Prueba 2 Modelacion

MARCOS ALFONSO BURGOS ARIAS

October 2025

Problema 1
Enunciado:
Calcule y represente gráficamente la Transformada de Fourier del pulso:
   
|t|
 1 − 10 + 2t sin 10π T
t , |t| ≤


f (t) = T T 2
 T
0,
 |t| >
2
—
Desarrollo:
La Transformada de Fourier está dada por:
Z ∞
F (ω) = f (t)e−jωt dt
−∞

Como f (t) = 0 fuera del intervalo |t| ≤ T2 , la integral se reduce a:

T /2
   
|t|
Z
10π
F (ω) = 1 − 10 + 2t sin t e−jωt dt
−T /2 T T

Separando en tres integrales:

T /2
10 T /2
Z   Z   Z T /2  
10π −jωt 10π −jωt 10π
F (ω) = sin t e dt − |t| sin t e dt +2 t sin t e−jωt dt
−T /2 T T −T /2 T −T /2 T
| {z } | {z } | {z }
F1 (ω) F2 (ω) F3 (ω)

—
Cálculo de F1 (ω):
Usando la identidad exponencial del seno:

ej(10π/T )t − e−j(10π/T )t
 
10π
sin t =
T 2j

1
Entonces:

Z T /2
1
ej(10π/T )t − e−j(10π/T )t e−jωt dt


F1 (ω) =
2j −T /2

"Z #
T /2 Z T /2
1
F1 (ω) = e−j(ω−10π/T )t dt − e−j(ω+10π/T )t dt
2j −T /2 −T /2

Cada integral es del tipo:

Z T /2
2 sin(αT /2)
e−jαt dt =
−T /2 α

Por lo tanto:
"
#
2 sin T2 (ω − 10π/T ) 2 sin T2 (ω + 10π/T )


1
F1 (ω) = −
2j (ω − 10π/T ) (ω + 10π/T )

Simplificando:

"
#
1 sin T2 (ω − 10π/T ) sin T2 (ω + 10π/T )


F1 (ω) = −
j (ω − 10π/T ) (ω + 10π/T )

2. Cálculo de F3 (ω)
Se usa la propiedad:
d
te−jωt = j
e−jωt


dω
entonces: Z T /2  
d 10π d
F3 (ω) = j sin t e−jωt dt = j F1 (ω)
dω −T /2 T dω

Derivando F1 (ω) respecto a ω:

 
d sin(aω) aω cos(aω) − sin(aω)
=
dω ω ω2

Entonces:
"
T
− 10π/T ) − T2 sin T



T (ω − 10π/T ) cos 2
(ω 2
(ω − 10π/T )
F3 (ω) =
2 (ω − 10π/T )2

T

#
+ 10π/T ) − T2 sin T


(ω + 10π/T ) cos 2
(ω 2
(ω + 10π/T )
−
(ω + 10π/T )2

2
3. Cálculo de F2 (ω)
Como la función |t| sin(·) es par, se cumple:
Z T /2  
10π
F2 (ω) = 2 t sin t cos(ωt) dt
0 T

Usando la identidad sin(A) cos(B) = 12 [sin(A + B) + sin(A − B)]:

Z T /2
F2 (ω) = t[sin((10π/T + ω)t) + sin((10π/T − ω)t)] dt
0

R sin(kt) t cos(kt)
Cada integral es del tipo t sin(kt) dt = k2
− k
.
Evaluando entre 0 y T /2:

sin (10π/T + ω) T2 T
cos (10π/T + ω) T2



2
F2 (ω) = −
(10π/T + ω)2 (10π/T + ω)
sin (10π/T − ω) T2 T
cos (10π/T − ω) T2



2
+ −
(10π/T − ω)2 (10π/T − ω)

Resultado final de la Transformada de Fourier

"
#
1 sin T2 (ω − 10π/T ) sin T2 (ω + 10π/T )


F (ω) = −
j (ω − 10π/T ) (ω + 10π/T )

10
− F2 (ω) + 2F3 (ω)
T
—

3
Problema 2
Serie de Fourier de x(t)
Sea la función periódica x(t) definida en [−5, 5]:



 0, −5 ≤ t < −3

−3 ≤ t < −1

0,5,



x(t) = 2,3317, −1 ≤ t < 1





 1,16585 t − 3,49755, 1 ≤ t < 3

3≤t≤5

0,

El perı́odo es T = 10, con frecuencia angular fundamental ω0 = π/5. La serie de Fourier

se escribe como:

∞
X  
x(t) = a0 + an cos(nω0 t) + bn sin(nω0 t) .
n=1

Los coeficientes son:

Z T /2
1
a0 = x(t) dt
T −T /2
Z −3 Z −1 Z 1 Z 3 Z 5
1 
= 0 dt + 0,5 dt + 2,3317 dt + (1,16585t − 3,49755) dt + 0 dt
10 −5 −3 −1 1 3
| {z } | {z } | {z } | {z } | {z }
0 1 4,6634 −2,3317 0

= 0,33317

Z T /2
2
an = x(t) cos(nω0 t) dt
T −T /2
Z −1 Z 1 Z 3
2h i
= 0,5 cos(nω0 t) dt + 2,3317 cos(nω0 t) dt + (1,16585t − 3,49755) cos(nω0 t) dt
10 −3 −1 1

1 h 3nπ

nπ

3nπ

nπ

i
an = 5,16585 sin 5
− 3,16585 sin 5
+ 1,16585nπ cos 5
− 1,16585nπ cos 5
5nπ

Z T /2
2
bn = x(t) sin(nω0 t) dt
T −T /2
Z −1 Z 1 Z 3
2h i
= 0,5 sin(nω0 t) dt + 2,3317 sin(nω0 t) dt + (1,16585t − 3,49755) sin(nω0 t) dt
10 −3 −1 1

4
 1 h 3nπ

nπ

3nπ

nπ

i
bn = − 5,16585 cos 5
+ 3,16585 cos 5
+ 1,16585nπ sin 5
− 1,16585nπ sin 5
5nπ

Finalmente, la serie de Fourier es:

∞
X  
x(t) = a0 + an cos(nπt/5) + bn sin(nπt/5) , a0 = 0,33317
n=1

1
b) las frecuencias de los primeros 5 armonicos La frecuencia fundamental es f0 = T
=
0,1 Hz, con frecuencia angular ω0 = π5 rad/s.
Los 5 primeros armónicos son:

π
f1 = f0 = 0,1 Hz, ω1 = ω0 =
5
2π
f2 = 2f0 = 0,2 Hz, ω2 = 2ω0 =
5
3π
f3 = 3f0 = 0,3 Hz, ω3 = 3ω0 =
5
4π
f4 = 4f0 = 0,4 Hz, ω4 = 4ω0 =
5
f5 = 5f0 = 0,5 Hz, ω5 = 5ω0 =π

c) el valor medio de la señal.

El valor medio es precisamente el coeficiente a0 , en donde su valor es:
Xmedio = a0 = 0,33317

d) El espectro de la señal resultante al utilizar un filtro pasa bajos ideal de ancho de

banda =5[HZ] sobre la señal x(t).

Figura 1: Señal original y señal resultante tras aplicar un filtro pasa bajos ideal con
frecuencia de corte de 5 Hz, donde se conservan los armónicos de baja frecuencia y se
atenúan los de alta frecuencia.

5
e) la señal de salida al aplicar un filtro pasa altos ideal de frecuencia de corte de 0.3 [Hz]

Figura 2: Señal original y señal resultante al aplicar un filtro pasa altos ideal con frecuen-
cia de corte de 0.3 Hz, eliminando el componente de continua y los armónicos de baja
frecuencia.

6
Problema 3: Promedio móvil ponderado
3) Sistema dado

y[n] = b[a x[n − 1] + x[n] + a x[n + 1]]

Se solicita:
1. Determinar la respuesta en frecuencia del sistema.
2. Determinar el factor de escalamiento b tal que el módulo de la respuesta en frecuencia
tenga ganancia unitaria a frecuencia cero.
3. Identificar el tipo de filtro resultante si se considera a = 0,5.

a) Respuesta al impulso
La respuesta al impulso h[n] del sistema se obtiene al aplicar δ[n] como entrada (x[n] =
δ[n]).
En la ecuación de diferencias, los coeficientes de x[n] son los valores de h[n]:

h[n] = {ba, b, ba}

para n = −1, 0, 1, respectivamente. Además, h[n] = 0 para otros valores.

La respuesta en frecuencia H(ejω ) se obtiene a través de la transformada de Fourier de
tiempo discreto de la respuesta al impulso:

∞
X
jω
H(e ) = h[n]e−jωn
n=−∞

Sustituyendo h[n]:

H(ejω ) = h[−1]ejω + h[0] + h[1]e−jω

= ba ejω + b + ba e−jω
= b(a ejω + 1 + a e−jω )
= b[1 + a(ejω + e−jω )]

Usando la identidad de Euler:

ejω + e−jω
cos(ω) =
2

se obtiene:

H(ejω ) = b(1 + 2a cos(ω))

Como H(ejω ) es real y par en ω, el filtro es simétrico y tiene fase lineal.

7
La magnitud y fase son:

|H(ejω )| = |b| |1 + 2a cos(ω)|

(
0, 1 + 2a cos(ω) ≥ 0
̸ H(ejω ) =
π, 1 + 2a cos(ω) < 0

b) Condición de normalización
Se pide que:
|H(ejω )| = 1 con ω = 0

Entonces:
|H(ej0 )| = 1 = b(1 + 2a cos(0))
1 = b(1 + 2a)

Asumiendo que a > 0 y b > 0, se tiene:

1
b=
1 + 2a

c) Análisis con a = 0,5

Con a = 0,5:
1 1
b= =
1 + 2(0,5) 2

Frecuencia baja (ω = 0)
1
H(ej0 ) = (1 + cos(0)) = 1
2

Pasa con ganancia unitaria.

Frecuencia alta (ω = π) Frecuencia de Nyquist:

1
H(ejπ ) = (1 + cos(π)) = 0
2
Se atenúa completamente.

⇒ Es un filtro pasa-bajos.

8
 Problema 4
1. Código en MATLAB
1 clc ; clear ; close all ;
2
3 % --- Datos experimentales ---
4 omega = [0.1 0.2 0.5 1 2 5 6.3 10 20 31]; % rad / s
5 mag_exp = [50 5.02 2.57 1.52 0.97 0.47 0.37 0.24 0.12 0.026];
6 fase_exp = [ -90 -92.4 -96.4 -98.6 -100.4 -103.2 -104 -105.4 -106.8
-158]; % grados
7
8 % --- F u n c i n de error ---
9 error_fun = @ ( p ) sum ( ( mag_exp - p (1) ./( omega .* sqrt (1+( omega * p (2) ) .^2) ) )
.^2 + ...
10 (( fase_exp + 90 + atan ( omega * p (2) ) *180/ pi ) .^2) ) ;
11
12 % --- E s t i m a c i n de p a r m e t r o s K y T ---
13 p0 = [1 0.1]; % valores iniciales [K , T ]
14 opts = optimset ( ’ Display ’ , ’ iter ’) ;
15 p_opt = fminsearch ( error_fun , p0 , opts ) ;
16
17 K = p_opt (1) ;
18 T = p_opt (2) ;
19

20 fprintf ( ’K = %.3f , T = %.3f \ n ’ , K , T ) ;

21
22 % --- Graficar ajuste ---
23 mag_fit = K ./( omega .* sqrt (1+( omega * T ) .^2) ) ;
24 fase_fit = -90 - atan ( omega * T ) *180/ pi ;
25

26 figure ;
27 subplot (2 ,1 ,1)
28 semilogx ( omega , mag_exp , ’ ro ’ , ’ MarkerSize ’ ,8 , ’ DisplayName ’ , ’ Experimental ’
)
29 hold on
30 semilogx ( omega , mag_fit , ’b - ’ , ’ LineWidth ’ ,2 , ’ DisplayName ’ , ’ Ajuste ’)
31 ylabel ( ’| G ( j ) | ’)
32 grid on
33 legend
34
35 subplot (2 ,1 ,2)
36 semilogx ( omega , fase_exp , ’ ro ’ , ’ MarkerSize ’ ,8 , ’ DisplayName ’ , ’ Experimental
’)
37 hold on
38 semilogx ( omega , fase_fit , ’b - ’ , ’ LineWidth ’ ,2 , ’ DisplayName ’ , ’ Ajuste ’)
39 ylabel ( ’ Fase [ ] ’)
40 xlabel ( ’ [ rad / s ] ’)
41 grid on
42 legend
43
44 % --- F u n c i n de transferencia estimada ---
45 s = tf ( ’s ’) ;
46 G = K /( s *( T * s +1) ) ;
47 disp ( ’ F u n c i n de transferencia estimada : ’)
48 G

Listing 1: Estimación de parámetros K y T

9
Figura 3: Ajuste de la respuesta en frecuencia del sistema: puntos rojos corresponden a
los datos experimentales de magnitud y fase, y la curva azul al ajuste mediante la función
4,086
de transferencia G(s) = 0,037 s2 +s
.

A partir del ajuste de la respuesta en frecuencia, se obtuvo:

K = 4,086, T = 0,037

Por lo tanto, la función de transferencia del sistema es:

K 4,086
G(s) = 2
=
Ts + s 0,037 s2 + s

10
Problema 5
Análisis del sistema
De acuerdo con el diagrama de bloques, la señal de salida es:

y(t) = f (t) + h(t) · g(t)

Aplicando la Transformada de Fourier:

1
Y (ω) = F (ω) + [H(ω) ∗ G(ω)]
2π
donde el producto en tiempo se transforma en una convolución en frecuencia.

Espectros de las señales

De las gráficas dadas:
F (ω) es un triángulo centrado en ω = 0, con soporte en −2π104 ≤ ω ≤ 2π104 .
H(ω) es rectangular entre −2π104 y 2π104 .
G(ω) también es rectangular entre −2π104 y 2π104 .

Producto en tiempo: h(t)g(t)

En el dominio de la frecuencia:

H(ω) ∗ G(ω)

Cada espectro rectangular tiene un ancho de banda de 4π104 rad/s, por lo que la convo-
lución de dos rectángulos duplica el ancho total:

Ancho total = 4π104 + 4π104 = 8π104

Por tanto, el espectro del producto h(t)g(t) estará definido en:

−4π104 ≤ ω ≤ 4π104

Combinación con F (ω)

El espectro total de Y (ω) será:

1
Y (ω) = F (ω) + [H(ω) ∗ G(ω)]
2π

11
 Como F (ω) tiene soporte en [−2π104 , 2π104 ] y el producto H(ω)∗G(ω) en [−4π104 , 4π104 ],
el espectro resultante abarcará:

ωmáx = 4π104 rad/s

Condición de Nyquist
Para evitar solapamiento espectral al muestrear con un tren de impulsos combTs (t), se
requiere que:

ωs > 2ωmáx
2π
donde ωs = . Sustituyendo:
Ts
2π
> 2(4π104 )
Ts

1
Ts <
4 × 104

Ts,máx = 2,5 × 10−5 s = 25 µs

Interpretación
Para que ys (t) = y(t) · combTs (t) contenga toda la información de frecuencia de las señales
entrantes, el periodo de muestreo no debe superar 25 µs. Si Ts > 25 µs, ocurre aliasing
en el dominio de la frecuencia.

Simulación en MATLAB
A continuación, se presenta el código MATLAB para:
1. Calcular Tsmáx
2. Mostrar los espectros F (ω), H(ω) ∗ G(ω) y Y (ω)
3. Simular el efecto del muestreo con y sin aliasing
1 clc ; clear ; close all ;
2

3 % === Datos del problema ===

4 Wf = 2* pi *1 e4 ; % Ancho de F ( )
5 Wh = 2* pi *1 e4 ; % Ancho de H ( )
6 Wg = 2* pi *1 e4 ; % Ancho de G ( )
7
8 % M x i m a frecuencia de Y ( )
9 Wmax = 4* pi *1 e4 ;
10
11 % C o n d i c i n de Nyquist

12
12 Ts_max = 1/(4*1 e4 ) ; % 25 microsegundos
13 fprintf ( ’ El m x i m o periodo de muestreo Ts_max = %.2e s \ n ’ , Ts_max ) ;
14
15 % Ejes de frecuencia
16 w = linspace ( -10* pi *1 e4 , 10* pi *1 e4 , 4000) ;
17

18 % Espectros individuales
19 F = t ri a ngu l a r_ s p ec t r um (w , Wf ) ;
20 H = rect_spectrum (w , Wh ) ;
21 G = rect_spectrum (w , Wg ) ;
22
23 % C o n v o l u c i n H*G
24 HG = conv (H , G , ’ same ’) ;
25 HG = HG / max ( HG ) ;
26 Y = F + HG ;
27
28 % Graficar espectros
29 figure ;
30 subplot (3 ,1 ,1) ; plot (w , F ) ; title ( ’| F (\ omega ) | ’) ; grid on ;
31 subplot (3 ,1 ,2) ; plot (w , HG ) ; title ( ’| H (\ omega ) * G (\ omega ) | ’) ; grid on ;
32 subplot (3 ,1 ,3) ; plot (w , Y ) ; title ( ’| Y (\ omega ) | ’) ; grid on ;
33
34 % === Muestreo ===
35 Ts1 = Ts_max ; % sin aliasing
36 Ts2 = 2.5* Ts_max ; % con aliasing
37 ws1 = 2* pi / Ts1 ;
38 ws2 = 2* pi / Ts2 ;
39
40 Y_s1 = sample_spectrum (w , Y , ws1 ) ;
41 Y_s2 = sample_spectrum (w , Y , ws2 ) ;
42
43 figure ;
44 subplot (2 ,1 ,1) ;
45 plot (w , Y_s1 ) ; title ([ ’ Muestreo correcto ( T_s = ’ num2str ( Ts1 , ’ %.2e ’) ’
s ) ’ ]) ;
46 subplot (2 ,1 ,2) ;
47 plot (w , Y_s2 ) ; title ([ ’ Muestreo con aliasing ( T_s = ’ num2str ( Ts2 , ’ %.2e ’
) ’ s ) ’ ]) ;
48
49 % === Funciones auxiliares ===
50 function F = t ri a n gu l a r_ s p ec t r um (w , W )
51 F = max (1 - abs ( w ) /(2* W ) , 0) ;
52 end
53
54 function R = rect_spectrum (w , W )
55 R = double ( abs ( w ) <= W ) ;
56 end
57

58 function Ys = sample_spectrum (w , Y , ws )
59 Ys = zeros ( size ( Y ) ) ;
60 for k = -5:5
61 Ys = Ys + interp1 (w , Y , w - k * ws , ’ linear ’ , 0) ;
62 end
63 end

Listing 2: Simulación del Problema 5 en MATLAB

El periodo de muestreo máximo que garantiza la preservación de toda la información

13
espectral de la señal compuesta y(t) = f (t) + h(t)g(t) es:

Ts = 25 µs

lo que corresponde a una frecuencia de muestreo de:

1
fs = = 40 kHz
Ts

14
Problema 6
Tabla de Datos Experimentales
C Frecuencia Respuesta Amortiguada Respuesta ∆ Factor TT
0 2.0 2.0 2.0 0 2.0
1 2.0 2.0 2.0 0 2.0
2 2.0 2.0 2.0 0 2.0
3 2.0 2.0 2.0 0 2.0
4 2.0 2.0 2.0 0 2.0
5 2.0 2.0 2.0 0 2.0
6 2.0 2.0 2.0 0 2.0

Cuadro 1: Datos experimentales del sistema

Función de Transferencia Inicial

(1 + 3s )(1 + 8s )
G(s) = K ·
s(s + 2)(1 + 2s )

(1 + 0,125s)(1 + 0,375s)
G(s) = K ·
s(s + 2)(1 + 0,5s)

Desarrollo Algebraico

s(1 + 0,5s)(s + 2) = s(s + 2)(1 + 0,5s)

(1 + 0,375s)
G(s) = 0,125 ·
s(s + 2)(1 + 0,5s)

Expansión del Numerador

(4 − s)(3 − s) = 12 − 7s + s2

0,125 · (12 − 7s + s2 ) = 1,5 − 0,875s + 0,125s2

Coeficientes del Numerador

3 7 1
a = 1,5 = , b = −0,875 = − , c = 0,125 =
2 8 8

15
Forma Final de la Función de Transferencia
3
2
− 87 s + 18 s2
G(s) =
s(s + 2)(1 + 0,5s)

16
 Problema 7
1 % D e f i n i c i n s i m b l i c a ( opcional , no necesaria en este caso )
2 syms s
3
4 % F u n c i n de transferencia del sistema en lazo directo G ( s )
5 G = tf ([1.25] , [1 3.9 0]) ;
6
7 % F u n c i n de transferencia del sensor o elemento de r e a l i m e n t a c i n H ( s
)
8 H = tf ([1] , [1 1]) ;
9
10 % F u n c i n de transferencia en lazo abierto L ( s ) = G ( s ) * H ( s )
11 sys = G * H ;
12
13 % Diagrama de Bode del sistema en lazo abierto
14 bode ( sys ) ;
15 grid on ;
16
17 % --- A n l i s i s de estabilidad en lazo abierto ---
18 margin ( sys ) ;
19

20 % --- Sistema en lazo cerrado ---

21 T = feedback (G , H ) ;
22
23 % --- A n l i s i s de ancho de banda ---
24 BW = bandwidth ( T ) ;
25
26 % --- Diagrama de Bode del sistema en lazo cerrado ---
27 bode ( T ) ;
28 grid on ;
29
30 % --- A n l i s i s de resonancia ---
31 % Mp 1.02 no hay resonancia significativa

Listing 3: Código MATLAB: Análisis de estabilidad y Bode

Figura 4: Diagrama de Bode del sistema en lazo abierto. Márgenes positivos de fase y
ganancia indican estabilidad.

17