Capı́tulo 2

Descripción Matemática de Sistemas

2.1. Una taxonomı́a de sistemas

Uno de los problemas más simples en robótica es el control de la po-
sición de un brazo simple de robot usando un motor colocado en la u
junta. Matemáticamente, este sistema no es más que un péndulo con-
θ
trolado por torque.
Asumiendo que la fricción es despreciable, que el brazo es rı́gido, y
que toda la masa del brazo está concentrada en el extremo libre, apli- mg
cando las leyes de Newton, el ángulo θ respecto de la vertical está dado
por la ecuación diferencial Figura 2.1:
Péndulo
mθ̈ (t) + mg sin θ (t) = u(t) . (2.1)

El brazo simple de robot es un ejemplo de lo que se llama un sistema dinámico, causal, de

tiempo continuo, finito-dimensional, no lineal y estacionario.
Dinámico se refiere a que las variables que definen el estado del brazo en un instante t
dado, θ y θ̇, no dependen en forma instantánea del torque de control u. Si por ejemplo se
aplica un valor de torque constante, θ tomará un tiempo no nulo en alcanzar su valor de
equilibrio.
Un sistema no dinámico es estático, y en él la salida de-
pende en forma instantánea de la entrada. Un ejemplo es un u y
amplificador electrónico donde efectos capacitivos e inducti-
vos son despreciables. Los sistemas estáticos suelen llamarse
también sin memoria.
Un sistema es causal o no anticipativo si la salida en un ins- Figura 2.2: Amplificador
tante dado depende de los valores presentes y pasados de la
entrada, y no de valores futuros. Sistemas anticipativos o predictivos pueden “adivinar” en-
tradas futuras. Ningún sistema fı́sico real es anticipativo.
La salida actual de un sistema causal depende del pasado de la entrada. ¿Pero cuánto
tiempo atrás tienen efecto valores pasados de la entrada? Estrictamente, habrı́a que volver
atrás en el tiempo hasta −∞, lo que no es muy práctico. El concepto de estado salva este
problema.
Definición 2.1 (Estado). El estado x(t0 ) de un sistema en el instante t0 es la información en
t0 que junto con la entrada u(t) para t ≥ t0 determina unı́vocamente la salida y(t) para
todo t ≥ t0 .

7
2. Descripción Matemática de Sistemas Notas de CAUT2 - 8

El estado x(t0 ) resume toda la historia del sistema desde −∞ hasta t0 : conociendo el
valor de ángulo θ y velocidad angular θ̇ en t0 , podemos predecir la respuesta del brazo de
robot a valores de torque u para todo t ≥ t0 .
Podemos pensar que la entrada para t ≥ t0 y las condiciones iniciales x(t0 ) determinan la
evolución del sistema para t ≥ t0
(
x(t0 )
x(t), t ≥ t0 W
u(t), t ≥ t0

El ejemplo del brazo de robot es finito-dimensional, puesto que el estado x(t) en un ins-
tante cualquiera de tiempo t puede ser caracterizado completamente por un número finito
de parámetros (en este caso, dos: ángulo y velocidad angular).
Un ejemplo de sistema infinito-dimensional aparece en el problema de regulación de la
temperatura del aula por medio de acondicionadores de aire. La temperatura aparece como
una distribución en todo el volumen del aula, y su caracterización completa requiere un
número infinito de datos (la temperatura en todos los puntos del aula).
El término en tiempo continuo se refiere al hecho de que la variable t es continua, en
contraste al caso de un sistema definido por una ecuación diferencia

x[k + 1] = Ax[k] + Bu[ x] .

2.2. Sistemas Lineales

Un sistema se llama lineal si cumple con el principio de superposición, es decir, dados dos
pares de condiciones iniciales y entradas,
(
xi ( t 0 )
xi ( t ) , t ≥ t 0 W para i = 1, 2 , (2.2)
ui ( t ) , t ≥ t0

tenemos que
(
x1 (t0 ) + x2 (t0 )
x1 (t) + x2 (t), t ≥ t0 W (2.3)
u1 (t) + u2 (t), t ≥ t0
(
αxi (t0 )
αxi (t), t ≥ t0 W α ∈ R. (2.4)
αui (t), t ≥ t0

La propiedad (2.3) es de aditividad, y la propiedad (2.4) de homogeneidad. La combinación

de ambas es la propiedad de superposición. La propiedad de aditividad permite considerar
la respuesta del sistema como la superposición de la respuesta a condiciones iniciales y
excitación aplicadas por separado.
 (
 x(t0 )

 x l ( t ) , t ≥ t 0 W
u(t) = 0, t ≥ t0


x(t) = xl (t) + x f (t), t ≥ t0 W (
 x(t0 ) = 0
 x f (t), t ≥ t0 W



u(t), t ≥ t0
2. Descripción Matemática de Sistemas Notas de CAUT2 - 9

La respuesta de un sistema lineal es la superposición de su respuesta

libre (a condiciones iniciales, sin excitación) y su respuesta forzada (a ex-
citación, con condiciones iniciales nulas — relajado).
Los sistemas no lineales, como el brazo de robot, no cumplen con el principio de super-
posición.

2.3. Sistemas lineales estacionarios

Un sistema es estacionario si para cada par condiciones iniciales y entrada
(
x(t0 )
x(t), t ≥ t0 W (2.5)
u(t), t ≥ t0

y cada T ∈ R, tenemos que

(
x(t0 + T )
x(t − T ), t ≥ t0 + T W (2.6)
u(t − T ) + u2 (t), t ≥ t0 + T .
Es decir, el sistema responde da la misma respuesta, corrida en tiempo, si se le aplica la
misma entrada corrida con iguales condiciones iniciales. Un sistema que no cumple esta
propiedad se dice inestacionario.

2.3.1. Representación entrada-salida

Por superposición se deduce la representación de sistemas lineales mediante la integral
de convolución Z ∞
y(t) = g(t, τ )u(τ ) dτ , (2.7)
−∞
donde g(t, τ ) es respuesta al impulso: la salida del sistema a un impulso unitario δ (t) en el
instante τ (Chen 1999).
La causalidad implica que
causalidad ⇔ g(t, τ ) = 0 para t < τ,
y como las condiciones iniciales se asumen nulas, (2.7) se reduce a
Z t
y(t) = g(t, τ )u(τ ) dτ .
t0

Si el sistema tiene p entradas y q salidas, entonces hablamos de la matriz de respuesta al

impulso G (t, τ ) ∈ Rq× p .
Si el sistema es estacionario entonces para cualquier T se cumple
g(t, τ ) = g(t + T, τ + T ) = g(t − τ, 0) .
Ası́ podemos redefinir g(t − τ, 0) simplemente como g(t − τ ). La representación entrada-
salida del sistema se reduce a
Z t Z t
y(t) = g(t − τ )u(τ ) dτ = g(τ )u(t − τ ) dτ .
0 0

La condición de causalidad para un sistema lineal estacionario se reduce a g(t) = 0 para

t < 0.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 10

2.3.2. Representación en Espacio de Estados

Todo sistema lineal finito-dimensional puede describirse mediante ecuaciones de estado
(EE)

ẋ(t) = A(t) x(t) + B(t)u(t)

y(t) = C (t) x(t) + D (t)u(t) .

Para un sistema de orden n, el vector de estados es un vector n × 1, es decir que tiene n

variables de estado, x(t) ∈ Rn para cada t. Si el sistema tiene p entradas y q salidas, entonces
u(t) ∈ R p e y(t) ∈ Rq . Las matrices A, B, C, D se suelen llamar

A ∈ Rn×n : de evolución C ∈ Rq×n : de salida

B ∈ Rn× p : de entrada D ∈ Rq× p : de ganancia directa

Cuando el sistema es además estacionario, entonces la representación en EE se reduce a

ẋ(t) = Ax(t) + Bu(t)

(2.8)
y(t) = Cx(t) + Du(t) .

Aplicando la transformada de Laplace a (2.8) obtenemos

s x̂(s) − x(0) = A x̂(s) + Bû(s)

ŷ(s) = C x̂(s) + D û(s) ,

de donde siguen

x̂(s) = (sI − A)−1 x(0) + (sI − A)−1 Bû(s)

(2.9)
ŷ(s) = C (sI − A)−1 x(0) + [C (sI − A)−1 B + D ]û(s) .

Las ecuaciones algebraicas (2.9) permiten computar x̂(s) y ŷ(s) de x(0) y û(s). Las trans-
formadas inversas dan x(t) e y(t). Asignando x(0) = 0 vemos que la matriz transferencia
del sistema es
Ĝ (s) = C (sI − A)−1 B + D
En M ATLAB las funciones tf2ss y ss2tf permiten pasar de una representación a otra.

Ejemplo 2.1. Supongamos que el brazo de robot trabaja tomando objetos de distinta masa.
Entonces m varı́a con cada objeto y tenemos que escribir

m(t)θ̈ (t) + m(t) g sin θ (t) = u(t) .

El sistema se convierte en inestacionario.

Ejemplo 2.2. Consideremos un cohete a reacción que asciende en forma vertical de la su-
perficie de la tierra. La fuerza de propulsión es el producto ve u0 , donde ve < 0 es la veloci-
dad relativa de escape de gases, y u0 < 0 la velocidad de variación de masa ṁ(t), supuestas
constantes. Asumiendo la aceleración de la gravedad g constante,

m(t)ḧ(t) = −m(t) g + ve u0 .
2. Descripción Matemática de Sistemas Notas de CAUT2 - 11

mt

ḣ t


ht

Figura 2.3: Cohete

Como ṁ(t) = u0 , entonces m(t) = m0 + u0 t. Definiendo x1 (t) := h(t) y x2 (t) := ḣ(t) y

tomando como salida la altura, llegamos a la representación en EE
      
ẋ1 (t) 0 1 x1 (t) 0
= + , x(0) = 0
ẋ2 (t) 0 0 x2 (t) − g + mv0 +e uu00 t
 
  x1 (t)
y(t) = 1 0
x2 (t)

El sistema es lineal, de dimensión 2, e inestacionario.

2.4. Representación en diagrama de bloques

El diagrama de bloques se obtiene en forma directa de las EE.

Ejemplo 2.3. El sistema

      
ẋ1 (t) 2 −0,3 x1 (t) −2
= + u(t)
ẋ2 (t) 1 −8 x2 (t) 0
  (2.10)
  x1 (t)
y(t) = −2 3 + 5u(t)
x2 (t)

tiene el diagrama de bloques de la Figura 2.4.

2.5. Linealización
La gran mayorı́a de los sistemas fı́sicos son no lineales. Una clase importante de ellos se
puede describir por las ecuaciones de estado

ẋ(t) = f ( x(t), u(t), x(t0 ), t) , x(t0 ) = x0

(2.11)
y(t) = h( x(t), u(t), x(t0 ), t) ,

donde f y h son campos vectoriales no lineales, es decir, escrita en términos escalares, la

componente i de ẋ(t) en (2.11) es

ẋi (t) = f i ( x1 (t), . . . , xn (t); u1 (t), . . . , um (t); x1 (t0 ), . . . , xn (t0 ); t) xi (t0 ) = xi0 .

Este tipo de sistemas se trata en detalle en la asignatura Sistemas No Lineales.

2. Descripción Matemática de Sistemas Notas de CAUT2 - 12

5
2

ut 

ẋ1 t



x1 t 

yt
2

2

03 

ẋ2 t



x2 t
3

Figura 2.4: DB del sistema (2.10)

Una ecuación de estado lineal es una herramienta útil para describir sistemas como
(2.11) en forma aproximada. El proceso de obtención de un modelo lineal a partir de uno no
lineal se llama linealización.
La linealización se realiza alrededor de un punto o trayectoria de operación, definida por
valores nominales x̃(t), x̃0 y ũ(t) que satisfacen (2.11),
(
x̃(t0 )
x̃(t), t ≥ t0 W
ũ(t), t ≥ t0

Nos interesa el comportamiento de la ecuación no lineal (2.11) para una entrada y estado
inicial “cercanos” a los valores nominales, es decir u(t) = ũ(t) + uδ (t) y x0 = x̃0 + x0δ para
uδ (t) y x0δ suficientemente pequeños para t ≥ t0 .

x0 xt

x̃0 xδ t

x̃ t

Figura 2.5: Trayectoria de operación y aproximación

Suponemos que la correspondiente solución permanece cercana a la nominal, y escribi-

mos x(t) = x̃(t) + xδ (t) para cada t ≥ t0 . En términos de la ecuación de estado no lineal
(2.11) tenemos

x̃˙ (t) + x̃˙ δ (t) = f ( x̃(t) + xδ (t), ũ(t) + uδ (t), t), x̃(t0 ) + xδ (t0 ) = x̃0 + x0δ

Asumiendo diferenciabilidad, podemos expandir el lado derecho de esta ecuación usan-

do series de Taylor alrededor de x̃(t) y ũ(t), reteniendo sólo los términos de primer orden.
Notar que la expansión es en términos de x y u; no se hace con respecto a la tercer variable
t.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 13

Especificamos la operación para la componente i, que queda 1

∂ fi ∂ fi
f i ( x̃ + xδ , ũ + uδ , t) ≈ f i ( x̃, ũ, t) + ( x̃, ũ, t) xδ1 + · · · + ( x̃, ũ, t) xδn
∂x1 ∂xn
∂ fi ∂ fi
+ ( x̃, ũ, t)uδ1 + · · · + ( x̃, ũ, t)uδm (2.12)
∂u1 ∂um
Repitiendo la operación para cada i = 1, . . . , n, y volviendo a la notación vectorial,
obtenemos
∂f ∂f
x̃˙ (t) + x̃˙ δ (t) ≈ f ( x̃(t), ũ(t)) + ( x̃, ũ, t) xδ + ( x̃, ũ, t)uδ
∂x ∂u
∂f
donde la notación ∂x
representa el Jacobiano, o Matriz Jacobiana, del campo vectorial f con
respecto a x,
 ∂ f1 ∂ f1 ∂ f1 
∂x ∂x2
... ∂xn
 ∂ f1 ∂ f ∂ f2 

∂f
2 2
 . . .
,  ∂x1 ∂x2 ∂xn 

∂x

. . . . . . . . . . . .
 
∂ fn ∂ fn ∂ fn
∂x1 ∂x2
. . . ∂x n

Dado que x̃˙ (t) = f ( x̃(t), ũ(t), t) , x̃(t0 ) = x̃0 , la relación entre xδ (t) y uδ (t) (el modelo
incremental) queda aproximadamente descripto por una EE lineal inestacionaria de la forma

ẋδ (t) = A(t) xδ (t) + B(t)uδ (t), xδ (t0 ) = x0 − x̃0

donde
∂f ∂f
( x̃(t), ũ(t), t) , B(t) =
A(t) = ( x̃(t), ũ(t), t) .
∂x ∂u
De igual manera se expande la ecuación de salida y(t) = h( x(t), u(t), t), de donde obtene-
mos la aproximación lineal

yδ (t) = C (t) xδ (t) + D (t)uδ (t),

donde yδ (t) = y(t) − ỹ(t), con ỹ(t) = h( x̃(t), ũ(t), t) y

∂h ∂h
C (t) = ( x̃(t), ũ(t), t) , D (t) = ( x̃(t), ũ(t), t) .
∂x ∂u
Notar que las EE obtenidas por linealización van a ser en general inestacionarias, aún
cuando las funciones originales f y h sean estacionarias, debido a que las matrices Jacobia-
nas se evalúan a lo largo de trayectorias y no puntos estacionarios.

Ejemplo 2.4. Consideremos el péndulo invertido sobre un carro móvil de la Figura 2.6. Las
ecuaciones de movimiento son

u + θ̇ 2 ml sin θ − mg sin θ cos θ

ÿ =
M + m sin2 θ
−u cos θ − θ̇ 2 ml sin θ cos θ + (m + M) g sin θ
θ̈ = .
Ml + m sin2 θ
2. Descripción Matemática de Sistemas Notas de CAUT2 - 14

m
q

mg

u
M

Figura 2.6: Péndulo invertido.

Definiendo x1 = y, x2 = ẏ, x3 = θ y x4 = θ̇ vemos que el sistema tiene la forma

ẋ = f ( x, u), donde x ∈ R4 y u ∈ R, y f está dada como
 
x2
2
  
−

f 1 ( x, u) 
 u + x 4 ml sin x 3 mg sin x 3 cos x 3 

 f 2 ( x, u)  M + m sin 2
x 
f ( x, u) = 
  =  3 
f 3 ( x, u)   x 4


f 4 ( x, u) 2
 −u cos x3 − x4 ml sin x3 cos x3 + (m + M) g sin x3 
 

Ml + m sin2 x3
Como trayectoria de operación tomamos θ̃ (t) ≡ 0, ũ(t) ≡ 0 ∀t, que es fácil ver que sa-
tisface f ( x̃(t), ũ(t)) ≡ 0 (es un equilibrio). Las matrices A y B de los respectivos Jacobianos
de f evaluados sobre esta trayectoria son
   
0 1 0 0 0
∂f 0 0 − mg M
0 ∂f  1 
 M .
A= (0, 0) =  B = ( 0, 0 ) =
∂x ∂u

0 0 0 1  0 
( M+m) g 1
0 0 Ml
0 − Ml
Ejemplo 2.5 ((Rugh 1995)). Volvemos al cohete del Ejemplo 2.2. Las ecuaciones de movi-
miento eran
m(t)ḧ(t) = −m(t) g + ve u(t) ,
donde ahora tomamos la velocidad de cambio de masa libre u(t) = ṁ(t) (Ejercicio 2.2).
Definiendo m(t) como una variable de estado más, y denotando x1 (t) = h(t), x2 (t) = ḣ(t),
x3 (t) = m(t), y tomando u(t) como una entrada independiente llegamos al modelo no
lineal
 
  x2 (t)
ẋ1 (t)
 ẋ2 (t) = − g + ve u(t) .
 

ẋ3 (t)
 x3 (t) 
u(t)
Consideramos ahora su linealización alrededor una trayectoria nominal correspondien-
te a un valor constante de la entrada u = u0 < 0. No es difı́cil calcular la trayectoria nomi-
nal explı́citamente mediante integración directa, primero de x3 (t), luego x2 (t) y finalmente
1
Por simplicidad no escribimos la dependencia temporal de x y u.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 15

x1 (t). Haciendo las cuentas obtenemos

gt2 m0 ve
    
u0 t u0 t u0 t
x̃1 (t) = − + 1+ log 1 + −
2 u0 m0 m0 m0
 
u0 t
x̃2 (t) = − gt + ve 1 +
m0
x̃3 (t) = m0 + u0 t .
Los Jacobianos necesarios son
   
0 1 0 0
∂f ∂f
( x, u) = 0 0 −ve u/ x23  , ( x, u) = ve / x3  .
∂x ∂u
0 0 0 1
Substituyendo los valores nominales (sólo los de x3 (t) y u(t) aparecen) obtenemos la EE
linealizada en las variables incrementales xδ (t) = x(t) − x̃(t) y uδ (t) = u(t) − ũ(t)
 
0 1 0
 
0
 −ve u0  ve
ẋδ (t) =  0 0 2
 xδ (t) +   uδ (t) .

(m0 + u0 t) m0 + u0 t
  
0 0 0 1
Las condiciones iniciales para las variables incrementales están dadas por
 
0
xδ (0) = x(0) −  0  .
m0

2.6. Sistemas discretos

La mayorı́a de los conceptos de EE para sistemas lineales continuos puede transladarse
directamente a sistemas discretos, descriptos por ecuaciones diferencia. En este caso la va-
riable temporal t sólo asume valores en un conjunto denumerable (cuyos elementos pueden
“contarse” 2 ).
Cuando el sistema discreto se obtiene a partir de un muestreo de un sistema continuo,
vamos a considerar sólo el caso de muestreo regular, donde t = kT, k = 0, ±1, ±2 . . . , donde
T es el perı́odo de muestreo. En este caso denotamos las variables discretas (secuencias) como
u[k] , u(kT ), etc.
Los conceptos de dimensión finita, causalidad, linealidad y el principio de superposi-
ción de las respuestas debido a condiciones iniciales y entradas, son exactamente como en
el caso continuo.
Una salvedad: a diferencia del caso continuo, retardos puros no dan lugar a un sistema
de dimensión infinita si el retardo es un múltiplo del perı́odo de muestreo T.

2.6.1. Descripción entrada-salida de sistemas discretos

Definimos la secuencia de impulsos δ [k] como
(
1 si k = m
δ [k − m] =
0 si k 6= m
2
Es decir, ponerse en correspondencia con los números naturales.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 16

donde k y m son números enteros. Notar que en el caso discreto los impulsos son fácilmente
realizables fı́sicamente.
En un sistema lineal discreto toda secuencia de entrada u[k] puede representarse me-
diante la serie ∞
u[k] = ∑ u[m]δ [k − m] .
m=−∞

Si g[k, m] denota la salida de una sistema discreto a una secuencia de impulsos aplicada
en el instante m, entonces tenemos que
δ [k − m] → g[k, m]
δ [k, m]u[m] → g[k, m]u[m] (por homogeneidad)
∑ δ[k, m]u[m] → ∑ g[k, m]u[m] (por aditividad) .
m m

Ası́ la salida y[k] excitada por la entrada u[k] puede representarse mediante la serie
∞
y[k] = ∑ g[k, m]u[m] . (2.13)
m=−∞

Si el sistema es causal no habrá salida antes de que la entrada se aplique, por lo que
causalidad ⇔ g[k, m] = 0 para k < m.
Para sistemas discretos causales la representación (2.13) se reduce a
k
y[k] = ∑ g[k, m]u[m] ,
m=k0

y si además tenemos estacionariedad, entonces vale la propiedad de invariancia respecto de

corrimientos en el tiempo y llegamos a la representación del sistema mediante la convolu-
ción discreta
k k
y[k ] = ∑ g[k − m]u[m] = ∑ g[m]u[k − m] .
m=0 m=0

2.6.2. Representación en Espacio de Estados

Todo sistema discreto lineal finito-dimensional puede describirse mediante EE (diferen-
cia)
x[k + 1] = A[k ] x[k ] + B[k ]u[k ]
y[k] = C [k] x[k] + D [k]u[k] ,

y en el caso estacionario

x[k + 1] = Ax[k] + Bu[k]

y[k] = Cx[k] + Du[k] .
En este caso, tiene sentido hablar de funciones transferencia discretas, Ĝ ( z) = Z [ g[k]]. La
relación entre función transferencia discreta y representación de estados es idéntica al caso
continuo,
Ĝ ( z) = C ( zI − A)−1 B + D ,
y sirven las mismas funciones de M ATLAB ss2tf y tf2ss.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 17

2.7. Resumen
La matriz transferencia es racional sii el sistema es lineal, estacionario y de dimensión
finita.

Las representaciones externas asumen condiciones iniciales nulas.

Los sistemas de dimensión infinita no pueden describirse en EE.

Mediante linealización, puede describirse el comportamiento de un sistema no lineal

en forma aproximada mediante un modelo en EE incremental lineal.

La linealización se realiza alrededor de una trayectoria de operación nominal conocida,

y los modelos incrementales obtenidos serán, en general, inestacionarios.

Los sistemas discretos tienen representaciones equivalentes a las de sistemas conti-

nuos mediante series de convolución, funciones transferencia en transformada Z , y EE
diferencia.

A diferencia del caso continuo, los retardos puros no necesariamente dan lugar a un
sistema discreto distribuido.

Tipo de sistema Representación interna Representación externa

R∞
dim. infinita lineal y(t) = t0 G (t, τ )u(τ )dτ
Rt
dim. finita, lineal ẋ = A(t) x + B(t)u y(t) = t0 G (t, τ )u(τ )dτ
y = C (t) x + D (t)u
R∞
dim. inf., lineal, est. y(t) = t0 G (t, τ )u(τ )dτ

ŷ(s) = Ĝ (s)û(s)
R∞
dim. fin., lineal, est. ẋ = Ax + Bu y(t) = t0 G (t, τ )u(τ )dτ

y = Cx + Du ŷ(s) = Ĝ (s)û(s)

2.8. Ejercicios
Ejercicio 2.1. A partir de la definición de transformada de Laplace de y(t)
Z ∞
ŷ(s) = y(t)e−st dt
0

probar que para un sistema lineal estacionario ŷ(s) = ĝ(s)û(s).

Ejercicio 2.2. ¿Cómo se modifica el sistema del cohete si la velocidad de cambio de masa
u0 es u(t) = ṁ(t)? Escribir las EE y clasificarlo.
2. Descripción Matemática de Sistemas Notas de CAUT2 - 18

Ejercicio 2.3. Considerar un sistema consistente en un retardo puro,

y(t) = u(t − T ) .

¿Es dinámico, lineal, de dimensión finita, estacionario?

Ejercicio 2.4. Introducir el sistema (2.10) en M ATLAB utilizando la función ss y obtener la
función transferencia con ss2tf. Explorar las herramientas ssdata, tfdata, zpkdata y
ltiview.
Ejercicio 2.5. Para la ecuación diferencial
4 1
ÿ(t) + y3 (t) = − u(t)
3 3
usar una simple identidad trigonométrica como ayuda para encontrar una solución nomi-
nal correspondiente a ũ(t) = sin 3t, y(0) = 0, ẏ(0) = 1. Determinar una EE linealizada que
describa el comportamiento del sistema alrededor de esta trayectoria nominal.
Ejercicio 2.6. Linealizar la EE no lineal
1
ẋ1 (t) = −
x22 (t)
ẋ2 (t) = u(t) x1 (t)

alrededor de la trayectoria nominal originada en x̃1 (0) = x̃2 (0) = 1, y ũ(t) = 0.

Ejercicio 2.7. Para la EE no lineal
   
ẋ1 (t) x2 (t) − 2x1 (t) x2 (t)
=
ẋ2 (t) − x1 (t) + x21 (t) + x22 (t) + u(t)
calcular las posibles soluciones constantes, a menudo denominadas estados de equilibrio, y
las correspondientes EE linealizadas.
Ejercicio 2.8. Considerar la EE no lineal
 
u(t)
ẋ(t) = u(t) x1 (t) − x3 (t)
x2 (t) − 2x3 (t)
y(t) = x2 (t) − 2x3 (t)
0
h i
con estado inicial x̃(0) = −3 y entrada nominal constante ũ(t) = 1. Mostrar que la salida
−2
nominal es ỹ(t) = 1. Linealizar la EE alrededor de la solución nominal. ¿Hay algo raro en
este sistema?
Ejercicio 2.9. De la definición de transformada Z de la secuencia y[t]
∞
ŷ( z) = Z [ y[k]] = ∑ y [ k ] z −k
k=0

probar que para un sistema lineal estacionario discreto ŷ( z) = ĝ( z)û( z).
Bibliografı́a

Bay, J. S. (1999), Fundamentals of Linear State Space Systems, WCB/McGraw-Hill.

Chen, C.-T. (1999), Linear System Theory and Design, 3rd edn, Oxford University Press.

Doyle, J. C., Francis, B. A. & Tannenbaum, A. (1992), Feedback control theory, Macmillan Pub.
Co.

Friedland, B. (1986), Control System Design, McGraw-Hill.

Goodwin, G., Graebe, S. & Salgado, M. (2000), Control System Design, Prentice Hall.

Goodwin, G. & Sin, K. (1984), Adaptive Filtering Prediction and Control, Prentice-Hall, New
Jersey.

Rugh, W. J. (1995), Linear System Theory, 2nd edn, Prentice Hall.

Sánchez Peña, R. (1992), Introducción a la teorı́a de control robusto, Asociación Argentina de

Control Automático.

Seron, M. M., Braslavsky, J. H. & Goodwin, G. C. (1997), Fundamental Limitations in Filtering

and Control, CCES Series, Springer-Verlag.

Van Loan, C. (1978), ‘Computing integrals involving the matrix exponential’, IEEE Trans.
Automat. Contr. AC-23(3), 395–404.

193