos por cada valor de t
(deja espacios sin resolver, pero es rápido); el sistema tiene de 0 a tfinal y va haciendo
este método muchas veces hasta que llega al tfinal, dando los valores y por tanto el
sumatorio (tomamos medidas de manera continua, esto sirve para que los valores
continuos se pasen a discretos para poder almacenarlos en un ordenador, con memoria
finita):
𝑦 ∆𝑡 + 𝑡
𝑆𝑖𝑒𝑛𝑑𝑜 𝑑𝑦 = lim , 𝑝𝑜𝑟 𝐸𝑢𝑙𝑒𝑟: 𝑑𝑦 = ∑[𝑦 𝑡 − 𝑦 0 ]∆𝑡 ;
𝑦→0 ∆𝑡
𝑑𝑦
lim [𝑦 𝑡 − 𝑦 0 ]∆𝑡 = −𝑏𝑦 → 𝑦 𝑡 = 𝑦 0 − 𝑏𝑦 𝑡 ∆𝑡
𝑑𝑡 ~ ∆𝑡→0
Discretización: para poner valores continuos en una computadora digital con memoria
finita; dependiendo del incremento de t que usemos los datos serán más continuos y
por tanto más fieles a la realidad. Doble discretización: en tiempo y en amplitud. Tercer
origen de sistemas discretos son sistemas inherentemente discretos (población de
mosquitos, por ejemplo, esta población muere antes de que nazca la siguiente
población, por lo que entre una población y otra hay un tiempo en el que el valor sería
0sabemos población en instantes discretos de tiempo).
Bloque 2
TEMA 2: REGULADORES BIOLÓGICOS (SRB)

 Control: el término control hace referencia al proceso deliberado de influenciar el
comportamiento de un sistema para producir un comportamiento deseado; ejemplo de
fármaco que modifican o controlan los sistemas de regulación del organismo para dar
mejor funcionamiento del mismo. Dos manera de controlar: bucle abierto: poco
rentable (no hay ningún efecto de las características del sistema en la salida); en bucle
cerrado o retroalimentado, con un sensor puedo medir la señal que quiero comprobar
y cambiar por el valor el resultado o salida. Ventaja del feedback que hace que sea el
sistema base de control: no se necesitan elementos de precisión para controlar, sino
que el propio feedback corrige los cambios.
Ejemplos: amplificador para que y=Ax=10X; A=10=10%. Quiero diseñar un amplificador:
en primer lugar es en bucle abierto: como nunca se consigue la cifra exacta, el
amplificador tiene un nominal de 1º, con un ±10% de error, pudiendo ser A=11 siendo
y=11x, A=10 por lo que y=10x, A=9 por lo que y=9xvariación de ±10% que se transmite
totalmente al valor de la salida.
X Y +10%  y = 11x
A
A 0  y = 10x Variación del 10% de y
-10%  y= 9x
Para pasar a un sistema retroalimentado: la entrada será la misma; queremos que

y=10x; K1 es un sensor que da la retroalimentación del amplificador; circulo es el
comparador en el que dependiendo del valor de K1 proporciona la variable de entrada
para que la salida sea 10x tiene que cumplir que K1=0,1, y cumplir que A* K1>>1.
e 𝑦 = 𝐴 ∗ 𝑒; 𝑒 = 𝑥 − 𝑏; 𝑏 = 𝐾1 ∗ 𝑦
X A Y
𝑦 = 𝐴 𝑥 − 𝐾1 ∗ 𝑦 → 𝑦 + 𝐴𝐾1 ∗ 𝑦 = 𝐴𝑥
K1 𝐴
𝑦= 𝑥 → Relación con retroalimentación
1 + 𝐴𝐾1
entre entrada y salida
Si yo quiero que y=10x, si AK1>>1, entonces y ≈ (A/AK1)x  y ≈ x/K1  K1 = 0,1. Si A=1000

 1000*0,1=100 >> 1; aparte, el amplificador siempre tendrá ±10% de error en su
funcionamiento, por lo que podemos comparar con el de bucle cerrado:
+10%  A=1100  y = 1100x/(1100+1) = 9.91 x Capacidad de retroalimentación

de disminuir los cambios en los
A 0%  A=1000  y = 1000x/(1000+1) = 9.90 x
valores de salida frente al posible
-10%  A=900  y = 900x/(900+1) = 9.89 x error del amplificador, pasando
de ser un 10% en el bucle abierto
a ser de 1% en el bucle cerrado
(menor perturbación de valores).
 Ventajas del sistema retroalimentado: sensibilidad a los cambios en los parámetros (es
lo que nos da la gran adaptabilidad a los cambios en los seres vivos); perturbaciones*;
robustez: baja sensibilidad a cambios en los parámetros y rechazo a las perturbaciones
Bloque 2
(retroalimentación permite que con sistemas de muy poca precisión se obtenga un gran
control de las variables que queremos controlar; mientras que en bucle abierto la
perturbación se transmitía totalmente, en la retroalimentación, la perturbación (el
±10% en el caso del ejemplo anterior) se transmitía de manera atenuada a la variable
de salida; esto es lo que confiere robustez al sistema). *Efecto de retroalimentación en
las perturbaciones: queremos que y=10x en el siguiente sistema como primera
condición de diseño:
P
-
X + a Y
2 5
Es un sistema lineal que nos da una combinación lineal: salida yx por entrada de x e yp
por la perturbación; en el resultado del sistema vemos que la perturbación no solo
saldría íntegra en la salida sino que también estaría amplificada por 5. Si imponemos
una segunda condición de diseño que yp = 0,1*|P|, usaríamos un sistema
retroalimentado que cambia la entrada según el valor de la variable de salida. Puedo
aplicar el principio de superposición porque es un sistema lineal, pudiendo
descomponer la señal de salida en yp e yx.
P Siendo K1 y K2
+ - sensores con una
X e b + a Y
K1 2 5 ganancia fija, la cual
-
elegimos según
queramos que sea
K2
nuestro sistema.
• 𝑃 = 0 → 𝑦𝑥 = 5𝑎; 𝑎 = 𝑏 − 𝑃; 𝑏 = 2𝐾1 ∗ 𝑒 = 2𝐾1 𝑥 − 𝐾2 ∗ 𝑦𝑥 → 𝑦𝑥 = 10𝐾1 𝑥 − 𝐾2 ∗ 𝑦𝑥

10𝐾1
→ 𝑦𝑥 = 𝑥
1 + 10𝐾1 𝐾2
−5𝑃 10𝐾1 ∗ 𝑥 5𝑃
• 𝑥 = 0 → 𝑦𝑝 = 𝑦= −
1 + 10𝐾1 𝐾2 1 + 10𝐾1 𝐾2 1 + 10𝐾1 𝐾2
En el denominador de la fracción están todos los elementos físicos (reales) que actúan
sobre el sistema (K1 y K2). El denominador NO VARÍA DEPENDIENDO DE LAS ENTRADAS,
lo cual nos da el comportamiento del sistema. Despejando el valor de K1 y K2 usando las
dos condiciones de diseño impuestas, obtenemos que:
10𝐾1 𝐾1
• 𝑦𝑥 = 𝑥 = 10𝑥 → = 1 → 1 + 10𝐾1 𝐾2 = 𝐾1
1 + 10𝐾1 𝐾2 1 + 10𝐾1 𝐾2
−5𝑃 50
• = 0,1 ∗ 𝑃 → = 1 → 10𝐾1 𝐾2 = 49
1 + 10𝐾1 𝐾2 1 + 10𝐾1 𝐾2
𝐾1 = 50; 𝐾2 = 49 500 = 0,1

Perturbación limitada por K1 y K2 dando una salida en la que la perturbación se encuentra
multiplicada por 0.1, permitiendo que nuestro sistema sea robusto. La perturbación en
el sistema que hemos hecho hace que perdamos energía; en nuestro caso K1 y K2 los
Bloque 2
elegimos nosotros según las condiciones de diseño que imponemos al principio, aunque
en los sistemas ya establecidos estos valores se encuentran estipulados desde el
principio. Además, K1 y K2 de por sí pueden tener cierta variabilidad sin comprometer el
funcionamiento del sistema.
 Cannon (libro): los complejos procesos de regulación y control son evidentes en cada
nivel fisiológico. La retroalimentación es una característica clave que se presenta de
muchas formas. Característica dinámica en los sistemas de control vivos es que, al
contrario de lo que se pensaba en el principio de la fisiología (que el organismo se regía
por unas condiciones constantes  concepto de homeostasis), el organismo en realidad
se encuentra en un estado de equilibrio dinámico gracias a sistemas de
retroalimentación que permiten que, aunque el medio no sea realmente constante, el
funcionamiento del organismo como sistema sea el correcto.
 Modelado: para tratar de forma sistémica y eficiente problemas que impliquen
comportamientos dependientes del tiempo, debemos tener una descripción de los
objetos o procesos involucrados. A esa descripción se denomina modelo. Análisis:
predicción del comportamiento de un modelo. Control: es hacer que un sistema tenga
el comportamiento que sea el que yo elijo análisis (paso en el que comparamos las
dos posibilidades de sistema abierto o cerrado); control es cuando añadimos
retroalimentación para cambiar el resultado.
 Análisis temporal: función de transferencia G(s)=Y(s)/X(s), a condiciones iniciales nulas:
G(s)=bτ / (1+sτ)Y(s)=G(s) X(s). En este caso estamos hablando de una ecuación
farmacocinética, siendo y la concentración de una sustancia en un compartimento en el
que pueda metabolizarse o cambiar de concentración. Dentro de los sistemas lineales a
coeficientes constantes encontramos varios tipos de respuesta (respuesta libre del
sistema, respuesta forzada…). RESPUESTA LIBRE DEL SISTEMA es cuando dy/dt=r*y
(respuesta del sistema cuando la entrada es 0; sólo depende de los componentes del
sistema y es útil en farmacocinética por ejemplo cuando queremos estudiar el T50 o vida
media de un fármaco); para resolver esta ecuación usamos la TRANSFORMADA DE
LAPLACE, que sirve para pasar una ecuación diferencial mediante la transformada de
Laplace a una ecuación algebraica. Una gran ventaja de este método es que se trabaja
con tablas; si tenemos función F(t), su transformada de Laplace se representa como
L[F(t)]=F(s), donde s es un plano complejo, es decir, un plano α+j*Ω, en el que hay una
parte real α y una parte imaginaria que es Ω. F(t) es una función temporal debido a que
es dependiente del tiempo; sabiendo que a t=0, f(0)=1:
∞ Mediante esta
• 𝐹 𝑡 → 𝐿[𝐹 𝑡 ] = 𝐹 𝑠 = 𝑓 𝑡 ∗ 𝑒 −𝑠𝑡 𝑑𝑡 → 𝑠 = 𝛼 + 𝑗𝛺; 𝑓 𝑡 = 𝑒 −𝑏𝑡 transformada convierto
0
una ecuación diferencial
∞ ∞ (una gráfica con área bajo
−𝑏𝑡 𝑠𝑡
1
→𝑌 𝑠 = 𝑒 ∗𝑒 𝑑𝑡 = 𝑒− 𝑠+𝑏 𝑡
𝑑𝑡 = la curva) en un punto
𝑠+𝑏
0 0 concreto.
• 𝑑𝑦 𝑑𝑦 𝑑𝑦
𝑑𝑡 = 𝑟 ∗ 𝑦; 𝐿 𝑑𝑡 = 𝐿[𝑟 ∗ 𝑦] → 𝐿 𝑑𝑡 = 𝑠 ∗ 𝑌 𝑠 − 𝑦 0 ; 𝐿[𝑟 ∗ 𝑦] = 𝑟 ∗ 𝑌 𝑠 ;
𝑦 0
𝑠 ∗ 𝑌 𝑠 − 𝑦 0 = 𝑟 ∗ 𝑌 𝑠 → 𝑟𝑒𝑎𝑔𝑟𝑢𝑝𝑎𝑚𝑜𝑠 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠: 𝑌 𝑠 [𝑠 − 𝑟] = 𝑦 0 ; 𝑌 𝑠 =
𝑠−𝑟
→ 𝑦 𝑡 = 𝑦 0 ∗ 𝑒 𝑟𝑡
Bloque 2
Siendo r por ahora sólo una constante o parámetro,
la resolución de esta ecuación diferencial en la
respuesta libre nos quiere decir que cuando en una
grafica tengo y respecto al tiempo, para
t(0)y(0)=1; cuando r>0 (naranja), a medida que
aumenta t aumenta y(t); si r=0 (gris), y será
constante independientemente de t; si r<0
(amarillo), irá disminuyendo con el tiempo, siendo
1 2 3 4 por ello un sistema estable que tiende al equilibrio
cumpliendo con la ley del mínimo gasto energético.
PUNTO DE EQUILIBRIO DE FUNCIONAMIENTO: en un sistema dinámico, es cuando la
variación respecto al tiempo de la variable dependiente es 0 (dy/dt=0, tanto la 1º como
las siguientes derivadas), y en este punto sería igual dy/dt=ry. 2 problemas: si r=0, tengo
infinitos puntos de equilibrio (todo multiplicado por r será 0); si r es distinto de 0 me
fuerza a que el único punto de equilibrio sea ye=0. En este caso estamos viendo como el
sistema dinámico, tras dejar de recibir señal de entrada, busca la situación de equilibrio
(tiende a 0 situación estable cuando r<0; situación inestable cuando r>0; situación
neutral es cuando r=0). Solo cuando y(t)=y(0)*e-rt es cuando podemos hablar de un
sistema real (siempre tienden al equilibrio).
Cuando τ=1/r es cuando podemos hablar de constante de tiempo, condición que solo
se da cuando r<0, siendo entonces el comportamiento del sistema:
𝑡 La constante de tiempo (τ), por ello, nos da un índice de
𝑦 𝑡 = 𝑦 0 ∗ 𝑒− 𝜏
medida siendo más potente que por ejemplo conocer solo el
50% de disminución, porque en función de τ podemos ver cuando el sistema se anula
(no sólo da un punto de la gráfica, sino el porcentaje en que decrece la concentración
en un tiempo concreto, dando por ello información de la dinámica del sistema). El
estudio de la respuesta libre del sistema es por tanto útil para ver el aclaramiento de
una sustancia en farmacocinética, demostrando que el organismo es un sistema
dinámico puesto que incluso en condiciones de entrada nula, el sistema sigue en
movimiento para establecer su punto de equilibrio; este tipo de comportamiento es un
modelo aunque en la vida real es poco reproducible puesto que para dar un pulso que
lleve el sistema de 0 a x en un tiempo 0 necesitaríamos un generador de energía infinita,
sin embargo, se usa como representación matemática de la respuesta del sistema a una
entrada en impulso o bolo farmacológico (entrada más rápida que el tiempo que
necesita el sistema para responder a dicha entrada). RESPUESTA FORZADA: se estudia
mucho en farmacocinética; es el comportamiento del sistema cuando la entrada (qi) es
diferente de 0 (hay entrada del fármaco en el sistema). Estos sistemas se encuentran
siempre ligados a coeficientes constantes. Encontramos diferentes tipos de entrada del
fármaco según el tiempo que dure la entrada y su comportamiento en el tiempo; los
diferentes tipos son:
• 𝑥 𝑡 = 𝐴𝛿 𝑡 Entrada en impulso o bolo, delta de Dirac
• 𝑥 𝑡 = 𝐴𝑢 𝑡 Entrada mantenida, salto
• 𝑥 𝑡 = 𝐴𝑢 𝑡 − 𝐴𝑢 𝑡 − 𝑇 Pulso finito
• 𝑥 𝑡 = 𝐴 sin 𝜔𝑡 Señal senoidal (única señal con un solo componente; las demás son
combinación seno-coseno).
Bloque 2
Tenemos dy/dt= -1/τ*y(t)+bx(t) quiero ver como varía y(t) cuando se aplica una x(t)
siendo x la entrada, e y(0)=0, mediante transformada de Laplace (la transformada de
una constante es la constante):
𝑑𝑦 1 𝑑𝑦
𝐿 𝑑𝑡 = − 𝜏 ∗ 𝐿[𝑦] + 𝑏 ∗ 𝐿[𝑥 𝑡 ]; 𝐿 𝑑𝑡 = 𝑠 ∗ 𝑌 𝑠 − 𝑦 0 = 𝑠 ∗ 𝑌 𝑠 ;
1 1 1
− 𝐿[𝑦] = − 𝑌 𝑠 ; 𝑏 ∗ 𝐿[𝑥 𝑡 ], 𝑠𝑖𝑒𝑛𝑑𝑜 𝑥 𝑡 = 𝐴𝑢 𝑡 →= 𝑏𝐴 ∗ 𝐿[𝑢 𝑡 ] = 𝑏𝐴 ∗ ;
𝜏 𝜏 𝑠
En este caso la entrada es de tipo salto, siendo A la amplitud del mismo (dato conocido).
Cuando lo aplicamos en un ejemplo en el que tenemos una entrada x(t), una q(0)=0
siendo q la concentración del fármaco, y k la velocidad de metabolización del mismo,
obtenemos:
𝑑𝑞 𝑇𝐿 𝑑𝑞 𝐴
𝑑𝑡 = 𝐴𝑢 𝑡 − 𝑘𝑞 → 𝐿 𝑑𝑡 = 𝑠 ∗ 𝑄 𝑠 − 𝑞 0 ; 𝐴 ∗ 𝐿[𝑢 𝑡 ] = 𝑠 ; 𝐿[𝑞𝑘] = 𝑘 ∗ 𝑄 𝑠 ;
𝐴 𝐴 𝐴
𝑠∗𝑄 𝑠 = − 𝑘𝑄 𝑠 → 𝑄 𝑠 [𝑠 + 𝑘] = ; 𝑄 𝑠 = → 𝑑𝑒𝑠𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑚𝑜𝑠 𝑙𝑎 𝑓𝑟𝑎𝑐𝑐𝑖ó𝑛
𝑠 𝑠 𝑠 𝑠+𝑘
𝐵0 𝐵1 𝑠∗𝐴 𝐴 𝑠+𝑘 𝐴 𝐴 𝐴 ⁄𝑘 𝐴 ⁄𝑘
= + ; 𝐵0 = lim = ; 𝐵1 = lim =− →𝑄 𝑠 = − ;
𝑠 𝑠+𝑘 𝑠→0 𝑠 𝑠 + 𝑘 𝑘 𝑠→−𝑘 𝑠 + 𝑘 𝑠 𝑘 𝑠 𝑠+𝑘
𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝐼𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝐿𝑎𝑝𝑙𝑎𝑐𝑒 𝐴 𝐴
→ 𝑞 𝑡 = 𝑘 𝑢 𝑡 − 𝑘 𝑒 −𝑘𝑡 ; 𝑝𝑎𝑟𝑎 𝑡 ≥ 0 → 𝑢 𝑡 = 1 →
𝐴
𝑞 𝑡 =1 − 𝑒 −𝑘𝑡
𝑘
La respuesta forzada del sistema se puede descomponer por ello en dos componentes:
respuesta transitoria es la parte que va unida a la exponencial, que a su vez es
dependiente de la entrada (característica del sistema en sí, que en nuestro caso es
velocidad de metabolización, dando siempre un exponente adimensional); parte que se
mantiene (A/k) se denomina respuesta permanente (nos dice que va a haber una
dinámica de la concentración desde t(0)=1 hasta y(t)=0, dependiendo esta dinámica de
la K). Dependiendo de la velocidad de metabolización del fármaco tendremos distintos
comportamientos transitorios (a un cambio brusco el sistema responde con un cambio
transitorio, ligado siempre al concepto de constante de tiempo).
Cuando añadimos un fármaco a un sistema, la respuesta forzada es la que da dicho
sistema durante la adición del mismo, mientras que tras ella se da una fase de respuesta
libre cuando la entrada ya es 0, en la cual también podemos estudiar el aclaramiento
del fármaco. Lo que medimos es como cambia la concentración de fármaco q en un
compartimento; en respuesta libre no hay entrada, por lo que el comportamiento del
sistema solo depende de la constante de tiempo y del tiempo en sí). Cuando tengo un
sistema ya formado del cual no conozco sus constantes, pero sí que puedo ver su
comportamiento, estudiando este último podemos dar con cuál sería el modelo más
ajustado a su comportamiento, pudiendo pasar de una ecuación dinámica general
(dq/dt=q(i)-Kq) a la concentración de fármaco en el sistema (q(t)); para no tener que
resolver la integral en la ecuación diferencial usamos transformada de Laplace (pasa
ecuación diferencial a ecuación algebraica); tras esto, para pasar de ecuación algebraica
a tiempo uso la transformada inversa de Laplace (pasa de nuevo del plano s o complejo
al plano t o real, obteniendo así q(t) que era nuestro problema). Durante la resolución
de la transformada, los valores de la variable cuando se encuentra en el plano complejo
se escriben en mayúscula para diferenciarlas de las variables del plano real. Otro
Bloque 2
ejemplo sería usando, en lugar de un sistema con concentraciones de fármacos, un
esquema de un circuito eléctrico en el que encontramos un condensador (C) y una
resistencia (R), y en el cual tenemos como variable de entrada a Vi y como variable de
salida V0. En este ejemplo, el tipo de entrada (Vi) va a ser del tipo Aδ(t), siendo esta
entrada de tipo impulso (representación de un bolo farmacocinético). El circuito que se
compone de condensador y resistencia es una de las representaciones que puede tener
una ecuación de primer orden en la vida real, y por ello lo empleamos como ejemplo.
𝑑𝑣𝑜 1 𝑣𝑖 − 𝑣𝑜 𝑑𝑣𝑜 1 1 1
= 𝑖; 𝑖 = → = 𝑣𝑖 − 𝑣𝑜 = 𝑣𝑖 − 𝑣
𝑑𝑡 𝐶 𝑅 𝑑𝑡 𝑅𝐶 𝑅𝐶 𝑅𝐶 𝑜
𝑇𝐿 𝑑𝑣𝑜
Vi Vo → 𝐿[ ] = 𝑠 ∗ 𝑉𝑜 𝑠 − 𝑣𝑜 0 ; 𝐿[1 𝑅𝐶 ∗ 𝑣𝑖 ] = 1 𝑅𝐶 𝑉𝑖 𝑠 ;
𝑑𝑡
𝐿[1 𝑅𝐶 ∗ 𝑣𝑜 ] = 1 𝑅𝐶 𝑉𝑜 𝑠 → 𝑠𝑖𝑒𝑛𝑑𝑜 𝑣𝑜 0 = 0→ 𝑠𝑢𝑠𝑡𝑖𝑡𝑢𝑦𝑜 𝑦 𝑑𝑒𝑠𝑝𝑒𝑗𝑜 𝑉𝑜
𝑠𝑉𝑜 𝑠 = 1 𝑅𝐶 𝑉𝑖 𝑠 − 1 𝑅𝐶 𝑉𝑜 𝑠 → 𝑉𝑜 𝑠 (𝑠 + 1 𝑅𝐶 ) = 1 𝑅𝐶 𝑉𝑖 𝑠
En este punto sustituimos Vi por el tipo de entrada que estamos usando (Aδ(t)), y
realizamos la transformada de esta señal siendo:
𝐴
𝐿[𝐴𝛿 𝑡 ] = 𝐴 ∗ 𝐿[𝛿 𝑡 ] = 𝐴 ∗ 1 = 𝐴; 𝑉𝑜 𝑠 = 𝑅𝐶 = 𝐴 ∗ 1
𝑠 + 1⁄𝑅𝐶 𝑅𝐶 𝑠 + 1⁄𝑅𝐶
Teniendo ya la ecuación algebraica, podemos aplicar la transformada inversa de Laplace
para obtener finalmente Vo(t):
𝐴
𝑣𝑜 𝑡 = ∗ 𝑒 −𝑡/𝑅𝐶
𝐶𝑅
Siendo en este caso RC=τ. Este tipo de entrada Aδ(t) se usa en farmacocinética cuando
no se sabe bien cuál es el comportamiento del fármaco y por tanto, lo primero que
estudiamos de él es su aclaramiento en relación al sistema al que se lo aplicamos.
Importante usar la constante de tiempo puesto que da mucha más información del
sistema que cualquier otro parámetro de desgaste del fármaco (al estar incluida en la
fórmula del comportamiento cinético, los demás factores son fácilmente despejables.
Dentro de respuesta forzada encontramos respuesta transitoria (depende de la
exponencial) y respuesta permanente (en nuestro caso A/CR, que es independiente del
tiempo).
Cada tipo de entrada sirve para estudiar diferentes comportamientos en función de la
entrada. Respuesta permanente no está asociada al tiempo y es a la que tiende el
sistema cuando llega al equilibrio, y depende de la entrada y del sistema en sí; respuesta
transitoria asociada a la exponencial que depende del tiempo (cuando t tiende a un valor
muy grande la e se anula, pasando el sistema a tender solo hacia el valor de la respuesta
permanente). En el caso de la exponencial en la función pulso, a mayor τ más pequeño
será el dividendo, por lo que mayor será la diferencia 1-e-t/τ; puesto que e tiende a 0, la
diferencia tiende a 1, haciendo que la respuesta del sistema tome valores iguales al
factor que multiplica a esta diferencia (o lo que es lo mismo, la respuesta permanente).
𝑑𝑦 1 1
𝑠𝑖𝑒𝑛𝑑𝑜 = − 𝑦 + 𝑏𝑥, 𝑥 𝑡 = 𝐴𝑢 𝑡 , 𝑦 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑦 0 = 0 → 𝑠𝑌 𝑠 = − 𝑌 𝑠 + 𝑏𝑋 𝑠 =
𝑑𝑡 𝜏 𝜏
1 𝑏𝐴 𝑏𝐴 𝐵0 𝐵1 𝑠𝑏𝐴 𝑏𝐴 (𝑠 + 1 𝜏)
=− 𝑌 𝑠 + ;𝑌 𝑠 = = + ; 𝐵0 = lim = 𝐴𝑏𝜏 ; 𝐵1 = lim = −𝐴𝑏𝜏 ;
𝜏 𝑠 𝑠(𝑠 + 1 𝜏) 𝑠 𝑠+1 𝜏 𝑠→0 𝑠(𝑠 + 1 )
𝜏
1
𝑠→− 𝑠(𝑠 +
𝜏
1 )
𝜏
𝐴𝑏𝜏 𝐴𝑏𝜏 𝑇.𝐼.𝐿. 𝑡 𝑡
𝑌 𝑠 = − → 𝑦 𝑡 = 𝐴𝑏𝜏 − 𝐴𝑏𝜏 ∗ 𝑒 −𝜏 = 𝐴𝑏𝜏 (1 − 𝑒 −𝜏 )
𝑠 𝑠+1 𝜏 8
R. permanente R. transitoria
Bloque 2
b puede ser una ganancia o pérdida del sistema que viene implícita en el mismo; se
puede calcular sabiendo la amplitud del pulso aplicado y el valor de la señal en el tiempo
inicial. La exponencial, que es la que nos da el comportamiento dinámico antes de llegar
al punto de respuesta permanente, es siempre intrínseca al sistema y da un
conocimiento adicional del mismo. FUNCIÓN DE TRANSFERENCIA: se refiere como la
relación entre la transformada de Laplace de salida entre la transformada de Laplace de
la entrada, a condiciones iniciales nulas; da una manera de representar el concepto de
caja negra de los sistemas. Ecuación característica se define como la igualdad del
denominador de nuestra función a 0. El valor de s que cumple esta ecuación es lo que
se llama raíz característica, y fija el comportamiento dinámico del sistema en función
de su valor. Esta raíz característica, cuando solo tiene parte real, da lugar a
exponenciales en el dominio temporal, lo que quiere decir que si meto un bolo y tras el
veo un desplazamiento exponencial decreciente puedo saber que es una ecuación de
primer orden y que solo tiene una raíz característica; en casos de raíz característica con
parte imaginaria se dan otros comportamientos como la oscilación del sistema.
𝑌 𝑠 𝑏
𝑝𝑎𝑟𝑎 𝑦 0 = 0 → 𝐺 𝑠 = =
𝑋 𝑠 𝑠+1 𝜏
Otro tipo de entrada es el pulso, que se representa como x(t)=Au(t)-Au(t-T), para el cual:
∞ ∞
𝐴 𝐴 −𝑇𝑠 𝐴 −𝑠𝑡 𝐴
𝑋 𝑠 = − 𝑒 → 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑐𝑖ó𝑛: 𝐴𝑢 𝑡 𝑒 −𝑠𝑡 𝑑𝑡 = 𝑒 = ; 𝐴𝑢 𝑡 − 𝑇 𝑒 −𝑠𝑡 𝑑𝑡 =
𝑠 𝑠 0 𝑠 𝑠 0
𝑇 ∞ La función no existe hasta que t=T (la
= 𝐴𝑢 𝑡 − 𝑇 𝑒 −𝑠𝑡 𝑑𝑡 + 𝐴𝑢 𝑡 − 𝑇 𝑒 −𝑠𝑡 𝑑𝑡 →
0 𝑇
primera parte de la integral se anula a 0)
•Para 0 ≤ t < T:
𝑡
𝑦 𝑡 = 𝐴𝑏𝜏 1 − 𝑒 − 𝜏
𝑏 𝐴 𝐴 𝑇.𝐼.𝐿. •Para 0 t ≥ T:
𝑌 𝑠 =𝐺 𝑠 ∗𝑋 𝑠 = ( − 𝑒 −𝑠𝑇 ) → 𝑡−𝑇
𝑠+1
𝑡
𝜏 𝑠 𝑠 𝑦 𝑡 = 𝐴𝑏𝜏 1 − 𝑒− 𝜏 − 1 − 𝑒− 𝜏 =
𝑡 𝑇
= −𝐴𝑏𝜏 ∗ 𝑒 − 𝜏 1−𝑒 𝜏
En el caso de este tipo de entrada, es lo que se usa realmente para construir la delta de
Dirac usando valores de T muy pequeños, puesto que el modelo de impulso es imposible
de generar en la realidad (es solo un modelo matemático al que nos podemos
aproximar, pero no reproducir). Como podemos observar, los coeficientes asociados a
la respuesta permanente son constantes sea cual sea el tipo de entrada. Por último, otro
tipo de entrada es la entrada tipo rampa, cuya fórmula es x(t)=At, y su transformada,
X(s)=A/s2.
A partir de aquí, pasamos del análisis temporal al análisis frecuencial. Cualquier función
se puede descomponer en suma de infinitos términos de seno y coseno); esto da muchas
características del sistema que estamos estudiando (si funciona como pasa baja o alta,
etc.). Un filtro pasa baja deja pasar solo valores por debajo de una frecuencia/longitud
de onda, mientras que lo contrario es un filtro de pasa alta. La entrada seno se usa como
señal de muestra porque es la única señal que tiene sólo una componente, que es la
velocidad angular (ω). Dependiendo del ancho de banda del sistema podemos
diferenciar un filtro tipo paso alta y baja. Podemos decir que todos los tipos de entrada,
si se descomponen matemáticamente, son igual a un sumatorio de funciones seno y
Bloque 2
coseno multiplicados por diferentes amplitudes. A continuación, estudiamos la
respuesta de un sistema de primer orden ante una entrada senoidal:
𝐴𝜔 Buscamos las raíces

𝑥 𝑡 = ∑ 𝐴𝑖 sin 𝜔𝑖 𝑡 → 𝑥 𝑡 = 𝐴 sin 𝜔𝑡 ; 𝐿[𝐴 sin 𝜔𝑡 ] = →
𝑠2 + 𝜔 2 características de la función
𝑠 2 + 𝜔2 = 0; 𝑠 2 = −𝜔2 ; 𝑠 = ±𝜔 → Como no hay ningún número que al cuadrado dé negativo,
estamos en el plano complejo
𝑏 𝐴𝜔 𝐴𝑏𝜔
𝑌 𝑠 =𝐺 𝑠 ∗𝑋 𝑠 = ∗ 2 = =
𝑠+ 𝜏 1 𝑠 + 𝜔 2 1
(𝑠 + 𝜏) 𝑠 2 + 𝜔 2
𝐵0 𝐵1 𝑠 + 𝐵2 𝐵0 𝑠 2 + 𝐵0 𝜔2 + 𝐵1 𝑠 2 + 𝐵1 1 𝜏 + 𝐵2 𝑠 + 𝐵2 1 𝜏
= + = ;
𝑠+1 𝜏 𝑠2 + 𝜔2 (𝑠 + 1 𝜏) 𝑠 2 + 𝜔 2
𝐴𝑏𝜔(𝑠 + 1 𝜏) 𝐴𝑏𝜔 𝐴𝑏𝜔𝜏 2

𝐵0 = lim = = →
1
𝑠→− (𝑠 +
1 ) 𝑠2 + 𝜔2 1 + 𝜔 2 1 + 𝜏2𝜔2
𝜏 𝜏 𝜏 2
Como vemos que en la solución final no hay ningún término s2, igualamos aquellos en el numerador
que se multiplican por s2 a 0. −𝐴𝑏𝜔𝜏 2
𝐵0 𝑠 2 + 𝐵1 𝑠 2 = 0 → 𝐵1 = −𝐵0 ; → 𝐵1 =
1 + 𝜏 2 𝜔2
A continuación igualamos todos los términos independientes de s al numerador de la solución:
1 𝐴𝑏𝜔𝜏
𝐵0 𝜔2 + 𝐵2 ∗ = 𝐴𝑏𝜔 → 𝐵2 = 𝐴𝑏𝜔𝜏 − 𝐵0 𝜏𝜔2 =
𝜏 1 + 𝜏2𝜔2
Que el denominador esté al cuadrado nos dice que tiene varias raíces complejas (como
vemos en la representación de los planos arriba, siendo ambos puntos ±jω). Para que
oscile un sistema de primer orden es siempre necesario introducir una entrada seno; la
raíz compleja del seno siempre va a ser s2+ω2, lo que varía es el numerador. Vemos que
en este caso los coeficientes no son constantes, sino que dependen de la entrada (tanto
de su amplitud como de su frecuencia).
𝐴𝑏𝜔𝜏 2 1 𝐴𝑏𝜔𝜏 2 𝑠 𝐴𝑏𝜏 𝜔
𝑌 𝑠 = ∗ − ∗ 2 + ∗ 2 ;
1 + 𝜏 𝜔 (𝑠 + 1 𝜏) 1 + 𝜏 𝜔
2 2 2 2 𝑠 +𝜔 2 1+𝜏 𝜔2 2 𝑠 + 𝜔2
Es importante tener en cuenta que B0, B1 y B2 son en realidad los coeficientes asociados,
no estando ninguno condicionado por s.
𝑇.𝐼.𝐿. 𝐴𝑏𝜔𝜏 2 −𝑡 𝜏
𝐴𝑏𝜔𝜏 2 𝐴𝑏𝜏
→ 𝑦 𝑡 = 2 2
∗ 𝑒 − 2 2
∗ cos 𝜔𝑡 + ∗ sin 𝜔𝑡
1+𝜏 𝜔 1+𝜏 𝜔 1 + 𝜏2𝜔2
R. transitoria R. permanente
Esta sería la expresión matemática que obtendríamos al aplicar una función entrada
seno a un sistema de primer orden, pero no es lo que observamos; en este caso, lo que
observaríamos sería una única función seno desfasada, no observando apenas nada
de la respuesta transitoria. Para asemejar la fórmula obtenida a lo que realmente
vemos, comparamos la ecuación matemática que obtenemos de la antitransformada
con la ecuación de la señal que obtenemos en la medición.
𝐵 sin 𝜔𝑡 + 𝜑 = 𝐵 cos 𝜔𝑡 sin 𝜑 − 𝐵 sin 𝜔𝑡 cos 𝜑 ;

2*sen(2t) B*sen(2t+φ)
Ahora, comparamos esto con la respuesta
permanente de nuestro sistema para identificar
términos.
10
Bloque 2
𝐴𝑏𝜏 𝐵2 sin2 𝜑 = 𝜔2 𝜏 2
−𝜔𝜏 cos 𝜔𝑡 + sin 𝜔𝑡 → 𝐵 ∗ sin 𝜑 = −𝜔𝜏; 𝐵 ∗ cos 𝜑 = 1 →
1 + 𝜏2𝜔2 𝐵2 cos2 𝜑 = 1
Usamos la propiedad trigonométrica 2
𝐵 sin2 𝜑 + cos 2 𝜑 = 1 + 𝜔2 𝜏 2 → 𝐵 = √1 + 𝜔 2 𝜏 2
para despejar el valor de M
𝐵 sin 𝜑 Sabemos que es el valor de la cotangente de
= tan 𝜑 = tan−1 𝜔𝜏 ωτ por sustitución de los valores de seno y
𝐵 cos 𝜑
coseno (ya conocidos)
Finalmente, por sustitución de los términos obtenidos de la respuesta visible en la
expresión de la respuesta forzada, obtenemos que la señal visible es:
𝐴𝑏𝜏 𝐴𝑏𝜏
2 2
∗ √1 + 𝜔 2 𝜏 2 ∗ sin 𝜔𝑡 + 𝜑 = ∗ sin 𝜔𝑡 + 𝜑
1+𝜏 𝜔 √1 + 𝜔 2 𝜏 2
Es importante darnos cuenta de que, siempre que tengamos una ecuación cuyo
denominador no tenga raíces complejas o imaginarias, la antitransformada siempre será
la de una exponencial, mientras que si nuestra función tiene raíces complejas, su
antitransformada será un conjunto de funciones seno y coseno, siempre en función de
ωt; así, las ecuaciones o sistemas que no oscilan no tienen ningún valor en el plano
imaginario (siempre dan exponenciales y constantes). En el plano temporal, esta
ecuación genera una exponencial más una amplitud que multiplica a un seno de la
misma frecuencia pero desplazado/desfasado con respecto al seno aplicado en la
entrada. A medida que aumenta la frecuencia, las amplitudes disminuyen, no teniendo
el sistema capacidad de responder. Un sistema lineal no puede dar un cambio de
frecuencia. Seno y coseno de φ en realidad son constantes, por lo que en realidad se
consideran la amplitud de seno y coseno de ωt, y siendo φ el factor que desfasa dicha
señal seno. Recapitulando, podemos decir que la señal exponencial es así porque filtra
las componentes de alta frecuencia dando la exponencial positiva (1-e-t/τ), mientras que
en el caso del seno, como solo hay una componente en la señal, en lugar de encontrar
esta respuesta de carga exponencial, encontramos el retraso.
 Análisis frecuencial: Sabiendo cómo se comporta un sistema ante una señal seno
podemos saber cuál será el comportamiento del mismo sistema ante cualquier tipo de
señal. Decimos que una señal es periódica cuando A*sen(ωt)=A*sen(ωt + T), siendo T el
periodo. Si definimos como premisa inicial que s=jω, podemos obtener las siguientes
ecuaciones:
𝑭. 𝒅𝒆 𝒕𝒓𝒂𝒏𝒔𝒇𝒆𝒓𝒆𝒏𝒄𝒊𝒂: 𝐺 𝑗𝜔 = 𝑏𝜏/1 + 𝑗𝜔𝜏
𝑁 𝑗𝜔 𝑏𝜏 √𝑏 2 𝜏 2 𝑏𝜏
𝑴ó𝒅𝒖𝒍𝒐 𝒅𝒆 𝑮: 𝐺 𝑗𝜔 = = = =
𝐷 𝑗𝜔 1 + 𝑗𝜔𝜏 √1 + 𝜔 𝜏 2 2 √1 + 𝜔 2 𝜏 2
𝑭𝒂𝒔𝒆 𝒅𝒆 𝑮: 𝐹𝑎𝑠𝑒 𝐺 𝑗𝜔 = 𝐹𝑎𝑠𝑒 𝑁 𝑗𝜔 − 𝐹𝑎𝑠𝑒 𝐷 𝑗𝜔 = 𝐹𝑎𝑠𝑒 𝑏𝜏 − 𝐹𝑎𝑠𝑒 1 + 𝑗𝜔𝜏
* 𝑎 + 𝑗𝑏 = √𝑎2 + 𝑏 2 ; 𝐹𝑎𝑠𝑒 [𝑎 + 𝑗𝑏] = tan−1 𝑏/𝑎
11
Bloque 2
En este caso, hablamos de fase y módulo debido a que cualquier número complejo se
puede descomponer en estas dos componentes de la siguiente manera:
Siendo el módulo el valor del vector que une al
punto de estudio con el inicio de los ejes, y la fase
el ángulo que toma dicho vector con respecto al eje
X o real. Mediante esta caracterización, podemos
estudiar cualquiera de estas dos componentes y
hallar en nuestro caso la frecuencia de corte,
siendo esta la frecuencia para la cual se igualan las
Fase asíntotas dependientes de la frecuencia.
Módulo es la raíz cuadrada de parte real más parte imaginaria, que en nuestro caso son
a para la parte real y b para la parte imaginaria. El módulo siempre se encuentra
asociado a un número real, por eso se eleva al cuadrado antes de la raíz (para no dar
raíces negativas). Un número real siempre aporta una fase = 0 porque el componente
imaginario (numerador) es siempre 0. Por todo ello, sabiendo la frecuencia no es
necesario estudiar la respuesta permanente porque ya podemos saber φ (para cada
frecuencia viendo el módulo de la entrada puedo saber ya la salida  razonamiento
inverso que permite caracterizar el sistema). Frecuencia de corte es el punto en el que
las asíntotas de alta frecuencia y de baja frecuencia valen lo mismo, por lo que las
igualamos generando la frecuencia de corte o ancho de banda de sistema (0.707 porque
sustituyendo ω=1/τ en la ecuación de la |G(jω)|).
Análisis del módulo de G(jω): Análisis de la fase de G(jω):
𝑏𝜏 0 𝜔𝜏
𝐺 𝑗𝜔 = 𝐹𝑎𝑠𝑒 𝐺 𝑗𝜔 = tan−1 − tan−1
√1 + 𝜔 2 𝜏 2 𝑏𝜏 1
=𝛷
•A bajas frecuencias: •A bajas frecuencias
ω0 |G(jω)| bτ ω0 Φ0
•A altas frecuencias: •A altas frecuencias
ω∞ |G(jω)| b/ω 0 ω∞ Φ-90º
•F. de corte: •F. de corte:
bτ=b/ω  ω=1/τ  |G(jω)|=bτ/21/2= ω=1/τ Φ-45º
=0.707bτ → ANCHO DE BANDA
A partir del análisis de estas dos variables podemos construir el diagrama de Bode, que
consiste en la representación de las asíntotas de alta y baja frecuencia en el caso del
módulo y en la representación gráfica también de la fase, mediante el cual
representamos lo que sería el comportamiento del sistema de una manera visual. En
este diagrama siempre se usa la escala logarítmica puesto que de no usarla estarían
todos los datos comprimidos en un pequeño espacio de la gráfica, o necesitaríamos una
gráfica infinita para representar todos los valores del estudio. El módulo representará la
amplitud por la que se multiplicará la señal, mientras que la fase muestra el retraso con
el que se da la respuesta del sistema. En nuestro caso, usaremos de ejemplo los valores
b=10, τ=0,1, y representaremos en el caso del módulo el valor del mismo en decibelios,
el cual equivale a la fórmula:
12
Bloque 2
𝐺 𝑗𝜔 𝑑𝐵 = 20 log 𝑏𝜏 − 20 log √1 + 𝜔 2 𝜏 2
• Asíntota de baja frecuencia:
DIAGRAMA DE BODE: ω0 |G(jω)|20log(bτ)=20log(1)=0

MÓDULO (recta constante independiente del valor de ω)
ABF AAF Representación real • Asíntota de alta frecuencia:
0,1 1 10 100 ω∞ |G(jω)| 20log(bτ)-20log(1+ω2τ2)1/2
10
0 • Para hallar el ancho de banda:
-10
-20 20log(bτ)= 20log(bτ)-20log(1+ω2τ2)1/2; 20log(1)=
-30 20log(1)-20log(0,1 ω); 20log(0,1 ω)=0;
-40
-50 ω=1/0,1= 1/τ =10
-60
-70 Calculamos el valor del módulo para este valor
de ω:
𝐺 𝑗𝜔 𝜔=10 = 20 log 1 − 20 log √1 + 102 0.12 = −20 log √2 = −10 log 2 = −𝟑𝒅𝑩
Para cualquier valor de ancho de banda, el valor del módulo para dicha frecuencia
siempre debe ser de 20log(bτ)-3dB, permitiendo por esto tener un método de control
para saber que este es el valor correcto de ancho de banda, y siendo el valor que hay de
diferencia entre la representación asintótica y la representación real de la función a
dicho valor de ω (diferencia de 3dB con respecto al valor en ω=0). Como última
conclusión sobre el módulo, podemos ver que éste siempre tendrá una pendiente de
-20dB/década, puesto que para cada punto en la escala logarítmica, el valor baja 20dB.
El siguiente paso en el diagrama de Bode es construir la representación de la fase,
usando el análisis de fase que hicimos anteriormente, y calculando que, cuando ω=1/τ,
la fase valdrá siempre -45º (el eje Y representa grados de Φ, y el X, ω).
𝐹𝑎𝑠𝑒 𝐺 𝑗𝜔 = 0 − tan−1 𝜔𝜏 = 𝛷
DIAGRAMA DE BODE: FASE •A bajas frecuencias
0,001 0,01 0,1 1 10 100 1000 10000 ω0 Φ0

0
-10 •A altas frecuencias
-20
ω∞ Φ-90º
-30
-40 •F. de corte: ANCHO DE
-50 BANDA
-60
-70 ω=1/τ Φ-45º
-80
-90
-100
En el análisis de la fase vemos como el retardo entre la señal que metemos y la de salida
nos da información del comportamiento en régimen permanente; un gran retraso
puede generar una señal salida de coseno, por lo que a bajas frecuencias el retraso será
bajo, mientras que a altas frecuencias el retraso será mayor. Se usa la representación
13
Bloque 2
del módulo en forma de decibelios puesto que, al estar sometido a logaritmos, los
productos de módulos independientes pasan a ser sumas de todos los logaritmos de los
módulos, facilitando su expresión matemática. Es importante tener en cuenta que hay
veces que, por quitar ruido, estoy perdiendo información de lo que estoy obteniendo;
el ruido es muy importante para obtener información sobre cómo funciona el sistema.
Para poder filtrar la señal sin perder información de la misma es importante discernir
entre componentes importantes de la señal y componentes no útiles a la hora de aplicar
filtros que corrijan posibles ruidos. Filtro de pasa baja solo deja pasar a las frecuencias
bajas disminuyendo las altas frecuencias (por eso la señal de salida depende de la
frecuencia de la señal de entrada). Podemos volver a comprobar la importancia del
concepto de la constante de tiempo, puesto que sin él no sería posible llevar a cabo el
análisis frecuencial (a diferencia de la vida media, que en este caso no es útil).
 Espectro de las señales: señales periódicasdesarrollo en serie de Fourierentradas

periódicas. Para ver todas las componentes de señales periódicas usamos los desarrollos
en serie de Fourier; suponemos que tenemos una señal de este tipo:
1 1 2 3𝜋 2 3𝜋
𝑥 𝑡 = + sin 2𝜋𝑡 + sin (4𝜋𝑡 + ) + sin (8𝜋𝑡 + ) …
𝜋 2 3𝜋 2 15 2
Vemos que los coeficientes (que representan la amplitud de la señal de salida), a medida
que aumenta la frecuencia (expresada en radianes) van disminuyendo su valor. El
espectro de la señal es la representación de los coeficientes frente a los valores de ω, y
nos da una idea de cuánto estarán transmitidos los ruidos de la señal dependiendo de
su frecuencia (si se encuentra dentro del ancho de banda, el ruido se transmitirá íntegro
a la señal de salida); en el caso de las señales periódicas, este espectro de señal es un
espectro discontinuo. 1/π es el cociente que te sale de la primera integración (todavía
no es un coeficiente). De esta señal, por definición, solo veremos aquellos componentes
que se encuentren dentro del ancho de banda (los cuales saldrán con la misma amplitud
que la amplitud de la entrada), estando las demás desfasadas y con una amplitud menor,
generando ruido en la señal; por ejemplo, en este caso, el coeficiente 4π no aparecería
puesto que, si tomamos como sistema el descrito antes, de ancho de banda 10, el valor
de esta frecuencia sería demasiado alto y por tanto aparecería desfasada. Todas estas
componentes que no se observan son las componentes secundarias, mientras que las
que son primarias son las que dan prácticamente la totalidad del comportamiento del
sistema. Las componentes secundarias por tanto pueden filtrarse para eliminar ruido
sin afectar al comportamiento primario del sistema y por tanto no dando una gran
pérdida de información. Por ello, el filtrado de la señal se lleva a cabo dependiendo del
ancho de banda de nuestro sistema; a mayor ancho de banda el sistema será más rápido
puesto que tiene componentes de mayor frecuencia. Agregando filtros eliminamos
ruido pero disminuimos el ancho de banda del sistema y por tanto damos lentitud al
mismo debido a que disminuimos los componentes de alta frecuencia del sistema
(compromiso entre el filtrado del ruido y la velocidad del sistema; si usamos la τ como
expresión de la velocidad, a mayor τ más lento será el sistema, siendo el ancho de banda
ω=1/τ, y por tanto siendo también menor el ancho de banda del sistema). Para el caso
de las señales periódicas tenemos que tener en cuenta que hemos de tomar muestras
separadas por un tiempo específico para que la representación de estos datos resulte
en una función periódica; esto se especifica en el teorema de Shannon-Nyquist, en el
cual se dice que el periodo de muestreo debe ser menor o igual a la mitad del periodo
de la señal para evitar una representación errónea.
14
Bloque 2
Señales no periódicastransformada de Fourier. Para una señal no periódica,
llevaríamos a cabo la transformada de Fourier, que es:
𝑇.𝐹. ∞ 0 ∞
𝑓 𝑡 → Ғ 𝜔 = 𝑓 𝑡 ∗ 𝑒 −𝑗𝜔𝑡 𝑑𝑡 = 𝑓 𝑡 ∗ 𝑒 −𝑗𝜔𝑡 𝑑𝑡 + 𝑓 𝑡 ∗ 𝑒 −𝑗𝜔𝑡 𝑑𝑡
−∞ −∞ 0
En esta ecuación, el primer componente (de -∞ a 0) suele ser 0 porque la medición suele
empezar siempre en el tiempo 0; esto hace que, cuando comparamos esta transformada
con la que sería la transformada de Laplace, obtenemos que:
∞
𝐹 𝑠 = 𝑓 𝑡 ∗ 𝑒 −𝑠𝑡 𝑑𝑡 → Ғ 𝜔 = 𝐹 𝑠 𝑐𝑢𝑎𝑛𝑑𝑜 𝑠 = 𝑗𝜔
0
La transformada de Fourier nos da el máximo de la información en la señal salida (útil
para saber dónde colocar filtro y conocer el funcionamiento del sistema). Teniendo
una función del tipo exponencial negativa, si realizamos el estudio de la misma
obtenemos:
• Por Laplace:
1
𝑓 𝑡 = 𝑒 −𝑡 𝐹 𝑠 =
𝑠+1
• Por Fourier:
1
Ғ 𝜔 = 𝐹 𝑠 𝑐𝑢𝑎𝑛𝑑𝑜 𝑠 = 𝑗𝜔 →
1 + 𝑗𝜔
Conociendo el valor de ambas transformadas, lo siguiente es saber qué señales se

deben dejar y cuáles se pueden filtrar para obtener este mismo comportamiento. Para
representar el espectro, representamos el módulo de la transformada de Fourier,
obteniendo:
∞
2
1 𝑆𝑖𝑒𝑛𝑑𝑜 𝑙𝑎 𝑒𝑛𝑒𝑟𝑔í𝑎 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎: 𝐸 = Ғ 𝜔 𝑑𝜔
0
En este caso, el espectro de esta señal nos quiere

|Ғ(ω)|
decir que el máximo de información está siempre

a frecuencias muy bajas (mientras que el
desarrollo en serie daba espectro discontinuo, la
transformada de Fourier da un espectro continuo
0 con infinitos valores) cuyo significado
ω
matemático es que los coeficientes de mayor
valor se encuentran siempre asociados en esta
función a un valor menor de ω. Para saber a partir de qué frecuencia consideramos baja
o alta frecuencia, usamos un criterio de inclusión del 99% de la información o energía
final en el resultado.
Para conocer cuál es la ω límite en nuestro sistema, realizamos la siguiente operación:
𝜔𝑙 ∞
2 2
2𝜋 𝑇1
Ғ 𝜔 𝑑𝜔 = 0,99 ∗ Ғ 𝜔 𝑑𝜔 → 𝑇1 = ; 𝑇𝑚 =
0 0 𝜔𝑙 10
Siendo ω límite ωl, T1 el periodo de la función (T=2π/ω) y Tm el periodo de muestreo final.
15
Bloque 2
Tm es menor que T1 para asegurarnos de que la representación es correcta (Shannon-
Nyquist aplicado a una señal no periódica es usando por ejemplo el valor de τ en lugar
de usar omega). Cuando usamos software de análisis, nos encontramos con la opción de
FFT o transformada rápida de Fourier.
 Análisis de sistemas de segundo orden: los sistemas de segundo orden aparecen

cuando se tiene más de un repositorio de energía o masa en el sistema, pudiendo darse
intercambio entre ellos (ejemplo bicompartimental de una célula con medios intra y
extracelular). Mediante este análisis buscamos cumplir una serie de objetivos: extender
los resultados de los sistemas de primer orden a los de segundo e introducir métodos y
técnicas necesarios para analizar los sistemas de orden superior. Un sistema de segundo
orden resume todos los comportamientos que nos podemos encontrar en un sistema
lineal y de ecuaciones diferenciales ordinarias; este sistema de segundo orden puede
representarse por la ecuación:
𝑌 𝑠 𝑘 𝑑2 𝑦 𝑑𝑦
𝐺 𝑠 = = 2 2
; 2
+ 2𝛿𝜔𝑛 + 𝜔𝑛 2 𝑦 = 𝑘 ∗ 𝑥 𝑡 ; 𝑦 0 = 0
𝑋 𝑠 𝑠 + 2𝛿𝜔𝑛 𝑠 + 𝜔𝑛 𝑑𝑡 𝑑𝑡
Sabiendo que δ es el factor de amortiguamiento que da la pérdida de energía en forma
de calor del sistema, y ωn la frecuencia natural no amortiguada del sistema, si
suponemos que nuestro sistema no tiene ningún tipo de pérdida de energía (δ=0),
obtendríamos que la raíz característica del sistema sería la misma que en el caso del
seno (s2+ωn2), o lo que es lo mismo, que el sistema se comportaría como un sistema
oscilatorio.
Cuando queremos obtener el valor de las raíces de esta ecuación, obtenemos:
−2𝛿𝜔 1 2
𝑠 2 + 2𝛿𝜔𝑛 𝑠 + 𝜔𝑛 2 = 0 → 𝑠 = + √4𝛿 2 𝜔𝑛 2 − 4𝜔𝑛 2 = −𝛿𝜔𝑛 ± √𝛿 2 𝜔𝑛 2 − 𝜔𝑛 2 =
2 2 2
𝑅1 = −𝛿𝜔𝑛 + 𝜔𝑛 √ 𝛿 2 − 1 • δ2-1 >0  δ>1
3 posibles
−𝛿𝜔𝑛 ± √𝜔𝑛 2 𝛿 2 − 1 → • δ2-1 =0  δ=1
opciones
𝑅2 = −𝛿𝜔𝑛 − 𝜔𝑛 √ 𝛿 2 − 1 • δ2-1 <0  δ<1
En el primer caso (δ>1), para este valor de δ obtendríamos 2 raíces reales y distintas; en
el segundo caso (δ=1) obtendremos una única raíz doble (aunque estará multiplicada
por coeficientes distintos a pesar de dar la misma exponencial); por último, en el tercer
caso (δ<1) se obtienen dos raíces, que en este caso son imaginarias o complejas.
Es importante saber que cuanto más aproximemos las raíces al eje imaginario mayor
será la oscilación del sistema. Todo esto nos sirve para saber qué componente va a
aparecer en la respuesta de nuestro sistema sin necesidad de llevar a cabo la
transformada de Laplace; esto genera un comportamiento distinto puesto que la parte
16
Bloque 2
real sigue dando exponenciales, pero el término complejo hace que aparezca una
componente seno-coseno sin haber aplicado una entrada seno (diferente al caso de los
sistemas de primer orden, puesto que en éstos, para obtener un seno había que aplicar
una señal seno ya que no existía en el sistema ningún componente con el que
intercambiar energía). Como resultado, estos sistemas generan una señal seno
desfasada sometida a una exponencial. Una representación en la vida real de un sistema
de segundo orden sería un circuito con dos depósitos de energía (por ejemplo, una
bovina y un condensador).
Estudiando la respuesta libre, al ser un sistema de segundo orden, necesitamos tener
dos condiciones iniciales: y(0) e ẏ(0), ambos con valores constantes. En el caso de la G(s)
siempre estará ligado a los elementos físicos que componen el sistema, y la ecuación
característica en respuesta libre no se ve afectada por la entrada (solo depende del
sistema, puesto que la entrada en el caso de la respuesta libre es 0). Para este estudio,
primero representamos el sistema en forma de ecuación diferencial y realizamos sobre
ella la transformada de Laplace:
𝑑2 𝑦 𝑑𝑦 𝑇.𝐿. 𝑑2 𝑦
+ 𝑎 + 𝑏𝑦 = 0, 𝑐𝑜𝑛 𝑙𝑎𝑠 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑦 0 𝑒 ẏ 0 → 𝐿 = 𝑠 2 𝑌 𝑠 − 𝑠𝑦 0 − ẏ 0
𝑑𝑡 2 𝑑𝑡 𝑑𝑡 2
𝑆𝑢𝑠𝑡𝑖𝑡𝑢í𝑚𝑜𝑠: 𝑌 𝑠 ∗ [𝑠 2 + 𝑎𝑠 + 𝑏] = 𝑠𝑦 0 − ẏ 0 + 𝑎𝑦 0 ;
𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎: 𝑠 2 + 𝑎𝑠 + 𝑏 = 0
Para estudiar este sistema de segundo orden tenemos que tener en cuenta siempre las
tres condiciones que se explican anteriormente, o lo que es lo mismo, los diferentes
comportamientos del sistema según el valor de δ.
Caso 1: 𝜹 > 𝟏
En este caso el sistema tendría dos raíces reales diferentes, siendo estas s1 y s2.
𝑦 𝑡 = 𝐴1 𝑒 −𝑠1 𝑡 + 𝐴2 𝑒 −𝑠2 𝑡 ; 𝑝𝑎𝑟𝑎 𝑡 = 0 → 𝑦 0 = 𝐴1 + 𝐴2 ; ẏ 𝑡 = −𝑠1 𝐴1 𝑒 −𝑠1 𝑡 − 𝑠2 𝐴2 𝑒 −𝑠2 𝑡 →
𝑠2 𝑦 0 + ẏ 0
𝑦 0 = 𝐴1 + 𝐴2 → 𝐴1 = 𝑦 0 − 𝐴2 → 𝐴1 =
𝑠2 − 𝑠1
ẏ 0 = 𝑠1 𝐴1 − 𝑠2 𝐴2 ; ẏ 0 = 𝑠1 𝐴1 − 𝑠2 𝐴2 → ẏ 0 = −𝑠1 𝑦 0 − 𝐴2 − 𝑠2 𝐴2 → ẏ 0
−𝑠1 𝑦 0 − ẏ 0
= −𝑠1 𝑦 0 − 𝐴2 𝑠2 − 𝑠1 → 𝐴2 =
𝑠2 − 𝑠1
Usando un ejemplo numérico:
𝑑2 𝑦 𝑑𝑦 𝑦 0 =1 𝑑2 𝑦 𝑑𝑦
+3 + 2𝑦 = 0 𝑝𝑎𝑟𝑎 ;𝐿 2
= 𝑠 2 𝑌 𝑠 − 𝑠 − 5; 3𝐿 [ ] = 3𝑠𝑌 𝑠 − 3;
𝑑𝑡 2 𝑑𝑡 𝑑𝑡 𝑑𝑡
ẏ 0 =5
𝑠+8
𝑠 2 𝑌 𝑠 − 𝑠 − 5 + 3𝑠𝑌 𝑠 − 3 + 2𝑌 𝑠 = 0 → 𝑌 𝑠 [𝑠 2 + 3𝑠 + 2] = 𝑠 + 8 → 𝑌 𝑠 = ;
𝑠2 + 3𝑠 + 2
𝑠1 = −1
𝑠 2 + 3𝑠 + 2 = 𝑠 + 1 𝑠 + 2 = 0
𝑠2 = −2
𝑠+1 𝑠+8 −1 + 8
𝐴1 = lim = =7
𝐴1 𝐴2 𝑠→−1 𝑠+1 𝑠+2 −1 + 2 7 6
𝑌 𝑠 = + 𝑌 𝑠 = − ;
𝑠+1 𝑠+2 𝑠+8 𝑠+2 −2 + 8 𝑠+1 𝑠+2
𝐴2 = lim = = −6
𝑠→−2 𝑠+1 𝑠+2 −2 + 1
17
Bloque 2
O mediante el método usado anteriormente:
𝑦 0 = 1 = 𝐴1 + 𝐴2 → 𝐴1 = 1 − 𝐴2 ; ẏ 𝑡 = 𝐴1 𝑒 −𝑡 − 2𝐴2 𝑒 −2𝑡 → ẏ 0 = 5 = −𝐴1 − 2𝐴2 ; −1 + 𝐴2 − 2𝐴2
8 → 𝐴2 = −6; 𝐴1 = 7 𝑀é𝑡𝑜𝑑𝑜 𝑚á𝑠 𝑠𝑢𝑐𝑖𝑜

𝑻.𝑰.𝑳
6 ⇒ 𝑦 𝑡 = 7𝑒 −𝑡 − 6𝑒 −2𝑡
4
Siendo el comportamiento de este
2
sistema de segundo orden con dos
0 raíces reales la suma del resultado
0 2 4 6 8 de ambas exponenciales y
-2
7e^(-t) obteniendo por tanto esta gráfica.
-4
-6e^(-2t)
-6 Sumatorio
-8
Caso 2: δ=1
En este caso, el sistema tendría una sola raíz doble s1, aunque seguiría estando
multiplicada por dos exponentes diferentes. Es importante que, a la hora de
comprender la resolución de estos casos, tengamos en cuenta que tanto y(0) como ẏ(0)
son valores constantes que conocemos previamente (son las condiciones iniciales de
diseño que tenemos del sistema a priori).
𝑠𝑦 0 + ẏ 0 + 𝑦 0
𝑌 𝑠 = ; 𝑠 2 + 𝑎𝑠 + 𝑏 = 0 → 𝑠 + 𝑠1 𝑠 + 𝑠1 = 0 →
𝑠 2 + 𝑎𝑠 + 𝑏
𝑠 + 𝑠1 2 [𝑠𝑦 0 + ẏ 0 + 𝑦 0 ]
𝐴1 = lim = 𝑦 0 1 − 𝑠1 + ẏ 0
𝐴1 𝐴2 𝑠→−𝑠1 𝑠 + 𝑠1 2
𝑌 𝑠 = 2
+ =
𝑠 + 𝑠1 𝑠 + 𝑠1
𝑑 𝑠 + 𝑠1 2 [𝑠𝑦 0 + ẏ 0 + 𝑦 0 ]
𝐴2 = lim
𝑠→−𝑠1 𝑑𝑠 𝑠 + 𝑠1 2
𝑑
= lim [𝑠𝑦 0 + ẏ 0 + 𝑦 0 ] = 𝑦 0
𝑠→−𝑠1 𝑑𝑠
𝑦 0 1 − 𝑠1 + ẏ 0 𝑦 0 𝑇.𝐼.𝐿.
→𝑌 𝑠 = 2
+ ⇒ 𝑦 𝑡 = [𝑦 0 1 − 𝑠1 + ẏ 0 ]𝑡𝑒 −𝑡 + 𝑦 0 𝑒 −𝑡
𝑠 + 𝑠1 𝑠 + 𝑠1
En este caso, la gráfica sería del mismo tipo que la anterior, aunque las exponenciales
serían iguales diferenciándose solo en el coeficiente por el que se multiplique; de la
misma manera, la gráfica resultante (la señal de salida) sería la suma de estas dos
exponenciales.
Caso 3: δ<1
Para este valor de δ, el sistema tendría dos raíces complejas conjugadas. Para la
resolución de este tipo de sistemas es importante tener en cuenta una serie de
consideraciones: j es el indicativo de la componente imaginaria, y el producto de j*j=-1
por lo que cambiaría el signo de nuestra componente; otra consideración importante
trata sobre el propio método de resolución de este tipo de sistemas: intentaremos
18
Bloque 2
siempre buscar desde el primer momento la manera de convertir nuestra ecuación en
el dominio de s a cualquiera de las formas que encontramos en las tablas de la
transformada de Laplace, para que a la hora de realizar la transformada inversa sea
mucho más fácil. Con esto último como propósito, podemos modificar la ecuación de
manera que el resultado no se vea afectado pero que la ecuación se acerque a estos
modelos.
𝑠𝑦 0 + ẏ 0 + 𝑦 0 𝑎 1
𝑌 𝑠 = ; 𝑠 2 + 𝑎𝑠 + 𝑏 = 0 → 𝑠 = − ± √𝑎2 − 4𝑏; 4𝑏 > 𝑎2 →
𝑠 2 + 𝑎𝑠 + 𝑏 2 2
𝑎 1
→ 𝑠 = − ± 𝑗 √4𝑏 − 𝑎2 = −𝛼 ± 𝑗𝛽; 𝑠 2 + 𝑎𝑠 + 𝑏 = 𝑠 + 𝛼 + 𝑗𝛽 𝑠 + 𝛼 − 𝑗𝛽 = 𝑠 + 𝛼 2
+ 𝛽2;
2 2
𝑠𝑦 0 + ẏ 0 + 𝑎𝑦 0 𝑠𝑦 0 + 𝛼𝑦 0 + ẏ 0 + 𝑎𝑦 0 − 𝛼𝑦 0
𝑌 𝑠 = = =
𝑠 + 𝛼 2 + 𝛽2
𝑠+𝛼 ẏ 0 + 𝑎𝑦 0 − 𝛼𝑦 0 𝛽
∗= 𝑦 0 2 2
+ ∗
𝑠+𝛼 +𝛽 𝛽 𝑠 + 𝛼 2 + 𝛽2
* = en este caso hemos sumado y restado αy(0) al numerador para añadir el término α
al mismo obteniendo así la ecuación del seno coseno desfasado en el dominio de
Laplace; en el segundo término hemos multiplicado y dividido por β para obtener de la
misma manera la ecuación del seno desfasado en el dominio de Laplace. De esta
manera, la antitransformada será mucho más sencilla. Las fórmulas de seno y coseno
desfasados se encuentran marcadas por □; lo demás (o) serían los factores de amplitud
por los que se multiplican estas componentes.
𝑇.𝐼.𝐿. ẏ 0 + 𝑎𝑦 0 − 𝛼𝑦 0 −𝛼𝑡
⇒ 𝑦 𝑡 = 𝑦 0 𝑒 −𝛼𝑡 cos 𝛽𝑡 + 𝑒 sin 𝛽𝑡 =
𝛽
ẏ 0 + 𝑎𝑦 0 − 𝛼𝑦 0
= 𝑒 −𝛼𝑡 [𝑦 0 cos 𝛽𝑡 + sin 𝛽𝑡]
𝛽
Vemos que sin aplicar ninguna entrada ya aparece una señal compuesta por
seno/coseno; como cuando observamos la señal de salida solo vemos una función seno,
igualamos esta ecuación teórica a lo que sería la ecuación de la función de salida
observable en el aparato de medida, que sería un seno con desfase φ.
ẏ 0 + 𝑎𝑦 0 − 𝛼𝑦 0
𝐵 cos 𝜑 = =𝑑
𝐵 sin 𝛽𝑡 + 𝜑 = 𝐵 cos 𝜑 sin 𝛽𝑡 + 𝐵 sin 𝜑 cos 𝛽𝑡 𝛽
𝐵 sin 𝜑 = 𝑦 0
𝐵2 sin2 𝜑 + 𝐵2 cos 2 𝜑 = 𝑦 0 2
+ 𝑑2 ; 𝐵 = √𝑦 0 2 + 𝑑2 ∗;
𝐵 sin 𝜑 𝑦 0 𝑦 0
= tan 𝜑 = → 𝜑 = tan−1 ∗∗
𝐵 cos 𝜑 𝑑 𝑑
* Aunque al despejar B sea una raíz cuadrada con dos soluciones posibles, solo cogemos
la positiva puesto que esta B es la amplitud, y no puede ser negativa. ** β u ω siempre
se expresan en radianes/tiempo, y cuando despejamos φ por el arcotangente,
obtenemos su valor en grados, por lo que antes de sustituir los valores hay que pasar de
grados a radianes.
De este tipo de sistemas obtendríamos una señal de seno desfasado que se encontraría
sometido a dos exponenciales (recordamos que son dos raíces, la de valor positivo y la
de valor negativo); denominamos envolventes a las exponenciales que enmarcan a la
19
Bloque 2
señal seno, que es la que realmente observamos, siendo las envolventes la explicación
de la forma en la que el valor de la amplitud del seno va disminuyendo conforme avanza
el tiempo.
Si en esta gráfica se mostrase la parte negativa del eje x, encontraríamos el punto

t=–φ/β, en el cual la función se hace 0 respecto del origen, siendo este punto imaginario.
Observamos que a pesar de la amplitud variable, el periodo es siempre constante, y
equivaldría a 2π/β. Es importante recordar que para que los sistemas de alto orden sean
estables, su parte real tiene que ser menor que 0 para que la exponencial tienda al
equilibrio, y por ello la raíz real siempre se encuentra en la parte negativa del eje real.
En el caso de respuesta del sistema a un determinado tipo de respuesta, solo tenemos

que tener en cuenta que la manera de aplicar el tipo de entrada a la ecuación del sistema
es mediante la fórmula de la ecuación de transferencia:
𝑌 𝑠
𝐺 𝑠 = →𝑌 𝑠 =𝐺 𝑠 ∗𝑋 𝑠
𝑋 𝑠
 Análisis frecuencial en sistemas de segundo orden: el análisis frecuencial es importante

en la recogida de datos experimentales, puesto que sabiendo el ancho de banda de
nuestro sistema de estudio, si aparecen ruidos podremos saber dónde poner los filtros
para eliminarlos (dentro del ancho de banda, puesto que si los ruidos no se encontrasen
en este intervalo no se transmitirían a la señal de salida). Cuanto mayor es el ancho de
banda de un sistema, peores serán las características de filtrado del mismo, puesto que
pasarán a la señal de salida más componentes de alta frecuencia, pero esto último en
cambio es positivo en el sentido de que será mayor la velocidad de respuesta del
sistema; es por esto que a la hora de diseño de filtros para un sistema se tiene que llegar
a un compromiso velocidad-filtrado, para que la señal sea lo más limpia posible pero
que el sistema no se vuelva excesivamente lento. Este proceso de diseño de filtros
siempre ha de darse en función de las frecuencias. El análisis frecuencial siempre se lleva
a cabo en condiciones de régimen permanente, considerando que la exponencial ya se
ha anulado. Para este análisis, volvemos a tener en cuenta el número y tipo de raíces:
20
Bloque 2
Caso 1: δ>1 (sistema sobreamortiguado): el sistema tendría dos raíces reales distintas.
𝑘
𝑘 𝑘 𝑠1 𝑠2
𝐺 𝑠 = 2 ; 𝐺 𝑗𝜔 = = 𝜔 𝜔 =
𝑠 + 𝑎𝑠 + 𝑏 𝑗𝜔 + 𝑠1 𝑗𝜔 + 𝑠2 𝑗𝑠 +1 𝑗𝑠 +1
1 2
𝑑 𝑑
= 𝜔 𝜔 ; 𝐺 𝑗𝜔 = → 𝐸𝑛 𝑑𝐵: →
𝑗 +1 𝑗 +1 𝜔2 𝜔2
𝑠1 𝑠2 √ 2+1+√ 2+1
𝑠1 𝑠2
𝜔2 𝜔2
→ 𝐺 𝑗𝜔 𝑑𝐵 = 20 log 𝑑 − 20 log √ 2 + 1 − 20 log √ 2 + 1
𝑠1 𝑠2
Si analizamos lo que serían las asíntotas de esta ecuación, encontramos principalmente
3: la asíntota de baja frecuencia, con valor constante de 20 log(d), la gráfica de la raíz s1
y la de la raíz s2; el sumatorio de estas tres gráficas da el comportamiento del módulo
del sistema según las frecuencias.
 Cuando ω0:
𝐺 𝑗𝜔 → 20 log 𝑑
 Cuando ωs1:
𝜔2
−20 log √ 2 + 1 → 20 log √2 = 3𝑑𝐵 → 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒 1
𝑠1
 Cuando ωs2:
𝜔2
−20 log √ 2 + 1 → 20 log √2 = 3𝑑𝐵 → 𝑝𝑢𝑛𝑡𝑜 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒 2
𝑠2
A partir del punto de

20 corte 1, la pendiente de
la gráfica comenzaría a
0 decaer a -20dB/década
igual que pasaba en los
-20 sistemas de primer
orden; sin embargo, al
-40 sumarle la gráfica del
|G(jω)|
s1
tercer término (de s2), a
s2
-60 partir del punto de corte
Total 2 la pendiente
-80 comenzaría a ser de
-40dB/década, dando
-100 una mayor atenuación
de la señal y por ello
-120 siendo el sistema más
ω lento que uno de primer
orden.
Si ahora estudiamos la fase, observamos que también tenemos dos gráficas, que al
sumarlas nos dan la resultante del sistema:
21
Bloque 2
0 𝜔 𝜔
𝐹𝑎𝑠𝑒 (𝐺 𝑗𝜔 ) = tan−1 − tan−1 − tan−1
𝑑 𝑠1 𝑠2
 Cuando ω0: Fase G(jω)0

 Cuando ωs1: -tan-1(ω/s1)-45º
 Cuando ωs2: -tan-1(ω/s2)-45º
0 Como podemos
-20 observar, en el caso
de estos sistemas el
-40
retraso debido a la
-60 fase es el doble que
Fase G(jω)
-80 s1
en los sistemas de
primer grado, dando
-100 s2
también una mayor
-120 Total lentitud de respuesta
al sistema debido a
-140
este gran desfase.
-160
-180
ω
Caso 2: δ=1 (sistema críticamente amortiguado): el sistema tendría una raíz real doble.
𝑑 𝜔2 𝜔2
𝐺 𝑠 = 𝑠 𝑠 → 𝐺 𝑗𝜔 = 20 log 𝑑 − 20 log √ + 1 − 20 log √ +1 =
𝑠1 2 𝑠1 2
𝑠1 + 1 𝑠1 + 1
𝜔2
= 20 log 𝑑 − 40 log √ 2 + 1 ;
𝑠1
0 𝜔 𝜔
𝐹𝑎𝑠𝑒 𝐺 𝑗𝜔 = tan−1 − tan−1 − tan−1
𝑑 𝑠1 𝑠1
20 20
0
0
-20
-20 -40
-40 -60
Fase G(jω)
|G(jω)|
-80
-60
-100
-80 -120
-100 -140
-160
-120
-180
-140 -200
ω ω
22
Bloque 2
En el caso de este tipo de sistema, la pendiente es de -40dB/década a partir del valor de

s1, siendo diferentes del primer caso por tener un único valor de pendiente en el caso
del módulo; estudiando la fase, vemos que al tener una única raíz obtenemos una única
gráfica que tiende a 180º pasando en s1 por -45º a diferencia del primer caso.
Caso 3: δ<1 (sistema subamortiguado): el sistema tendría 2 raíces complejas

conjugadas, siendo s=-α±jβ y por tanto teniendo una componente exponencial
decreciente dada por el término α y una componente senoidal dada por el término
imaginario jβ; esto se expresaría en la respuesta libre del sistema de la siguiente manera:
𝑦 𝑡 = 𝑒 −𝛼𝑡 𝐵 sin 𝛽𝑡 + 𝜑
Siendo esta ecuación la respuesta temporal del sistema, siendo una función senoidal
que se encuentra modulada por dos exponenciales. Para este tipo de sistemas
encontramos el concepto de resonancia; si llevamos a cabo el análisis frecuencial,
obtenemos que:
𝑌 𝑠 𝑌 𝑗𝜔 𝜔𝑛 2 1
𝐺 𝑠 = → 𝐺 𝑗𝜔 = = 2 = 2 =
𝑋 𝑠 𝑋 𝑗𝜔 𝑠 + 2𝛿𝜔𝑛 𝑠 + 𝜔𝑛 2 𝑗𝜔 𝜔
+ 2𝑗𝛿 +1
𝜔𝑛 𝜔𝑛
1 1
= ; 𝐺 𝑗𝜔 =
𝜔2 𝜔 2
1− + 𝑗2𝛿 𝜔 2 2
𝜔𝑛 2 𝑛 √(1 − 𝜔 2 ) + 4𝛿 2 𝜔 2
𝜔𝑛 𝜔𝑛
Ahora, para hallar la frecuencia de resonancia, debemos buscar el valor de ω para el cual
|G(jω)| es máximo; para que el módulo de G(jω) sea máximo, el denominador tiene que
ser mínimo, o lo que es lo mismo, la derivada de este denominador tiene que anularse
para el valor de ω en el que la función se hace mínima.
2
𝑑 𝜔2 𝜔2 𝑑 𝜔4 2𝜔2 𝜔2
[(1 − 2 ) + 4𝛿 2 2 ] = 0 → (1 + 4 − 2 ) − 4𝛿 2 2 =
𝑑𝜔 𝜔𝑛 𝜔𝑛 𝑑𝜔 𝜔𝑛 𝜔𝑛 𝜔𝑛
4𝜔𝑛 4 𝜔3 2𝜔𝜔𝑛 2 8𝛿 2 𝜔𝜔𝑛 2 4𝜔3 2𝜔 8𝛿 2 𝜔

=0+ − + = − + = 4𝜔3 − 4𝜔𝜔𝑛 2 + 8𝛿 2 𝜔𝜔𝑛 2 =
𝜔𝑛 4 2 𝜔𝑛 2 2 𝜔𝑛 2 2 𝜔𝑛 4 𝜔𝑛 2 𝜔𝑛 2
= 4𝜔2 − 4𝜔𝑛 2 + 8𝛿 2 𝜔𝑛 2 = 𝜔2 − 𝜔𝑛 2 + 2𝛿 2 𝜔𝑛 2 = 𝜔2 − 𝜔𝑛 2 1 − 2𝛿 2 = 0 →
→ 𝜔𝑟 = 𝜔𝑛 √1 − 2𝛿 2
Siendo ωr la frecuencia de resonancia del sistema, y cumpliéndose la existencia de esta

solo cuando δ<0,707; cuanto menor sea el valor de δ, mayor será la frecuencia de
resonancia. Si calculamos el valor del módulo de G(jω) para ω=ωr, obtenemos que:
1 1
𝐺 𝑗𝜔 𝜔=𝜔𝑟 = = =
√4𝛿 4 + 4𝛿 2 − 8𝛿 4
2 2 2 2 2 2
√(1 − 𝜔𝑛 1 −2 2𝛿 ) + 4𝛿 𝜔𝑛 12− 2𝛿
𝜔𝑛 𝜔𝑛
1 1
= =
√4𝛿 2 − 4𝛿 4 2𝛿√1 − 𝛿 2
23
Bloque 2
Como podemos observar, el valor de este módulo depende únicamente del valor de δ. ωr
se aproxima a ωn conforme el valor de δ disminuye, y la diferencia entre estos dos
conceptos es que, mientras que ωr se da siempre que δ<0.707, ωn es la frecuencia a la
que funciona el sistema exclusivamente cuando δ=0 (ωr siempre será menor que ωn
mientras que δ tenga un valor distinto a 0). En el caso de que esta δ sí que valga 0, la
parte real de la función (o lo que es lo mismo, la exponencial a la que se encuentra
sometida el seno) se anularía, dando una función totalmente senoidal.
Teniendo en cuenta todos estos factores, vemos que una representación asintótica no
sería suficiente para representar el módulo de esta función en el caso del diagrama de
Bode; obtendríamos un gráfico con varias líneas en función del valor de la δ, teniendo
todas el máximo de la función en el valor de la ωr, y tendiendo tras este máximo con una
pendiente de -40dB/década.
Como podemos ver en esta gráfica, en la que denominan zeta al valor de δ, la gráfica
varía en función del valor de esta; en el caso de los sistemas subamortiguados, la gráfica
del módulo tiene un pico de amplificación en la frecuencia de resonancia, encontrando
en este punto una asíntota en la que la función tiende a ∞ por los dos lados en el caso
de que el valor de la δ=0. En el caso de la representación de la fase, el punto de inflexión
también se encuentra en la frecuencia de resonancia, y la velocidad de cambio depende
únicamente del valor de la δ.
A modo de recapitulación, recordamos que la transformada de Fourier siempre nos da

la amplitud de señales (nos da información sobre los coeficientes de amplitud de cada
una de las componentes del sistema; siempre son en función de la frecuencia, y son
menores conforme aumenta la frecuencia. Desfase quiere decir la lentitud de respuesta
del sistema (retraso entre señal de entrada y efecto de salida). En sistemas de primer
orden la atenuación máxima es de -20dB, mientras que en uno de segundo orden es -
24
Bloque 2
40dB a partir de ω=s2 (mayor desfase y por tanto mayor lentitud de respuesta del
sistema a una entrada).
 Sistema básico de control retroalimentado: en un sistema básico de retroalimentación,

necesitamos principalmente dos componentes: una inversión de signo y un
comparador. Para un sistema G(s) (cuyo comportamiento varía según la frecuencia de
entrada), encontramos el siguiente esquema de representación:
En la naturaleza, sin embargo, no
podemos encontrar este tipo de
+ X2 sistemas con un comparador,
X1 G(s) X3
- puesto que no hay elemento físico
capaz de llevar a cabo esta función;
por ello, en los sistemas biológicos,
lo que podemos ver es otro tipo de
sistemas retroalimentados, en los que no hay comparador ni valor de referencia.
Mediante este esquema obtenemos una retroalimentación sin necesidad de cambio de

signo, en la que x2 se regula dependiendo del valor de x3, dependiendo los valores de las
mismas únicamente de la relación entre ellas.
 Identificación de mecanismos de retroalimentación: para esto es importante llevar a

cabo una serie de pasos:
o identificación de componentes (determinar la relación causa->efecto entre las
variables),
o Las variables deben estar cíclicamente relacionadas (x1=f(xn); x2=f(x1); xn=f(xn-1)).
o Entre estas n relaciones funcionales debe haber una (o un número impar) de
inversiones de signo, o lo que es lo mismo, de pendientes negativas, para que
se dé el efecto de retroalimentación.
o Al menos una de las componentes debe presentar transmisión asimétrica:
xk-1=f(xk)  xk≠f-1(xk-1).
Un ejemplo de este tipo de mecanismo de retroalimentación es el funcionamiento del
riñón, el cual modifica las propiedades de la orina según sean las condiciones de la
misma impidiendo cambios bruscos; otro ejemplo sería la retroalimentación en el eje
hipotálamo-hipofisario respecto a las hormonas tiroideas (regulación de TRH, TSH y TH).
25
Bloque 2
TEMA 3: CARACTERÍSTICAS DE LOS SISTEMAS DE CONTROL BIOLÓGICOS.
 Características de los SCB: las trasmisiones paralelas están generalmente
interconectadas en un número de puntos. Las perturbaciones pueden aparecer en
cualquier parte del sistema, y no solamente producidas desde el medio (nosotros
podemos generar nuestras propias perturbaciones internas). Las unidades receptoras
son fácilmente identificables cuando se trata de transmisión neural, pero en sistemas
químicos hormonales los receptores como tales pueden no estar presentes. El carácter
múltiple de estos sistemas se debe al hecho de que...
 Las vías de transmisión pueden ser muy diversas: las señales pueden ser transmitidas
por transporte de masa, conducción térmica y propagación neural. Un tiempo de
propagación o difusión está asociado a los mecanismos de transporte, dependiendo de
las características del mismo. Aunque en algunos casos puede haber un número de
órganos efectores similares, en otros la identidad y el carácter de los órganos efectores
cambia ampliamente con el tipo de perturbación que actúa sobre el sistema. La
multiplicidad de unidades similares contribuyen a la seguridad del sistema, pero es
posible que sea de igual significación la consideración de que esta multiplicidad de
unidades le dé al sistema alguna de sus propiedades más significativas y sirva para
distinguir a los sistemas biológicos de los tecnológicos.
 Retroalimentación positiva: una retroalimentación positiva implica siempre

amplificación de la señal; para que el sistema pueda llevar esto a cabo tiene que tener
un número par de pendientes positivas o negativas.
 Control derivado e integral: teniendo en cuenta un sistema del tipo:
Ref + error efectora Control

DC G(s)
-
H(s)
Podemos encontrarnos con 3 tipos posibles de DC (o dispositivo de control): un control

proporcional, en el que la señal efectora=k*error; un control integral, el cual es un
sistema acumulativo siendo efectora=ki*∫ error dt; y un control proporcional derivado,
en el cual la señal efectora= k*error + kd* d(error)/dt (en este caso, siempre se combina
el control derivado con el proporcional). Además, podemos encontrar combinaciones
de estos tipos, obteniendo el control proporcional integral (efectora=k*error + ki*∫ error
dt), e incluso un control proporcional integral derivado (efectora=k*error + ki*∫ error dt
+ kd* d(error)/dt).
Con respecto al control integral, se piensa que no se
podría dar en los sistemas vivos puesto que, al ser un
control acumulativo, necesitaría un valor de
referencia para el cual el valor del control sea 0, y
𝑑𝑥2 estos sistemas de referencia no se dan en los sistemas
= 𝑘𝑖 ∗ 𝑥1 biológicos; por ello, la teoría más aceptada es que los
𝑑𝑡
sistemas naturales solo usan como dispositivos de
control aquellos que lleven a cabo un control
proporcional.
26
Bloque 2
En un sistema en el que el controlador sea un control proporcional, encontramos:
+ Siendo la expresión matemática

X G(s) Y del sistema
-
𝐺 𝑠
𝑌 𝑠 = ∗𝑋 𝑠
1+𝐺 𝑠
si suponemos que G(0)=k, siendo k la ganancia estática en bucle abierto, obtenemos que
en régimen permanente, la ecuación sería la siguiente:
𝑘
𝑦𝑝 = ∗ 𝑥𝑝
1+𝑘
Para esta ecuación, para k>>1 la salida (yp) coincide con la referencia, que en este caso
es xp; para que se dé esta condición, el sistema requiere un gran consumo de energía,
estando por ello este tipo de control (control proporcional de ganancia alta) muy
limitado en el caso de los organismos vivos. En ellos, el control que se lleva a cabo es un
control proporcional de ganancia baja, cuya falta de ganancia se suple mediante
superposición de diferentes sistemas reguladores, que mediante redundancia dan un
control más preciso de las variables requiriendo un menor gasto energético.
 Control paramétrico: se usa mucho a nivel de membranas. Suponemos una célula en la

que queremos mantener una concentración intracelular Xi y hay una concentración
extracelular Xe, siendo esta bastante mayor que la intracelular; esta diferencia de
concentraciones produce un proceso de difusión con coeficiente Kd y proceso de
metabolismo de la Xi con constante k. Para estudiar un sistema de este tipo, es
importante conocer la Ley de Fick, la cual nos da la dinámica que rige la difusión a través
de la membrana dependiente de todos los coeficientes mencionados anteriormente.
𝑑[𝑋𝑖 ]
𝑠𝑖𝑒𝑛𝑑𝑜 [𝑋𝑒 ] > [𝑋𝑖 ] → = 𝐾𝑑 [𝑋𝑒 ] − [𝑋𝑖 ] − 𝑘 ∗ [𝑋𝑖 ]
𝑑𝑡
Kd [Xe]
𝑑[𝑋𝑖𝑝 ] 𝐾𝑑
[Xi] 𝐸𝑛 𝑟é𝑔𝑖𝑚𝑒𝑛 𝑝𝑒𝑟𝑚𝑎𝑛𝑒𝑛𝑡𝑒: = 0 → [𝑋𝑖𝑝 ] = ∗ [𝑋𝑒 ]
𝑑𝑡 𝐾𝑑 + 𝑘
k 1
→ [𝑋𝑖𝑝 ] = ∗ [𝑋𝑒 ]
𝑘
1+
𝐾𝑑
Como podemos observar, a medida que aumenta el coeficiente crece el valor de [Xip],
pudiendo llegar a igualarse al de [Xep] debido a la gran dependencia de este valor con
respecto a los coeficientes. Para evitar esto, introducimos una condición por la cual el
valor de Kd pasa a ser dependiente de la concentración intracelular [Xi], expresándose
entonces la Kd como:
𝐾𝑑 = 𝐾0 − 𝜑 ∗ [𝑋𝑖 ]
Siendo K0 un valor constante y φ (“ro”), la pendiente de la recta.
27
Bloque 2
Pasando de una gráfica del tipo: A una gráfica así:
[KE]
K0
Mediante este sistema de retroalimentación podemos mantener la concentración

intracelular dentro de unos límites teniendo una menor oscilación de los valores, e
impidiendo que se iguale a la concentración extracelular. De esta manera, la ecuación
de Fick pasaría a ser una ecuación que contiene términos cuadráticos de la [Ki], tal que
así:
𝑑[𝑋𝑖 ]
= 𝐾0 − 𝜑 ∗ [𝑋𝑖 ] ∗ [𝑋𝑒 ] − [𝑋𝑖 ] − 𝑘 ∗ [𝑋𝑖 ]
𝑑𝑡
Si desarrollamos la ecuación:
𝑑[𝑋𝑖 ]
= 𝐾0 ∗ [𝑋𝑒 ] − 𝐾0 ∗ [𝑋𝑖 ] − 𝜑[𝑋𝑖 ][𝑋𝑒 ] + 𝜑[𝑋𝑖 ]2 − 𝑘 ∗ [𝑋𝑖 ]; 𝑒𝑛 𝑟é𝑔𝑖𝑚𝑒𝑛 𝑝𝑒𝑟𝑚𝑎𝑛𝑒𝑛𝑡𝑒:
𝑑𝑡
𝑑[𝑋𝑖𝑝 ] 2 𝑑𝑖𝑣𝑖𝑑𝑖𝑚𝑜𝑠 𝑝𝑜𝑟 𝜑
= 0 → 𝜑[𝑋𝑖𝑝 ] − (𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ]) ∗ [𝑋𝑖𝑝 ] + 𝐾0 ∗ [𝑋𝑒𝑝 ] = 0 →
𝑑𝑡
𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] 1 𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] 2 4 ∗ 𝐾0 ∗ [𝑋𝑒𝑝 ]

[𝑋𝑖𝑝 ] = ± √ − =
2𝜑 2 𝜑2 𝜑
𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] 1 2
= ± √ 𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] − 4 ∗ 𝐾0 ∗ [𝑋𝑒𝑝 ] ∗ 𝜑
2𝜑 2𝜑
a b
Esto genera una gráfica en la que los valores de [Xi] se encuentran comprendidos en
una franja concreta, siendo esta [(a-b), (a+b)].
a+b
a-b
28
Bloque 2
TEMA 4: MODELO RETROALIMENTADO COMO ESTRUCTURA.
 Introducción: elementos clásicos en un lazo de retroalimentado cibernético. La unidad
de control compara estado de salud del paciente y el estado deseado, sirviendo como
referencia.
 Representación de procesos clínicos por sistemas de control: Lazo de control

retroalimentado externo sobre el proceso regulador fisiológico dañado.
 Modelo retroalimentado como estructura para procesos clínicos: el modelo clásico

retroalimentado constituye una estructura que puede adaptarse no solo para ganar
conocimiento sobre la dinámica de la regulación fisiológica, sino también sobre la
naturaleza del dominio clínico con sus procesos de diagnóstico y terapia. Una
representación en forma de diagrama de bloques nos permite aceptar una dinámica del
propio sistema de tratamiento como un sistema retroalimentado.
29
Bloque 2
 Diagnosis, toma de decisión y tratamiento: Aunque en algún sentido los procesos de
diagnóstico y tratamiento son distintos, dentro de este paradigma de modelado
basado en control, el diagnóstico es esencialmente un componente de los procesos de
gestión clínica, más que un fin en sí mismo.
El diagnóstico debería ser considerado operacionalmente como la asignación
provisional de una clase de tratamiento a un paciente más que una etiqueta de un
estado de enfermedad. El diagnóstico solo puede ser confirmado en esta estructura
operacional hasta que la respuesta a la terapia es conocida.
Se presenta una representación de un conjunto de diagnósticos y tratamientos dentro
de una especialidad médica y entorno social. En esta representación, los datos de los
sensores, describen al paciente y al medio, alimentando al subsistema diagnóstico.
La adopción conveniente de proceso e interpretación basada en modelo, permite que
los datos puedan ser aplicados a una clase particular de enfermedad o a un conjunto de
estamentos que proporcionen una valoración del paciente. En este sistema, los sensores
médicos son variables monitorizadas que permiten controlar si el tratamiento es el
correcto.
Cuando se administra la terapia, a la luz de la respuesta esperada del paciente, se

debería decidir que variables y cada cuanto tiempo deben ser monitorizadas.
La evaluación del rendimiento realizado por el clínico está por encima del sistema
operacional. El clínico considera la secuencia de medidas, incluyendo todos los datos
clínicos y la información del tratamiento, para reflejar sus objetivos globales. Esto
puede dirigir a modificaciones de un diagnóstico específico o de los objetivos de
tratamiento o a la reconsideración de los procesos de toma de decisión.
 Retroalimentación y prealimentación: cuando tenemos un modelo de la patología que

se quiere, vemos que variables son las que están perturbadas, se toma la decisión de
control y se le administran tanto al modelo como al paciente: se realimenta la
diferencia entre sistema real y modelo y se corrige el modelo (personalización del
modelo conforme las características del paciente).
30
Bloque 2
Measurable disturbance
Physiological
system
Controlled
output
Control action Model
 Aplicación global al cuidado de la salud: uso de estos modelos en la gestión clínica.
Information system
(Monitoring patient concern
and its political expression)
Disturbances and constraints
(social, environmental,
Information system
Patient preferences political)
(Resource availability, Resources
utilization and costs) Patient effects
Clinical Health
Decisions output Transformation outcome
Decision-makers Clinical Patient
Clinical decision-maker activities population processes (Evolving
Patient over time)
Clinical information system

(Including audit) (Bedside,
laboratory, on-line monitoring,
ect.)
Information system
(Outcome measures)
Esquema de control para la planificación de la administración de fármacos (el

controlador puede ser una bomba o una persona que administre el fármaco).
Controller Drug effect

Desired Error Drug administration Patient
drug signal (man or machine)
effect
_
Signal processing Monitoring
Para un determinado fármaco, vemos los tipos de dosis dando una probabilidad a uno
y otro grupo de estudio de manera que la probabilidad final mayor sea la del grupo
eficaz y no tóxico.
31
Bloque 2
Efficacy, no toxicity
q
p 1-q Four possible

Efficacy, toxicity outcomes of
therapy at each
No efficacy, no toxicity dose
Dose 1 1- p q
1-q
No efficacy, toxicity
Efficacy, no toxicity
q´
Dose 2
p´ 1-q´
Efficacy, toxicity
No efficacy, no toxicity
1- p´ q´
1-q´
No efficacy, toxicity
 Tight loop methods: presentan un modelo de predicción que adapta la dosis tanto al
paciente como al modelo; para ello, se ve la diferencia entre la respuesta de paciente y
la respuesta del modelo hacia el mismo tratamiento, se analiza con el controlador qué
decisión hay que tomar respecto a la dosis, y se cambia ésta tanto al paciente como al
modelo, llegando hasta una condición estacionaria en la que la predicción coincide con
respuesta tanto en paciente como en modelo.
32

Apuntes Ingeniería Biomédica Bloque 2 Completo

Caricato da

Informazioni sul documento

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

Apuntes Ingeniería Biomédica Bloque 2 Completo

Caricato da

Copyright:

Formati disponibili

Marta_Mozo

Grado en Biomedicina Básica y Experimental

Sistema no lineal es al que no se le puede aplicar el teorema de superposición: si tengo

TEMA 2: REGULADORES BIOLÓGICOS (SRB)

Para pasar a un sistema retroalimentado: la entrada será la misma; queremos que

Si yo quiero que y=10x, si AK1>>1, entonces y ≈ (A/AK1)x  y ≈ x/K1  K1 = 0,1. Si A=1000

+10%  A=1100  y = 1100x/(1100+1) = 9.91 x Capacidad de retroalimentación

• 𝑃 = 0 → 𝑦𝑥 = 5𝑎; 𝑎 = 𝑏 − 𝑃; 𝑏 = 2𝐾1 ∗ 𝑒 = 2𝐾1 𝑥 − 𝐾2 ∗ 𝑦𝑥 → 𝑦𝑥 = 10𝐾1 𝑥 − 𝐾2 ∗ 𝑦𝑥

𝐾1 = 50; 𝐾2 = 49 500 = 0,1

𝐴𝜔 Buscamos las raíces

𝐴𝑏𝜔(𝑠 + 1 𝜏) 𝐴𝑏𝜔 𝐴𝑏𝜔𝜏 2

𝐵 sin 𝜔𝑡 + 𝜑 = 𝐵 cos 𝜔𝑡 sin 𝜑 − 𝐵 sin 𝜔𝑡 cos 𝜑 ;

* 𝑎 + 𝑗𝑏 = √𝑎2 + 𝑏 2 ; 𝐹𝑎𝑠𝑒 [𝑎 + 𝑗𝑏] = tan−1 𝑏/𝑎

ω0 |G(jω)| bτ ω0 Φ0

•A altas frecuencias: •A altas frecuencias

ω∞ |G(jω)| b/ω 0 ω∞ Φ-90º

•F. de corte: •F. de corte:

bτ=b/ω  ω=1/τ  |G(jω)|=bτ/21/2= ω=1/τ Φ-45º

=0.707bτ → ANCHO DE BANDA

DIAGRAMA DE BODE: ω0 |G(jω)|20log(bτ)=20log(1)=0

DIAGRAMA DE BODE: FASE •A bajas frecuencias

0,001 0,01 0,1 1 10 100 1000 10000 ω0 Φ0

 Espectro de las señales: señales periódicasdesarrollo en serie de Fourierentradas

Conociendo el valor de ambas transformadas, lo siguiente es saber qué señales se

En este caso, el espectro de esta señal nos quiere

decir que el máximo de información está siempre

Siendo ω límite ωl, T1 el periodo de la función (T=2π/ω) y Tm el periodo de muestreo final.

 Análisis de sistemas de segundo orden: los sistemas de segundo orden aparecen

𝑦 0 = 1 = 𝐴1 + 𝐴2 → 𝐴1 = 1 − 𝐴2 ; ẏ 𝑡 = 𝐴1 𝑒 −𝑡 − 2𝐴2 𝑒 −2𝑡 → ẏ 0 = 5 = −𝐴1 − 2𝐴2 ; −1 + 𝐴2 − 2𝐴2

8 → 𝐴2 = −6; 𝐴1 = 7 𝑀é𝑡𝑜𝑑𝑜 𝑚á𝑠 𝑠𝑢𝑐𝑖𝑜

Si en esta gráfica se mostrase la parte negativa del eje x, encontraríamos el punto

En el caso de respuesta del sistema a un determinado tipo de respuesta, solo tenemos

 Análisis frecuencial en sistemas de segundo orden: el análisis frecuencial es importante

A partir del punto de

 Cuando ω0: Fase G(jω)0

En el caso de este tipo de sistema, la pendiente es de -40dB/década a partir del valor de

Caso 3: δ<1 (sistema subamortiguado): el sistema tendría 2 raíces complejas

4𝜔𝑛 4 𝜔3 2𝜔𝜔𝑛 2 8𝛿 2 𝜔𝜔𝑛 2 4𝜔3 2𝜔 8𝛿 2 𝜔

Siendo ωr la frecuencia de resonancia del sistema, y cumpliéndose la existencia de esta

A modo de recapitulación, recordamos que la transformada de Fourier siempre nos da

 Sistema básico de control retroalimentado: en un sistema básico de retroalimentación,

Mediante este esquema obtenemos una retroalimentación sin necesidad de cambio de

 Identificación de mecanismos de retroalimentación: para esto es importante llevar a

 Retroalimentación positiva: una retroalimentación positiva implica siempre

 Control derivado e integral: teniendo en cuenta un sistema del tipo:

Ref + error efectora Control

Podemos encontrarnos con 3 tipos posibles de DC (o dispositivo de control): un control

+ Siendo la expresión matemática

 Control paramétrico: se usa mucho a nivel de membranas. Suponemos una célula en la

Mediante este sistema de retroalimentación podemos mantener la concentración

𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] 1 𝑘 + 𝐾0 + 𝜑[𝑋𝑒𝑝 ] 2 4 ∗ 𝐾0 ∗ [𝑋𝑒𝑝 ]

 Representación de procesos clínicos por sistemas de control: Lazo de control

 Modelo retroalimentado como estructura para procesos clínicos: el modelo clásico

Cuando se administra la terapia, a la luz de la respuesta esperada del paciente, se

 Retroalimentación y prealimentación: cuando tenemos un modelo de la patología que

Control action Model

 Aplicación global al cuidado de la salud: uso de estos modelos en la gestión clínica.

Clinical information system

Esquema de control para la planificación de la administración de fármacos (el

Controller Drug effect

Signal processing Monitoring

p 1-q Four possible

Potrebbero piacerti anche