PT 1 DT 1 PT 2

Teora de Circuitos II.
Notas de Clase Ano 2010

Ernesto Kofman
Hernan Haimovich
Gustavo Migoni
Mario Bortolotto
Departamento de Control
Facultad de Ciencias Exactas, Ingeniera y Agrimensura
Universidad Nacional de Rosario
Indice general
1. Elementos de An
alisis de Sistemas Lineales
1.1. Modelos Matem
aticos de Sistemas en Tiempo Continuo y Discreto .
1.1.1. Modelos de Tiempo Continuo . . . . . . . . . . . . . . . . . .
1.1.2. Modelos de Tiempo Discreto . . . . . . . . . . . . . . . . . .
1.1.3. Interconversi
on de Modelos . . . . . . . . . . . . . . . . . . .
1.1.4. Creaci
on e Interconversi
on de Modelos con Matlab/Simulink
1.1.5. Sistemas de Par
ametros Distribuidos . . . . . . . . . . . . . .
1.2. Herramientas de Analisis de Modelos Externos . . . . . . . . . . . .
1.2.1. Estabilidad Externa . . . . . . . . . . . . . . . . . . . . . . .
1.2.2. Criterios de Estabilidad . . . . . . . . . . . . . . . . . . . . .
1.2.3. Analisis de la Respuesta Temporal en Tiempo Continuo . . .
1.2.4. Analisis de la Respuesta Temporal en Tiempo Discreto . . . .
1.3. Herramientas de Analisis de Modelos Internos . . . . . . . . . . . . .
1.3.1. Soluci
on de las Ecuaciones de Estados . . . . . . . . . . . . .
1.3.2. Estabilidad Interna . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3. Diagonalizacion y Forma Canonica de Jordan . . . . . . . . .
1.3.4. Retratos de Fase . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5. Vinculacion entre Modelos Internos y Externos . . . . . . . .
1.4. Herramientas de Discretizaci
on . . . . . . . . . . . . . . . . . . . . .
1.4.1. Aproximaciones Numericas . . . . . . . . . . . . . . . . . . .
1.4.2. Equivalente Discreto . . . . . . . . . . . . . . . . . . . . . . .
1.5. Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
7
10
17
21
22
22
24
27
40
46
46
48
50
53
69
71
71
74
75
2. An
alisis de Sistemas Lineales Realimentados
2.1. Esquemas y Modelos de Sistemas Realimentados . . . . . . . .
2.1.1. Realimentacion en Modelos Externos . . . . . . . . . . .
2.1.2. Realimentacion en Modelos Internos . . . . . . . . . . .
2.2. Analisis de Sistemas Realimentados . . . . . . . . . . . . . . . .
2.2.1. Efectos de la Realimentacion sobre la Estabilidad . . . .
2.2.2. Efectos de la Realimentacion sobre la Ganancia Est
atica
2.2.3. Efectos de la Realimentacion sobre el Ancho de Banda .
2.2.4. Rechazo de Perturbaciones . . . . . . . . . . . . . . . .
2.2.5. Efectos de la Realimentacion sobre los Transitorios . . .
2.2.6. Efectos de la Realimentacion en Tiempo Discreto . . . .
2.3. Lugar Geometrico de las Races . . . . . . . . . . . . . . . . . .
2.3.1. Motivaci
on . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2. Fundamentos . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3. Variaci
on de par
ametros generales . . . . . . . . . . . .
2.3.4. Sistemas en tiempo discreto . . . . . . . . . . . . . . . .
2.3.5. Resumen del metodo . . . . . . . . . . . . . . . . . . . .
2.3.6. Lugar de las races con Matlab . . . . . . . . . . . . . .
2.3.7. Polos dominantes . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
87
87
87
89
92
93
93
95
96
97
97
98
98
99
108
109
109
111
113
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
2.3.8. Angulos
y centroide de asntotas . . . . . . . .
2.4. Analisis en Frecuencia de Sistemas Realimentados . .
2.4.1. Principio del Argumento y Criterio de Nyquist
2.4.2. Estabilidad Relativa . . . . . . . . . . . . . . .
2.4.3. Analisis de Estabilidad con Diagrama de Bode
2.4.4. Analisis en Tiempo Discreto . . . . . . . . . . .
2.5. Problemas Propuestos . . . . . . . . . . . . . . . . . .
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
114
116
116
121
124
126
129
3. Filtros Anal
ogicos
3.1. Introduccion y Conceptos Basicos . . . . . . . . . . . . . . . . . . .
3.1.1. Caracterizacion: FT, Amplitud, Fase, Atenuacion y Retardo
3.1.2. Filtros Selectores de Frecuencia . . . . . . . . . . . . . . . .
3.1.3. Transmisi
on sin Distorsi
on . . . . . . . . . . . . . . . . . . .
3.2. Filtros Ideales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1. Respuesta en Frecuencia de los Filtros Ideales . . . . . . . .
3.2.2. Respuesta al Escal
on de un Filtro Ideal . . . . . . . . . . .
3.3. Filtros Reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.1. Respuesta en Frecuencia de los Filtros Reales . . . . . . . .
3.3.2. Plantillas de Filtros Reales . . . . . . . . . . . . . . . . . .
3.3.3. Especicaciones de Frecuencia Complementarias . . . . . .
3.4. Dise
no de la Funci
on Transferencia . . . . . . . . . . . . . . . . . .
3.4.1. Procedimiento Basico de Dise
no para Pasabajos . . . . . .
3.4.2. Polos de Perdida y Ceros de Reexion . . . . . . . . . . . .
3.4.3. Otros Tipos de Filtros: Transposicion de Frecuencia . . . .
3.5. Aproximaciones Clasicas . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1. Filtros de Butterworth . . . . . . . . . . . . . . . . . . . . .
3.5.2. Filtros de Chebyshev . . . . . . . . . . . . . . . . . . . . . .
3.5.3. Otras Aproximaciones Clasicas . . . . . . . . . . . . . . . .
3.6. Implementacion de Filtros Pasivos . . . . . . . . . . . . . . . . . .
3.6.1. Estructura del Filtro Pasivo . . . . . . . . . . . . . . . . . .
3.6.2. Filtros LC Escalera . . . . . . . . . . . . . . . . . . . . . . .
3.6.3. Implementacion de Filtros Pasivos Clasicos . . . . . . . . .
3.6.4. Ajustes de Par
ametros y Transposiciones de Frecuencia . .
3.7. Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . .
de Grupo
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
133
133
134
135
136
137
137
138
141
141
144
146
147
147
150
155
158
158
161
166
166
166
167
171
173
178
4. Filtros Digitales
4.1. Principios Basicos del Filtrado Digital de Se
nales . . .
4.1.1. Representacion de los Filtros Digitales . . . . .
4.1.2. Muestreo de Se
nales Analogicas . . . . . . . . .
4.1.3. Filtros Digitales Ideales . . . . . . . . . . . . .
4.1.4. Tipos de Filtros Digitales . . . . . . . . . . . .
4.2. Dise
no de Filtros de Respuesta al Impulso Finita . . .
4.2.1. Filtros FIR Simetricos y Antisimetricos . . . .
4.2.2. Respuesta al Impulso de los Filtros Ideales . .
4.2.3. Dise
no con Ventanas de Filtros de Fase Lineal .
4.3. Dise
no de Filtros de Respuesta al Impulso Innita . .
4.3.1. Regla Trapezoidal . . . . . . . . . . . . . . . .
4.3.2. Dise
no por Transformaci
on Bilineal . . . . . . .
4.4. Problemas Propuestos . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
181
181
181
182
182
183
185
185
186
187
192
192
194
199
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
A. Algunas Tablas Utiles

A.1. Coecientes de Butterworth . . .
A.2. Coecientes de Chebyshev . . . .
A.2.1. Tabla para max = 3 dB .
A.2.4. Tabla para max = 0.5 dB
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
203
203
203
203
204
204
204
Captulo 1
Elementos de An
alisis de Sistemas
Lineales
En este captulo veremos en primer lugar diferentes alternativas para representar modelos de sistemas
de tiempo continuo y discreto. Luego, estudiaremos distintas herramientas de analisis que nos permitiran
determinar propiedades cualitativas (como la estabilidad) y cuantitativas de la evoluci
on temporal de
dichos sistemas. Finalmente, presentaremos algoritmos y herramientas de software que permiten resolver
algunos de los problemas estudiados en el captulo.
1.1.
Modelos Matem
aticos de Sistemas en Tiempo Continuo y
Discreto
Los Sistemas Din

amicos se caracterizan por la presencia de magnitudes que varan con el tiempo.
La evoluci
on de estas mangnitudes, representadas mediante variables, depende no solo por la accion
instant
anea de componentes externos (entradas), sino tambien de las condiciones iniciales de algunas de
las variables.
Un Modelo Matem
atico es la expresion mediante ecuaciones de las relaciones entre las distintas magnitudes al que se arriba generalmente tras realizar diversas hipotesis simplicatorias.
Si bien los modelos matematicos pueden clasicarse de muchas formas, una divisi
on fundamental
depende de la manera en que las variables evolucionan en el tiempo. Cuando las variables evolucionan
continuamente con el tiempo se habla de modelos de tiempo continuo, o de sistemas continuos. Cuando
la evoluci
on se da solo en ciertos instantes de tiempo predeterminados se habla de modelos de tiempo
discreto o sistemas de tiempo discreto.
1.1.1.
Modelos de Tiempo Continuo
Hay diversas maneras de describir modelos de tiempo continuo. Veremos a continuacion cuatro alternativas: la Ecuaci
on Diferencial Ordinaria, la Funci
on Transferencia, las Ecuaciones de Estado y los
Diagramas de Bloques.
Ecuaci
on Diferencial Ordinaria
La Figura 1.1 muestra el esquema de un circuito RLC serie. En este circuito hay dos almacenadores de
energa: el capacitor y el inductor. Por lo tanto, lo que ocurra con las corrientes y tensiones del circuito
dependera no solo de la evoluci
on de la tensi
on en la fuente sino tambien de las condiciones iniciales en
dichos almacenadores. El hecho de necesitar dos condiciones iniciales (que podran ser la tensi
on en el
capacitor y la corriente en el inductor) implica que estamos ante un sistema de segundo orden.
Del conocimiento de las leyes de cada componente y de la ley de Kircho de mallas podemos escribir
el siguiente conjunto de ecuaciones que vincula las distintas se
nales del sistema:
1

CAPITULO 1. ELEMENTOS DE ANALISIS
DE SISTEMAS LINEALES
Figura 1.1: Circuito RLC Serie
uR (t) = R i(t)
dq
(t) = i(t)
dt
q(t) = C uC (t)
d
(t) = uL (t)
dt
(t) = L i(t)
(1.1)
uL (t) + uR (t) + uC (t) = v(t)

En estas ecuaciones encontramos tres par
ametros (R, L y C), una variable de entrada v(t) y seis
variables dependientes (i(t), (t), uR (t), uC (t), q(t) y uL (t)). Si estamos interesados, por ejemplo, en
observar la tensi
on del capacitor uC (t), diremos entonces que dicha variable dependiente es ademas una
variable de salida.
Si bien en el conjunto de ecuaciones (1.1) est
an todas las relaciones que se necesitan para describir la
dinamica del circuito, dicho conjunto no constituye verdaderamente un modelo ya que las ecuaciones no
est
an ordenadas adecuadamente.
Operando sobre las ecuaciones anteriores, y reemplazando todo en funci
on de uC (t) llegamos a la
siguiente Ecuaci
on Diferencial Ordinaria (EDO):
LC
duC
d2 uC
(t) + R C
(t) + uC (t) = v(t)
dt2
dt
Para simplicar la notaci

on, escribiremos a partir de aqu u C en lugar de
EDO quedara
LC u
C (t) + R C u C (t) + uC (t) = v(t)
duC
dt .
De esta manera, la
(1.2)
La Ecuaci
on Diferencial Ordinaria constituye un modelo externo o modelo entrada/salida, ya que
solo describe las ecuaciones que vinculan las entradas y salidas del sistema. En dicho modelo no hay en
principio ninguna informaci
on sobre el resto de las variables dependientes.
La Ec.(1.2) es una EDO de segundo orden, ya que la variable de salida aparece derivada dos veces.
Si en lugar de interesarnos la tensi
on del capacitor uC (t), tomamos como salida la tensi
on en la
resistencia uR (t), obtenemos la siguiente EDO:
1
L
u
R (t) + u R (t) +
uR (t) = v(t)
(1.3)
R
RC
Esta nueva EDO es tambien de segundo orden. Muchas veces el orden de la EDO no cambiara al
tomar distintas salidas; sin embargo, veremos mas adelante que en ciertos casos esto no se cumplir
a.
Una particularidad de la EDO (1.3) es que en la misma aparece la derivada de la entrada.
Multiplicando ambos lados de la Ec.(1.3) por R C, obtenemos:
LC u
R (t) + R C u R (t) + uR (t) = R C v(t)
(1.4)
En esta u
ltima ecuaci
on queda en evidencia que no solo el orden es el mismo, sino que tambien los
coecientes del lado izquierdo son los mismos que los de la Ec.(1.2). El hecho que coincidan los coecientes

al tomar distintas salidas tampoco es casual. Como veremos tambien mas adelante, es una caracterstica
que se cumplir
a casi siempre.
En un caso general, las Ecuaciones Diferenciales Lineales y Estacionarias tendran la siguiente forma:
an y (n) (t) + + a1 y(t)
+ a0 y(t) = bm u(m) (t) + + b1 u(t)
+ b0 u(t)
(1.5)
donde y(t) es la variable de salida, u(t) es la variable de entrada, y los ai y bj son par
ametros constantes.
El entero n es el orden de la EDO (el n
umero maximo de veces que aparece derivada la salida).
Funci
on Transferencia
El objetivo de trabajar con modelos tales como el de la Ec.(1.2) es generalmente el de obtener caractersticas cuantitativas o cualitativas del comportamiento del sistema representado. Si conocieramos por
ejemplo la trayectoria de la entrada v(t), podramos resolver la EDO (1.2) y calcular la evoluci
on de la
tensi
on en el capacitor uC (t).
Una herramienta que simplica notablemente el trabajo con EDOs lineales es la Transformada de
Laplace, ya que en el dominio transformado las derivadas se convierten en operaciones algebraicas. De
esta manera, las ecuaciones diferenciales se transforman en ecuaciones algebraicas donde la evoluci
on de
la salida puede despejarse de manera sencilla.
Por ejemplo, suponiendo condiciones iniciales nulas para uC (t) y para u C (t) y aplicando la transformada de Laplace, la Ec.(1.2) queda:
L C s2 UC (s) + R C s UC (s) + UC (s) = V (s)
donde UC (s) es la transformada de uC (t) y V (s) es la transformada de v(t).
De esta u
ltima ecuaci
on podemos despejar una expresion (en el dominio transformado) para la tensi
on
en el capacitor en funci
on de la tensi
on de entrada:
UC (s) =
LC
s2
1
V (s) = G1 (s) V (s)
+R C s+1
(1.6)
En esta u
ltima expresion, denimos
G1 (s) ,
UC (s)
1
=
V (s)
2
V (s)
L C s +R C s+1
(1.7)
que es la denominada Funci

on Transferencia (FT) del sistema.
La FT, al igual que la EDO, constituye un modelo externo o modelo entrada/salida del sistema ya
que solo vincula entradas y salidas.
La Ec.(1.7) constituye una Funci
on Transferencia de segundo orden ya que el denominador de la
misma es un polinomio en s de orden 2.
Si tomamos ahora como salida la tensi
on en la resistencia, aplicando la transofrmada de Laplace a la
Ec.(1.4) y suponiendo condiciones iniciales nulas, tenemos:
RC s
V (s) , G2 (s) V (s)
(1.8)
L C s2 + R C s + 1
Como vemos, la nueva Funci
on Transferencia G2 (s) es tambien de orden 2 y tiene el mismo polinomio
denominador que la G1 (s). Estas coincidencias obedecen a las mismas causas que las coincidencias encontradas entre las EDOs (1.1) y (1.4).
Para el caso general lineal y estacionario de la EDO de la Ec.(1.5), suponiendo condiciones iniciales
nulas, aplicando la transformada de Laplace y despejando, la Funcion Transferencia queda:
UR (s) =
G(s) =
b m sm + + b 1 s + b 0
an sn + + a1 s + a0
(1.9)
Esta es una Funci

on Transferencia Racional 1 , ya que se trata del cociente de dos polinomios en s. En
este caso el orden de la FT es n (m
axima potencia de s en el denominador).
1 Aqu
no consideramos la presencia de retardos. En tal caso, aparecen t
erminos de la forma e s y la FT deja de ser
racional.

Se dene tambien el grado relativo r , n m y la Funci

on Transferencia se denomina propia si r 0,
estrictamente propia si r > 0 e impropia si r < 0.
En sistemas con m
ultiples entradas y/o salidas, se utiliza una Matriz Transferencia, en la que el
elemento i, j de la matriz es la Funci
on Transferencia entre la jesima entrada y la iesima salida. Por
ejemplo, en el modelo del circuito si consideramos como salidas las variables uC (t) y uR (t), tendremos la
siguiente Matriz Transferencia:

G1 (s)
Gc (s) =
G2 (s)
y la expresion para las salidas sera la siguiente:

UC (s)
, Yc (s) = Gc (s) V (s)
UR (s)
En general, dado un sistema de m entradas y p salidas, la matriz transferencia toma la forma:
G1,1 (s) G1,m (s)
..
..
G(s) = ...
.
.
Gp,1 (s) Gp,m (s)
donde cada la componente Gi,j se dene como
Gi,j ,
Yi (s)
Uj (s)
y de donde resulta
Y(s) = G(s) U(s)
con
Y1 (s)
U1 (s)
Y(s) = ... ; U(s) = ...

Yp (s)
Um (s)
Ecuaciones de Estado
Los modelos externos tales como las EDOs y la FT tienen como principal ventaja que son relativamente
sencillos de analizar. Sin embargo, en dichos modelos se pierde toda informacion sobre la evoluci
on de
las variables dependientes que no son salidas y sobre la eventual presencia de condiciones iniciales en las
mismas.
Consideremos por ejemplo el circuito de la Fig.1.2. Este circuito es similar al RLC serie de la Fig.1.1
excepto que cuenta con una rama RC adicional en paralelo con la fuente. La presencia de un almacenador
adicional (C2 ) hace que este nuevo circuito constituya un sistema de tercer orden.
Figura 1.2: Circuito RLC Serie con una rama en paralelo
Si escribimos la EDO para este nuevo circuito tomando como salida la tensi
on en el capacitor C,
encontraremos nuevamente la Ec.(1.2) mientras que la FT sera la de la Ec.(1.7). Esto se debe a que la
nueva rama constituida por los elementos C2 y R2 no inuye de ninguna manera sobre el resto del circuito
y por lo tanto la din
amica de la tensi
on en el capacitor C sera la misma que antes.

En consecuencia, ni la EDO ni la FT contienen informacion alguna sobre lo que ocurre en el capacitor

R2 y en la resistencia C2 . M
as a
un, como analizamos antes el circuito es un sistema de tercer orden pero
los modelos mencionados son solo de segundo orden.
Hay otro tipo de modelos que, si bien pueden requerir algunas herramientas mas avanzadas de analisis,
preservan la informaci
on relativa a las condiciones iniciales y a las variables relevantes del sistema.
Para introducir el primero de estos tipos de modelos volveremos a las ecuaciones originales del circuito
RLC original dadas en la Ec.(1.1) y despejaremos las expresiones de las derivadas de la corriente i(t) y
la tensi
on uC (t) en funci
on de dichas variables y de la entrada v(t):
duC
1
(t) =
i(t)
dt
C
1
R
1
di
(t) = uC (t)
i(t) + v(t)
dt
L
L
L
(1.10)
Este modelo, compuesto por dos ecuaciones diferenciales de primer orden, se denomina sistema de Ecuaciones de Estado (EE). El modelo consta de dos variables de estado i(t) y uC (t) y una variable de entrada
v(t). El orden es el n
umero de variables de estado, en este caso dos.
Los sistemas de ecuaciones de estados son modelos internos que no dependen en principio de que
variables dependientes elijamos como salida.
El conocimiento de todas las variables de estado y de entrada en un instante cualquiera permite
calcular en dicho instante cualquier otra variable dependiente. Por ejemplo, si nos interesa calcular la
tensi
on en la resistencia uR (t) podemos hacerlo con la ecuaci
on
uR (t) = R i(t)
(1.11)
que en este caso depende solo de una de las variables de estado.

La Ecuaci
on (1.11) se denomina Ecuaci
on de Salida (ES) y en la misma, la tensi
on en la resistencia
uR (t) se llama Variable de Salida.
Si ademas de la tensi
on en la resistencia, nos interesa tomar como salida la tensi
on en la inductancia
podemos agregar una nueva ecuaci
on de salida:
uL (t) = v(t) uC (t) R i(t)
(1.12)
Si en cambio buscamos las EE del circuito de la Fig.1.2, obtenemos las siguientes.

duC
1
(t) =
i(t)
dt
C
1
R
1
di
(t) = uC (t)
i(t) + v(t)
dt
L
L
L
1
1
duC2
uC2 +
v(t)
(t) =
dt
R2 C2
R2 C2
(1.13)
A diferencia de lo que ocurra con la EDO y con la FT, en este modelo s aparece la informacion sobre lo
que ocurre en la nueva rama del circuito y se preserva el orden del sistema.
En el caso lineal y estacionario, los sistemas de ecuaciones de estado/ecuaciones de salida se suelen
escribir de manera matricial. Por ejemplos, las Ecs.(1.10), (1.11) y (1.12) pueden reunirse de la siguiente
forma:
duC

1
0
uC (t)
0
C
dt (t) =
(1.14)
+ 1 v(t)
1
R
di
i(t)
(t)
L
L
L
dt

uR (t)
0
R
uC (t)
0
=
+
v(t)
(1.15)
uL (t)
1 R
i(t)
1
En general, las ecuaciones de estado de un sistema lineal y estacionario de orden n con m entradas y
p salidas se escribir
an como sigue:

x(t)
= A x(t) + B u(t)
(1.16)
y(t) = C x(t) + D u(t)

donde

x1
u1
y1
..
..
..
x(t) , . ; u(t) , . ; y(t) , .
xn
um
yp
son los vectores de estado, entrada y salida respectivamente. Ademas
a1,1 . . . a1,n
b1,1 . . . a1,m
.. ; B , ..
..
..
..
A , ...
.
.
.
.
.
an,1 . . . an,n
bn,1 . . . bn,m
c1,1
..
C, .
cp,1
...
..
.
...
c1,n
d1,1
.. ; D , ..
.
.
cp,n
dp,1
...
..
.
...
d1,m
..
.
(1.17)
(1.18)
dp,m
se denominan matrices de evoluci

on, entrada, salida y transferencia directa respectivamente.
Volviendo al ejemplo del circuito, en el mismo elegimos como variables de estado la tensi
on en el
capacitor y la corriente en la bobina. Esta eleccion fue en realidad arbitraria y podramos haber tomado
en su lugar cualquier juego de variables que resulte de distintas combinaciones lineales de i y de uC .
Por ejemplo, tomando como variables de estado la tensi
on en la resistencia uR (t) y la carga en el
uC (t)
capacitor q(t) = C , resultan las siguientes ecuaciones de estado
1
uR (t)
R
R
R
R
q(t)
uR (t) +
v(t)
u R (t) =
LC
L
L
q(t)
=
(1.19)
y las siguientes ecuaciones de salida:

uR (t) = uR (t)
1
uL (t) = q(t) uR (t) + v(t)
C
(1.20)
Las Ecs.(1.14)(1.15) representan exactamente el mismo sistema que las Ecs.(1.19)(1.20). La u

nica
diferencia es que realizamos un cambio de variables.
M
as adelante formalizaremos y veremos como aprovechar esta posibilidad de expresar los sistemas de
ecuaciones de estado en diferentes variables.
Diagramas de Bloques
Las ecuaciones diferenciales, funciones y matrices transferencia y los sistemas de ecuaciones de estado
permiten representar los modelos (externos o internos seg
un el caso) mediante expresiones matematicas.
Una herramienta muy utilizada que permite representar gracamente las expresiones matematicas
mencionadas la constituyen los Diagramas de Bloques (DB). En los DBs las variables se representan
mediante echas y las operaciones matematicas mediante distintos bloques.
Retomando el ejemplo del circuito, partiendo nuevamente de las expresiones originales de la Ec.(1.1),
podemos construir el DB de la Figura 1.3.
Los bloques que conforman este DB pueden discriminarse en dos grandes categoras: est
aticos y
din
amicos.
Los bloques est
aticos realizan operaciones est
aticas donde el valor instant
aneo de la salida depende
u
nicamente del valor instant
aneo de las entradas del bloque. Entre ellos encontramos al bloque sumador

Figura 1.3: Diagrama de Bloques del Circuito RLC Serie
y a los bloques ganancia (denominamos as a los bloques que multiplican una se

nal por una constante).
En sistemas lineales y estacionarios, solo podremos encontrar estos dos tipos de bloques est
aticos ya que
las sumas y productos por constantes son las u
nicas operaciones est
aticas lineales.
Por otro lado, los bloques din
amicos calculan operaciones dinamicas en las cuales el valor de la salida
no depende solo del valor instant
aneo de las entradas sino tambien de la historia del valor de las entradas
y eventualmente de las condiciones iniciales. Dentro de esta categora encontramos aqu a los integradores.
Existen muchas formas de construir el DB a partir de un sistema de ecuaciones. Una alternativa al
Diagrama de Bloques de la Fig.1.3 la constituye el DB de la Fig.1.4.
Figura 1.4: Diagrama de Bloques del Circuito RLC Serie utilizando derivadores
En este caso, se utilizaron bloques derivadores en lugar de integradores. Los derivadores son tambien
bloques dinamicos pero en general buscaremos evitar su uso por razones que veremos mas adelante en el
curso.
Volviendo al Diagrama de Bloques de la Fig.1.3, en el mismo aparece la entrada v(t), las seis variables
dependientes del modelo, y dos de ellas (uC (t) y uR (t)) est
an indicadas como salidas. La presencia de
todas las variables dependientes hace que este DB sea un modelo interno mas detallado a
un que el de las
Ecuaciones de Estado.
Sin embargo, podemos construir tambien DBs con menos detalle para el mismo modelo utilizando
bloques que realicen operaciones mas complejas o incluso reemplazando todo el sistema por un u
nico
bloque.
Por ejemplo, el DB de la Figura 1.5 concentra directamente la FT en un u
nico bloque.
Figura 1.5: Diagrama de Bloques del Circuito RLC Serie en el Dominio de Laplace
1.1.2.
Modelos de Tiempo Discreto
Como veremos a continuacion, hay varias maneras de describir modelos de tiempo discreto. Presentaremos entonces las Ecuaciones en Diferencias, la Funci
on Transferencia Discreta, las Ecuaciones de

Estado Discretas y los Diagramas de Bloques Discretos y veremos que son analogas a sus contrapartes
continuas.
Ecuaciones en Diferencias
Consideremos un sistema que recibe muestras de una se
nal a una frecuencia de 44.1 kHz y los procesa,
produciendo una salida a la misma frecuencia. Denominaremos T = 1/44100 al perodo de muestreo.
Supongamos que el procesamiento lo hace con la siguiente logica: la salida en el kesimo instante de
muestreo es el valor de la entrada en dicho instante multiplicada por 3, menos 1.6 por el valor de la salida
en el instante anterior, menos 0.7 por el valor de la salida dos instantes antes. Esto es:
y(k T ) = 3 u(kT ) 1.6 y((k 1) T ) 0.7 y((k 2) T )
(1.21)
Esta u
ltima expresion se denomina Ecuaci
on en Diferencias (ED). Analogamente a la Ecuaci
on Diferencial Ordinaria, la variable y(k T ) se denomina salida y la variable u(k T ) es la entrada.
Generalmente, para ahorrar notaci
on, el argumento k T se reemplaza por k o directamente por el
subndice k en la correspondiente variable. Ademas, al igual que en las EDOs, la Ecuaci
on en Diferencias
se suele ordenar de manera que las salidas esten en el lado izquierdo y las entradas en el lado derecho.
Con estas consideraciones, la Ec.(1.21) queda:
yk + 1.6 yk1 + 0.7 yk2 = 3 uk
(1.22)
Esta ED es de segundo orden (porque hay que recordar dos valores anteriores de la salida), lineal y
estacionaria.
En general, las ED lineales y estacionarias tomaran la forma:
yk + + 0 yk = uk + + 0 uk
(1.23)
El orden de la ED sera el maximo valor entre y .

Funci
on Transferencia Discreta
En los modelos de tiempo continuo, el uso de la Transformada de Laplace permita transformar las
ecuaciones diferenciales en ecuaciones algebraicas, lo que simplicaba de gran manera su manipulaci
on.
Aplicando dicha transformada, podamos reducir una EDO a una Funci
on Transferencia.
En los modelos de tiempo discreto, es la Transformada Z la que cumple este rol.
Aplicando entonces la Transformada Z a la Ec.(1.22) obtenemos:
Y (z) + 1.6 z 1 Y (z) + 0.7 z 2 Y (z) = 3 U (z)
de donde podemos despejar
Y (z) =
z2
3 z2
U (z) , G(z) U (z)
+ 1.6 z + 0.7
(1.24)
donde G(z) se denomina Funci

on Transferencia Discreta (FTD).
Para el caso general con una entrada y una salida, la FTD toma la forma:
G(z) =
bm z m + + b1 z + b0
an z n + + a1 z + a0
(1.25)
donde en general se cumplir

a que n m ya que de otra forma el sistema no sera causal, es decir, la
salida dependera de valores futuros de la entrada.
Al igual que en el caso continuo, en presencia de m
ultiples entradas y/o salidas se obtiene una Matriz
de Transferencia Discreta formada por funciones transferencias discretas entre cada entrada y cada salida.

Ecuaciones de Estado Discretas

Los modelos brindados por la ED y por la FTD solo relacionan entradas y salidas, es decir, son
modelos externos. Como en las EDOs y las FTs continuas, estos modelos tienen limitaciones respecto a
la presencia de condiciones iniciales y a la presencia eventual de dinamica que no se reeja en la relacion
entradasalida.
Al igual que en el caso continuo, en los sistemas de tiempo discreto pueden plantearse tambien modelos
internos.
Si tomamos la Ec.(1.22) y denimos x1 (k) , y(k 2) y x2 (k) , y(k 1) podemos reescribir2
x1 (k + 1) = x2 (k)
x2 (k + 1) = 0.7 x1 (k) 1.6 x2 (k) + 3 u(k)
(1.26)
lo que se denomina Ecuaci

on de Estados Discreta (EED). Al igual que en sus analogas continuas, las
variables x1 (k) y x2 (k) se denominan variables de estado y u(k) se denomina variable de entrada. El
orden de la EED es igual al n
umero de variables de estado (dos en este caso).
Tambien aqu pueden denirse Ecuaciones de Salida para calcular las variables de salida. En este caso,
la Ecuaci
on de Salida sera:
y(k) = 0.7 x1 (k) 1.6 x2 (k) + 3 u(k)
(1.27)
En los casos lineales y estacionarios como este, la EED y la ES pueden tambien escribir de manera
matricial:

x1 (k + 1)
0
1
x1 (k)
0
=
+
u(k)
(1.28)
x2 (k + 1)
0.7 1.6
x2 (k)
3

x1 (k)
y(k) = 0.7 1.6
+ 3 u(k)
(1.29)
x2 (k)
En general, las ecuaciones de estado de un sistema lineal y estacionario de orden n con m entradas y
p salidas se escribir
an como sigue:
x(k + 1) = A x(k) + B u(k)
(1.30)
y(k) = C x(k) + D u(k)

donde

x1
u1
y1
..
..
..
x(k) , . ; u(k) , . ; y(k) , .
xn
um
yp
son los vectores de estado, entrada y salida respectivamente. Ademas, las matrices A, B, C y D tienen
identicas deniciones que en el caso continuo, dadas por las Ecs.(1.17) y (1.18).
Diagramas de Bloques Discretos
Los Diagramas de Bloques son una manera graca de representar las ecuaciones que vinculan las
se
nales de los modelos matematicos. Como ya vimos, hay dos categoras de operaciones que pueden
realizarse: las est
aticas, que vinculan los valores instant
aneos de las se
nales, y las dinamicas, donde
aparecen dependencias de valores pasados.
Independientemente de la naturaleza continua o discreta del modelo, las u
nicas operaciones est
aticas
lineales son las sumas y las multiplicaciones por constantes. Por este motivo, en los Diagramas de Bloques
Discretos encontraremos los mismos bloques est
aticos que en los continuos, esto es, sumadores y ganancias.
Por el contrario, no encontraremos aqu integradores ni derivadores, ya que dichas operaciones son
solo pertinentes a las se
nales continuas. En su lugar, encontraremos un bloque de retardo discreto que
realizara la operaci
on y(k) = u(k 1). Este bloque suele representarse mediante el smbolo z 1 , ya el
mismo denota el operador retardo unitario en el dominio de la transformada Z.
Con estas consideraciones, el DB del ltro de la Ec.(1.22) sera el que se muestra en la Figura 1.6.
2 Para
evitar subndices de subndices, en las Ecuaciones de Estado Discretas se suele notar y(k) en lugar de yk .

10
Figura 1.6: Diagrama de Bloques del Filtro Discreto
1.1.3.
Interconversi
on de Modelos
Como vimos con el ejemplo del circuito RLC, un mismo sistema continuo puede representarse alternativamente mediante la EDO, la FT, las Ecuaciones de Estado o un Diagrama de Bloques.
Si a
un no tenemos un modelo pero conocemos las ecuaciones que vinculan las distintas variables, lo
mas sencillo sera construir un Diagrama de Bloques. El DB es una herramienta muy u
til para construir
nuevos modelos a partir de ecuaciones y/o de a partir de modelos mas simples. Sin embargo, es muy
difcil establecer a priori propiedades de estabilidad o determinar la forma de la respuesta temporal del
sistema a partir del DB.
La Funci
on Transferencia en cambio, no es facil de obtener a partir de conocer las distintas ecuaciones.
Sin embargo, la simple inspeccion del polinomio denominador permite deducir muchas propiedades de
estabilidad y de la respuesta temporal y frecuencial. El mismo comentario vale para la EDO, ya que de
hecho ambos modelos son muy similares.
Las Ecuaciones de Estado por su parte no son tampoco triviales de obtener. Sin embargo, pueden
deducirse facilmente de las mismas las propiedades de estabilidad y de la respuesta temporal, teniendo en
cuenta de manera muy simple la presencia de condiciones iniciales. De hecho, esta es la representacion que
permite simular los sistemas. A diferencia de la FT, no son obvias en esta representacion las caractersticas
de la respuesta en frecuencia.
Para el caso de los sistemas de tiempo discreto, valen tambien los mismos comentarios.
En denitiva, la conveniencia de utilizar uno u otro tipo de modelo dependera de lo que pretendamos
hacer y por este motivo es muy u
til poder convertir modelos entre las distintas representaciones.
Veremos a continuacion las distintas alternativas.
EDO FT / ED FTD
El procedimiento para pasar de la EDO a la FT es elemental y consiste en aplicar la Transformada
de Laplace a la EDO y despejar la expresion de la salida sobre la entrada en el dominio transformado.
Por ejemplo, dada le EDO
y(t) + a1 y(t)
+ a0 y(t) = b1 u(t)
+ b0 u(t)
aplicando la Transformada de Laplace (y suponiendo condiciones iniciales nulas), obtenemos:
s2 Y (s) + a1 s Y (s) + a0 Y (s) = b1 s U (s) + b0 U (s)
de donde, agrupando y despejando llegamos a la siguiente expresion:
G(s) =
b1 s + b0
Y (s)
= 2
U (s)
s + a1 s + a0
El caso discreto es totalmente analogo. Por ejemplo, dada la ED generica3:

an yk + + a0 ykn = bn uk + + b0 ukn
3 Para
simplificar el procedimiento pusimos todos los coeficientes que multiplican entradas y salidas. Algunos de ellos
podran ser nulos.

11
aplicando la transformada Z obtenemos

an Y (z) + + a0 z n Y (z) = bn U (z) + + b0 z n U (z)
multiplicando ambos miembros por z n , agrupando y despejando, llegamos a
G(z) =
bn z n + + b1 z + b0
Y (z)
=
U (z)
an z n + + a1 z + a0
FTEDO / FTDED
El procedimiento para obtener la EDO a partir de la Funci
on Transferencia consiste simplemente en
realizar el camino inverso al caso EDOFT. Lo mismo vale para el caso discreto.
EE/ESFT / EED/ESFTD
La obtencion de la Funci
on Transferencia a partir de las Ecuaciones de Estado requiere un poco mas
de trabajo algebraico que los casos anteriores. De todas maneras, el procedimiento se reduce a aplicar la
Transformada de Laplace a las EE/ES y despejar la expresion Y (s)/U (s) eliminando de las ecuaciones
las transformadas de los estados.
Consideremos por ejemplo el sistema de EE/ES siguiente:
x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
x 3 (t) = a0 x1 (t) a1 x2 (t) a2 x3 (t) + u(t)
(1.31)
y(t) = b0 x1 (t) + b1 x2 (t)
Aplicando la Transformada de Laplace obtenemos:

s X1 (s) = X2 (s)
s X2 (s) = X3 (s)
s X3 (s) = a0 X1 (s) a1 X2 (s) a2 X3 (s) + U (s)
(1.32)
Y (s) = b0 X1 (s) + b1 X2 (s)
De las dos primeras ecuaciones podemos despejar

X3 (s) = s2 X1 (s)
y reemplazando X2 (s) y X3 (s) en funci
on de X1 (s) en la tercer ecuaci
on, resulta:
s3 X1 (s) = a0 X1 (s) a1 s X2 (s) a2 s2 X1 (s) + U (s)
de donde,
X1 (s) =
1
U (s)
s3 + a2 s2 + a1 s + a0
Finalmente, usando esta u

ltima expresion en la u
ltima ecuaci
on del sistema (1.32), y teniendo en cuenta
que Y (s) = b0 X1 (s) + b1 s X1 (s) tenemos
G(s) =
Y (s)
b0 + b1 s
= 3
U (s)
s + a2 s2 + a1 s + a0
(1.33)
En este caso, puede observarse que los coecientes del denominador de la FT se corresponden con los
de x 3 en la Ec.(1.31). Ademas, los coecientes del numerador se corresponden con los de la Ecuaci
on de
Salida.
Estas coincidencias no son casuales, sino que se deben a que las EE/ES (1.31) est
an dadas en la
forma can
onica de controlabilidad. Si las EE/ES no hubieran estado dado en esta forma, no existira esta
correpondencia.

12
El pasaje de las EE/ES a la FT puede resolverse de forma generica. Dado el sistema de EE/ES
x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
si aplicamos la Transformada de Laplace al mismo, obtenemos:
s X(s) = A X(s) + B U(s)
Y(s) = C X(s) + D U(s)
de la primera ecuaci
on se puede despejar:
(s I A) X(s) = B U(s) X(s) = (s I A)1 B U(s)
y luego
Y (s) = (C (s I A)1 B + D) U(s)
de donde
G(s) = C (s I A)1 B + D
(1.34)
Si el sistema tiene una entrada y una salida (u(t) e y(t) son escalares), la ecuaci
on anterior brinda una
expresion para la Funci
on Transferencia. Si hay m
ultiples entradas y/o salidas, la ecuaci
on nos da la
expresion de la Matriz Transferencia.
El caso discreto es muy similar. Por ejemplo, consideremos el sistemas de EED/ES de tercer orden:
x1 (k + 1) = a2 x1 (k) + x2 (k) + b2 u(k)
x2 (k + 1) = a1 x1 (k) + x3 (k) + b1 u(k)
x3 (k + 1) = a0 x1 (k) + b0 u(k)
y(k) = x1 (k)
(1.35)
Aplicando la Transformada Z obtenemos

z X1 (z) = a2 X1 (z) + X2 (z) + b2 U (z)
z X2 (z) = a1 X1 (z) + X3 (z) + b1 U (z)

z X3 (z) = a0 X1 (z) + b0 U (z)
(1.36)
y(k) = x1 (k)
Multiplicando ambos miembros de la segunda ecuaci

on por z y reemplazando con la tercera ecuaci
on
obtenemos
z 2 X2 (z) = a1 z X1 (z) + z X3 (z) + b1 z U (z) =
= a1 z X1 (z) a0 X1 (z) + b0 U (z) + b1 z U (z)
Multiplicando ahora la primer ecuaci

on del sistema (1.36) por z 2 y reemplazando con la u
ltima expresion,
tenemos:
z 3 X1 (z) = a2 z 2 X1 (z) + z 2 X2 (z) + b2 z 2 U (z)
= a2 z 2 X1 (z) a1 z X1 (z) a0 X1 (z) + b0 U (z) + b1 z U (z)+
+ b2 z 2 U (z)
de donde,
X1 (z)
b2 z 2 + b1 z + b0
Y (z)
=
=
U (z)
U (z)
a2 z 2 + a1 z + a0
(1.37)

13
De manera similar a lo que ocurri

o antes, la coincidencia entre los coecientes de la FTD y los que
multiplican a x1 (k) y a u(k) en las EED/ES originales se deben a que el sistema (1.35) est
a dado en la
Forma Can
onica de Observabilidad.
De forma analoga al caso continuo, las Ecuaciones de Estado Discretas pueden convertirse genericamente en Funciones Transferencia Discretas. Dado el sistema:
x(k + 1) = A x(k) + B u(k)
y(k) = C x(k) + D u(k)
aplicando la Transformada Z y procediendo analogamente al caso continuo, se obtiene la Funcion (o
Matriz) Transferencia Discreta:
G(z) = C (z I A)1 B + D
(1.38)
EE/ES EDO / EED/ES ED
Dado que el pasaje de la FT a la EDO es trivial, podemos obtener la EDO de las EE/ES convirtiendo
estas u
ltimas en una Funci
on Transferencia y luego haciendo FT EDO. El mismo comentario vale para
el caso discreto.
FT EE/ES / FTD EED/ES
Dada una Funci
on Transferencia, existen en realidad innitos modelos de Ecuaciones de Estado y
Salida que muestran tal comportamiento externo. Esto ya lo habamos mencionado en el ejemplo introductorio del circuito RLC, donde tenamos distintas opciones para elegir las variables de estado.
Entre la innidad de posibilidades para obtener modelos de EE/ES a partir de la FT, hay dos de ellas
que son muy atractivas por su simplicidad. Estas alternativas son las que conducen a las EE/ES en las
formas canonicas de controlabilidad y observabilidad que mencionamos antes.
De hecho, vimos que si partamos de un sistema de EE/ES como el de la Ec.(1.31) (forma canonica
de controlabilidad), obtenamos la FT de la Ec.(1.33).
Podemos aprovechar esto para seguir el camino inverso: dada una FT generica, todo lo que debemos
hacer es escribir las EE/ES en dicha forma canonica.
Dada entonces la FT generica4
G(s) =
n s n + + 1 s + 0
n sn + + 1 s + 0
comenzaremos por reescribir la misma de manera que aparezca como la suma de una FT estrictamente
propia y una constante; dividiendo ademas denominador y numerador por n . De esta manera arribamos
a la FT normalizada:
bn1 sn1 + + b1 s + b0
G(s) = n
+d
(1.39)
s + an1 sn1 + + a1 s + a0
Luego, las EE resultan:
y la ES queda:
0
0
..
.
x(t)
=
0
a0

0
0

x(t) + ... u(t)

0
1
1
0
..
.
0
1
..
.
0
0
..
.
..
.
0
0
..
.
0
a1
0
a2
0
a3
1
an1

bn1 x(t) + d u(t)

y(t) = b0
b1
(1.40)
(1.41)
Para el caso discreto, el procedimiento es identico.
4 Aunque el numerador parezca tener el mismo orden que el denominador, algunos coeficientes del primero podr
an ser
nulos.

14
En ambos casos (continuo y discreto) puede alternativamente utilizarse la forma canonica de observabilidad. Por ejemplo, para el caso discreto, partiendo de la FTD normalizada:
G(z) =
zn
bn1 z n1 + + b1 z + b0
+d
+ an1 z n1 + + a1 z + a0
(1.42)
se obtienen las EED:
a0
a1
..
.
x(k + 1) =
an2
an1
1
0
..
.
0
1
..
.
0
0
..
.
..
.
0
0
0
0
0
0
y la Ecuaci
on de Salida:

y(k) = 1 0
EDO EE/ES / ED EED/ES
bn1
0
bn2
0
.. x(t) + .. u(k)
.
.
b1
1
b0
0

0 x(k) + d u(k)
(1.43)
(1.44)
Para obtener las EE/ES desde la EDO puede aprovecharse que el pasaje de la EDO a la FT es trivial,
y luego realizar FT EE/ES. Para el caso discreto vale la misma idea.
DB FT / DB FTD
La conversi
on desde el Diagrama de Bloques hacia la Funci
on Transferencia requiere tambien cierta
manipulaci
on algebraica. El procedimiento consiste b
asicamente en convertir al dominio de Laplace el
DB y luego leer las ecuaciones y reemplazar todo en funci
on de la entrada.
Por ejemplo, retomando el DB del circuito RLC de la Figura 1.3 de la p
agina 7, el primer paso
consistir
a en llevar dicho Diagrama de Bloques al dominio de Laplace. Para esto, reemplazaremos las
se
nales y convertiremos los integradores en bloques ganancia con el valor 1/s. El DB resultante se muestra
en la Fig.1.7
Figura 1.7: Diagrama de Bloques del Circuito RLC Serie en el Dominio Transformado
A partir de este DB podemos leer f

acilmente:
UC (s) =
y ademas,
1
I(s)
C s
1
1
1
(V (s) UC (s) R I(s)) =
(V (s)
I(s) R I(s))
Ls
Ls
Cs
C s
V (s)
I(s) =
L C s2 + R C s + 1
y nalmente,
1
UC (s) =
V (s) = G(s) V (s)
L C s2 + R C s + 1
I(s) =

15
que coincide con la FT que habamos obtenido en la Ec.(1.7).

El caso discreto es completamente analogo y lo que debemos hacer es reemplazar las se
nales por las
correspondientes al dominio de la Transformada Z y los retardos unitarios por ganancias de valor z 1 .
Con estas consideraciones, el DB del ejemplo del ltro discreto de la Fig.1.6 en la p
agina 1.6 se
convierte en el Diagrama de Bloques de la Figura 1.8.
Figura 1.8: Diagrama de Bloques del Filtro Discreto en el Dominio Transformado
En este DB podemos leer entonces:

Y (z) = 3 U (z) 1.6
1
1
Y (z) 0.7 2 Y (z)
z
z
de donde, multiplicando ambos miembros por z 2 y despejando obtenemos

Y (z) =
3 z2
U (z) = G(z) U (z)
z 2 + 1.6 z + 0.7
que coincide con la expresion de la FTD que obtuvimos en la Ec.(1.24).

DB EE/ES / DB EED/ES
Como ya sabemos, las Ecuaciones de Estado pueden plantearse eligiendo distintos juegos de variables
de estado. Por esto, en principio, hay m
ultiples formas de obtener las EE/ES a partir de un DB.
Sin embargo, se eligen generalmente como variables de estado las salidas de los integradores. De esta
forma, sus derivadas quedan a la entrada de dichos bloques y las expresiones de las mismas pueden leerse
directamente del DB.
Retomando entonces el DB del circuito RLC de la Figura 1.3 en la p
agina 7, redibujaremos el mismo
de manera que queden explicitadas las derivadas de los estados. Dicho DB se puede ver en la Fig.1.9.
Figura 1.9: Diagrama de Bloques del Circuito RLC Serie
Del mismo podemos entonces leer las siguientes ecuaciones, expresando las derivadas de los estados

16
en funci
on de las variables de estado y de las entradas:
q(t)
=
1
(t)
L
= v(t) 1 q(t) R (t)

(t)
C
L
Estas EE se pueden completar con las ES, tambien ledas desde el DB:
1
q(t)
C
R
uR (t) = (t)
L
El caso discreto es completamente analogo. Aqu tomamos como variables de estado las salidas de los
retardos. Para el caso del ejemplo del DB del ltro de la Fig.1.6 en la p
agina 10 podemos redibujar el
Diagrama de Bloques como muestra la Fig.1.10.
uC (t) =
Figura 1.10: Diagrama de Bloques del Filtro Discreto
En el mismo explicitamos las variables de estado adelantadas a la entrada de los retardos. Luego,
podemos leer las ecuaciones para x1 (k + 1) y x2 (k + 1) directamente del DB. En este caso,
x1 (k + 1) = x2 (k)
x2 (k + 1) = 3 u(k) 0.7 x1 (k) 1.6 x2 (k)
Del DB tambien podemos leer f
acilmente la ecuaci
on de salida:
y(k) = 3 u(k) 0.7 x1 (k) 1.6 x2 (k)
EE/ES DB / EED/ES DB
Dado un sistema de Ecuaciones de Estado y Salida, podemos construir un DB facilmente siguiendo
el camino inverso al caso DB EE/ES.
Para esto, a
nadimos un integrador que calcule cada variable de estado y luego construimos con bloques ganancias y sumadores la expresion de las derivadas de las mismas. Finalmente, utilizando nuevas
ganancias y sumadores podemos tambien construir al expresion de la o las salidas.
Por ejemplo, dado el sistema
x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
x 3 (t) = a0 x1 (t) a1 x2 (t) a2 x3 (t) + u(t)
y(t) = b0 x1 (t) + b1 x2 (t)
la Fig.1.11 muestra el resultado de aplicar este procedimiento.

En el caso discreto se puede construir el DB siguiendo un procedimiento identico, utilizando retardos
en lugar de integradores.

17
Figura 1.11: Diagrama de Bloques de un Sistema en Forma Can

onica de Controlabilidad
FT DB / FTD DB
Dada una Funci
on Transferencia, el DB equivalente en el dominio transformado puede construirse
directamente utilizando un u
nico bloque que contenga dicha FT.
Si, en cambio, se quiere un DB en el dominio temporal explicitando los integradores, conviene comenzar
haciendo EDO EE/ES (utilizando la forma canonica de controlabilidad o la de observabilidad) y luego
realizar el procedimiento EE/ES DB.
Las mismas observaciones aplican al caso discreto.
EDO DB / ED DB
Recordande que el procedimiento EDO FT es trivial, conviene pasar por la FT y luego seguir el
procedimiento descripto en el punto anterior.
1.1.4.
Creaci
on e Interconversi
on de Modelos con Matlab/Simulink
El Control Toolbox de Matlab permite crear y manipular modelos en la forma de Funci

on Transferencia
y Ecuaciones de Estado y Salida. Ademas, Simulink permite editar Diagramas de Bloques.
Estos modelos tambien pueden convertirse entre las distintas alternativas.
Supongamos en primer lugar que queremos crear un modelo cuya FT es
G(s) =
s2
s+4
+s+4
El comando tf permite construir la FT a partir de los polinomios numerador y denominador. A continuacion reproducimos la ventana de dialogo correspondiente.
>> num=[1 4];
>> den=[1 1 4];
>> sis1=tf(num,den)
Transfer function:
s + 4
----------s^2 + s + 4
Si queremos en tanto crear el modelo en ecuanciones de estado y salida como el del circuito RLC serie

du

1
C
0
uC (t)
0
C
dt (t) =
+ 1 v(t)
1
R
di
i(t)
(t)
L
L
L
dt

uR (t)
0
R
uC (t)
0
=
+
v(t)
uL (t)
1 R
i(t)
1
con los valores R = 10, L = 1, C = 1, utilizamos el comando ss con las matrices correspondientes
obteniendo la siguiente secuencia de dialogo:

18
>> R=10;L=1;C=1;
>> A=[0 1/C;-1/L -R/L];
>> B=[0;1/L];
>> C=[0 R;-1 -R];
>> D=[0;1];
>> sis2=ss(A,B,C,D)
a =
x1
x2
x1
0
-1
x2
1
-10
b =
x1
x2
u1
0
1
c =
y1
y2
x1
0
-1
x2
10
-10
d =
y1
y2
u1
0
1
Continuous-time model.
Los comandos tf y ss pueden usarse tambien para convertir modelos de FT a EE/ES y viceversa.
Por ejemplo, si queremos la FT de este u
ltimo sistema hacemos:
> sis2ft=tf(sis2)
Transfer function from input to output...
10 s - 1.776e-015
#1: ----------------s^2 + 10 s + 1
#2:
s^2
-------------s^2 + 10 s + 1
Notar que en el caso de la primer funci

on transferencia hubo un peque
no error numerico que produjo
la aparici
on de un termino extra.
Por otro lado, partiendo de la funci
on transferencia
G(s) =
podemos obtener la representacion en EE/ES:
>> sis1eees=ss(sis1)
a =
x1
x2
s+4
s2 + s + 4

x1
x2
-1
2
x1
x2
u1
2
0
y1
x1
0.5
y1
u1
0
19
-2
0
b =
c =
x2
1
d =
Notar que aqu no obtuvimos una representacion canonica.
Simulink, en tanto, permite editar Diagramas de Bloques, tal como se muestra en la Fig.1.12
Figura 1.12: Diagrama de Bloques de un Sistema en Simulink
El comando linmod permite obtener las matrices A, B, C y D a partir del modelo de Simulink desde
donde se puede construir el modelo de EE/ES. La siguiente secuencia reproduce este procedimiento:
>> [A1,B1,C1,D1]=linmod(linear1)
A1 =
0
-3
B1 =
0
1
1
-1

20
C1 =
1
D1 =
0
>> sis3=ss(A,B,C,D)
a =
x1
x2
x1
0
-1
x2
1
-10
b =
x1
x2
u1
0
1
c =
y1
y2
x1
0
-1
x2
10
-10
d =
y1
y2
u1
0
1
En el caso de los sistemas de tiempo discreto, los comandos son identicos, solo que se debe agregar
un par
ametro mas a ss y tf que indique el perodo de muestreo (utilizando 1 si se quiere trabajar
con un perodo generico). Por ejemplo,
>> sis4=ss(A,B,C,D,-1)
a =
x1
x2
x1
0
-1
x2
1
-10
b =
x1
x2
u1
0
1
c =
y1
y2
x1
0
-1
d =
u1
x2
10
-10

y1
y2
21
0
1
Sampling time: unspecified

Discrete-time model.
>> sis5=tf(sis4)
Transfer function from input to output...
10 z - 1.776e-015
#1: ----------------z^2 + 10 z + 1
#2:
z^2
-------------z^2 + 10 z + 1
Sampling time: unspecified

En el caso de los Diagramas de Bloque de Simulink, el comando linmod se reemplaza por dlinmod
especicando ademas el perodo de muestreo.
1.1.5.
Sistemas de Par
ametros Distribuidos
Los modelos que analizamos hasta aqu se construyeron asumiendo que las variables dependen u
nicamente del tiempo. Por ejemplo, en el circuito RLC que utilizamos, realizamos todo el analisis manteniendo
la suposicion que la corriente en un determinado instante de tiempo a lo largo de los elementos y de los
cables es la misma.
Esta hipotesis en muchos casos no es valida. Si la longitud de los cables es muy larga y/o el circuito
opera a frecuencias altas, no puede ignorarse la presencia de capacidades par
asitas y por lo tanto la
corriente no sera la misma a lo largo del circuito. En denitiva, la corriente dependera tanto del tiempo
como de la coordenada espacial.
Algo similar ocurre cuando analizamos la temperatura de una habitacion. Si bien podramos medir
una temperatura media (que variara con el tiempo), en muchos casos sera importante tener en cuenta
que la temperatura sera mayor cerca del techo o cerca de una estufa. En tal caso, habr
a dependencia del
tiempo y tambien de las distintas coordenadas espaciales.
Cuando ignoramos la dependencia espacial de las variables, obtenemos modelos de par
ametros concentrados que se representan mediante Ecuaciones Diferenciales Ordinarias. Si tenemos en cuenta en
cambio esta dependencia, se obtienen modelos de par
ametros distribuidos que se representar
an mediante
Ecuaciones en Derivadas Parciales (EDP).
En el contexto de los sistemas din
amicos, las variables de las EDP son funciones del tiempo y de una
o mas coordenadas espaciales.
Un ejemplo muy simple de EDP lo constituye la Ecuaci
on del Calor en una dimensi
on, que puede
modelar, entre otras cosas, la evoluci
on de la temperatura a lo largo de un alambre aislado:
u
2u
(t, x)
(1.45)
(t, x) =
t
x2
La variable de esta EDP es u que depende tanto del tiempo como del espacio. La solucion de la Ec.(1.45)
dependera tanto de la condicion inicial
u(t = 0, x) = u0 (x)
(1.46)
como de las condiciones de borde, que pueden estar dadas como los valores en los extremos u(t, x = 0),
u(t, x = L) o bien como las derivadas respecto del tiempo o del espacio en los extremos.

22
Otra EDP muy utilizada es la Ecuaci

on de Ondas, cuya versi
on unidimensional es la que sigue:
2
2u
2 u
(t,
x)
=
c
(t, x)
(1.47)
t2
x2
Por el momento no ahondaremos mas en las EDPs. En el u
ltimo captulo del curso volveremos sobre
el tema para estudiar la teora de las Lneas de Transmisi
on.
1.2.
Herramientas de An
alisis de Modelos Externos
Cuando presentamos las distintas alternativas para representar sistemas, hicimos una distincion importante entre los modelos externos e internos. Los primeros se caracterizaban por representar exclusivamente
las relaciones entre las entradas y salidas. Entre ellos encontramos a la EDO y la FT en el caso continuo
y la ED y la FTD en el caso discreto.
Estudiaremos entonces a continuacion las distintas caractersticas cualitativas y cuantitativas del
comportamiento de estos modelos.
Dada la equivalencia entre la EDO y la FT y entre la ED y la FTD, trabajaremos exclusivamente
sobre las Funciones Transferencias Continuas y Discretas.
1.2.1.
Estabilidad Externa
Caso Continuo
Consideremos un sistema lineal y estacionario caracterizado por su FT:
G(s) =
b m sm + + b 1 s + b 0
an sn + + a1 s + a0
Supongamos ademas que el sistema es estrictamente propio (es decir, n > m) y que no hay polos repetidos.
El cociente de polinomios que dene la FT puede descomponerse en fracciones simples como sigue:
c1
cn
G(s) =
+ +
s p1
s pn
donde los pi son las races del polinomio denominador, es decir, los polos de la FT y ci son constantes
(reales o complejas, seg
un lo sea el polo pi ).
De esta manera, la respuesta al impulso g(t) = L1 {G(s)} resulta
g(t) = c1 ep1 t + + cn epn
(1.48)
para t 0
Si aplicamos al sistema una entrada u(t) generica, asumiendo condiciones iniciales nulas, la salida
resultara
Z t
y(t) = g(t) u(t) =
g( ) u(t )d
(1.49)
0
donde el operador denota el producto de convoluci

on.
Si la funci
on g(t) es absolutamente integrable, entonces es trivial demostrar que la integral del lado
derecho converge para toda funci
on u(t) acotada y por lo tanto y(t) resulta acotada.
Por otro lado, si la funci
on g(t) no es absolutamente integrable, entonces es tambien trivial encontrar
una funci
on u(t) acotada para la cual la integral no converge y luego y(t) resulta no acotada.
Cuando todos los polos de la FT tienen parte real negativa, observando la Ec.(1.48) puede deducirse
facilmente que g(t) sera absolutamente integrable. En cambio, si uno o mas polos no cumplieran esta
condicion, puede verse que g(t) no sera absolutamente integrable.
Por lo tanto, si todos los polos tienen parte real negativa, resulta que si u(t) es acotada para todo t,
entonces la respuesta y(t) es acotada para todo t. Por otro lado, si alg
un polo no tiene parte real negativa,
entonces puede siempre encontrarse una entrada acotada u(t) para la cual la salida y(t) es no acotada.
Cuando un sistema es tal que garantiza que la respuesta a toda entrada acotada es tambien acotada,
se dice que dicho sistema es Externamente Estable o BIBO Estable (BIBO: Bounded Input Bounded
Output). De lo analizado en el p
arrafo anterior, concluimos lo siguiente:

23
Un sistema lineal y estacionario es Externamente Estable si y solo si todos los polos

de la FT tienen parte real negativa.
Un enunciado equivalente al anterior es el que sigue:
Un sistema lineal y estacionario es Externamente Estable si y solo si su respuesta
al impulso g(t) es absolutamente integrable (y por lo tanto tiende a cero cuando
t ).
En denitiva, ya sea analizando los polos de la FT o conociendo la forma temporal de la respuesta al impulso podremos determinar f
acilmente si un sistema continuo lineal y estacionario es o no es
externamente estable.
En este analisis, supusimos inicialmente que la FT no tena polos m
ultiples. En caso que los hubiera,
en la respuesta al impulso dada por la Ec.(1.48) aparecer
an terminos de la forma tj epi t asumiendo que
el polo pi tiene multiplicidad mayor que j. Estos terminos son tambien absolutamente integrables si y
solo si Re(pi ) < 0. Por lo tanto, las conclusiones anteriores siguen siendo validas.
En el caso de un sistema propio (grado relativo 0), las conclusiones son tambien validas, ya que dicho
sistema se puede pensar como la suma de una ganancia y un sistema estrictamente propio.
Caso Discreto
Consideremos ahora un sistema discreto, lineal y estacionario caracterizado por su FTD:
G(z) =
bm z m + + b1 z + b0
an z n + + a1 z + a0
Como antes, supondremos que el sistema es estrictamente propio y que no hay polos m
ultiples. Aplicando
entonces fracciones simples, llegamos a
G(z) =
c1
cn
+ +
z p1
z pn
Luego, la respuesta al impulso discreto de este sistema est

a dado por:
g(k) = c1 p1k1 + + cn pnk1
(1.50)
Si aplicamos al sistema una entrada u(k) generica, asumiendo condiciones iniciales nulas, la salida resultar
a
k
X
y(k) = g(k) u(k) =
g(j) u(k j)
(1.51)
j=0
Si la secuencia g(k) es absolutamente sumable , entonces es trivial demostrar que la suma del lado derecho
converge para toda secuencia u(k) acotada y por lo tanto y(k) resulta acotada.
Por otro lado, si la secuencia g(k) no es absolutamente sumable, entonces es tambien trivial encontrar
una secuencia u(k) acotada para la cual la suma no converge y luego y(k) resulta no acotada.
Cuando todos los polos de la FTD tienen valor absoluto6 menor que 1, observando la Ec.(1.50) puede
deducirse facilmente que g(k) sera absolutamente sumable. En cambio, si uno o mas polos no cumplieran
esta condicion, puede verse que g(k) no sera absolutamente sumable.
Por lo tanto, si todos los polos tienen valor absoluto menor a 1, resulta que si u(k) es acotada para
todo k, entonces la respuesta y(k) es acotada para todo k. Por otro lado, si alg
un polo no cumple esta
condicion, entonces puede siempre encontrarse una entrada acotada u(k) para la cual la salida y(k) es no
acotada.
En denitiva, utilizando en este caso la misma denicion de estabilidad externa que en el caso continuo,
concluimos que:
P
que una secuencia g(k) es absolutamente sumable si k0 |g(k)| converge con k .
los n
umeros complejos definimos el valor absoluto como el m
odulo.
5 Decimos
6 Para

24
Un sistema discreto lineal y estacionario es Externamente Estable si y solo si todos

los polos de la FTD tienen valor absoluto menor que 1.
Un enunciado equivalente al anterior es el que sigue:
Un sistema discreto lineal y estacionario es Externamente Estable si y solo si su
respuesta al impulso g(k) es absolutamente sumable (y por lo tanto tiende a cero
cuando k ).
Al igual que en el caso continuo, la eventual presencia de polos m
ultiples no afecta estas conclusiones.
De manera similar, lo analizado vale tambien cuando la FTD es solo propia.
1.2.2.
Criterios de Estabilidad
Como vimos en el punto anterior, tanto en el caso continuo como en el discreto la Estabilidad Externa
de un sistema se puede determinar directamente vericando la posicion de los polos de la FT o la FTD.
Ahora veremos algunas tecnicas que permiten establecer si un polinomio tiene o no races con parte
real positiva o bien si un polinomio tiene o no races con valor absoluto mayor que uno. Estos criterios
permiten entonces, analizando el polinomio denominador de la FT, determinar si la FT o la FTD son
estables sin necesidad de calcular realmente los polos.
En principio puede parecer que esto hoy en dia carece de sentido, ya que utilizando programas como
Matlab puede determinarse numericamente la posicion de los polos.
Sin embargo, muchas veces es necesario determinar para que rango de valores de ciertos par
ametros
la FT resulta estable, por lo que aqu la solucion numerica no es u
til y debemos recurrir necesariamente
a estos criterios analticos.
Criterio de Routh
En el caso continuo, vimos que la condicion suciente y necesaria para la estabilidad externa es que
las races del polinomio del denominador de la FT tengan todas parte real negativa. Cuando un polinomio
cumple con esta condicion, se dice que el mismo es un polinomio Hurwitz. La herramienta mas utilizada
para determinar si un polinomio es Hurwitz o no es el Criterio de Routh.
De todas formas, en muchos casos puede determinarse si un polinomio tiene races con parte real no
negativa sin necesidad de apelar a dicho criterio.
Si un polinomio tiene cambios de signos en sus coecientes o est
a incompleto (es decir, tiene algunos
coecientes nulos), puede verse f
acilmente que dicho polinomio tendra al menos una raz con parte real
no negativa y por lo tanto no sera Hurwitz.
Por otro lado, un polinomio completo de grado uno o dos sin cambios de signos en los coecientes,
sera Hurwitz.
Por esto, el criterio de Routh es necesario solo en polinomios completos de grado mayor que dos sin
cambios de signo en sus coecientes.
El criterio de Routh se basa en la construcci
on de una tabla (denominada Tabla de Routh) donde
se ordenan los coecientes del polinomio a analizar y se completa con terminos resultantes de realizar
algunas operaciones sobre los coecientes.
Para explicar el procedimiento, construiremos la Tabla de Routh correspondiente a un polinomio
generico de sexto orden:
p(s) = a6 s6 + a5 s5 + a4 s4 + a3 s3 + a2 s2 + a1 s + a0
La Tabla de Routh se comienza construyendo de manera que en las dos primeras las queden alternados
los coecientes del polinomio, como se muestra en la Tabla 1.1.
A la izquierda de la tabla, colocamos una columna con las constantes ki que van calculando como el
cociente de los elementos de la primer columna seg
un la regla ki = bi+1,1 /bi,1 .
A partir de la tercera la, los elementos de la tabla se calculan seg
un la regla
bi,j = bi+2,j+1 ki+1 bi+1,j+1

k5 =
k4 =
k3 =
k2 =
k1 =
b6,1
b5,1
b5,1
b4,1
b4,1
b3,1
b3,1
b2,1
b2,1
b1,1
s6
b6,1 = a6
b6,2 = a4
b6,3 = a2
s5
b5,1 = a5
b5,2 = a3
b5,3 = a1
s4
b4,1
b4,2
b4,3
s3
b3,1
b3,2
s2
b2,1
b2,2
s1
b1,1
b0,1
25
b6,4 = a0
Tabla 1.1: Tabla de Routh para un polinomio generico de orden 6.
Por ejemplo, el primer elemento de la tercera la se calculara seg

un b4,1 = b6,2 k5 b5,2 .
Finalmente, el polinomio resulta Hurwitz si y solo si todos los elementos de la Tabla de Routh son
positivos7 .
Vemos entonces un ejemplo de construcci
on de la Tabla de Routh. Consideremos el polinomio:
p1 (s) = 2 s4 + s3 + 5 s2 + 3 s + 4
(1.52)
Este polinomio es completo y sin cambios de signo. Como el grado es mayor que dos, debemos utilizar el
criterio de Routh para determinar si es Hurwitz.
La Tabla 1.2 muestra la construcci
on de la tabla de Routh para este ejemplo.
k3 = 12 = 2
s4
s3
s2
2
5
1
3
1 4
Tabla 1.2: Tabla de Routh para el polinomio de la Ec.(1.52).
Tras ordenar los coecientes en las dos primeras las, calculamos k3 = b4,1 /b3,1 = 2/1 = 2. Luego
calculamos los elementos de la tercer la: b2,1 = b4,2 k3 b3,2 = 1 y b2,2 = b4,3 k3 b3,3 = 4. Dado que
b2,1 es negativo, concluimos que el polinomio no es Hurwitz y no es necesario realizar mas c
alculos.
Consideremos ahora el polinomio de tercer grado:
p2 (s) = s3 + 4 s2 + 5 s + 2
(1.53)
La Tabla de Routh 1.3 permite concluir que se trata de un polinomio Hurwitz.

k2 = 14
k1 = 89
s3
s2
s1
s0
1
4
5 42
2
5
2
Tabla 1.3: Tabla de Routh para el polinomio de la Ec.(1.53).
Transformaci
on Bilineal
Como vimos anteriormente, la condicion para que un modelo de tiempo discreto sea externamente
estable es que todos los polos de la FTD tengan valor absoluto menor que 1. Al igual que en el caso
continuo, es importante poder vericar analticamente si se cumple o no esta condicion.
7 Se puede demostrar que todos los elementos de la Tabla de Routh son positivos si y s
olo si todos los elementos de la
primer columna lo son, por lo tanto alcanza con verificar lo que ocurre en la primer columna.

26
Una manera muy simple de vericar si un polinomio tiene todas sus races con modulo menor que 1
es utilizando un cambio de variables z = R(r), de manera tal que la condicion |z| < 1 sea equivalente a
pedir que en la nueva variable se cumpla Re(r) < 0. De esta forma, podra utilizarse el criterio de Routh
en la nueva variable r.
Hay en realidad muchas posibilidades para realizar el cambio de variables mencionado. Una de ellas,
muy utilizada, es la Transformaci
on Bilineal :
z=
1+r
1r
(1.54)
Notemos que:
|z| < 1
|z|2 < 1
|1 + r|2
< 1
|1 r|2
(1 + Re(r))2 + Im(r)2
< 1
(1 Re(r))2 + Im(r)2
(1 + Re(r))2 + Im(r)2 < (1 Re(r))2 + Im(r)2

(1 + Re(r))2 < (1 Re(r))2
Re(r) < 0
Por lo tanto, dado un polinomio en z podemos aplicar la transformaci

on bilineal dada por la Ec.(1.54) y
luego aplicar el Criterio de Routh al polinomio resultante en r.
Consideremos por ejemplo el polinomio:
p3 (z) = 10 z 2 3 z 4
(1.55)
realizando el cambio de variables de la Ec.(1.54) obtenemos

p3 (r) = 10
(1 + r)2
(1 + r)
3
4
(1 r)2
(1 r)
multiplicando ambos miembros por (1 r)2 queda

p3 (r) (1 r)2 = 10 (1 + r)2 3 (1 + r) (1 r) 4 (1 r)2
y nalmente
p3 (r) (1 r)2 = 9 r2 + 28 r + 3
Este polinomio es de segundo orden, completo y sin cambios de signo. Por lo tanto, es un polinomio
Hurwitz. En consecuencia, el polinomio p3 (z) de la Ec.(1.55) tiene todas sus races con valor absoluto
menor que 1.
Criterio de Jury
La transformaci
on bilineal seguida del criterio de Routh es una de las alternativas para determinar si
un polinomio tiene todas sus races en el interior del crculo unitario.
Hay tambien un camino directo llamado Criterio de Jury, basado en la construcci
on de una Tabla
similar a la de Routh.
Dado un polinomio generico en z,
p(z) = an z n + an1 z n1 + + a1 z + a0
(1.56)
donde an > 0 (si esto no se cumple, multiplicamos todo el polinomio por 1), se construye una Tabla
como la 1.4 (denominada Tabla de Jury).

an
a0
bn1
b0
cn2
c0
..
.
an1
a1
bn2
b1
cn3
c1
..
.
..
.
a1
an1
b0
bn1
a0
an
27
ka = a0 /an
kb = b0 /bn1
kc = c0 /cn2
..
.
Tabla 1.4: Tabla de Jury para el polinomio generico de la Ec.(1.56)
La tabla se construye de manera que la primera la contiene los coecientes del polinomio ordenados
de manera decreciente y la segunda la con los mismos coecientes ordenados de manera inversa. Ademas,
se calcula el coeciente ka = a0 /an .
Luego, cada elemento de la tercera la se calcula a partir de los dos elementos por encima seg
un la
regla:
bn1 = an ka a0 ; bn2 = an1 ka a1 ; ; b0 = a1 ka an1
La cuarta la se arma invirtiendo el orden de la tercera y se calcula el coeciente kb = b0 /bn1 .
Los elementos de la quinta la se calculan a partir de los de la tercera y de la cuarta de la misma
forma que calculamos los elementos de la tercera la:
cn2 = bn1 kb b0 ; cn3 = bn2 kb b1 ; ; c0 = b1 kb bn2
y se sigue de la misma forma.
El Criterio de Jury establece que todas las races del polinomio de la Ec.(1.56) est
an dentro del
crculo unitario si y solo si los coecientes que encabezan las las impares (an , bn1 , cn2 , etc.) son todos
positivos.
Consideremos por ejemplo el polinomio:
p(z) = 10 z 3 + 8 z 2 + z + 2
(1.57)
La Tabla de Jury 1.5 muestra que todas las races tienen valor absoluto menor que 1, ya que los coecientes
que encabezan las las impares son 10, 9.6, 9.5625 y 2.38 (todos positivos).
10
2
9.6
0.6
9.5625
8.2875
2.38
8
1
7.8
7.8
8.2875
9.5625
1
2
8
10
0.6
9.6
ka = 2/10 = 0.2
kb = 0.6/9.6 = 0.0625
kc = 8.2875/9.5625 = 0.8667
Tabla 1.5: Tabla de Jury para el polinomio de la Ec.(1.57)
1.2.3.
An
alisis de la Respuesta Temporal en Tiempo Continuo
En cursos anteriores, aprendimos que dado un sistema con FT G(s) y dada una entrada u(t) generica,
podamos calcular la respuesta temporal directamente seg
un:
y(t) = L1 {G(s) U (s)}
donde U (s) es la transformada de Laplace de u(t). Desde aqu y a lo largo de todo el curso consideraremos
que las se
nales son nulas para t < 0, por lo que no aclararemos que la validez de las expresiones es para
t 0.

28
Si bien este procedimiento dene directamente la respuesta temporal, su uso es muchas veces engorroso desde el punto de vista algebraico y conduce a expresiones matematicas complicadas y difciles de
interpretar.
Aqu entonces veremos un enfoque mas cualitativo para analizar la respuesta temporal de sistemas
lineales y estacionarios basado en la caracterizacion de la respuesta al escal
on.
Como sabemos, la respuesta a un impulso unitario (t) de un sistema lineal y estacionario puede
calcularse como la antitransformada de la Funci
on Transferencia g(t) = L1 {G(s)}. Dado que g(t) caracteriza completamente el comportamiento del sistema, puede usarse g(t) como modelo en lugar de la FT
(si bien es preferible la utilizar la FT ya que su expresion es mucho mas simple).
La respuesta al impulso tiene ademas un problema: cuando la FT es propia pero no es estrictamente
propia, g(t) contiene un impulso al comienzo lo que complica a
un mas su representacion. Cabe tambien mencionar que los impulsos no son funciones fsicamente realizables, y por lo tanto g(t) carece de
totalmente de interpretaci
on.
Una funci
on de entrada que es mucho mas u
til y que no tiene estos problemas es el escal
on unitario (t)
y a continuacion analizaremos y caracterizaremos la respuesta al escal
on de distintos tipos de sistemas
lineales y estacionarios.
Respuesta al Escal
on de Sistemas Primer Orden
Para analizar los casos de primer orden, comenzaremos escribiendo una funci
on transferencia propia
generica:
b1 s + b0
(1.58)
G(s) =
s + a0
donde a0 > 0 (analizaremos casos estables).
Dado que hay un u
nico polo con valor a0 , la respuesta al escal
on unitario tendra la forma:
h(t) = L1 {
G(s)
} = hf + (hi hf ) ea0
s
donde hi es el valor inicial de la respuesta y hf es el valor nal.

La Figura 1.13 muestra esta respuesta al escal
on para cierto juego de par
ametros. En dicha respuesta
se ve que hi = 1, hf = 1 y ademas resulta que el polo est
a en a0 = 1, ya que en la graca se observa
que la constante de tiempo es 1/a0 = 1.
1.5
1.0
h(t)
0.5
0.0
0.5
1.0
0
10
t
Figura 1.13: Respuesta al Escal
on Unitario del Sistema de Primer Orden de la Ec.(1.58)

29
Dada una FT como la de la Ec.(1.58), una manera sencilla de determinar las constantes hi y hf es
utilizando el Teorema del Valor Final y el Teorema del Valor Inicial:
b0
a0
(1.59)
h(0+ ) = lm s H(s) = lm G(s) = b1
(1.60)
lm h(t) = lm s H(s) = lm G(s) =
de donde hf = b0 /a0 ; y
s0
s0
de donde hi = b1 .
Notar que pudimos obtener la respuesta temporal completa sin necesidad de antitransformar.
La Funci
on Transferencia de la Ec.(1.58) se denomina Proporcional Derivativo con Retardo de Orden
1 y se denota PDT1. Esto se debe a que el numerador tiene un termino Proporcional (b0 ), un termino
derivativo (b1 s) y el denominador tiene orden 1.
El PDT1 es la forma mas completa de los sistemas de primer orden. Sin embargo, muchas veces
encontraremos que alguno de los terminos del numerador sera nulo.
Un caso muy com
un es el Proporcional con Retardo de Orden 1, o PT1:
G(s) =
b0
s + a0
(1.61)
En este caso, aplicando los Teoremas del valor nal e incial como en las Ecs.(1.59)(1.60) concluimos que
hi = 0 y que hf = b0 /a0 .
La Figura 1.14 muestra la respuesta al escal
on de este sistema para cierto juego de par
ametros.
h(t)
0
0
10
t
on Unitario del PT1 de la Ec.(1.61)
En el caso de la respuesta de la Fig.(1.14) podemos ver que los par

ametros eran a0 = 0.5 ya que la
constante de tiempo es 1/a0 = 2 y que hf = b0 /a0 = 6, de donde b0 = 3.
El u
ltimo caso de primer orden es el Derivativo con Retardo de Orden 1 o DT1:
G(s) =
b1 s
s + a0
(1.62)
Aqu, aplicando los Teoremas de valor nal e inicial como en las Ecs.(1.59)(1.60) concluimos que hi = b1
y que hf = 0.

30
2.0
1.8
1.6
1.4
h(t)
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
t
on Unitario del DT1 de la Ec.(1.62)
La Figura 1.15 muestra la respuesta de un DT1 para ciertos par

ametros. En este caso, puede verse
facilmente que la constante de tiempo es 1/a0 = 0.5 de donde a0 = 2 y que b1 = hi = 2.
Un modelo equivalente a la FT lo brinda la conguracion de polos y ceros que resulta de factorizar
el numerador y el denominador. Desde este punto de vista, el PDT1, el PT1 y el DT1 tienen todos un
u
nico polo real negativo y dieren en la conguracion de los ceros. El PDT1 tiene un cero real (positivo
o negativo), el PT1 no tiene ceros y el DT1 tiene un cero en el origen.
La Fig.1.16 ilustra los Diagramas de Polos y Ceros para los tres casos vistos. En el caso del PDT1
pusimos el cero en el semiplano derecho (es decir, el cero es real positivo). Cuando un sistema tiene ceros
con parte real positiva se dice que es No Mnima Fase.
PDT1
PT1
Im(s)
Re(s)
DT1
Im(s)
Im(s)
Re(s)
Re(s)
Figura 1.16: Diagramas de Polos y Ceros para el PDT1, PT1 y DT1.
Notar que el u
nico caso en que se dio la condicion hi = 0 fue en el PT1. En sistemas de orden mayor,
esto ocurrira siempre que el grado relativo de la FT sea mayor que cero, ya que en ese caso el grado del
denominador sera mayor al del numerador por lo que hi = lms G(s) = 0.
Por otro lado, el u
nico caso en que se dio la condicion hf = 0 fue el DT1. En sistemas de orden mayor,
esto ocurrira cada vez que no haya termino proporcional (b0 ) en el numerador de la FT, ya que en ese
caso hf = lms0 G(s) = 0. Esta condicion es equivalente a la presencia de un cero en el origen.

31
Respuesta al Escal
on de Sistemas de Segundo Orden
Consideremos ahora un sistema generico de segundo orden con FT:
G(s) =
b 2 s2 + b 1 s + b 0
s2 + a1 s + a0
(1.63)
Suponiendo que a1 > 0 y a0 > 0 (para garantizar estabilidad externa), la respuesta temporal tendra caractersticas cualitativamente distintas seg
un las races del polinomio denominador sean reales o
complejas conjugadas. En el primer caso se habla de respuesta sobreamortiguada (o crtica cuando las
races coinciden) y en el segundo caso hablamos de respuesta subamortiguada.
Cuando las races son reales podemos aplicar fracciones simples y reescribir la FT como la suma de dos
Funciones Transferencia de primer orden. Por lo tanto, la respuesta temporal del sistema podra analizarse
como la suma de las respuestas de dos sistemas de primer orden, aplicando lo que vimos en el punto
anterior.
Resta entonces analizar el caso subamortiguado. Aqu, conviene reescribir la Ec.(1.63) como sigue:
G(s) =
b 2 s2 + b 1 s + b 0
s2 + 2 n s + n2
(1.64)
donde n y se denominan frecuencia natural y coeficiente de amortiguamiento respectivamente. En el

caso subamortiguado, siempre se cumplir
a que 0 < < 1.
Las races del denominador de la FT de la Ec.(1.64) seran:
p
s1,2 = j a = n j n 1 2
(1.65)
p
donde = n es la inversa de la constante de tiempo y a = n 1 2 se denomina frecuencia
amortiguada.
La respuesta al escal
on entonces se puede calcular seg
un:
h(t) = L1 {
G(s)
} = k1 e
s
sin(wa t + 1 ) + hf
(1.66)
para ciertas constantes hf , k1 y 1 que dependeran de los coecientes de la FT.

La FT generica de la Ec.(1.64) se denomina PDD2 T2, ya que el numerador tiene termino proporcional
(b0 ), derivativo (b1 ), segunda derivada (b2 ) y tiene un retardo de segundo orden (el denominador es de
orden 2). La Figura 1.17 muestra la respuesta de este sistema con ciertos par
ametros particulares a un
escal
on unitario.
Para deducir la forma de la respuesta h(t) a partir de los par
ametros o a la inversa, encontrar los
par
ametros conociendo h(t), podemos aprovechar los teoremas de valor inicial y valor nal por un lado y
ademas tener en cuenta la forma de las oscilaciones.
Las oscilaciones amortiguadas que se ven en la Fig.1.17, tienen una frecuencia angular que, de acuerdo
a la Ec.(1.66), debe coincidir con la parte imaginaria de los polos; es decir, la frecuencia amortiguada a .
Teniendo en cuenta esto, el perodo de las oscilaciones debera ser
Ta =
2
a
que en el caso de la respuesta de la Fig.1.17 sera de aproximadamente 3.3 seg.

Por otro lado, entre un semiperodo y el siguiente la respuesta se amortigua siempre una fracci
on
constante. Notar que:
h(t +
Ta
) hf = k1 e
2
= k1 e
(t+ T2a )
t
= k1 e
e
t
Ta
+ 1 )
2
sin(a t + + 1 )
sin(a t + a
Ta
2
sin(a t + 1 ) e
= (hf h(t)) e
Ta
2
Ta
2

32
2.0
1.8
1.6
1.4
h(t)
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0
10
t
on Unitario del PDD2 T2 de la Ec.(1.63)
Es decir, entre un semiperodo y el siguiente la oscilacion se amortigua siempre una fracci

on igual a
T2a
e
.
Recordando la denicion de Ta , a y y reemplazando todo en funci
on de los par
ametros originales
resulta que:
h(t + T2a ) hf
= e
h(t) hf
Ta
2
=e
(1.67)
1 2
que depende exclusivamente del par

ametros .
Por ejemplo, en la gr
aca de la Figura 1.17 puede observarse que el primer maximo est
a desplazado
1 del valor nal (la trayectoria comienza en un maximo ya que la derivada inicial es nula), y el primer
mnimo est
a desplazado aproximadamente 0.37 del valor nal. Por lo tanto,
e
1 2
0.37
de donde puede despejarse que 0.3.

Utilizando este valor, y recordando que Ta 3.3, podemos tambien despejar
a =
de donde
2
1.9
Ta
a
n = p
2
1 2
Es decir, el denominador de la funci

on transferencia correspondiente a la respuesta al escal
on de la Fig.1.17
es s2 + 2 0.3 2 s + 22 = s2 + 1.2 s + 4.
Al igual que en el caso de primer orden, el denominador de la FT determina la posicion de los polos
y por lo tanto la forma de las oscilaciones. Por otro lado, el numerador determina el valor nal de la
respuesta, el valor inicial y la derivada inicial.
Si aplicamos el Teorema del Valor Final a la FT de la Ec.(1.64) resulta
s0
s0
b0
n2
(1.68)

33
Para el caso de la respuesta de la Fig.1.17, dado que el valor nal es 1 concluimos que b0 = n2 = 4.
Podemos tambien aplicar el Teorema del Valor Inicial:
h(0+ ) = lm s H(s) = lm G(s) = b2
s
(1.69)
En el caso de la respuesta que estamos analizando, dado que el valor inicial es 2, concluimos que b2 = 2.
Por u
ltimo, en este caso podemos aplicar tambien el Teorema del Valor Inicial a la derivada de la
respuesta:
+ ) = lm s [s H(s) h(0+ )] = lm s [G(s) h(0+ )]
h(0
(1.70)
s
Recordando que h(0 ) = b2 , tenemos

+ ) = lm s [G(s) b2 ] = b1 b2 2 n
h(0
s
b2
+ ) = 0 resulta b1 = b2 2 n = 2.4.
Para el caso de la Fig.1.17 teniendo en cuenta que h(0
En denitiva, la FT de la Figura 1.17 era:
G(s) =
2 s2 + 2.4 s + 4
s2 + 1.2 s + 4
Este sistema, como dijimos antes, es un PDD2 T2 y consituye el caso mas general de segundo orden
subamortiguado. Muchas veces algunos de los terminos del numerador son nulos, pero en todos los casos
las respuestas preservan las mismas caractersticas cualitativas (oscilaciones amortiguadas) si bien dieren
en sus formas iniciales y nales.
Uno de los casos mas simples es el Proporcional con Retardo de Orden 2 (PT2), cuya FT tiene la
forma:
b0
(1.71)
G(s) = 2
s + 2 n s + n2
Como dijimos antes, y n determinaran completamente la forma de las oscilaciones. Pero si aplicamos
ahora los teoremas de valor nal y valor inicial resulta:
s0
s0
b0
n2
(1.72)
que coincide con el caso del PDD2 T2.

h(0+ ) = lm s H(s) = lm G(s) = 0
s
Este resultado sobre el valor inicial no debe sorprendernos ya que el PT2 tiene grado relativo mayor que
cero (el grado relativo es 2 de hecho), y nalmente,
+ ) = lm s [G(s) h(0+ )] = lm s G(s) = 0
h(0
s
Es decir, la respuesta del PT2 comienza con valor y derivada cero. La Figura 1.18 muestra la respuesta
al escal
on de este sistema para ciertos par
ametros particulares.
El hecho que la derivada inicial sea nula en el PT2 implica que la respuesta parte desde un mnimo
como puede observarse en la Fig.1.18. Luego, el primer maximo ocurre exactamente en t = Ta /2 (a la
mitad del perodo). Dicho instante se denomina Tiempo de Pico (tp ):
tp =
Ta
p
=
=
2
a
n 1 2
(1.73)
En el PT2, este primer maximo se denomina sobrevalor y su amplitud puede calcularse a partir de la
Ec.(1.67) seg
un:

Ta
hmax hf
SV =
= e 2 = e 12
(1.74)
hf

34
3.0
2.5
h(t)
2.0
1.5
1.0
0.5
0.0
0
10
t
on Unitario del PT2 de la Ec.(1.71)
La Ecuaci
on (1.72) (que calcula el valor nal) junto con las Ecs.(1.73)(1.74) caracterizan completamente
la forma de la respuesta del PT2 y permiten de manera simple obtener los par
ametros a partir de conocer
la graca de la respuesta y viceversa.
Desde el punto de vista cualitativo, puede verse facilmente que el sobrevalor aumentar
a para valores
menores del amortiguamiento . La Fig.1.19 muestra la respuesta del PT2 para distintos valores de con
n constante (n = 2 en todos los casos).
1.8
1.6
1.4
1.2
h(t)
1.0
0.8
0.6
0.4
0.2
0.0
0
10
t
on Unitario del PT2 para n = 2 con = 0.7, = 0.4, = 0.2 y = 0.1. El
mayor sobrevalor corresponde a = 0.1.
Por otro lado, si mantenemos el valor de de constante y variamos n veremos que el tiempo de pico
crecera al disminuir n ya que esto implica un aumento del perodo amortiguado Ta . La Fig.1.20 muestra

35
la respuesta del PT2 para distintos valores de n con constante ( = 0.3 en todos los casos).
1.4
1.2
1.0
h(t)
0.8
0.6
0.4
0.2
0.0
0
10
t
on Unitario del PT2 para = 0.3 con n = 1, n = 2 y n = 4. La respuesta
m
as r
apida corresponde a n = 4.
Un u
ltimo par
ametro que es importante, tanto en el PT2 como en los otros sistemas, es el Tiempo
de Respuesta al 3 % o al 5 % (tr5 % , tr3 % ), denido como el instante de tiempo en el cual la respuesta
se amortigua hasta el 3 o el 5 % de su valor. Este tiempo puede calcularse como el tiempo en el que la
exponencial e t toma el valor 0.03 o 0.05. Por esto, tenemos,
tr5 %
3
5
3
5
; tr3 % =
=
(1.75)
El tr mide de cierta forma cuanto demoran en extinguirse las oscilaciones.

Ademas del PT2, otro caso relativamente sencillo que encontraremos habitualmente es el Derivativo
con Retardo de Orden 2 (DT2):
b1 s
(1.76)
G(s) = 2
s + 2 n s + n2
Aplicando nuevamente los teoremas de valor nal e inicial a este sistema, tenemos:
lm h(t) = lm s H(s) = lm G(s) = 0
s0
s0
que no es sorpresa ya que no hay parte proporcional. Por otro lado,

h(0+ ) = lm s H(s) = lm G(s) = 0
s
Este resultado sobre el valor inicial no es tampoco sorpresivo ya que el grado relativo es mayor que cero
(el grado relativo es 1 ahora), y nalmente,
+ ) = lm s [G(s) h(0+ )] = lm s G(s) = b1
h(0
s
por lo que la respuesta del DT2 comenzara siempre desde cero, pero con derivada no nula.
La Fig.1.21 muestra la respuesta al escal
on de un DT2. Puede verse en este caso que el amortiguamiento
del sistema es menor que el del PT2. De hecho, el valor de utilizado en el DT2 fue la mitad del del
PT2.

36
1.0
0.8
0.6
h(t)
0.4
0.2
0.0
0.2
0.4
0.6
0
10
12
14
16
18
20
t
on Unitario del DT2 de la Ec.(1.76)
Ademas del PT2, DT2 y PDD2 T2 analizados aqu, dentro de los sistemas de segundo orden subamortiguados encontramos al PDT2, PD2 T2, DD2 T2 y el D2 T2, todos con caractersticas similares.
El valor nal quedara determinado en todos los casos por la presencia o no de parte proporcional. El
valor inicial en tanto, dependera del grado relativo. La derivada inicial sera nula en el PT2, y no nula en
los dem
as, excepto para cierto juego de par
ametros muy particulares en un PDD2 T2 como el que produce
la respuesta de la Fig.1.17.
La diferencia entre todos estos tipos de sistemas radica escencialmente en la ubicacion de los ceros.
La Fig.1.22 muestra las posibles ubicaciones de polos y ceros en los mismos. En estos diagramas de polos
y ceros mostramos exclusivamente casos Mnima Fase, ya que ubicamos todos los ceros en el semiplano
izquierdo.
PT2
PDT2
Im(s)
Im(s)
Re(s)
Im(s)
Re(s)
Im(s)
Re(s)
PDD2 T2
DD2 T2
D2 T2
DT2
Re(s)
Im(s)
Re(s)
PD2 T2
Im(s)
Re(s)
Im(s)
Re(s)
Figura 1.22: Diagramas de Polos y Ceros en Sistemas de Segundo Orden Subamortiguados.
Hasta aqu analizamos casos subamortiguados y vimos que los casos sobreamortiguados pueden

37
analizarse superponiendo la respuesta de dos sistemas de primer orden. El caso crtico en tanto, siendo el
lmite entre ambos ( = 1), no reviste mayores diferencias. Esto completa todos los sistemas de segundo
orden externamente estables.
Hay dos casos intestables que s revisten cierto interes, que son los casos crticos. En presencia de un par
de polos imaginarios puros ( = 0) la respuesta al escal
on sera una sinusoidal no amortiguada. Este caso
puede analizarse de manera identica al caso subamortiguado, teniendo en cuenta solo que el coeciente de
amortiguamiento es nulo (por lo que coincidiran la frecuencia amortiguada con la frecuencia natural).
El caso restante es cuando hay un polo real negativo y otro nulo, lo que se corresponde a un FT de
la forma:
b0
b2 s + b1
b 2 s2 + b 1 s + b 0
s
+
=
G(s) =
s2 + a1 s
s + a1
s + a1
Como vemos, el primer termino es un PDT1 y el segundo, cuya expresion es:
G1 (s) =
b0
s
(1.77)
s + a1
se denomina Integrador con Retardo de Orden 1 o IT1. La respuesta al escal

on de este sistema puede
verse facilmente que es la integral de la respuesta al escal
on de un PT1, que tomara la forma:
h1 (t) =
1
b0
[t
(1 ea1 t )]
a1
a1
(1.78)
La Figura 1.23 muestra la evoluci

on temporal de un IT1 para cierto juego de par
ametros.
50
45
40
35
h(t)
30
25
20
15
10
5
0
0
10
t
on Unitario del IT1 de la Ec.(1.77)
Analizando la Ec.(1.78) vemos que la asntota es:

ha (t) =
1
b0
[t ]
a1
a1
de donde concluimos que la pendiente de la asntota es b0 /a1 y que la misma comienza retardada 1/a1 .
De estas consideraciones, la respuesta de la Fig.1.23 se corresponde a los par
ametros a1 = 0.5 y b0 = 3.

38
Sistemas de Orden Mayor y Polos Dominantes

Hasta aqu analizamos sistemas de primer y segundo orden. Como bien sabemos, dada una funci
on
transferencia de orden mayor sin polos m
ultiples, podemos aplicar fracciones simples y descomponerla en
la suma de varias funciones transferencias de orden 1 (para los polos reales) y 2 (para los polos complejos
conjugados).
De esta manera, podemos obtener la respuesta temporal de sistemas de orden alto sumando las
respuestas de sistemas de primer y segundo orden.
Muchas veces, sin embargo, el efecto de algunas de las respuestas individuales en la respuesta total es
practicamente despreciable lo que simplica muchsimo el trabajo.
Consideremos por ejemplo el sistema de tercer orden con FT:
G(s) =
10 s + 10
(s2 + s + 1) (s + 10)
(1.79)

on de este sistema. A simple vista, dicha respuesta parece de
segundo orden.
1.4
1.2
1.0
h(t)
0.8
0.6
0.4
0.2
0.0
0
10
t
on Unitario del Sistema de Tercer Orden de la Ec.(1.79)
Lo que ocurre en este caso tiene que ver con laposicion de los polos de la FT. Hay un par de polos
complejos conjugados ubicados en s1,2 = 0.5 j 0.75 y el restante polo real es s3 = 10.
Los polos complejos conjugados en este caso se corresponden a un tiempo de respuesta al 3 % tr =
5/0.5 = 10 (que es lo que se aprecia en la graca). En cambio, el polo real corresponde a un tiempo de
respuesta de tr = 5/10 = 0.5, por lo que luego de t = 0.5 su efecto desaparece.
Podemos pensar a este sistema como la cascada de un sistema de primer
orden (con polo en 10) y
otro de segundo orden con polos complejos conjugados en s1,2 = 0.5 j 0.75, es decir,
G(s) =
10
s+1
= G1 (s) G2 (s)
2
s + 10 s + s + 1
(1.80)
Teniendo en cuenta que G1 (s) es mucho mas rapido que G2 (s), podemos despreciar su dinamica y aproximar esta FT como G1 (s) 1. Luego, podemos escribir:
G(s) 1 G2 (s) =
s2
s+1
+s+1
(1.81)

39
1.4
1.2
1.0
h(t)
0.8
0.6
0.4
0.2
0.0
0
10
t
on Unitario del Sistema de Tercer Orden de la Ec.(1.79) y su Aproximaci
on de
la Ec.(1.81). La trayectoria aproximada sale con derivada no nula.
La Figura 1.25 muestra superpuestas las respuestas al escal

on del sistema original y del sistema aproximado.
Como puede observarse, ambas respuestas son bastante similares y si no se requiere trabajar con una
gran precisi
on, es perfectamente aceptable utilizar la FT aproximada.
Una mejor aproximacion puede lograrse si en lugar de descomponerse la FT en la cascada de dos
sistemas, se descompone como la suma haciendo fracciones simples:
G(s) =
90
91
s2
90
s + 100
91
91 = G3 (s) G4 (s)
+s+1
s + 10
donde si nuevamente despreciamos la din

amica rapida y aproximamos
G4 (s) =
resulta
90
91
s + 10
9
91
91
s + 100
s+1
9 s2 + 91
9
91
= 91 2
(1.82)
+s+1
91
s +s+1
La Fig.1.26 compara la respuesta de esta aproximacion con la respuesta del sistema de tercer orden. Puede
apreciarse que, una vez transcurrido el tiempo de respuesta del subsistema rapido, el error desaparece.
Si bien la aproximacion que surge de aplicar fracciones simples es mejor (al menos desde el punto de
vista de la respuesta al escal
on), el procedimiento es mucho mas complejo. Normalmente se utiliza la otra
aproximacion que consiste simplemente en descartar los polos rapidos.
En casos como el que analizamos, se dice que los polos lentos juegan el rol de polos dominantes, ya
que los mismos determinan casi completamente la respuesta del sistema.
Desde el punto de vista practico, en general se pueden considerar despreciables todos los polos que
sean al menos entre 5 y 10 veces mas rapidos que los polos dominantes, es decir, que tengan el modulo
de su parte real al menos entre 5 y 10 veces mayor que el de dichos polos.
Por ejemplo, si un sistema tiene los siguientes polos: s1 = 0.1, s2 = 0.3, s3,4 = 3 j, s5 = 5,
s6 = 6, los polos dominantes seran s1 y s2 y podremos despreciar en principio los dem
as polos.
G(s)
90
91
s2

40
1.4
1.2
1.0
h(t)
0.8
0.6
0.4
0.2
0.0
0.2
0
10
t
on Unitario del Sistema de Tercer Orden de la Ec.(1.79) y su Aproximaci
on de
la Ec.(1.82). La trayectoria aproximada sale desde un valor negativo.
1.2.4.
An
alisis de la Respuesta Temporal en Tiempo Discreto
Analogo al caso continuo, dado un sistema discreto lineal y estacionario con FTD G(z), podemos
calcular la respuesta a una entrada generica u(k) seg
un:
y(k) = Z 1 {G(z) U (z)}
donde U (z) es la transformada Z de u(k).
Este procedimiento nos permite obtener la expresion temporal de la salida y(k), pero al igual que en
el caso continuo, suele ser bastante engorroso desde el punto de vista algebraico.
Por este motivo, presentaremos aqu algunas herramientas para realizar un analisis mas cualitativo
de la respuesta temporal de los sistemas discretos.
Como en el caso continuo, estudiaremos principalmente las caractersticas de la respuesta al escal
on,
centrandonos escencialmente en los sistemas estables.
Respuesta al Escal
on de un Sistema Discreto de Primer Orden
Consideremos un sistema discreto lineal y estacionario generico de primer orden, caracterizado por la
FTD:
b1 z + b0
G(z) =
(1.83)
z + a0
Como vimos anteriormente, este sistema sera externamente estable si |a0 | < 1. En cualquier caso, la
respuesta al escal
on unitario (k) tomara la forma (con a0 6= 0):
h(k) = hf + (hi hf ) (a0 )k
(1.84)
para ciertas constantes hi y hf que dependeran de los coecientes de la FTD. Para el caso a0 = 0 la
solucion sera:
h(k) = hf + (hi hf ) (k)
(1.85)
Considerando solo los casos estables, tendremos un transitorio que partira de hi y tender
a a hf con una
dinamica dictada por el modo (a0 )k .

41
Este modo sera cualitativamente distinto seg

un el signo del polo. Si el polo es positivo (a0 > 0 o
sea, a0 < 0), la respuesta no tendra oscilaciones, mientras que en el caso contrario s oscilara.
Cuando a = 0 la respuesta llegar
a al valor nal tras solo un paso. De hecho, en este caso la FTD de
la Ec.(1.83) puede pensarse como la suma de una ganancia b1 y un retardo b0 /z.
Por otro lado, cuando |a| sea cercano a 1, la respuesta tender
a lentamente al valor nal, mientras que
cuando sea cercano a 0 la respuesta converger
a rapidamente.
En denitiva, al igual que en el caso continuo, el denominador determinara completamente la forma
en que la respuesta tiende al valor nal.
La Figura 1.27 muestra las respuestas al escal
on para distintos valores del coeciente a (tomando en
todos los casos b0 = 1 + a0 y b1 = 0).
a0 = 0.9
1.0
a0 = 0.5
1.0
0.9
0.9
0.8
0.8
0.8
0.7
0.7
0.7
0.6
0.6
0.6
0.5
0.5
0.5
y(k)
y(k)
y(k)
0.9
0.4
0.4
0.4
0.3
0.3
0.3
0.2
0.2
0.2
0.1
0.1
0.1
0.0
0
0.0
0
10
15
20
25
30
a0 = 0.1
1.0
k
a0 = 0.9
10
15
20
25
30
0.0
0
k
a0 = 0.5
2.0
10
15
20
25
30
20
25
30
k
a0 = 0.1
1.5
1.2
1.8
1.0
1.6
1.4
1.0
0.8
1.2
y(k)
0.6
y(k)
y(k)
1.0
0.8
0.5
0.6
0.4
0.4
0.2
0.2
0.0
0
10
15
20
25
30
0.0
0
10
15
20
25
30
0.0
0
10
15

on Unitario de la FTD de la Ec.(1.83) para Distintos Valores de a.
De manera analoga al caso continuo, pueden usarse los teoremas del valor inicial y del valor nal para
establecer la relaci
on entre los coecientes del numerador de la FT y los valores iniciales y nales de la
respuesta.
Dada la FTD de la Ec.(1.83), podemos calcular los valores iniciales y nales de la respuesta al escal
on
como sigue:
z
= lm G(z) = b1
(1.86)
h(0) = lm G(z)
z
z 1 z
y ademas,
z
b1 + b0
lm h(k) = lm (1 z 1 )G(z)
(1.87)
= G(1) =
z1
k
z1
1 + a0
Tomando en cuenta todas estas consideraciones, podemos relacionar facilmente los par
ametros de la FTD
con los de la respuesta al escal
on.
Por ejemplo, la Fig.1.28 muestra la respuesta al escal
on de un sistema discreto de primer orden.

42
y(k)
0
5
10
15
20
k
1

on Unitario del Sistema de la Ec.(1.83).
Como vemos, el primer valor est

a distanciado 4 unidades del valor nal, el siguiente est
a a 2 unidades
del valor nal y as sucesivamente. Ademas, los signos est
an alternados. Evidentemente hay un polo en
z = 0.5, de donde a0 = 0.5.
Por otro lado, el valor inicial es 2. Teniendo en cuenta la Ec.(1.86) (Teorema del Valor Inicial),
resulta b1 = 2.
De manera similar, el valor nal es 2. Por lo tanto, de la Ec.(1.87) podemos deducir inmediatamente
que b0 = (1 + a0 ) 2 b1 = 3. En conclusi
on, la FTD que produce dicha respuesta al escal
on es:
G(z) =
2 z + 3
z + 0.5
Respuesta al Escal
on de un Sistema Discreto de Segundo Orden
El caso discreto de segundo orden tendra la forma generica:
G(z) =
b2 z 2 + b1 z + b0
z 2 + a1 z + a0
(1.88)
Al igual que en el caso continuo, en presencia de polos reales, podemos aplicar fracciones simples y analizar
la respuesta como la superposicion de dos respuestas de primer orden.
Por lo tanto, nos concentraremos en estudiar la respuesta de sistemas de segundo orden con polos
complejos conjugados. Ademas, nos enfocaremos solamente en los casos estables.
En presencia de polos complejos conjugados, es conveniente reescribir el denominador como sigue:
G(z) =
b2 z 2 + b1 z + b0
z 2 2 a cos(0 ) z + a2
(1.89)
donde en los casos estables podremos tomar 1 < a < 1 y 0 < 0 /2. De esta forma, las races del
denominador seran
z1,2 = a ej 0
Es decir, |a| es el modulo de los polo y 0 el angulo cuando a > 0; o bien 0 cuando a < 0. Debido
a esta expresion en los polos, la respuesta al escal
on tendra la forma:
h(k) = hf + c1 ak sin(0 k + 0 )

43
para ciertas constantes hf , c1 y 0 .

La forma de la respuesta es una sinusoidal muestrada, modulada por la exponencial ak .
Al igual que en el caso de primer orden, cuando el modulo del polo (a) sea mas cercano a 1, la
exponencial decaer
a mas lentamente. Ademas, si a < 0 los valores tendran su signo alternado.
Para valores peque
nos de 0 , cada semiperodo de la sinusoidal contendra aproximadamente /0
muestras. Cuando 0 sea mayor, por encima de /4 por ejemplo, encontraremos alrededor de 3 o 4
muestras por semiperodo.
El u
ltimo factor a tener en cuenta es cuanto decrece la amplitud de la sinusoidal entre un semiperodo
y el siguiente. Teniendo en cuenta que entre un semiperodo y el siguiente habr
a alrededor de /omega0
muestras, la amplitud de la exponencial decaer
a aproximadamente a/0 , por lo tanto,
|h(k + K/2) hf |
a 0
|h(k) hf |
(1.90)
donde K es el perodo expresado en muestras.

on unitario de la FTD de la Ec.(1.89) para distintos valores
de 0 , manteniendo el modulo de los polos constante.
w0 = 0.1, a = 0.95
w0 = 0.2, a = 0.95
15
w0 = 0.5, a = 0.95
20
20
15
10
15
10
10
0
5
10
0 10 20 30 40 50 60 70 80 90 100
k
w0 = 0.1, a = 0.95
80
5
0 10 20 30 40 50 60 70 80 90 100
k
w0 = 0.2, a = 0.95
50
30
40
20
y(k)
20
y(k)
y(k)
50
20
50
100
0 10 20 30 40 50 60 70 80 90 100
k
w0 = 0.5, a = 0.95
40
60
100
5
0
10
0 10 20 30 40 50 60 70 80 90 100
150
y(k)
y(k)
y(k)
10
0
10
40
20
60
0 10 20 30 40 50 60 70 80 90 100
30
0 10 20 30 40 50 60 70 80 90 100

on Unitario de la FTD de la Ec.(1.89) para Distintos Valores de 0 con |a = 0.95|.
Como en el caso de primer orden y en los casos continuos, vemos que los coecientes del denominador
son los que determinan la forma cualitativa de la respuesta, ya que son los que determinan la ubicacion
de los polos.
Los coecientes del numerador, en tanto, se maniestan tanto en el valor inicial como en el valor nal
y la relacion con la respuesta temporal puede deducirse utilizando los teoremas de valor inicial y valor
nal.
Consideremos por ejemplo la respuesta al escal
on de la Fig.1.30.

44
18
16
14
12
y(k)
10
0
10
10
20
30
40
50
k
on Unitario del Sistema de la Ec.(1.89).
En dicha respuesta, podemos observar que las muestras tienen signos alternados respecto al valor
nal, lo que dice que a < 0. Ademas, hay un primer maximo en k = 6, el siguiente alrededor de k = 19 y
luego uno en k = 31. Por lo tanto el n
umero de muestras por perodo es alrededor de K = 25. Luego,
2
0 0.25
0
K = 25
Por otro lado, el primer maximo est

a alejado 17 10 = 7 del valor nal. El siguiente est
a alrededor de
12 10 = 2 del valor nal. Luego, teniendo en cuenta que la distancia en muestras es 19 6 = 13, entre
ambos la exponencial se amortiguo en un factor |a|13 , de donde
2
|a| 0.9
7
Por lo tanto, a = 0.9 y 0 0.25, lo que completa el denominador.
Para deducir la forma del denominador, utilizamos el Teorema del Valor Inicial (TVI) en primer lugar:
|a|13
h(k = 0) = lm G(z) = b2 = 5
z
Podemos aplicar el TVI nuevamente a la respuesta retardada para deducir b1 :

h(k = 1) = lm z [G(z)h(0)]+h(0) = lm z [
z
z2
b2 z 2 + b1 z + b0
b2 ]+b2 = b1 +2 b2 a cos(0 )+b2
2 a cos(0 ) z + a2
de donde,
b1 = 11.3 5 a cos(0 ) 5 = 15
Finalmente, utilizando el Teorema del Valor Final, obtenemos,

lm h(k) = G(1) =
b2 + b1 + b0
= 10
1 2 a cos(0 ) + a2
de donde,
En conclusi
on, la FTD era:
b0 = 10 (1 2 a cos(0 ) + a2 ) b2 b1 15.5
G(z) =
5 z 2 + 15 z + 15.5
5 z 2 + 15 z + 15.5
=
z 2 + 2 0.9 cos(0.25) z + 0.92
z 2 + 1.74 z + 0.81

45
Sistemas de Orden Mayor y Polos Dominantes

Al igual que en el caso continuo, los sistemas de orden mayor que dos pueden descomponerse en
sistemas de orden 1 y 2. Ademas, en muchos casos las dinamicas rapidas tambien pueden despreciarse.
Los polos dominantes aqu tambien seran los polos lentos, es decir, los que esten mas cerca de la
circunferencia unitaria.
Por ejemplo, la FTD de tercer orden:
G(z) =
tiene polos en:
z 2 + 1.19 z + 1
(z 2 + 2 0.8 cos(0.25) z + 0.82 ) (z 0.95)
z1,2 = 0.8 ej
0.25
(1.91)
; z3 = 0.95
Los polos conjugados llegan al 3 % de su valor cuando:

0.8k = 0.03 k log 0.8 = log 0.03 k 15
mientras que el polo real llega al 3 % de su valor con:
0.95k = 0.03 k log 0.95 = log 0.03 k 68
Por lo tanto la din
amica de los polos complejos conjugadas es log(0.95)/ log(0.8) = 4.35 veces mas rapida
que la del polo real y podemos considerarla casi despreciable. La Fig.1.31 muestra la respuesta al escal
on
del sistema de tercer orden, donde puede corroborarse este hecho. Salvo por los primeros instantes, la
respuesta se asemeja a la de un sistema de primer orden.
20
18
16
14
y(k)
12
10
8
6
4
2
0
0
10
20
30
40
50
60
70
80
90
100
k
on Unitario de la FTD de la Ec.(1.91).
Por lo tanto, en el caso discreto podemos proceder de igual manera que en los sistemas continuos, y
despreciar las din
amicas rapidas.
Desde el punto de vista practico, normalmente consideraremos despreciables los polos que sean desde
alrededor de 5 veces mas rapidos que los dominantes. Es importante tener en cuenta que la velocidad del
polo no la determina directamente |a|, sino su logaritmo.

1.3.
46
Herramientas de An
alisis de Modelos Internos
Recordando nuevamente la divisi

on inicial que realizamos entre modelos externos e internos, en esta
secci
on abordaremos el estudio de las principales las propiedades de los u
ltimos.
Cuando nos referimos a modelos internos hablamos casi exclusivamente de sistemas de Ecuaciones de
Estado y Salida. Por lo tanto, al hablar de Analisis de Modelos Internos estaremos hablando generalmente
de lo que se conoce como An
alisis en el Espacio de Estados.
1.3.1.
Soluci
on de las Ecuaciones de Estados
Para analizar las distintas propiedades de los modelos internos, vamos a comenzar por deducir la
solucion de las Ecuaciones de Estado tanto continuas como discretas. A diferencia de los modelos externos,
ahora s consideraremos la presencia de condiciones iniciales.
Caso Continuo
Consideremos un sistema de EE dado en su forma matricial:
x(t)
= A x(t) + B u(t)
y supongamos que la condicion inicial est
a dada por
x(0) = x0
Para calcular la solucion x(t) del sistema, podemos recurrir a la Transformada de Laplace:
s X(s) x0 = A X(s) + B U(s)
de donde,
(s I A)X(s) = x0 + B U(s) X(s) = (s I A)1 x0 + (s I A)1 B U(s)
y nalmente, antitransformando resulta
x(t) = (t) x0 +
( ) B u(t ) d
(1.92)
donde
(t) , L1 {(s I A)1 }
(1.93)
Como puede verse, la solucion de las EE dada por la Ec.(1.92) tiene dos terminos. Uno debido a las
condiciones iniciales x0 y otro debido a las entradas u(t). El primer termino se denomina respuesta libre
y el segundo respuesta forzada.
La matriz (t) es la que caracteriza la solucion, y se denomina Matriz de Transici
on del sistema.
Teniendo en cuenta la analoga de la Ec.(1.93) con la expresion de la transformada de una funci
on
exponencial, se dene la exponencial matricial :
eA t , (t) = L1 {(s I A)1 }
(1.94)
que en el caso que A sea escalar coincide con la exponencial normal.

La matriz de transicion (t) = eA t tiene varias propiedades que coinciden con las de la exponencial
escalar:
(0) = eA
(t1 + t2 ) = e
(t) = e
=I
A (t1 +t2 )
A t
= eA
= (e
t1
A t 1
eA
t2
= (t1 ) (t2 )
= (t)1

47
Los elementos de la matriz de transicion (t) tienen una forma bastante particular, como veremos a
continuacion. Recordando que
eA
= L1 {(s I A)1 } = L1 {
adjT (s I A)
}
det(s I A)
resulta que cada elemento de la matriz (t) tiene por transformada un cociente de polinomios. Esto es,
i,j (t) = L1 {
Ni,j (s)
}
det(s I A)
Estos polinomios tienen polos cuando det(s I A) = 0, es decir cuando s coincide con una autovalor de
la matriz A.
Recordemos que los autovalores de una matriz A son las soluciones de la ecuaci
on:
det( I A) = 0
Por lo tanto, llamando 1 , 2 , , n a los n autovalores de la matriz A, cada componente de la matriz
de transicion podra escribirse como:
i,j (t) = c1 e1 t + + cn en
para ciertas constantes c1 , c2 , etc8 .

Si consideramos entonces la respuesta libre de un sistema lineal y estacionario, haciendo u = 0 en la
Ec.(1.92), tendremos
1,1 e1 t + + 1,n en t
..
x(t) = (t) x0 =
.
n,1 e1 t + + n,n en t
para ciertas constantes i,j que dependeran de la condicion inicial x0 y de la matriz A.

Caso Discreto
La solucion de las EED es analogo al caso continuo. Dada la EED matricial:
x(k + 1) = A x(k) + B u(k)
con condicion inicial
x(0) = x0
podemos calcular la solucion x(k) utilizando la Transformada Z:
z (X(z) x0 ) = A X(z) + B U(z)
de donde,
(z I A)X(z) = z x0 + B U(z) X(z) = z (z I A)1 x0 + z (z I A)1 z 1 B U(z)

y nalmente, antitransformando resulta
x(k) = (k) x0 +
k1
X
=0
() B u(k 1)
(1.95)
donde
(k) , Z 1 {z (z I A)1 } = Ak
8 Estamos
asumiendo que no hay autovalores repetidos. Si los hubiera, aparecer

an modos del tipo t ej t .
(1.96)

48
Al igual que en el caso continuo, la solucion dada por la Ec.(1.95) tiene dos componentes. La primera es
la respuesta libre y la segunda es la respuesta forzada.
La matriz (k) = Ak se denomina matriz de transici
on discreta y tiene propiedades similares a su
contraparte continua:
(0) = A0 = I
(k1 + k2 ) = Ak1 +k2 = Ak1 Ak2 = (k1 ) (k2 )
(k) = Ak = (A1 )k = 1 (k)
Procediendo de manera analoga al caso continuo, si los autovalores de la matriz A son 1 , , n ,
resulta que las componentes de la matriz de transicion tienen la forma:
i,j (k) = c1 k0 + + cn kn
para ciertas constantes c1 , , cn . Luego, la solucion libre sera de la forma:
1,1 k1 + + 1,n kn
..
x(k) = (k) x0 =
.
k
k
n,1 1 + + n,n n
para ciertas constantes i,j que dependeran de la condicion inicial x0 y de la matriz A.
1.3.2.
Estabilidad Interna
Los modelos internos se utilizan a menudo para representar sistemas no lineales. Como en estos
sistemas puede haber m
ultiples puntos de equilibrio, la estabilidad interna se dene en relacion a dichos
puntos.
En otras palabras, normalmente no se habla de la estabilidad interna de un sistema, sino de la
estabilidad de los puntos de equilibrio de dicho sistema.
Si bien en los sistemas lineales y estacionarios suele haber un u
nico punto de equilibrio, es preferible
respetar el vocabulario y las deniciones del caso general.
A continuacion entonces formalizaremos los conceptos de puntos de equilibrios y su estabilidad, en
los casos continuos y discretos.
Estabilidad Interna en Sistemas Continuos
Supongamos que tenemos un sistema lineal y estacionario con una entrada constante u(t) = u
:
x(t)
= A x(t) + B u(t) = A x(t) + B u
Si la matriz A es invertible (o sea, no tiene autovalores nulos), podemos determinar el valor de x(t) = x
para el cual se anula la derivada del estado:

0=Ax
+B u
x
= A1 B u
Puede verse f
acilmente que si la condicion inicial es x0 = x
, la solucion x(t) permanecer
a en dicho valor
para todo t. Por este motivo, el punto x(t) se denomina punto de equilibrio del sistema.
En un sistema lineal y estacionario, cuando la matriz A es invertible, dado un valor de entrada u
es
evidente que existe un u
nico punto de equilibrio x
. M
as a
un, si la entrada es nula, el u
nico punto de
equilibrio es el origen.
En caso que la matriz A no sea invertible, hay dos posibilidades: o hay innitos puntos de equilibrio
o no hay ning
un punto de equilibrio.
Ahora bien, si el estado inicial no coincide con el punto de equilibrio, como podemos determinar si
la solucion se acerca al equilibrio o no?.
La respuesta a esta pregunta la brinda la denicion de Estabilidad Interna.

49
A diferencia de la estabilidad externa, en los modelos internos existen tres casos de estabilidad: un
punto de equilibrio puede ser estable, inestable o asint
oticamente estable.
Diremos que un punto de equilibrio es estable cuando la solucion no se aleja indenidamente del
mismo9 . Diremos ademas que un punto de equilibrio es inestable cuando no es estable. Por u
ltimo,
diremos que un punto de equilibrio es asint
oticamente estable cuando ademas de ser estable, la solucion
tiende asint
oticamente al mismo.
Una propiedad fundamental de los sistemas lineales y estacionarios es que la estabilidad interna se
puede analizar en el origen. Si la entrada fuera no nula, siempre es posible hacer un cambio de variables
(t) , x(t) + A1 B u
con entradas nulas.
muy simple deniendo x
y quedara un sistema identico en x
Por lo tanto, podemos analizar directamente la estabilidad del origen del sistema
x(t)
= A x(t)
y concluir sobre cualquier punto de equilibrio que resulte de aplicar entradas no nulas.
Como vimos anteriormente, la solucion de la ecuaci
on libre tiene la forma
1,1 e1 t + + 1,n en t
..
x(t) = (t) x0 =
.
n,1 e1 t + + n,n en
siendo i los autovalores de la matriz A. De aqu, es evidente que:
El punto de equilibrio de un sistema lineal y estacionario es asint

oticamente estable
si y solo si todos los autovalores de la matriz A tienen parte real negativa.
En este caso hablamos de un u
nico punto de equilibrio ya que la condicion establece que no hay autovalores
nulos y por lo tanto A es invertible.
Ademas, es claro que,
Si uno o mas autovalores de la matriz A de un sistema lineal y estacionario tienen
parte real positiva, sus puntos de equilibrio seran inestables.
Por otro lado, cuando los autovalores tengan parte real nula, no se aproximar
an al equilibrio y tampoco
se alejar
an mucho, salvo que se trate de autovalores m
ultiples, ya que en ese caso aparecer
an terminos
no amortiguados multiplicados por t, t2 , etc. Luego,
Si un sistema lineal y estacionario tiene todos sus autovalores con parte real menor
o igual que cero y no tiene autovalores con parte real nula repetidos, entonces sus
puntos de equilibrio seran estables
.
Como vemos, la posicion de los autovalores de la matriz A en un modelo de EE juega un rol casi equivalente al de la posicion de los polos de la funci
on transferencia. M
as adelante veremos esta coincidencia
en mas detalle.
Estabilidad Interna en Sistemas Discretos
El caso discreto es completamente analogo al caso continuo.
Aqu, dada una entrada constante u(k) = u
, podemos determinar el punto de equilibrio como sigue:
x(k + 1) = A x(k) + B u
= x(k) = x
de donde,
(I A) x
=B u
9 En
el caso no lineal es necesaria una definici

on m
as precisa.

50
y asumuendo que la matriz I A es invertible, resulta,

x
= (I A)1 B u
Al igual que en el caso continuo, si la matriz I A es invertible hay un u

nico punto de equilibrio que
coincide con el origen cuando la entrada u
es nula. En caso que la entrada no sea nula, puede hacerse un
cambio de variables y analizar un sistema identico con entrada nula.
Haciendo un analisis analogo al del caso continuo, puede concluirse lo siguiente:
El punto de equilibrio de un sistema discreto lineal y estacionario es asint
oticamente
estable si y solo si todos los autovalores de la matriz A tienen modulo menor que 1.
En este caso hablamos de un u
nico punto de equilibrio ya que la condicion establece que los autovalores
tienen modulo menor que 1, lo que implica que I A es invertible.
Ademas, resulta que,
Si uno o mas autovalores de un sistema discreto lineal y estacionario tienen modulo
mayor que 1, sus puntos de equilibrio seran inestables.
Por otro lado, cuando los autovalores tengan modulo 1, no se aproximar
an al equilibrio y tampoco se
alejar
an mucho, salvo que se trate de autovalores m
ultiples, ya que en ese caso aparecer
an terminos no
amortiguados multiplicados por k, k 2 , etc. Luego,
Si un sistema lineal y estacionario tiene todos sus autovalores con modulo menor o
igual que 1 y no tiene autovalores con modulo 1 repetidos, entonces sus puntos de
equilibrio seran estables
.
Como en el caso continuo, la posicion de los autovalores de las EED juega casi el mismo rol que la
posicion de los autovalores de la FTD. Ya analizaremos oportunamente esta coincidencia.
1.3.3.
Diagonalizaci
on y Forma Can
onica de Jordan
Cuando presentamos la Ecuaciones de Estado en el ejemplo introductorio, mostramos que haba

muchas formas de elegir las variables de estado (innitas formas en realidad).
Dependiendo entonces de la eleccion que hagamos para las variables de estado, la matriz de evoluci
on
A cambiara. Vimos ademas dos maneras de elegir las variables de estado que nos llevaban a las formas
canonicas de controlabilidad y de observabilidad, donde la matriz A resultaba con una estructura bastante
simple.
Ahora veremos otra forma can
onica, denominada Forma Can
onica de Jordan, donde la matriz A
tomara una forma diagonal (o cuasidiagonal cuando haya autovalores repetidos).
Caso Continuo
Consideremos el siguiente sistema (libre) de Ecuaciones de Estado:
w 1 (t) = 1 w1 (t)
w 2 (t) = 2 w2 (t)
....
..
w n (t) = n wn (t)
con forma matricial:
1
0
w(t)
= .
..
0
0
2
..
.
..
.
0
0
..
.
w(t) = w(t)
(1.97)

51
Notar que al ser una matriz diagonal, las componentes de la diagonal principal son los autovalores de
la matriz.
Como vemos, se trata de un sistema de n ecuaciones desacopladas de primer orden, que puede resolverse de manera trivial:
w1 (t) = e1
w2 (t) = e
....
..
w1 (0)
2 t
w2 (0)
wn (t) = en
wn (0)
La solucion tambien puede expresarse en forma matricial:
1
0
0
e
0 e2
0
w(t) = .
.. w(0) = e
.
..
..
..
.
.
0
0 en
w(0)
(1.98)
El sistema de la Ec.(1.97) est

a expresado en la Forma Can
onica o Forma Normal de Jordan, y como
vemos, debido a esto es muy simple encontrar la solucion.
Dado que generalmente los sistemas de EE/ES no vienen dados as, es natural preguntarse si es posible
hacer un cambio de variables que nos lleve a esta forma canonica.
Como veremos a continuacion, si no hay autovalores repetidos, siempre sera posible llevar un sistema
a la forma diagonal. En presencia de autovalores m
ultiples, en tanto, se podra a
un llevar el sistema a la
forma canonica de Jordan, pero ahora la matriz tendra algunos elementos con valor 1 sobre la diagonal
principal.
Dado un sistema (libre) lineal y estacionario,
x(t)
= A x(t)
(1.99)
x(t) = V w(t)
(1.100)
proponemos el cambio de variables

donde V es una matriz invertible de dimensi
on n n.
Usando la Ec.(1.100) en la Ecuaci
on (1.99), resulta
V w(t)
= A V w(t)
de donde,
w(t)
= V 1 A V w(t) = w(t)
Es decir, para que el cambio de variables nos lleve a la forma diagonal debera ser:
= V 1 A V
(1.101)
Si la matriz A tiene todos sus autovalores distintos, y tomamos V como una matriz de autovectores de
A, la Ec.(1.101) nos dar
a como resultado una matriz diagonal .
Recordemos que si i es un autovalor de A, un vector Vi no nulo que satisface
(i I A) V = 0
es un autovector asociado al autovalor i . Calculados los n autovectores correspondientes a los n autovalores de A, la matriz de autovectores es:

V = V1 V2 Vn
Este cambio de variables se denomina diagonalizaci

on o desacoplamiento, y sera posible realizarlo cada
vez que la matriz A tenga los n autovalores distintos, ya que en dicho caso encontraremos n autovectores
linealmente independientes y la matriz V sera no singular.

52
La diagonalizacion nos brinda una herramienta alternativa para calcular la matriz de transicion. De
hecho, la matriz de transicion en las coordenadas diagonales toma la forma trivial dada por la Ec.(1.98)
(es una matriz diagonal).
Luego, reemplazando con el cambio de variables de la Ec.(1.100), resulta
x(t) = V w(t) = V e
w(0)
Despejando de la Ec.(1.100), resulta w(0) = V 1 x(0), y luego,

x(t) = V e
V 1 x(0)
de donde, es evidente que la matriz de transicion en las coordenadas originales resulta

1
0
0
e
0 e2
0
1
A t
t
1
e
=V e
V
=V .
.
.. V
.
..
..
..
.
n
0
0 e
(1.102)
Por lo tanto, calculando las matrices de autovalores y autovectores de A podemos calcular eA t de manera
simple, sin necesidad de usar la Transformada de Laplace.
En el caso en que el sistema tenga entradas, el cambio de variables es el mismo. Dado el sistema
x(t)
= A x(t) + B u(t)
reemplazando con el cambio de variables de la Ec.(1.100), resulta
V w(t)
= A V w(t) + B u(t)
y nalmente,
w(t)
= V 1 A V w(t) + V 1 B u(t) = w(t) + Bz u(t)
Por u
ltimo, cuando haya autovalores repetidos, no sera posible encontrar n autovalores linealmente
independientes y no se podra llevar el sistema a su forma diagonal. En tal caso, la matriz canonica de
Jordan es diagonal en bloques, donde cada bloque tiene la forma:
i 1
0 0
0 i 1 0
Ji = .
.. . .
..
.
.
.
.
.
0 0
0 i
y la dimensi
on del bloque Ji es igual al n
umero de veces que aparece repetido el autovalor i .
Caso Discreto
La forma can
onica de Jordan en el caso discreto es identica a la del caso continuo y resulta de realizar
el mismo cambio de variables.
Dado un sistema libre de EED,
x(k + 1) = A x(k)
realizando el cambio de variables de la Ec.(1.100) siendo V la matriz de autovectores, obtenemos
z(k + 1) = z(k)
de donde cada componente del vector de estado en las coordenadas modales tendra solucion
zi (k) = ki zi (0)
de donde,
z(k) = k z(0)

53
Volviendo a las coordenadas originales, la solucion libre puede expresarse como:

x(k) = V k V 1 x(0) = Ak x(0)
de donde la matriz de transicion discreta resulta
Ak = V k V 1
lo que nos brinda una f
ormula alternativa para calcular la potencia kesima de una matriz.
El resto de las propiedades de la forma canonica de Jordan son identicas al caso continuo por lo que
no ahondaremos en las mismas.
1.3.4.
Retratos de Fase
Vimos anteriormente que la respuesta al escal

on caracteriza el comportamiento de un modelo externo
con una entrada y una salida.
En el caso de los modelos internos de orden mayor que uno, las trayectorias de los mismos involucran la
evoluci
on de mas de una variable de estado desde condiciones iniciales arbitrarias. Por lo tanto, tendramos
que dibujar m
ultiples trayectorias de respuesta temporal (para cada estado y para distintas condiciones
iniciales) para caracterizar el comportamiento.
Como esto no es practico, la herramienta habitual de caracterizacion de las trayectorias en el caso
continuo consiste en un dibujo de la evoluci
on de las mismas en el espacio de estados. Esto, por supuesto,
es posible u
nicamente en sistemas de orden 2 o 3 (haciendo una proyeccion en el plano en este u
ltimo
caso).
En el caso de los sistemas de segundo orden, las gracas mencionadas se denominan Retratos de Fase
(RF). Los RF de los sistemas de segundo orden son gracas de la solucion en el plano x1 x2 con el tiempo
como variable parametrica.
La forma cualitativa de los RF estar
a determinada por la posicion de los autovalores de la matriz de
evoluci
on A, por lo que a continuacion analizaremos las distintas posibilidades.
Dos Autovalores Reales Negativos Distintos Nodo Estable
Consideremos el siguiente sistema libre de segundo orden:
w 1 (t) = 1 w1 (t)
w 2 (t) = 2 w2 (t)
(1.103)
y supongamos que 2 < 1 < 0.

Como podemos ver, estamos en un caso desacoplado, con dos autovalores reales distintos y negativos.
La solucion de esta ecuaci
on es trivial:
w1 (t) = e1
w2 (t) = e
w1 (0)
2 t
w2 (0)
y teniendo en cuenta que 2 < 1 , el segundo autovalor estar

a mas a la izquierda y su evoluci
on sera mas
rapida. La Fig.1.32 muestra la evoluci
on para ciertas condiciones iniciales y ciertos valores de 1 y 2 .
Si gracamos entonces una trayectoria en funci
on de la otra, veremos que las mismas se acercar
an mas
rapidamente al eje x1 ya que x2 tiende mas rapido a cero. Esto ademas ocurrira para cualquier condicion
inicial.
La Fig.1.33 muestra las trayectorias en el plano w1 w2 . La forma de este Retrato de Fases se denomina
Nodo Estable. Dado que el Sistema de la Ec.(1.103) est
a desacoplado, se dice que dicho Retrato de Fases
est
a en el Plano Modal.
Una particularidad de este Retrato de Fases es que los ejes del mismo coinciden con trayectorias. Si
colocamos una condicion inicial en uno de los ejes, la trayectoria correspondiente seguira el eje hasta
alcanzar el origen.

54
1.0
0.9
0.8
0.7
x1 (t)
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
2.5
3.0
3.5
4.0
4.5
5.0
t
1.0
0.9
0.8
0.7
x2 (t)
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.5
1.0
1.5
2.0
t
Figura 1.32: Evoluci
on de las Variables de Estado de la Ec.(1.103).
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.33: Retrato de Fases Modal de la Ec.(1.103). Nodo Estable (Plano Modal)
Evidentemente es muy sencillo obtener el Retrato de Fases de un Sistema desacoplado con el de la

Ec.(1.103).
Veamos ahora que ocurre con un caso no diagonal. Consideremos por ejemplo el sistema:
x 1 = 4 x1 x2
x 2 = 2 x1 5 x2
(1.104)
La matriz de evoluci
on A de este sistema tiene autovalores 1 = 3, 2 = 6. Como A no es diagonal,
podemos hacer un cambio de variables y diagonalizarla. Para esto, calculamos los autovectores:

V1,1
3 0
4 1
0
V1,1
(1 I A)
=
=
0 3
2 5
0
V2,1
V2,1

55
es decir,

1
2

0
1
V1,1
=
0
V2,1
2
Como ocurre siempre, el sistema de ecuaciones tiene innitas soluciones ya que hay innitos autovectores
linealmente dependientes.
Eligiendo entonces arbitrariamente V1,1 = 1, resulta V2,1 = 1, por lo que el primer autovector es:

1
V1 =
1
Naturalmente, multiplicando V1 por cualquier constante, obtenemos tambien un autovector.
Para el segundo autovector procedemos de manera analoga:

0
6 0
4 1
V1,2
V1,2
=
=
(2 I A)
0
0 6
V2,2
V2,2
2 5
de donde resulta,

2 1
0
V1,2
=
2 1
0
V2,2
Nuevamente (como debe ocurrir siempre), hay innitas soluciones. Tomando entonces V2,1 = 1, resulta
V2,2 = 2, por lo que el segundo autovector es:

1
V2 =
2
Por lo tanto, realizando el cambio de variables x = V w, obtendremos un sistema en su forma diagonal:
w 1 = 3 w1
w 2 = 6 w2
del cual sabemos que el RF se corresponde al de la Fig.1.33.

Resta entonces determinar c
omo el cambio de variables afecta dicha graca. Para eso veremos en
primer lugar que ocurre con los ejes del RF modal.
El eje w1 se transformar
a en una recta, seg
un:

1
x
1 = V
= V1
0
es decir, coincidir
a con el primer autovector. No hace falta aclarar que el eje w2 coincidira con el segundo
autovector.
Por lo tanto, los ejes del plano modal se transforman en los autovectores del plano original. Luego, el
RF tomara la forma que se muestra en la Fig.1.34.
Notar que en la direcci
on de los autovectores las trayectorias son rectas. De hecho, puede vericarse
que si la condicion inicial coincide con la direcci
on del autovector V1 las soluciones tienen la forma
x1 (t) = e1 t x1 (0) y x2 (t) = e1 t x2 (0). Algo analogo ocurre sobre la direcci
on del autovector V2 . Por
este motivo, se dice que los autovectores denen direcciones invariantes.
Sintetizando, una vez que calculamos los autovalores y resultan reales negativos y distintos, sabemos
que es un nodo estable y que su retrato de fases en el plano modal es el de la Fig.1.33. Luego, para dibujar
el RF en el plano original simplemente calculamos los autovectores V1 y V2 quienes nos indican como se
transforman los ejes del plano modal. A partir de los mismos es sencillo gracar el RF completo.

56
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.34: Retrato de Fases de la Ec.(1.104). Nodo Estable (Plano Original)

57
Dos Autovalores Reales Positivos Distintos Nodo Inestable

En este caso, en las coordenadas modales tendremos las mismas ecuaciones que antes, es decir, la
Ec.(1.103), solo que ahora sera 2 > 1 > 0.
Temporalmente la evoluci
on de las variables w1 (t) y w2 (t) seran exponenciales crecientes y el correspondiente Retrato de Fases sera como el que muestra la Fig.1.35. Dicho Retrato de Fases se denomina
Nodo Inestable.
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.35: Retrato de Fases Modal con 2 > 1 > 0. Nodo Inestable (Plano Modal)
En el caso no diagonal, se puede proceder como antes, calculando los autovectores y recordando que
los ejes del plano modal se transformar
an en los autovectores en el plano original. En tal caso, resulta un
RF como el de la Fig.1.36.
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.36: Retrato de Fases con 2 > 1 > 0. Nodo Inestable (Plano Original)

58
Dos Autovalores Reales, uno Positivo y otro Negativo Ensilladura

En este caso, en las coordenadas modales tendremos las mismas ecuaciones que antes, es decir, la
Ec.(1.103), solo que ahora sera 2 > 0 > 1 .
on de las variables w1 (t) y w2 (t) seran exponenciales decrecientes y crecientes
respectivamente y el correspondiente Retrato de Fases sera como el que muestra la Fig.1.37. Dicho Retrato
de Fases se denomina Ensilladura.
w2
3
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.37: Retrato de Fases Modal con 2 > 0 > 1 . Ensilladura (Plano Modal)
RF como el de la Fig.1.38.
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.38: Retrato de Fases con 2 > 0 > 1 . Ensilladura (Plano Original)

59
Dos Autovalores Reales, uno Negativo otro Nulo Nodo Estable Degenerado
En este caso tendremos 1 < 2 = 0.
on de las variables w1 (t) y w2 (t) sera una exponencial decreciente y una
constante, respectivamente, por lo que el Retrato de Fases sera como el que muestra la Fig.1.39. Dicho
Retrato de Fases se denomina Nodo Estable Degenerado. En este caso el eje w2 tiene innitos puntos de
equilibrio.
1.5
1.0
w2
0.5
0.0
0.5
1.0
1.5
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.39: Retrato de Fases Modal con 1 < 2 = 0. Nodo Estable Degenerado (Plano Modal)
RF como el de la Fig.1.40, donde en la direcci
on del autovector correspondiente a w2 hay innitos puntos
de equilibrio.
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.40: Retrato de Fases con 1 < 2 = 0. Nodo Estable Degenerado (Plano Original)

60
Dos Autovalores Reales, uno Positivo otro Nulo Nodo Inestable Degenerado
En este caso tendremos 1 > 2 = 0.
on de las variables w1 (t) y w2 (t) sera una exponencial creciente y una
constante, respectivamente, por lo que el Retrato de Fases sera como el que muestra la Fig.1.41. Dicho
Retrato de Fases se denomina Nodo Inestable Degenerado. Al igual que en el caso estable, el eje w2 tiene
innitos puntos de equilibrio.
1.5
1.0
w2
0.5
0.0
0.5
1.0
1.5
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.41: Retrato de Fases Modal con 1 > 2 = 0. Nodo Inestable Degenerado (Plano Modal)
RF como el de la Fig.1.42, donde en la direcci
on del autovector correspondiente a w2 hay innitos puntos
de equilibrio.
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.42: Retrato de Fases con 1 > 2 = 0. Nodo Inestable Degenerado (Plano Original)

61
Dos Autovalores Reales Negativos Iguales, Caso Diagonal Estrella Estable

Habamos mencionados que cuando la matriz A tiene autovalores iguales no puede diagonalizarse.
Esto es cierto salvo que la matriz ya sea diagonal (o diagonal en bloques y los autovalores repetidos esten
en bloques distintos).
Veamos entonces el caso en que 1 = 2 < 0. Como estamos asumiendo que la matriz ya es diagonal,
el plano modal y el original coinciden.
on de las variables x1 (t) y x2 (t) seran exponenciales decrecientes con el
mismo exponente, y por lo tanto las trayectorias x1 vs. x2 describir
an rectas. El correspondiente Retrato
de Fases sera como el que muestra la Fig.1.43. Dicho Retrato de Fases se denomina Estrella Estable. En
el mismo pueden observarse innitas direcciones invariantes.
1.0
0.8
0.6
0.4
0.2
x2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
x1
Figura 1.43: Retrato de Fases con 1 = 2 < 0. Estrella Estable (Plano Modal y Original)
Dos Autovalores Reales Positivos Iguales, Caso Diagonal Estrella Inestable

Este caso es identico al anterior, solo que con exponenciales crecientes. El correspondiente Retrato de
Fases sera como el que muestra la Fig.1.44 y se denomina Estrella Inestable.
Dos Autovalores Reales Negativos, Caso no Diagonal Jordan Estable
En este caso tendremos 1 = 2 < 0, pero como las ecuaciones no est
an dadas en forma diagonal, no
podremos diagonalizarla ya que no sera posible encontrar dos autovectores linealmente independientes.
Sin embargo, como veremos luego, s sera posible llevar las EE a la forma:
w 1 (t) = 1 w1 (t) + w2 (t)
w 2 (t) = 1 w2 (t)
(1.105)
La solucion de estas ecuaciones tendra la forma:

w1 (t) = e1
w2 (t) = e
1 t
w1 (0) + t e1
w2 (0)
w2 (0)
(1.106)
y las trayectorias w1 vs.w2 se ver

an como muestra el RF modal de la Fig.1.45
Cuando las EE no tengan la forma de la Ec.(1.105), podremos llevarlas a dicha forma calculando un
autovector y un vector principal.
Consideremos por ejemplo el sistema

62
1.0
0.8
0.6
0.4
0.2
x2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
x1
Figura 1.44: Retrato de Fases con 1 = 2 > 0. Estrella Inestable (Plano Modal y Original)
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.45: Retrato de Fases Modal con 1 = 2 < 0. Jordan Estable (Plano Modal)
x 1 = 5 x1 + x2
x 2 = x1 7 x2
(1.107)
Si calculamos los autovalores resulta 1 = 2 = 6, por lo que sabemos que se trata de un Jordan
Estable, con el RF Modal de la Fig:1.45.
Para calcular el autovector, hacemos,
(1 I A) V1 = 0
de donde resulta, eligiendo V1,1 = 1,

1
V1 =
1

63
Por lo tanto, el eje horizontal del plano modal se transformara en la direcci

on [1, 1] del plano original.
Esto quiere decir que el RF en el plano original sera como el que se muestra en la Fig.1.46
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.46: Retrato de Fases con 1 = 2 < 0. Jordan Estable (Plano Original)
Si nos interesa completal la matriz de transformaci

on V , debemos calcular el vector principal: Para
esto resolvemos
(1 I A) V2 = V1
es decir,
V2,1 V2,2 = 1
V2,1 + V2,2 = 1
Por lo que si elegimos V2,1 = 1 resulta V2,2 = 0, es decir, el vector principal es

1
V2 =
0
Puede vericarse que
V 1 A V =
1

1 1
5 1
1 1
6 1
=
1 0
1 7
1 0
0 6
Dos Autovalores Reales Positivos, Caso no Diagonal Jordan Inestable

Cuando ambos autovalores son positivos iguales y no estamos en la forma diagonal, podemos proceder
de manera analoga al caso de Jordan Estable pero ahora obtendremos trayectorias que se alejan del origen.
La Fig.1.47 muestra el RF en el plano modal, mientras que la Fig.1.48 graca las mismas en el plano
original, suponiendo que encontramos el mismo autovector del caso anterior.

64
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.47: Retrato de Fases Modal con 1 = 2 > 0. Jordan Inestable (Plano Modal)
x2
3
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
2.0
x1
Figura 1.48: Retrato de Fases con 1 = 2 > 0. Jordan Inestable (Plano Original)

65
Dos Autovalores Nulos, Caso no Diagonal Jordan Degenerado

Si los dos autovalores son nulos y el caso no est
a desacoplado, analizando la Ec.(1.106) se llega a la
conclusi
on que w2 permanece constante y que w1 crece o decrece constantemente seg
un el signo de w2 .
Ademas, cuando w2 (0) = 0 el sistema estar
a en equilibrio independientemente de w1 .
La Fig.1.49 ilustra este caso en el plano modal.
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.49: Retrato de Fases Modal con 1 = 2 = 0. Jordan Degenerado (Plano Modal)
Si las ecuaciones no est

an dadas en la forma modal, se puede pasar a esta forma calculando el
autovector y el vector principal como en los otros casos de Jordan. El RF en el plano original sera como el
de la Fig.1.50, donde puede observarse que en la direcci
on del autovector hay innitos puntos de equilibrio.
w2
3
3
w1
Figura 1.50: Retrato de Fases con 1 = 2 = 0. Jordan Degenerado (Plano Original)

66
Autovalores Complejos Conjugados con Parte Real Negativa Foco Estable

Cuando los autovalores son complejos, la forma diagonal no es muy u
til ya que las variables w1 y w2
seran complejas y no podremos gracar su evoluci
on.
Sin embargo, en dichos casos podremos siempre hacer una transformaci
on que nos lleve a la forma:
w 1 = w1 + a w2
(1.108)
w 2 = a w1 + w2
donde = Re{1,2 } y a = Im{1 }.

Para analizar la forma de las trayectorias de la Ec.(1.108), podemos hacer un nuevo cambio de variables
llevando a coordenadas polares:
w1 = r cos()
w2 = r sin()
En las nuevas variables, las EE quedan:

r = r
= a
En esta u
ltima ecuaci
on, dado que < 0 queda claro que el r (el modulo del vector [w1 , w2 ]T ) decrece
exponencialmente y el
angulo gira a velocidad constante. Evidentemente las trayectorias son espirales
decreciente.
La Fig.1.51 graca entonces las trayectorias en el plano modal. Este RF se denomina Foco Estable.
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.51: Retrato de Fases Modal con Re{1,2 } < 0. Foco Estable (Plano Modal)
Cuando las ecuaciones no vienen dada en la forma modal de la Ec.(1.108), puede pasarse a dicha
forma utilizando la transformaci
on x = U w, con
U = [Re{V1 }, Im{V1 }]
donde V1 es uno de los autovectores. De esta forma, los ejes del plano modal se transforman en las
direcciones dictadas por la parte real e imaginaria de los autovectores.
La Fig.1.52 muestra una evoluci
on en el plano original.

67
x2
3
1.5
1.0
0.5
0.0
0.5
1.0
1.5
x1
Figura 1.52: Retrato de Fases con Re{1,2 } < 0. Foco Estable (Plano Original)
Autovalores Complejos Conjugados con Parte Real Positiva Foco Inestable

Cuando Re{1,2 } > 0, podemos proceder de manera identica al caso del Foco Estable. Como ahora
= Re{1,2 } > 0, las espirales en el plano modal seran crecientes.
La Fig.1.53 muestra las trayectorias en el plano modal y la Fig.1.54 muestra trayectorias en el plano
original para cierta matriz A.
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.53: Retrato de Fases Modal con Re{1,2 } > 0. Foco Inestable (Plano Modal)
Autovalores Complejos Conjugados con Parte Real Nula Centros

Cuando los autovalores tienen parte real nula, podemos repetir el analisis anterior considerando ahora
= Re{1,2 } = 0, por lo que en el plano modal el sistema describir
a circunferencias.
La Fig.1.55 muestra las trayectorias en el plano modal y la Fig.1.56 muestra trayectorias en el plano
original para cierta matriz A con autovalores imaginarios puros.

68
x2
3
1.5
1.0
0.5
0.0
0.5
1.0
1.5
x1
Figura 1.54: Retrato de Fases con Re{1,2 } > 0. Foco Inestable (Plano Original)
1.0
0.8
0.6
0.4
w2
0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0
w1
Figura 1.55: Retrato de Fases Modal con Re{1,2 } = 0. Centros (Plano Modal)
Retratos de Fases con Entradas Constantes

Cuando analizamos los distintos casos, supusimos que las entradas eran nulas. Veremos que en presencia de entradas constantes obtendremos las mismas evoluciones pero las trayectorias, en lugar de dirigirse
al origen, se dirigiran hacia el nuevo punto de equilibrio (al menos en ausencia de autovalores nulos).
De hecho, dado el sistema
x(t)
= A x + B u(t)
(1.109)
, el nuevo punto de equilibrio sera, (asumiendo
Si aplicamos al mismo una entrada constante u(t) = u
que no hay autovalores nulos por lo que A es invertible):
= A1 B u
x
Si hacemos un cambio de variables deniendo:
(t) = x(t) x
= x(t) + A1 B u

69
x2
3
1.5
1.0
0.5
0.0
0.5
1.0
1.5
x1
Figura 1.56: Retrato de Fases con Re{1,2 } = 0. Centros (Plano Original)
reemplazando en la Ec.(1.109), queda,

(t) = A x
+ B (u(t) u
)
x
las trayectorias de x
(t) seran las del sistema libre.
Por lo tanto, cuando u(t) = u
(t) solo dieren en que la segunda est
Dado que x(t) y x
a medida desde el punto de equilibrio de la
primera, la conclusi
on es que las trayectorias de x(t) son identicas, pero en torno al punto de equilibrio.
Por lo tanto, cuando aplicamos una entrada constante a un sistema lineal y estacionario, las trayectorias son las del sistema libre trasladadas al nuevo punto de equilibrio.
1.3.5.
Vinculaci
on entre Modelos Internos y Externos
Como vimos al principio de este captulo, un mismo sistema poda representarse mediante modelos
externos e internos. De hecho, estudiamos como interconvertir distintos tipos de modelos.
Dados entonces dos modelos, uno interno y otro externo, de un mismo sistema; ambos deberan
mostrar identicas evoluciones en sus salidas para identicas entradas. Por lo tanto, es esperable que ambos
modelos evolucionen con identicos modos y compartan las propiedades de estabilidad.
A continuacion entonces estudiaremos formalmente estas caractersticas.
Caso Continuo
Para comenzar, recordemos que dado un modelo de EE/ES,
x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
asumiendo que hay solo una entrada y una salida (sistema SISO), habamos deducido que la FT correspondiente era10
G(s) = C (s I A)1 B + D
Desarrollando la expresion de la inversa de una matriz, tendremos que
G(s) = C
10 En
adjT (s I A)
B+D
det(s I A)
el caso de m
ultiples entradas y/o salidas, la expresi
on se corresponde a la de la Matriz de Transferencia.
(1.110)

70
Como podemos ver, el primer termino de G(s) es un cociente de dos polinomios. El numerador tendra grado menor o igual que n 1 ya que los elementos de la matriz adjunta traspuesta son determinantes de
submatrices de dimensi
on (n 1) (n 1). El denominador, en tanto, tendra grado n. El segundo termino
(D) sera un escalar, ya que estamos suponiendo que hay una entrada y una salida.
Podemos ademas reescribir la Ec.(1.110) distribuyendo el denominador:
G(s) =
C adjT (s I A) B + D det(s I A)
det(s I A)
Si el polinomio numerador y denominador son coprimos, entonces no habr

a cancelaciones y los polos de
la FT seran las soluciones de
det(s I A) = 0
es decir, los autovalores de la matriz A.
Si hubiera cancelaciones, los polos de la FT seran solo un subconjunto de los autovalores.
Podemos entonces extraer las siguientes conclusiones sobre las relaciones entre las EE/ES y la FT:
Los polos de la FT seran los autovalores de la matriz A, o bien un subconjunto de ellos.
El orden de la FT sera igual o menor que el orden de las EE.
El grado relativo de la FT sera cero si y solo si D 6= 0.
Si el punto de equilibrio de la EE es asint
oticamente estable, entonces la FT sera BIBO estable.
Si la FT es BIBO estable y tiene el mismo orden que las EE, entonces las EE seran asint
oticamente
estables.
Los u
ltimos dos puntos sintetizan el siguiente concepto:
Estabilidad Interna Asint
otica implica Estabilidad Externa. Lo contrario a veces no
vale.
Caso Discreto
En el caso discreto podemos proceder de manera analoga. Dado un sistema lineal y estacionario,
x(k + 1) = A x(k) + B u(k)
y(k) = C x(k) + D u(k)
resulta la FTD (para el caso SISO):
G(z) = C (z I A)1 B + D
De donde,
G(z) = C
y
G(z) =
adjT (z I A)
B+D
det(z I A)
C adjT (z I A) B + D det(z I A)
det(z I A)
de donde se pueden extraer exactamente las mismas conclusiones que en el caso continuo.

1.4.
71
Herramientas de Discretizaci
on
Generalmente, los sistemas reales con los que nos interesa trabajar (circuitos, sistemas mecanicos,
electromecanicos, etc.) tienen modelos continuos. Dado que en muchos casos nos interesar
a predecir
su comportamiento temporal, necesitaremos resolver las ecuaciones diferenciales involucradas en dichos
modelos.
Aunque a lo largo de este captulo vimos distintos metodos para analizar cualitativamente la forma
de las soluciones, y en cursos anteriores aprendimos a resolver exactamente dichas ecuaciones, estos
procedimientos suelen ser tediosos y muy poco practicos cuando los sistemas tienen orden alto o bien
cuando las entradas siguen trayectorias complicadas. M
as a
un, ninguno de los metodos estudiados pueden
utilizarse en sistemas no lineales, ya que en dicho caso las ecuaciones carecen en general de solucion
analtica.
Por el contrario, encontrar la solucion temporal de un modelo discreto es trivial, ya que el mismo
modelo nos da la f
ormula para calcular el siguiente valor de las trayectorias.
Otro problema de mucho interes en la ingeniera tiene que ver con implementar sistemas reales que
cumplan con las leyes de un modelo dado. Estos sistemas pueden servir para modicar la dinamica de
un sistema existente (controladores) o para modicar las caractersticas espectrales de ciertas se
nales
(ltros).
Nuevamente, dada una ley continua es muy difcil, cuando no imposible, dise
nar un sistema fsico que
la cumpla. Por el contrario, dada una ley discreta es trivial dise
nar un sistema digital real que la satisfaga.
Por estos motivos, es fundamental contar con herramientas de discretizacion, que nos permitan tratar
problemas continuos en el dominio discreto.
Veremos entonces dos enfoques: El primero nos permitira aproximar ecuaciones diferenciales por
ecuaciones en diferencias, y nos servira para realizar simulaciones tanto de sistemas lineales como de
sistemas no lineales. El segundo, en tanto, nos brindara una aproximacion discreta exacta de un sistema
lineal y estacionario continuo con sus entradas muestreadas y sera u
til mas adelante para dise
nar y
analizar sistemas de control.
1.4.1.
Aproximaciones Num
ericas
Cuando presentamos las Ecuaciones de Estado, vimos u

nicamente el caso lineal y estacionario. En el
caso general, las EE toman la forma:
x(t)
= f (x(t), u(t), t)
donde f () es una funci
on arbitraria en general no lineal. Si estamos interesados en calcular una solucion
numerica de esta ecuaci
on, deberemos conocer la condicion inicial
x(t0 ) = x0
(1.111)
y la trayectoria completa de la entrada u(t). Si esta trayectoria es conocida entonces, no tiene mucho
sentido escribirla como una variable u(t) y conviene reemplazarla por su expresion deniendo
f (x, t) , f (x(t), u(t), t)
Por este motivo, cuando se trabaja con metodos de integraci
on numerica de ecuaciones diferenciales, las
EE se suelen escribir como:
x(t)
= f (x(t), t)
(1.112)
Dada entonces una EE como la Ec.(1.112) con la condicion inicial de la Ec.(1.111), el objetivo de los
metodos de aproximacion numerica es obtener una solucion aproximada de x(t).
En general esta aproximacion sera equivalente a transformar las ecuaciones diferenciales originales en
un sistema de ecuaciones en diferencias.

72
M
etodo de Forward Euler
Si tomamos la Ec.(1.112) y aproximamos la derivada por el cociente incremental con un intervalo de
tiempo h, resulta
x(t + h) x(t)
f (x(t), t)
(1.113)
x(t)
h
de donde,
x(t + h) x(t) + h f (x(t), t)
Dividiendo entonces el eje del tiempo en intervalos de h unidades de tiempo, es decir, haciendo
t1 = t0 + h, t2 = t1 + h, etc., podemos reescribir la ecuaci
on anterior:
x(tk+1 ) = x(tk ) + h f (x(tk ), tk )
(1.114)
que como vemos, dene una Ecuaci

on en Diferencias. Esta ecuacion dene el Metodo de Forward Euler y
es el mas simple de los metodos de integraci
on numerica. El parametro del metodo es el paso de integraci
on
h > 0.
Muchas veces para ahorrar notaci
on, el metodo se escribe directamente como
xk+1 = xk + h f (xk , tk )
(1.115)
Al utilizar este metodo para resolver la Ec.(1.112) estamos cometiendo un error en cada paso, ya que,
suponiendo exacto el valor de x(tk ), la solucion exacta en x(tk+1 ) resulta, usando Taylor,
dx
h2 d2 x
(tk ) +
(tk ) +
dt
2! dt2
h2 d2 x
(tk ) +
= x(tk ) + h f (x(tk ), tk ) +
2! dt2
x(tk+1 ) = x(tk ) + h
Luego, en la f
ormula de la Ec.(1.114) estamos ignorando o truncando todos los terminos a partir de h2 .
Por este motivo, el metodo de Euler se dice que es de primer orden, ya que solo aproxima la solucion
exacta hasta el termino de h1 en la expansi
on de Taylor.
Debido a los terminos restantes ocurre un error que se denomina error local por truncamiento y que
generalmente crece a medida que el paso de integraci
on es mayor.
Hablamos de error local ademas porque solo tenemos en cuenta que ocurre de un paso al siguiente. A
nivel global, podra ocurrir que el error tienda a acumularse o por el contrario, que tienda a desaparecer
con los pasos. Esto u
ltimo est
a ntimamente ligado a conceptos de estabilidad numerica.
Si aplicamos el metodo de Euler a un sistema lineal y estacionario,
x(t)
= A x(t) + B u(t)
resulta,
xk+1 = xk + h (A xk + B uk ) = (I + h A) xk + h B uk
Es decir, la ecuaci
on en diferencias resultante tiene matriz de evoluci
on
Ad = (I + h A)
Los autovalores d de Ad seran las soluciones de
det(d I Ad ) = det(d I I h A) = 0
Si el determinante de una matriz es nulo, tambien lo es el determinante del producto por h1 , por lo que,
det(h1 (d 1) I A) = 0
de donde resulta que los autovalores de Ad y los de A se relacionan seg
un:
h1 (d 1) =

73
de donde,
d = h + 1
(1.116)
Es decir, los autovalores de la matriz del sistema discreto aproximado pueden calcularse directamente en
funci
on de los autovalores del sistema continuo original.
Si aproximamos la solucion de un sistema estable, sera deseable que la aproximacion resulte tambien
estable. Para esto, deber
a cumplirse para todos los autovalores de A que
| h + 1| < 1
(1.117)
lo que solo ocurrir

a para valores peque
nos de h. Esta condicion de estabilidad del metodo debera cumplirse
siempre y es fundamental a la hora de elegir el paso de integraci
on.
Si los autovalores de A son todos reales negativos, la condicion de la Ec.(1.117) implica que h < 2/||,
por lo que el paso de integraci
on deber
a ser menor que el doble de la constante de tiempo mas rapida.
La presencia de autovalores muy rapidos junto con autovalores lentos (polos dominantes), es motivo
de problemas, ya que nos obligar
an a utilizar un paso de integraci
on muy peque
no pese a que estos
autovalores rapidos tienen un efecto casi despreciable en la solucion.
Los sistemas en los que conviven autovalores lentos y rapidos se denominan stiff o rgidos, y no pueden
en general resolverse con metodos como el de Forward Euler debido a las limitaciones de estabilidad.
M
etodo de Backward Euler
Una alternativa al metodo de Forward Euler dado por la Ec.(1.114) lo brinda el siguiente metodo,
denominado Backward Euler :
x(tk+1 ) = x(tk ) + h f (x(tk+1 ), tk+1 )
(1.118)
que para ahorrar notaci

on tambien se escribe como,
xk+1 = xk + h f (xk+1 , tk+1 )
(1.119)
Este metodo tiene la peculiaridad de ser implcito, ya que la formula de xk+1 depende xk+1 y por lo tanto
para calcular este valor debemos resolver una ecuaci
on no lineal.
Debido a esta caracterstica implcita, el metodo es mas complicado que el de Forward Euler. Sin
embargo, si repetimos el analisis de estabilidad para sistemas lineales, llegamos a que
Ad = (I h A)1
y luego resulta que si los autovalores de A tienen parte real negativa, los de Ad siempre tienen modulo
menor que 1. Por lo tanto, siempre que simulemos un sistema estable con Backward Euler obtendremos
una solucion aproximada estable.
Esta caracterstica lo hace particularmente apto para los sistemas sti, ya que podremos usar valores
de h grandes a
un en presencia de autovalores rapidos.
M
etodos de Orden Superior
Los metodos de Forward y Backward Euler son dos metodos de primer orden muy simples. Existe
gran cantidad de metodos de orden mayor, tanto implcitos como explcitos.
Uno de los metodos mas utilizados es el de Runge Kutta de cuarto orden, que sigue la formula:
xk+1 = xk +
h
(k1 + 2 k2 + 2 k3 + k4 )
6
donde
k1 = f (xk , tk )
h
k1
, tk + )
2
2
h
k2
, tk + )
k3 = f (xk + h
2
2
k4 = f (xk + h k3 , tk + h)
k2 = f (xk + h

74
Este metodo es explcito y al ser de cuarto orden permite obtener un error peque
no utilizando pasos
relativamente grandes.
En cuanto a la estabilidad, al ser un metodo explcito como Forward Euler, tiene problemas similares
y en presencia de autovalores rapidos obliga a utilizar pasos peque
nos.
1.4.2.
Equivalente Discreto
Muchas veces los sistemas continuos interact

uan con mecanismos digitales que les proveen entradas y
que leen sus salidas. Debido a las caractersticas discretas de dichos mecanismos, las se
nales de entrada
son actualizadas a tasa constante y las se
nales de salida son ledas con la misma frecuencia.
Por lo tanto, vistos desde una perspectiva entrada/salida, el sistema continuo se comportar
a como un
sistema discreto y el mecanismo digital podra tratarlo como tal.
La pregunta que surge entonces es, si conocemos la dinamica del sistema continuo en cuestion, como
sera la dinamica del sistema discreto equivalente que se ve desde el mecanismo digital?. Veremos entonces
como podemos formalizar este problema.
Supongamos que tenemos un sistema continuo lineal y estacionario,
x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
en el cual las entradas cambian solo en los instantes tk = k T , donde T es el perodo de muestreo, esto
es,
u(t) = u(k T ); t [k T, k T + T )
Suponiendo conocido el valor del estado x en el instante tk , de la solucion de la Ecuaci
on de Estado a
partir de dicha condicion inicial sabemos que es,
x(tk+1 ) = eA
x(tk ) +
eA
B u(tk+1 ) d
y recordando que u permanece constante en el intervalo de integraci

on, resulta,
x(tk+1 ) = eA
= eA
T
T
x(tk ) +
eA
0
1
x(tk ) + A
(eA
d B u(tk )
T
I) B u(tk )
donde en el u
ltimo paso asumimos que A era invertible y utilizamos la propiedad que indica que la matriz
de transicion satisface la EE.
Luego, la matriz de evoluci
on del sistema discreto equivalente es
Ad = eA
y la matriz de entrada queda,

Bd = A1 (eA
I) B
Para completar las ecuaciones de salida, puede verse facilmente que Cd = C y que Dd = D.

1.5.
75
Problemas Propuestos
[P1.1] Modelos Matem

aticos de Sistemas Lineales Continuos
Obtenga las Ecuaciones de Estado y Salida (EE/ES) y el DB asociado a las EE/ES de los siguientes
sistemas. Trate de aprovechar lo que conoce sobre las formas canonicas.
a.
d3 y
d2 y
+ 5 2 + 10 y = 7 u(t)
3
dt
dt
(P1.1a)
b1 s + b0
a3 s3 + a2 s2 + a1 s + a0
(P1.1b)
b.
G(s) =
[P1.2] Modelos Matem

aticos de Sistemas Lineales Discretos
Obtenga las Ecuaciones de Estado Discretas y Salida (EED/ES) y el DB asociado de los siguientes
sistemas:
a.
3 yk + 2 yk1 + 1 yk2 + 0 yk3 = 2 uk + 0 uk2
b.
G(z) =
b0 + b1 z 1 + b2 z 2
1 + a1 z 1 + a2 z 2 + a3 z 3
(P1.2a)
(P1.2b)
[P1.3] Diagramas de Bloques Compuestos

Para cada una de los siguientes sistemas, obtener un DB que lo represente como el acoplamiento de
sub-sistemas de primer orden:
a.
G(s) =
b.
G(z) = K
k2
k1
+
1 + sT1
1 + sT2
(z z1 ) (z z2 )
(z p1 ) (z p2 ) (z p3 )
(P1.3a)
(P1.3b)
[P1.4] An
alisis de Estabilidad Externa Establecer para que rango de valores del par
ametro cada
uno de los siguientes sistemas resulta BIBO estable.
a. El sistema continuo:
G(s) =
b1 s + b0
s2 + (2 ) s + 2
(P1.4a)
1
1
+
z 0.5 z
(P1.4b)
b. El sistema discreto:
G(z) =
[P1.5] Estabilidad Externa en Sistemas Realimentados

Establecer los valores y/o el rango de los par
ametros Kp y KI que garanticen la estabilidad externa
de cada uno de los siguientes sistemas realimentados:

76
Figura 1.57: Sistema Continuo Controlado
a. El sistema dado por la FT

G(s) =
donde,
G1 (s) = Kp +
G1 (s) G2 (s)
1 G1 (s) G2 (s)
KI
s
G2 (s) =
(P1.5a)
1
(s + 1)
(P1.5b)
b. El DB de la Fig.1.57
c. El DB de la Fig.1.58
Figura 1.58: Sistema Discreto Controlado
[P1.6] Respuesta Temporal. Parametrizaci

on de la FT.
Las Figuras 1.59, 1.60, 1.61 y 1.62 muestran la respuesta al escal
on unitario de distintos sistemas
lineales y estacionarios. Para cada uno de ellos,
a. Dibujar un diagrama cualitativo de polos y ceros.
b. Proponer una FT con par
ametros genericos.
c. Calcular los valores numericos de dichos par
ametros.
d. Escribir un sistema de EE/ES.

77
4.5
4.0
3.5
3.0
y(t)
2.5
2.0
1.5
1.0
0.5
0.0
0
Tiempo [seg]
Figura 1.59: Respuesta al escalon unitario de un sistema de 1er orden. FT: G1 (s).
0.45
0.40
0.35
0.30
y(t)
0.25
0.20
0.15
0.10
0.05
0.00
0
Tiempo [seg]
Figura 1.60: Respuesta al escalon unitario de un sistema de 2do orden. FT: G2 (s).

78
1.4
1.2
1.0
y(t)
0.8
0.6
0.4
0.2
0.0
0
10
Tiempo [seg]
Figura 1.61: Respuesta al escalon unitario de un sistema de 2do orden. FT: G3 (s).
10
y(t)
10
15
20
25
0
Tiempo [seg]
Figura 1.62: Respuesta a un escalon unitario de un sistema de 2do orden. FT: G1 (s).

79
[P1.7] Respuesta Temporal. Parametrizaci

on de la FTD.
Las Figuras 1.63, 1.64, 1.65 y 1.66 muestran la respuesta al escal
on unitario de distintos sistemas
lineales y estacionarios de tiempo discreto. Para cada uno de ellos,
a. Dibujar un diagrama cualitativo de polos y ceros.
b. Proponer una FTD con par
ametros genericos.
c. Calcular los valores numericos de dichos par
ametros.
d. Escribir un sistema de EED/ES.
6
y1(t) [seg]
0
0
10
15
20
25
30
Tiempo [seg]
Figura 1.63: Respuesta al escalon unitario de un sistema de 1er orden. FT: G1 (z).
18
16
14
y1(t) [seg]
12
10
0
0
10
15
20
25
30
Tiempo [seg]
Figura 1.64: Respuesta al escalon unitario de un sistema de 1er orden. FT: G2 (z).

80
20
18
16
14
y(t)
12
10
8
6
4
2
0
0
10
Tiempo [seg]
Figura 1.65: Respuesta al escalon unitario de un sistema de 2do orden. FT: G3 (z).
10
9
8
7
y(t)
6
5
4
3
2
1
0
0
12
Tiempo [seg]
Figura 1.66: Respuesta al escalon unitario de un sistema de 2do orden. FT: G4 (z).
[P1.8] Respuesta Temporal: Polos Dominantes

Dado el diagrama en bloques de la Figura 1.67:
Figura 1.67: Diagrama en bloques de un sistema de 3er orden
a. Obtener la Funci
on Transferencia.

81
b. Calcular los polos de la FT. Reconocer la eventual presencia de uno o mas polos dominantes.
c. Dibujar cualitativamente la respuesta al escal
on unitario. Indicar sobre la graca los valores caractersticos de la misma (h(0+ ), h(), tr(3 %) , etc.).
d. Simular el sistema y comparar la respuesta temporal con lo analizado en el punto anterior.
[P1.9] Respuesta Temporal: Polos Dominantes

Dado el DB de la Figura 1.68,
Figura 1.68: Diagrama en bloques de un sistema de 3er orden
a. Obtener las EE/ES y a partir de las mismas la FT del sistema.

b. Para cada conjunto de par
ametros calcular los polos de la FT. Reconocer la eventual presencia de uno
o mas polos dominantes.
i. a0 = 100, a1 = 30, a2 = 12, b0 = 1, c0 = 20 y c1 = 0
ii. a0 = 20, a1 = 32, a2 = 13, b0 = 1, c0 = 50 y c1 = 5
c. En cada caso, dibujar cualitativamente la respuesta al escal

on unitario. Indicar sobre la graca los
valores caractersticos de la misma (h(0+ ), h(), tr(3 %) , etc.).
[P1.10] Respuesta Temporal Discreta - Polos Dominantes

Dado el DB de la Figura 1.69,
Figura 1.69: Diagrama en bloques de un sistema de 2do orden
a. Obtener la FTD del sistema.

b. Para cada conjunto de par
ametros calcular los polos de la FTD. Reconocer la eventual presencia de
uno o mas polos dominantes.

82
i. a0 = 0.49, a1 = 0, b0 = 0, b1 = 1 y b2 = 0.7
ii. a0 = 0.833, a1 = 1.83, b0 = 0, b1 = 0 y b2 = 1
iii. a0 = 0.9, a1 = 1.7, b0 = 0, b1 = 0 y b2 = 2
c. En cada caso, dibujar cualitativamente la respuesta al escal

on unitario. Indicar sobre la graca los
valores caractersticos de la misma (h(0), h(), tr(3 %) , etc.).
[P1.11] Retratos de Fase

Dadas las siguientes matrices de evoluci
on,

2 0
0 1
5 1
A1 =
A2 =
A3 =
0 1
1 0
3 3

0
1
0 1
2 1
A4 =
A5 =;
A6 =;
2 2
2 1
1 2
para cada caso,
a. Dibujar los Retratos de Fase en el plano modal, indicando su tipo.
b. Dibujar los Retratos de Fase en el plano original.
c. Indicar la eventual presencia de direcciones invariantes.
d. Analizar la estabilidad interna del origen.
[P1.12] Retratos de Fase Para cada uno de los retratos de fase que se muestran en la Fig.1.70
Clasifquelo (nodo estable, foco estable, etc.)
Indique la estabilidad del punto de equilibrio (estable, asint
oticamente estable, inestable).
Dibuje en el plano complejo la posicion de los autovalores de la matriz de evoluci
on A.
Cuando sea posible, determine la direcci
on de los autovectores de A.
[P1.13] Trayectorias en el Espacio de Estados.

a. Dada la siguiente matriz de evoluci
on,

4
6
12 31
dibuje el RF correspondiente en el plano original.

b. Suponiendo que una trayectoria parte desde cierta condicion inicial, determine si la evoluci
on puede
considerarse extinta transcurrido 1 segundo.
c. Aprovechando lo visto en los puntos anteriores, dibuje en el espacio de estados la trayectoria completa
a partir de t = 0 del siguiente sistema dinamico:

x 1
x 2
4
6
12 31

0
x1
+
u
1
x2
con condiciones iniciales x1 (0) = 1 y x2 (0) = 4 y entrada u(t) = 5 (t 1).
x2
x2

3
2.0
1.5
1.0
0.5
0.0
x1
0.5
1.0
1.5
2.0
3
2.0
1.5
1.0
0.5
0.0
x1
0.5
1.0
1.5
3
2.0
1.5
1.0
0.5
0.0
x1
1.0
1.5
2.0
0.5
0.0
x1
0.5
1.0
1.5
2.0
1.0
1.5
2.0
1.0
0.5
Sistema 4
x2
x2
Sistema 3
3
1.5
0.0
x1
1.0
0.5
Sistema 2
x2
x2
Sistema 1
3
1.5
83
0.5
1.0
1.5
3
2.0
1.5
1.0
Sistema 5
0.5
0.0
x1
0.5
Sistema 6
Figura 1.70: Retratos de Fase de Sistemas de Segundo Orden.
[P1.14] Trayectorias en el Espacio de Estados. Estructura Variable

La Figura 1.71 esquematiza una mesa retractil que se utiliza para transportar una carga con masa
mc .
El siguiente sistema de EE modela el sistema, tanto con la mesa cargada como descargada:
x 1 (t) = x2 (t)
k
b
1
x 2 (t) = x1 (t)
x2 (t) +
F (t)
m
m
m
donde las variables x1 (t) y x2 (t) representan la posicion y la velocidad de la mesa y F (t) es la fuerza
aplicada. Los par
ametros son k = 1 (constante del resorte), b = 1 (coeciente de friccion) y m que

84
Figura 1.71: Esquema de la Mesa Retr

actil
representa la masa total de la mesa y la carga (m = mm + mc ), o bien la masa de la mesa sola cuando
no hay carga (m = mm ). La masa de la mesa es mm = 0.1 y la masa de la carga es mc = 0.9.
Se pide lo siguiente
a. Gracar los retratos de fase del sistema para las dos condiciones, la mesa cargada y luego la mesa
descargada.
b. Gracar en el Espacio de Estados la trayectoria que resulta de la siguiente secuencia de operaci
on:
Desde la posicion de reposo y con la mesa cargada se aplica una fuerza F = 1 durante 10 segundos.
Transcurridos los 10 segundos se retira la carga y se deja de aplicar la fuerza, de manera que la mesa
vuelva a la posicion de reposo.
c. Gracar la evoluci
on temporal de la posicion de la mesa para t 10.
[P1.15] Matriz de Transici
on Continua Un sistema lineal y estacionario tiene la siguiente matriz
de transicion:
t

e
et e3 t
eA t =
0
e3 t
a. Determine los autovalores de la matriz de evoluci
on A.
b. Calcule y graque en el espacio de estados las trayectorias x(t) a partir de las siguientes condiciones
iniciales:
i. x1 (0) = 1, x2 (0) = 1.
ii. x1 (0) = 1, x2 (0) = 0.
iii. x1 (0) = 1, x2 (0) = 1.
c. En funci
on de lo calculado en el punto anterior, determine la direcci
on de los autovectores de la matriz
de evoluci
on A.
d. Esboce el retrato de fases del sistema.
e. Utilizando los autovalores y autovectores calculados, obtenga la matriz A.
f. Una propiedad de la matriz de transicion (t) = eA t es que la misma verica la ecuaci
on de estados,
esto es,
(t)
= A (t)
por lo que, para t = 0 resulta,
(0)
= A (0) = A I = A
Calcule entonces la matriz A utilizando esta u

ltima expresion y compare el resultado con el del punto
anterior.

85
[P1.16] Matriz de Transici

on Discreta Un sistema discreto lineal y estacionario tiene la siguiente
matriz de evoluci
on:

0.8 0.15
A=
0
0.5
a. Determinar los autovalores y los correspondientes autovectores.
b. En funci
on de lo calculado en el punto anterior, calcular la matriz de transicion.
c. Suponiendo que x1 (0) = 10 y x2 (0) = 8, calcular el valor del estado para k = 10.
d. Sabiendo que x1 (4) = x2 (4) = 1, determinar el valor inicial del estado.
[P1.17] Vinculaci
on de Modelo Interno y Externo. Caso Continuo Un sistema lineal y estacionario tiene la siguiente representacion en EE/ES:
x(t)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
(P1.17a)
Se sabe que dicho sistema tiene una entrada y dos salidas. Ademas, partiendo de condiciones iniciales
nulas, cuando se aplica un escal
on unitario en la entrada, en las salidas se obtienen las respuestas que se
muestran en la Fig.1.72
10
1.6
1.4
8
1.2
7
1.0
y2 (t)
y1 (t)
6
5
0.8
0.6
3
0.4
2
0.2
1
0
0.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0

on de un Sistema Lineal y Estacionario con dos Salidas
a. Analizar la estabilidad externa de las Funciones Transferencia G1 (s) = Y1 (s)/U (s) y G2 (s) =
Y2 (s)/U (s).
b. Determinar cualitativamente la posicion de los polos de dichas FTs.
c. En funci
on de lo anterior, determinar cual es el orden mnimo que puede tener el sistema de la
Ec.(P1.17a).
Nota: Asumir de aqu en adelante que el orden de dicho sistema es el calculado en este u
ltimo punto.
d. Determinar la dimensi
on de los vectores x(t), y(t) y u(t); y de las matrices A, B, C y D del sistema
de la Ec.(P1.17a).

86
e. Indicar cualitativamente la posicion de los autovalores de la matriz A y compararlos con los polos de
las FTs.
f. Analizar la estabilidad interna del sistema.
g. Calcular numericamente el valor de D.
[P1.18] Vinculaci
on de Modelo Interno y Externo. Caso Discreto Un sistema discreto lineal y
estacionario con una entrada y una salida tiene el siguiente modelo de EED/ES:

0.9 1
x(k + 1) =
x(k) + B u(k)
0
0.9
(P1.18a)
y(k) = C x(k) + u(k)
donde B y C no son conocidos.
a. Calcular los autovalores de la matriz de evoluci
on A.
b. Proponer dos posibles FTs Y (s)/U (s) que tengan distintos polos y gracar las correspondientes respuestas al escal
on unitario discreto.
c. Decidir si existen valores de B y C para los cuales el sistema es externamente inestable.
Captulo 2
An
alisis de Sistemas Lineales
Realimentados
La realimentacion es una tecnica en la cual una o mas se
nales medidas de un sistema son utilizadas
para calcular una o mas se
nales de entrada del mismo sistema.
El uso de la realimentacion juega un rol crucial tanto en el dise
no de sistemas de control como en el
dise
no de amplicadores, fuentes, ltros, y todo tipo de dispositivos.
En este captulo analizaremos los principales fundamentos matematicos de la realimentacion en sistemas lineales. Siguiendo con la lnea del captulo anterior, estudiaremos tanto sistemas continuos como
discretos a partir de modelos externos e internos.
2.1.
Esquemas y Modelos de Sistemas Realimentados
Antes de comenzar a analizar las propiedades de los sistemas realimentados, veremos algunas posibles
estructuras de realimentacion.
Comenzaremos con los modelos externos y a continuacion extenderemos las ideas a los modelos internos, donde veremos ademas que ocurre cuando es posible tener acceso a medir los estados del sistema.
2.1.1.
Realimentaci
on en Modelos Externos
Sistemas Continuos
La Figura 2.1 muestra un Diagrama de Bloques compuesto por dos subsistemas y un sumador.
Figura 2.1: Esquema de Realimentaci

on Unitaria con Compesador
El subsistema con FT G(s) se denomina, en aplicaciones de control, Planta. El otro subsistema, con
FT C(s), se denomina Controlador o Compensador. La planta es generalmente un sistema existente del
que se quiere obtener cierto comportamiento y el controlador o compensador es un dispositivo que se
dise
na para lograr que la planta efectivamente se comporta como uno quiere.
En el sistema vemos que la salida de la planta y(t) se compara con la entrada de referencia r(t)
calculandose el error e(t) como la diferencia entre ambas se
nales. Luego, el compensador o controlador
calcula la entrada de la planta u(t) en funci
on de el error e(t).
87

CAPITULO 2. ANALISIS
DE SISTEMAS LINEALES REALIMENTADOS
88
Este es un esquema de realimentaci

on unitaria, ya que la salida de la planta se compara con la
referencia sin pasar por ninguna ganancia. Esta estructura es muy utilizada cuando queremos que la
salida siga a la referencia r(t)
El conjunto CompensadorPlanta cuando abrimos el lazo de realimentacion tendra una FT GLA =
C(s) G(s). Dicho sistema se denomina Sistema a Lazo Abierto. Al cerrar el lazo, de acuerdo a la Fig.2.1,
tendremos un sistema a Lazo Cerrado, cuya FT resultara,
GLC (s) =
C(s) G(s)
GLA (s)
=
1 + C(s) G(s)
1 + GLA (s)
(2.1)
Si expresamos la FT de lazo abierto GLA (s) como cociente de polinomios:

GLA (s) =
N (s)
D(s)
la FT a lazo cerrado queda,

GLC (s) =
N (s)
D(s) + N (s)
(2.2)
donde puede observarse que el denominador a lazo cerrado es la suma del numerador y denominador a
lazo abierto.
Otra estructura que a veces encontraremos es la de la Fig.2.2, en la cual tambien tenemos realimentacion unitaria, pero aparece ademas una ganancia en la referencia.

on Unitaria con Ganacia Directa.
Este nuevo esquema tiene FT

GLC (s) = K
C(s) G(s)
N (s)
=K
1 + C(s) G(s)
N (s) + D(s)
y se utiliza a menudo cuando se quiere que la salida siga a la referencia amplicada.

Un efecto muy similar puede lograrse con una realimentacion no unitaria como la de la Figura 2.3,
ya que en la misma la referencia se compara con la salida amplicada. De esta manera, bajo ciertas
condiciones, la salida amplicada seguira a la referencia.

on No Unitaria con Compesador.
En este caso, la FT de lazo abierto es GLA (s) = K C(s) G(s) = N (s)/D(s) y la FT queda en lazo
cerrado queda

GLC (s) =
89
C(s) G(s)
N (s)
1
=
K + C(s) G(s)
K N (s) + D(s)
Finalmente, hay sistemas en los que el compensador se encuentra en el lazo de realimentacion, como
muestra la Fig.2.4.
Figura 2.4: Esquema con el Compensador en la Realimentaci

on.
Notar que en este u

ltimo esquema el Sistema a Lazo Abierto GLA (s) es identico al de la realimentacion
unitaria de la Fig.2.1. Por lo tanto, ambos esquemas tendran la misma dinamica, aunque con las salidas
tomadas en distintos lugares.
La FT en lazo cerrado sera:
GLC (s) =
N (s)
1
DC (s) NG (s)
G(s)
=
=
1 + C(s) G(s)
C(s) N (s) + D(s)
N (s) + D(s)
donde NG (s) es el numerador de G(s) y DC (s) es el denominador de C(s).

Es importante destacar que en todos los casos el denominador de GLC (s) es la suma del numerador
y el denominador de la GLA (s).
Caso Discreto
En el caso discreto, los posibles esquemas de realimentacion son los mismos y pueden analizarse de
manera identica. Para esto, basta reemplazar s por z en todas las expresiones.
2.1.2.
Realimentaci
on en Modelos Internos
Caso General
La Figura 2.5 muestra un esquema de realimentacion analogo a la realimentacion unitaria de la Fig.2.1,
pero considerando ahora los modelos en Ecuaciones de Estados.

on Unitaria con compensador en EE/ES
En este caso, estamos considerando que tanto las entradas como las salidas de los distintos subsistemas
pueden ser vectores.
La posibilidad de tratar con sistemas multi-entrada y/o multi-salida es una ventaja adicional de
trabajar con modelos internos. En el caso de los modelos externos si bien es posible tratar con sistemas
de este tipo (ya sabemos que existen las matrices de transferencia), es mas complicado.

90
Para obtener las EE/ES del sistema a lazo cerrado, deniremos el vector de estados amplicado como:

x (t)
x(t) = p
xc (t)
mientras que los vectores de entrada y salida seran r(t) e yp (t), respectivamente.
Notar entonces que:
x p = Ap xp + Bp u = Ap xp + Bp (Cc xc + Dc e) = Ap xp + Bp (Cc xc + Dc r Dc Cp xp )
de donde, nalmente,
x p (t) = (Ap Bp Dc Cp ) xp (t) + Bp Cc xc (t) + Bp Dc r(t)
(2.3)
Por otro lado,

x c = Ac xc + Bc e = Ac xc + Bc (r Cp xp )
de donde,
x c (t) = Ac xc (t) Bc Cp xp (t) + Bc r(t)
(2.4)
Ademas,
yp (t) = Cp xp (t)
Teniendo en cuenta esta u
ltima ecuaci
on y las Ecs.(2.3)(2.4), obtenemos el siguiente sistema de Ecuaciones de estado a lazo cerrado:

Ap Bp Dc Cp Bp Cc
xp (t)
Bp D c
x(t)
= A x(t) + B r(t) =
+
r(t)
(2.5)
xc (t)
Bc Cp
Ac
Bc
mientras que las ecuaciones de salida son,

y(t) = yp (t) = C x(t) = Cp
xp (t)
xc (t)
(2.6)
Realimentaci
on Est
atica de Salida en la Forma de Controlabilidad
El esquema general de realimentacion nos permite deducir las expresiones de las matrices de evoluci
on,
entrada y salida a lazo cerrado.
Aunque esto permitir
a eventualmente dise
nar las matrices del controlador de manera de obtener un
comportamiento deseado, es bastante difcil trabajar sobre el caso general.
En muchos casos el controlador es est
atico, es decir, es simplemente una ganancia (eventualmente
multivariable). En este caso, el controlador no agrega estados al sistema a lazo cerrado.
La Figura 2.6 muestra un esquema de realimentacion est
atica de salida.

on Est
atica de Salida en EE/ES
En un esquema con el de la Fig.2.6 donde la planta tiene una entrada y una salida, al escribir las
EE/ES de la planta en la forma can
onica de controlabilidad, puede verse facilmente que las EE/ES en
lazo cerrado conservar
an dicha forma can
onica.

91
Esto es, si las ecuaciones de la planta a lazo abierto son,

x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
..
.
x n (t) = a0 x1 (t) a1 x2 (t) an1 xn (t) + u(t)
y(t) = c0 x1 (t) + c1 x2 (t) + + cn1 xn (t)
a lazo cerrado, teniendo en cuenta que u(t) = r(t) K y(t), queda,

x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
..
.
x n (t) = a0 x1 (t) a1 x2 (t) an1 xn (t) + r(t) K (c0 x1 (t) + c1 x2 (t) + + cn1 xn (t))
y(t) = c0 x1 (t) + c1 x2 (t) + + cn1 xn (t)
es decir,
x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
..
.
x n (t) = (a0 + K c0 ) x1 (t) (a1 + K c1 )x2 (t) (an1 + K cn1 ) xn (t) + r(t)
y(t) = c0 x1 (t) + c1 x2 (t) + + cn1 xn (t)
De donde es evidente que la realimentacion K afecta a los coecientes de la ecuaci
on caracterstica.
Ademas, es claro que tenemos un u
nico par
ametro que podemos elegir (K) por lo que es bastante
restringida la manera en que podemos modicar los coecientes.
Si en lugar de tener un modelo de EE/ES tuvieramos un modelo externo (FT), hubieramos llegado
naturalmente a las mismas conclusiones. Es decir, al realimentar con una ganancia est
atica como la de la
Fig.2.6, se modicar
an los coecientes del denominador de igual manera que se modicaron los coecientes
de la u
ltima la de la matriz A.
Realimentaci
on Est
atica de Estados en la Forma de Controlabilidad
En ciertas aplicaciones es posible medir directamente los estados1 .
Teniendo entonces acceso a los estados, los mismos se pueden utilizar para calcular la realimentacion.
La Figura 2.7 muestra un esquema de realimentaci
on de estados.
En este caso, a
un siendo u(t) escalar, K es un vector que multiplica al estado. Al igual que antes,
si las EE/ES a lazo abierto est
an dadas en forma de controlabilidad, esta forma se preserva en el lazo
cerrado.
Si la planta tiene la forma:
x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
..
.
x n (t) = a0 x1 (t) a1 x2 (t) an1 xn (t) + u(t)
1 En muchos casos, cuando no se pueden medir los estados, se pueden generar estimaciones de sus valores mediante
observadores de estados.

92

on Est
atica de Estados en EE/ES
(no nos importa la salida, ya que estamos midiendo directamente el estado), recordando que
u(t) = r(t) K x(t) = K1 x1 + K2 x2 + + Kn xn
el sistema a lazo cerrado resulta,
x 1 (t) = x2 (t)
x 2 (t) = x3 (t)
..
.
x n (t) = (a0 + K1 ) x1 (t) (a1 + K2 )x2 (t) (an1 + Kn ) xn (t) + r(t)
donde queda claro que eligiendo adecuadamente la realimentacion K = [K1 , K2 , , Kn ] podemos obtener
cualquier juego de coecientes y por lo tanto, cualquier dinamica a lazo cerrado.
Esta capacidad de determinar completamente la dinamica en lazo cerrado es una de las principales
ventajas de la realimentacion de estados, que a su vez solo puede plantearse con modelos internos.
Realimentaci
on en Realizaciones no Can
onicas
Cuando el sistema a lazo abierto no est
a dado en forma canonica, se puede arribar a conclusiones
similares.
En el caso de la realimentacion de salidas, ya que externamente el sistema se comporta igual independientemente de la eleccion de las variables de estado, no hay diferencias.
En el caso de la realimentacion de estados, en cambio, los coecientes de la ecuaci
on caracterstica se
modicar
an de forma distinta. Sin embargo, puede realizarse un cambio de variables y pasar a la forma
de controlabilidad donde el c
alculo de la realimentacion K que produce la dinamica deseada es trivial.
Caso Discreto
Dado que tanto los esquemas de realimentacion como las formas canonicas son identicas, los modelos
y las conclusiones son completamente analogos.
2.2.
An
alisis de Sistemas Realimentados
En esta secci
on analizaremos los principales efectos que produce la realimentacion en sistemas lineales
y estacionarios.
Centraremos el analisis principalmente en los modelos externos. Las conclusiones que saquemos seran
aplicables directamente a los modelos internos en caso que utilicemos realimentacion de salida.
El analisis de las propiedades de los sistemas con realimentacion de estados no lo abarcaremos aqu. Sin
embargo, como vimos en la secci
on anterior, en tal caso tendremos la posibilidad de elegir directamente
la dinamica de lazo cerrado.
Ademas, trabajaremos inicialmente con sistemas continuos y dejaremos para el nal del captulo la
extensi
on del analisis a los sistemas discretos.

2.2.1.
93
Efectos de la Realimentaci
on sobre la Estabilidad
Consideremos el siguiente sistema a lazo abierto:

G(s) =
s + b0
s2 + 2 s 1
El sistema es evidentemente inestable (cambio de signo en el denominador).

Supongamos ahora que lo realimentamos con un esquema como el de la Fig.2.8 utilizando un compensador est
atico C(s) = K.

on con Compensador Est
atico
La FT a lazo abierto queda entonces:

GLA (s) =
N (s)
K (s + b0 )
=
s2 + 2 s 1
D(s)
La funci
on transferencia en lazo cerrado sera:
GLC (s) =
N (s)
GLA (s)
=
1 + GLA (s)
D(s) + N (s)
es decir,
GLC (s) =
K (s + b0 )
K (s + b0 )
= 2
s2 + 2 s 1 + K (s + b0 )
s + (2 + K) s + K b0 1
En esta u
ltima expresion, queda claro que si tomamos K > 1/b0 tendremos un sistema estable a lazo
cerrado. Esto por supuesto asumiendo que b0 es positivo.
Si en cambio fuera b0 < 0, tendramos que tomar K < 1/b0 . Ademas, debera ser K > 2 ya que
de otra forma cambiara el signo que multiplica a s en el denominador. En el caso que b0 > 1/2 no
encontraremos ning
un valor de K para el cual el sistema a lazo cerrado resulte estable.
Podemos concluir en este caso lo siguiente:
La realimentacion puede permitirnos estabilizar un sistema inestable.
Las condiciones de estabilidad en lazo cerrado dependen tanto de los polos como de los ceros a lazo
abierto.
La presencia de ceros con parte real positiva (sistemas no mnima fase) complica la estabilizacion.
En este caso vimos que con el par
ametro b0 en el rango (0.5, 0) no se puede estabilizar el sistema
a lazo cerrado con ning
un valor de K. Sin embargo, podemos utilizar expresiones mas generales para el
compensador C(s) agregando polos y ceros y efectivamente estabilizar dicho sistema.
2.2.2.
on sobre la Ganancia Est
atica
Consideremos ahora la planta a lazo abierto con FT

G(s) =
b1 s + b0
a2 s2 + a1 s + 1
En este caso, asumiendo que todos los par

ametros son positivos, el sistema a lazo abierto es estable y
tiene ganancia est
atica h() = G(0) = b0 .

94
Supongamos que utilizamos nuevamente el esquema de realimentacion de la Fig.2.8. La FT a lazo

abierto sera entonces
K (b1 s + b0 )
N (s)
GLA (s) =
=
a2 s2 + a1 s + 1
D(s)
y a lazo cerrado tendremos
GLC (s) =
N (s)
K (s + b0 )
=
D(s) + N (s)
a2 s2 + (a1 + K) s + 1 + K b0
de donde la ganancia est

atica en lazo cerrado sera:
hLC () = GLC (0) =
K b0
K b0 + 1
Si se cumple que K b0 >> 1, resulta que GLC (0) 1. Es decir, el sistema tiende a tener una ganancia
est
atica unitaria.
De esta manera, para valores grandes de K la salida y(t) tiende al valor de la entrada u(t) al menos
cuando esta u
ltima es constante. Notar que esto ocurre casi independientemente de la ganancia est
atica
de la planta a lazo abierto. Esta caracterstica permite entre otras cosas realizar seguimiento de se
nales
de referencia en aplicaciones de control.
Si queremos obtener una ganancia no unitaria mediante realimentacion, en tanto, podemos utilizar
los esquemas equivalentes de la Fig.2.9, donde puede verse facilmente (comparando con la Fig. 2.8) que
ahora la ganancia est
atica tender
a a K1 cuando K b0 >> 1.
Figura 2.9: Esquemas Equivalentes de Realimentaci

on.
En todos los casos, cuando los valores de K son grandes, la ganancia est
atica de lazo cerrado tiende a
hacerse independiente de la ganancia est
atica de lazo abierto. Esta caracterstica tiene una importancia
muy grande y es uno de los principales motivos del uso de realimentacion en el dise
no de amplicadores.
Por u
ltimo, consideremos ahora que el compensador consiste en un integrador puro, como muestra la
Fig.2.10.
En este caso, la FT en lazo abierto es
GLA (s) =
b1 s + b0
N (s)
=
s (a2 s2 + a1 s + 1)
D(s)
por lo que la FT a lazo cerrado queda,

GLC (s) =
b1 s + b0
N (s)
=
N (s) + D(s)
a2 s3 + a1 s2 + (1 + b1 ) s + b0

95

on con Compensador Integral
de donde h() = G(0) = 1 independientemente de la ganancia est

atica a lazo abierto.
Es decir, la presencia de un integrador puro en el lazo implica que la ganancia est
atica sea unitaria
(para el caso de realimentacion unitaria). Si en el camino de realimentacion tuvieramos una ganancia
1/K1 , entonces obtendramos una ganancia est
atica de K1 a lazo cerrado.
El integrador entonces elimina el error de seguimiento de una se
nal constante (denominado error
est
atico en aplicaciones de control). Por este motivo, es muy com
un encontrar controladores que utilizan
acciones integrales.
A veces, el integrador puro lo provee la misma planta. Si consideramos por ejemplo el modelo de un
motor de corriente continua y tomamos como entrada la tensi
on de armadura y como salida la posicion,
la planta a lazo abierto tendra la forma:
G(s) =
b0
(s2 + a1 s + a0 ) s
y luego utilizando una realimentacion como la de la Fig.2.8 obtenemos una ganancia a lazo cerrado
unitaria (independiente de los par
ametros del motor y de el par
ametro K).
De este analisis podemos extraer las siguientes conclusiones respecto de la ganancia est
atica en sistemas
realimentados:
La realimentacion permite independizar en gran medida la ganancia est
atica de los par
ametros de
la planta.
La presencia de integradores puros en la realimentacion permite obtener una ganancia est
atica
totalmente independiente de los par
ametros de la planta en lazo abierto.
2.2.3.
on sobre el Ancho de Banda
Consideremos ahora el Diagrama de Bloques de la Fig.2.11.
Figura 2.11: Planta con Realimentaci

on Est
atica
Este esquema es muy utilizado en el dise

no de amplicadores. Aqu G(s) es un amplicador a lazo
abierto que suele tener gran ganacia y poco ancho de banda.
Supongamos que la FT de la planta es:
b0
G(s) = s
a0 + 1
Como puede verse, la ganancia est
atica de la planta a lazo abierto es b0 y el ancho de banda es a0 .

96
El sistema a lazo abierto tiene FT:

K b0
N (s)
GLA (s) = s
=
D(s)
+
1
a0
mientras que a lazo cerrado tendremos,
b0
N (s)
b0
1
1 + K b0
=
=
GLC (s) =
s
K D(s) + N (s)
1 + K b0 + as0
1+
a0 (1 + K b0 )
de donde la ganancia est
atica a lazo cerrado es
GLC (0) =
b0
1 + K b0
y el ancho de banda resulta

aLC = a0 (1 + K b0 )
Evidentemente, con el esquema de la Fig.2.11, la realimentacion permite aumentar el ancho de banda
con el precio de disminuir la ganancia est
atica en el mismo factor.
Esta caracterstica es tambien clave para el dise
no de amplicadores.
2.2.4.
Rechazo de Perturbaciones
Se denominan perturbaciones a las se

nales de entrada que afectan a los sistemas que no se pueden controlar a voluntad. Las perturbaciones modelan la presencia de ruido, la incertidumbre en los par
ametros,
las no idealidades de los componentes, etc.
Las perturbaciones generalmente producen efectos no deseados sobre las salidas tanto en los sistemas
de control como en los amplicadores, ltros y en casi todos los dispositivos de interes.
Si bien pueden modelarse de distintas formas, es muy com
un representar a las perturbaciones como
se
nales que se suman a la entrada de la planta, como muestra la Figura 2.12.
Figura 2.12: Sistema Realimentado con Perturbaci

on Aditiva.
En este caso, podemos ver que hay dos entradas. La se

nal r(t) que es la que queremos ver reejada
en la salida y la se
nal p(t) (perturbacion) que produce un efecto indeseado.
Tendremos entonces dos funciones de transferencia a lazo cerrado. Desde la entrada r(t) ya vimos que
era:
K G(s)
Y (s)
=
GLC (s) =
R(s)
1 + K G(s)
Por otro lado, desde la perturbacion p(t) la FT es:
Gpert (s) =
Y (s)
G(s)
=
P (s)
1 + K G(s)
Comparando ambas expresiones, vemos que la respuesta a la perturbacion es identica a la de la entrada,

pero sin el factor K en el numerador.

97
Si K es grande, la entrada r(t) tender

a a tener una ganancia est
atica unitaria, mientras que la
perturbacion tender
a a tener una ganancia est
atica nula.
En sntesis, la realimentacion puede ayudar a rechazar se
nales indeseadas como el ruido, y puede
tambien atenuar los efectos de la incertidumbre de par
ametros, de las no idealidades de los componentes,
etc.
2.2.5.
on sobre los Transitorios
Cuando analizamos los efectos de la realimentacion sobre la estabilidad vimos como la posicion de
los polos de la funci
on transferencia a lazo cerrado se modicaba en dependencia tanto de los polos
como de los ceros a lazo abierto. De hecho, el denominador a lazo cerrado era la suma del numerador y
denominador a lazo abierto.
Dado que las principales caractersticas de la respuesta transitoria de un sistema dependen principalmente de la posicion de los polos, es evidente entonces que la realimentacion podra establecer cambios
cualitativos en la respuesta transitoria.
De todas formas, teniendo en cuenta que la posicion de los polos a lazo cerrado dependera de la
realimentacion en s, as como de los ceros y de los polos a lazo abierto, no es trivial sacar conclusiones
generales sobre c
omo la realimentacion modica los transitorios.
En la secci
on siguiente veremos una metodologa, denominada Lugar de las Races, que permite evaluar
cualitativamente c
omo la variaci
on de un par
ametro de la realimentacion modica la ubicacion de los
polos de un sistema a lazo cerrado.
2.2.6.
on en Tiempo Discreto
Dado que las expresiones del sistema a lazo cerrado son identicas en tiempo discreto y continuo
(reemplazando s por z naturalmente), las conclusiones respecto de los efectos de la realimentacion sobre
la estabilidad, ganancia a lazo abierto y transitorios son muy similares.
Respecto a la estabilidad, podemos decir lo siguiente:
La realimentacion puede estabilizar sistemas discretos inestables.
La estabilidad en lazo cerrado depende tanto de la ubicacion de los polos como de los ceros en lazo
abierto.
A diferencia de los sistemas continuos, los ceros que dicultan la estabilizacion no son los que tienen
parte real positiva sino los que tienen modulo mayor que 1.
En cuanto a la ganancia est
atica, valen las observaciones:
La realimentacion permite independizar en gran medida la ganancia est
atica de los par
ametros de
la planta.
La presencia de integradores discretos en la realimentacion permite obtener una ganancia est
atica
totalmente independiente de los par
ametros de la planta en lazo abierto.
Con respecto a este u
ltimo punto, hay que tener en cuenta que un integrador discreto tiene FTD
CI (z) =
1
z1
Finalmente, respecto a los transitorios, valen tambien las observaciones del caso continuo. Aqu tambien existe una tecnica para estudiar la modicacion de la posicion de los polos de la FTD.

2.3.
98
Lugar Geom
etrico de las Races
Como sabemos, las propiedades de una relacion entrada-salida de un sistema realimentado, descripta
por una funci
on transferencia (FT), dependen en gran medida de la ubicacion de los polos de dicha
FT. En muchas ocasiones, se desea conocer las posibles ubicaciones de los polos a medida que se varan
par
ametros del lazo, como por ejemplo cierta ganancia del controlador. En 1948, Walter R. Evans dise
no el
metodo del lugar geometrico de las races, que consiste en un conjunto de reglas sencillas para dibujar,
de manera aproximada, las posiciones de todos los polos las races del polinomio denominador de la
FT de lazo cerrado a medida que se vara un par
ametro del lazo desde 0 a . El graco obtenido recibe
el nombre de lugar de las races porque muestra precisamente d
onde se ubicar
an dichas races para los
distintos valores del par
ametro.
En esta secci
on veremos reglas practicas para dibujar a mano el lugar de las races, as como las instrucciones especcas para hacerlo con Matlab. Si bien es indiscutible la utilidad del software especco
como Matlab para realizar estos gr
acos y, mas generalmente, para analizar y dise
nar sistemas realimentados, es muy u
til tambien comprender los fundamentos de los metodos utilizados. Es por esta u
ltima
raz
on que nos dedicaremos a aprender el metodo del lugar geometrico de las races con cierto detalle.
2.3.1.
Motivaci
on
Comenzamos motivando nuestro analisis con un ejemplo sencillo.

Ejemplo 2.1. Se desea estabilizar el siguiente sistema inestable, dado por su FT
G(s) =
1
,
s1
(2.7)
mediante un control proporcional de gananacia K > 0. Un esquema del sistema realimentado se muestra
en la Figura 2.13. Se desea saber no solo si es posible estabilizar el sistema de este modo y para que valores
R(s)
U (s)
K
Y (s)
G(s)
Figura 2.13: Esquema del sistema realimentado.
de K se logra, sino tambien todas las posibles ubicaciones de polos que se pueden lograr en el sistema
realimentado.
Soluci
on. En general, para analizar si es posible estabilizar el sistema podramos aplicar el criterio de
Routh-Hurwitz sobre la FT de lazo cerrado. Como se desea, ademas, conocer todas las posibles ubicaciones
de polos que se pueden lograr, calculamos la FT de lazo cerrado:
Y (s)
=
GLC (s) =
R(s)
K
K
s1 =
,
K
s + (K 1)
1+
s1
(2.8)
y vemos inmediatamente que su polo es p = 1 K. Por lo tanto, para valores de K muy proximos a 0 el
polo p estar
a muy proximo a 1, para K = 1 el polo estar
a en 0 y para K > 1 el polo sera real negativo.
Por lo tanto, para tener estabilidad se debe cumplir que K > 1. Todo esto puede mostrarse facilmente en
el graco de la Figura 2.14. El gr
aco de la Figura 2.14 es el lugar de las races correspondiente al sistema
realimentado, para valores de K > 0. Este graco muestra que para K = 0 el polo de lazo cerrado coincide
con el de G(s) (indicado con x en la gura) y que para valores crecientes del par
ametro K el polo de
lazo cerrado se mueve hacia la izquierda, sobre el eje real (indicado por la echa sobre la trayectoria del
polo en el lugar de las races).

Im
s=1
99
Re
K=0
K>1
K=1
Figura 2.14: Lugar de las races del sistema de Figura 2.13 para K > 0.
El sistema del Ejemplo 2.1 pudo calcularse analticamente por completo debido a que2 GLC (s) es de
primer orden, cuya ecuaci
on caracterstica resulta muy facil de resolver. Para sistemas de orden mayor,
los c
alculos analticos exactos resultan mas complicados, cuando no imposibles, debido a que se deben
obtener races de polinomios de grado alto. A pesar de esto y de haber vivido en una epoca donde no
existan computadoras con el poder de c
omputo actual, Evans pudo encontrar una forma ingenieril de
resolver el problema en casos generales.
2.3.2.
Fundamentos
Consideremos un sistema realimentado como el de Figura 2.13, donde G(s) es, en principio, una FT
racional arbitraria. Nuestro objetivo es dibujar, analogamente a lo que hicimos en el Ejemplo 2.1, las
posiciones de los polos de GLC (s) para todos los valores del par
ametro K desde 0 a . Posteriormente,
nos intersara tambien analizar esto mismo pero para valores de K desde 0 a .
GLC (s) est
a dada por:
Y (s)
KG(s)
GLC (s) =
=
,
(2.9)
R(s)
1 + KG(s)
de modo que sus polos resultan de resolver la ecuaci
on siguiente:
1 + KG(s) = 0,
o equivalentemente
KG(s) = 1.
(2.10)
Como G(s) es una FT racional, puede escribirse como cociente de polinomios:

G(s) =
N (s)
,
D(s)
(2.11)
donde N (s) es su numerador y D(s) su denominador. Reemplazando (2.11) en (2.10) y multiplicando por
D(s) obtenemos la ecuaci
on equivalente
D(s) + KN (s) = 0.
(2.12)
Puntos extremos del lugar de las races

En el caso lmite K = 0, vemos que (2.12) se reduce a D(s) = 0, de donde concluimos que
Para K = 0, los polos de GLC (s) coinciden con los polos de G(s).
Para K 6= 0, dividiendo (2.12) por K obtenemos
N (s) +
1
D(s) = 0.
K
(2.13)
En los casos lmite K o K , vemos que (2.13) se reduce a N (s) = 0, de donde concluimos
que
2 De
ahora en m
as, GLC (s) siempre representar
a la FT de lazo cerrado.

100
Para |K| , los polos de GLC (s) coinciden con los ceros de G(s).
De este breve analisis surge que
El lugar de las races para K variando desde 0 a , o desde 0 a ,
comienza en los polos de G(s) y termina en sus ceros.
Ahora bien, que sucede cuando el n
umero de polos no coincide con el n
umero de ceros de G(s), como
sucedi
o en el Ejemplo 2.1? Como podemos observar en la Figura 2.14, algunos polos pueden tender a
innito. Si llamamos n al grado del polinomio denominador D(s) y m al del numerador N (s), de modo
que
N (s)
sm + . . . + b 1 s + b 0
G(s) =
,
(2.14)
= bm n
D(s)
s + an1 sn1 + . . . + a1 s + a0
con bm 6= 0, diremos que G(s) tiene n m ceros en innito si n > m, o m n polos en innito si m > n.
En general, trataremos con casos donde n > m. Si m = n entonces G(s) no tiene polos ni ceros en innito.
De esta manera, podemos decir que el lugar de las races siempre comienza en los polos de G(s) y termina
en sus ceros.
Ejemplo 2.2. Consideremos el sistema realimentado de Figura 2.13 con
G(s) =
N (s)
s+1
s+1
= 2
=
.
D(s)
s + 3s
(s + 3)s
(2.15)
Se desea dibujar el lugar de las races para K 0.

Soluci
on. Los polos de G(s) son s = 0 y s = 3, y su cero es s = 1. Como n = 2 > m = 1, decimos
que G(s) posee n m = 1 cero en innito. Sabemos que el lugar de las races va a comenzar en los polos
s = 0 y s = 3, y va a terminar en los ceros, de los cuales uno es s = 1 y el otro es innito. Escribiendo
(2.12) para este sistema
(s2 + 3s) + K(s + 1) = s2 + (3 + K)s + K = 0
(2.16)
observamos que al tratarse de un polinomio de segundo grado podemos obtener sus races facilmente:
p
(3 + K) + (3 + K)2 4K
s1 =
,
(2.17)
p2
(3 + K) (3 + K)2 4K
s2 =
.
(2.18)
2
Como (3 + K)2 4K = 9 + 2K + K 2 es no negativo para todo valor de K no negativo, s1 y s2 son reales
para todo K 0. El lugar de las races de este sistema se muestra en la Figura 2.15. Observar que los
ceros de G(s) se marcan en el gr
aco con o.
Im
K
Re
K=0
Figura 2.15: Lugar de las races del sistema del Ejemplo 2.2.
Ejemplo 2.3. Consideremos nuevamente el sistema realimentado de Figura 2.13, esta vez con
G(s) =
1
1
=
,
s2 + 3s
(s + 3)s
para el cual deseamos dibujar el lugar de las races para K 0.
(2.19)

101
Soluci
on. Este caso es muy similar al del Ejemplo 2.2, con la diferencia que G(s) tiene sus dos ceros
en innito. La ecuaci
on (2.12) para este caso resulta
s2 + 3s + K = 0,
(2.20)
de donde
3 +
9 4K
,
2
3 9 4K
.
s2 =
2
s1 =
(2.21)
(2.22)
Si 0 K 9/4, s1 y s2 seran reales. Si K > 9/4, tendremos
4K 9
,
s1 = 1.5 + j
2
4K 9
s2 = 1.5 j
,
2
(2.23)
(2.24)
y por lo tanto s1 y s2 seran complejos conjugados con parte real -1.5 (independientemente del valor de
K, siempre y cuando K > 9/4) y parte imaginaria dependiente de K. El correspondiente lugar de las
races se muestra en la Figura 2.16. Observar que las races que tienden a innito cuando K lo
hacen siguiendo un camino distinto al del Ejemplo 2.2.
Im
K
Re
K = 9/4
K=0
K
Condiciones generales
Expresemos KG(s) en forma polar como
KG(s) = |KG(s)|ejKG(s) ,
(2.25)
donde |KG(s)| es el modulo de KG(s) y KG(s) es su angulo. Reemplazando (2.25) en (2.10) y recordando que 1 = ej(2k1) para cualquier k entero, obtenemos
|KG(s)| = 1,
(2.26)
KG(s) = (2k 1),
para alg
un k entero.
(2.27)
La ecuaci
on (2.26) recibe el nombre de condici
on de m
odulo y la (2.27), el de condici
on de
angulo. Si
K > 0, dichas condiciones se reducen a
K|G(s)| = 1,
G(s) ,
(2.28)
(2.29)

102
y si K < 0, a
K|G(s)| = 1,
G(s) 0,
(2.30)
(2.31)
donde hemos escrito para indicar que el angulo es equivalente a, ya que angulos que dieren en
m
ultiplos enteros de 2 son equivalentes. Podemos observar que (2.29) y (2.31) no involucran al par
ametro
K. En funci
on de lo derivado hasta aqu, sabemos que cualquier valor de la variable compleja s que
corresponda a un polo de GLC (s) para alg
un valor de K > 0 debe satisfacer la condicion de angulo
(2.29).
Ejemplo 2.4. Veriquemos la condicion de angulo en el Ejemplo 2.1. Sabemos que todos los s = reales,
con < 1 pueden ser polos de GLC (s) para alg
un valor de K > 0. Tenemos que
G(s) =
1
= (s 1) = ( 1) = ,
s1
(2.32)
donde hemos usado el hecho de que el

angulo de un n
umero real negativo es igual a . Vemos por lo tanto
que se satisface la condicion de
angulo, como era de esperarse. Si elegimos ahora un valor de s = 3, por
ejemplo, como polo de GLC (s), podemos obtener, utilizando la condicion de modulo (2.28), el valor de
K para el cual se logra dicho polo:
K = 1/|G(s)| = |s 1| = | 3 1| = 4.
(2.33)
El Ejemplo 2.4 muestra no solo que la condicion de angulo se verica sino tambien que, dado un polo
de GLC (s), la condicion de modulo nos permite encontrar el valor del par
ametro K para el que se obtiene
dicho polo.
Obtenemos entonces los lineamientos generales del metodo del lugar de las races:
Analizar, de alguna manera, los valores de la variable s que satisfacen la condicion de angulo, y
dado un valor de s que satisface la condicion de angulo, el valor del par
ametro K que logra que
dicho valor de s corresponda a un polo de GLC (s) se deriva de la condicion de modulo.
A continuacion, nos concentraremos en el primero de estos tems.
Races reales
Existira alguna forma simple de evaluar que parte o partes del eje real pertenecen al lugar de las
races? En el Ejemplo 2.1, la parte del eje real que pertenece al lugar de las races es la correspondiente
al intervalo (, 1] (ver Figura 2.14), en el Ejemplo 2.2 es la correspondiente a (, 3] y [1, 0] (ver
Figura 2.15), y en el Ejemplo 2.3 la correspondiente a [3, 0] (ver Figura 2.16). A continuacion veremos
que existe una forma muy sencilla de evaluar esto.
Factoricemos numerador y denominador de G(s) de la siguiente forma
G(s) =
(s z1 ) (s zm )
sm + . . . + b 1 s + b 0
N (s)
= bm
= bm n
,
D(s)
s + an1 sn1 + . . . + a1 s + a0
(s p1 ) (s pn )
(2.34)
de modo que z1 , . . . , zm son los ceros (nitos) de G(s) y p1 , . . . , pn son sus polos. De aqu en mas,
analizaremos el caso en que bm > 0. El caso en que bm < 0 puede analizarse tomando |bm | y evaluando
el lugar de las races para K < 0. Aplicando la condicion de angulo, obtenemos:
G(s) = bm + (s z1 ) + . . . + (s zm ) (s p1 ) . . . (s pn ) = (2k 1),
(2.35)
donde bm = 0 para bm > 0. Para evaluar (2.35) debemos evaluar los angulos de los factores s z o
s p. Para evaluar que parte del eje real pertenece al lugar de las races debemos encontrar los valores
reales de s que satisfacen (2.35).

103
Si z es real, tenemos entonces que s z es real, de modo que su angulo sera 0 si s z > 0 o si
s z < 0. Conclumos lo siguiente:
(
0 si s est
a a la derecha de z,
s R, z R (s z) =
(2.36)
si s est
a a la izquierda de z.
El caso en que z es complejo es mas sencillo a
un, ya que, como su complejo conjugado z tambien debe
aparecer, tenemos que
s R (s z) = (s z),
(2.37)
de modo que en la suma (2.35) estos terminos se cancelan.
Combinando lo analizado hasta aqu y concluido en (2.36) y (2.37), podemos delinear la siguiente
regla sencilla.
Para K 0 y bm > 0, la parte del eje real que pertenece al lugar de las
races es la que est
a a la izquierda de un n
umero impar de singularidades
de G(s). Las singularidades dobles cuentan doble, las triples triple, etc.
Con singularidades nos referimos a polos y ceros colectivamente. Podemos vericar facilmente que esto
se cumple en los Ejemplos 2.1, 2.2 y 2.3. Analogamente, podemos analizar el caso K < 0 y concluir que
Para K < 0 y bm > 0, la parte del eje real que pertenece al lugar de las
races es la que est
umero par de singularidades de
G(s). Las singularidades dobles cuentan doble, las triples triple, etc.
En esta u
ltima regla debemos tener en cuenta que el 0 debe contarse como un n
umero par, de modo que
para K < 0 y bm > 0, los puntos del eje real que no tienen ninguna singularidad de G(s) a su derecha
pertenecen al lugar de las races.
Con lo analizado hasta aqu, podemos ahora dibujar los lugares de las races de sistemas mas complicados, como el del ejemplo siguiente.
Ejemplo 2.5. Se desea dibujar el lugar de las races para K 0 y para K < 0 del sistema de Figura 2.13
con
(s + 1)(s + 3)
G(s) =
.
(2.38)
s(s + 2)(s + 4)
Como numerador y denominador de G(s) ya se dan factorizados, vemos inmediatamente que sus ceros
son 1 y 3 y sus polos son 0, 2 y 4. Analizando la parte del eje real que debe pertenecer al lugar de
las races, obtenemos directamente los gr
acos de la Figura 2.17.
Im
Im C
Re
Re
4
(a) K 0
(b) K < 0

104
Asntotas
Las races que tienden a innito lo hacen siguiendo ciertos caminos especcos, como vimos en los
ejemplos anteriores. Se puede calcular de manera sencilla cuales son estos caminos o, mas precisamente,
cuales son los caminos a los que asint
oticamente tienden las races. Daremos aqu directamente la forma de
calcular estos caminos. La derivaci
on de estos resultados se incluye a modo informativo en la Seccion 2.3.8.
Primero, un lugar de las races tendra tantas asntotas como singularidades en innito tenga. En
los Ejemplos 2.1 y 2.2, G(s) tena un solo cero en innito, de modo que hay una sola asntota. En el
Ejemplo 2.3 hay dos.
Segundo, el
angulo a que forman las asntotas con el eje real est
a dado por
a =
2k 1
,
nm
k = 1, . . . , n m,
(2.39)
para K 0 y bm > 0. De este modo, si n m = 1 hay una sola asntota con angulo (Ejemplos 2.1
y 2.2) y si n m = 2 hay dos asntotas con angulos /2 y 3/2 (Ejemplo 2.3). Para K < 0 y bm > 0, los
angulos son
2k
, k = 1, . . . , n m.
(2.40)
i =
nm
De este modo, si n m = 1 hay una sola asntota con angulo 2 o, equivalentemente, 0 (Ejemplo 2.5
para K < 0). Notar que en el caso K < 0 (y bm > 0) de existir al menos una asntota siempre una
de ellas tendra
angulo 0 (2). Cuando K = |K| < 0, el signo en el lazo de realimentacion en la
Figura 2.13 se cancela con el de K = |K|, resultando en un lazo de realimentacion positiva. El hecho
de que siempre una asntota tiene
angulo 0 indica que en estos casos de realimentacion positiva, el sistema
siempre sera inestable para valores grandes de |K|.
Tercero, el punto desde donde parten las asntotas, llamado centroide, est
a dado por
p1 + . . . + pn z 1 . . . z m
=
a =
nm
n
X
r=1
pr
m
X
=1
nm
z
,
(2.41)
donde pr son los polos de G(s) y z sus ceros (nitos). Notar que el centroide es siempre un n
umero real,
ya que polos o ceros complejos conjugados cancelan sus partes imaginarias en (2.41). En el Ejemplo 2.1
tenemos a = 1 y en el Ejemplo 2.3, a = 1.5.
Ejemplo 2.6. Consideremos nuevamente el sistema de Figura 2.13, para K 0 y con
G(s) =
1
.
s(s + 3)(s + 6)
(2.42)
Inmediatamente identicamos sus polos p1 = 0, p2 = 3 y p3 = 6. Como G(s) no tiene ceros nitos,

tiene 3 ceros en innito, de modo que habr
a 3 asntotas. La parte del eje real que pertenece al lugar de
las races es [3, 0] y (, 6]. Evaluando (2.39), sabemos que las asntotas tendran angulos a1 = /3,
a2 = y a3 = 5/3 (equivalente a /3). El centroide de las asntotas es
a =
0 + (3) + (6)
= 3.
3
El lugar de las races correspondiente se muestra en la Figura 2.18. Se deja como ejercicio evaluar el lugar
de las races para K < 0.
Angulos
de salida y llegada
La condicion de
angulo nos brinda una manera facil de determinar que angulo formara el camino de
una raz que parte de un polo o llega a un cero. Por ejemplo, el lugar de las races para K 0 del lazo
de Figura 2.13 con
s2 + 4s + 5
(2.43)
G(s) = 3
s + 5s2 + 6s

Im
K
105
/3
K
Re
6
K
Im C
3
3
1
1 Re
2
1
Figura 2.19: Determinaci

on del
angulo de llegada.
se muestra en la Figura 2.19. El

angulo con que el camino llega al cero 2 + j de G(s) es el que se indica
con . Para determinar , expresamos la condicion de angulo para este sistema, similarmente a lo que se
hizo en (2.35):
(s (2 + j)) + (s (2 j)) s (s + 2) (s + 3) = ,
(2.44)
la que reescribimos como sigue:

(s (2 + j)) = + s + (s + 2) + (s + 3) (s (2 j)).
(2.45)
El angulo es el
angulo (s (2 + j)) cuando s se aproxima a 2 + j siguiendo el camino del lugar de
las races que llega al punto 2 + j. Por lo tanto, cuando s 2 + j (siguiendo el camino dado por el
lugar de las races), el lado izquierdo de (2.45) tender
a a y, ademas,
s (2 + j) = 5/6 = 1 ,
(s + 2) j = /2 = 2 ,
(s + 3) (1 + j) = /4 = 3
y
(s (2 j)) (2j) = /2 = 1 .
Reemplazando todo esto en (2.45) resulta
= + 1 + 2 + 3 1 = + 5/6 + /4 /12.
(2.46)
Notar que 1 , 2 y 3 son los

angulos que forman cada uno de los polos de G(s) con la singularidad
sobre la cual se quiere determinar el
angulo de salida o llegada. Asimismo, 1 es el angulo que forma el
otro cero de G(s) con dicha singularidad. Concluimos que:

106
Para K 0 y bm > 0, el
angulo que el lugar de las races forma llegando
a un cero de G(s) resulta de calcular
X
X
=+
r
,
r
donde r y son los

angulos que forman cada uno de los polos y los otros
ceros, respectivamente, de G(s) con el cero considerado.
Siguiendo identico razonamiento para el caso K < 0, resulta
Para K < 0 y bm > 0, el
angulo que el lugar de las races forma llegando
a un cero de G(s) resulta de calcular
X
X
=
r
,
r
donde r y son los

angulos que forman cada uno de los polos y los otros
ceros, respectivamente, de G(s) con el cero considerado.
Adicionalmente, para calcular el
angulo de salida desde un polo de G(s), tendremos
Para K 0 y bm > 0, el
angulo que el lugar de las races forma saliendo
de un polo de G(s) resulta de calcular
X
X
=
r +
,
r
donde r y son los

angulos que forman cada uno de los otros polos y
los ceros, respectivamente, de G(s) con el polo considerado.
Y para K < 0,
Para K < 0 y bm > 0, el
angulo que el lugar de las races forma saliendo
de un polo de G(s) resulta de calcular
X
X
=
r +
,
r
donde r y son los

angulos que forman cada uno de los otros polos y
los ceros, respectivamente, de G(s) con el polo considerado.
Puntos de cruce y de quiebre
Los lugares de las races de las Figuras 2.18 y 2.19 presentan ciertas caractersticas interesantes. En la
Figura 2.18, para valores positivos no muy grandes de K, el sistema realimentado es estable, mientras que
para valores grandes de K se vuelve inestable, ya que dos de sus polos cruzan el eje imaginario hacia el
semiplano real positivo. Llamaremos puntos de cruce a estos puntos donde el lugar de las races cruza el
eje imaginario. Otra caracterstica de interes, que se observa en las Figuras 2.18 y 2.19, es que cuando dos
polos reales se juntan en un polo doble, el lugar de las races se separa del eje real a partir de ese punto.
Esto tambien sucede en el Ejemplo 2.3. As como dos polos reales pasan a ser complejos conjugados luego
de juntarse en un polo doble, tambien puede pasar que dos polos complejos conjugados pasen a ser reales
distintos. Llamamos puntos de quiebre a los puntos donde varios polos se juntan en un polo real m
ultiple.
Para determinar los valores de s que corresponden a un punto de cruce, se puede reemplazar s = j
en la condicion de
angulo y encontrar los correspondientes valores reales de . Para demostrar que no
existen puntos de cruce, un metodo que puede resultar menos laborioso es aplicar directamente el criterio
de Routh-Hurwitz al denominador de GLC (s), es decir, al lado izquierdo de la ecuaci
on (2.12). El siguiente
ejemplo ilustra c
omo calcular los puntos de cruce.

107
Ejemplo 2.7. Tomemos el sistema del Ejemplo 2.6. La ecuaci

on (2.12) en este caso resulta
s(s + 3)(s + 6) + K = 0 = s3 + 9s2 + 18s + K.
(2.47)
Reemplazando s = j y operando, obtenemos

(9 2 + K) + j( 3 + 18) = 0,
(2.48)
de donde, simult
aneamente debe cumplirse
K = 9 2 ,
(2.49)
2
0 = ( + 18).
(2.50)
De (2.50), se sigue que = 0 o = 18. El valor = 0corresponde, seg

un (2.49), al valor K = 0. Por
lo tanto, los puntos de cruce buscados ocurren en s = j 18 para K = 9 18 = 162.
Aplicando el criterio de Routh-Hurwitz a (2.47) podemos encontrar los valores de K para los puntos
de cruce. Para esto, construimos la Tabla 2.1. Para estar al lmite de la estabilidad (es decir, cuando
s3
s2
s1
s0
1
18
9
K
18 K/9 0
K
Tabla 2.1: Tabla de Routh para (2.47).
hay polos sobre el eje imaginario), alg

un coeciente de la primera columna de la tabla debe anularse.
El coeciente de la la correspondiente a s1 se anula para K = 9 18 = 162. El de la la s0 cuando
K = 0.
La determinaci
on de los puntos de quiebre requiere un poco mas de c
alculo. Deniendo P (s) =
D(s) + KN (s) tenemos
n
Y
P (s) = D(s) + KN (s) =
(s r ),
(2.51)
r=1
donde r son los polos de la FT de lazo cerrado, GLC (s), que dependeran del valor que adopte el par
ametro
K. En caso de que 1 sea un polo con multiplicidad q, tendremos
P (s) = (s 1 )q
n
Y
(s r ).
(2.52)
r=q+1
Si derivamos con respecto a s,

n
Y
dP (s)
d
= q(s 1 )q1
(s r ) + (s 1 )q
ds
ds
r=q+1
n
Y
(s r )
r=q+1
(2.53)
Evaluando (2.53) en s = 1 vemos que, si q > 1,

dP (s)
= 0.
ds s=1
(2.54)
Por lo tanto, los puntos de quiebre del lugar de las races son los valores de s que satisfacen (2.54). Uno
de los problemas que surgen al tratar de usar la ecuaci
on (2.54) para determinar los puntos de quiebre
es que dicha ecuaci
on involucra al par
ametro K. Recordando (2.51) y operando tenemos
dD(s)
dN (s)
dP (s)
=
+K
.
ds
ds
ds
(2.55)

108
Despejando K de (2.51) y reemplazando en (2.55) llegamos a

dD(s) D(s) dN (s)
dP (s)
=
.
ds
ds
N (s) ds
(2.56)
Finalmente, combinamos (2.54) con (2.56) y multiplicamos por N (s) para obtener que los puntos de
quiebre deben satisfacer
dD(s)
dN (s)
N (s)
D(s)
= 0.
(2.57)
ds
ds
Resolver la ecuaci
on (2.57) consiste en encontrar las races de un polinomio de grado n + m 1, lo que
en general no es tarea f
acil. Sin embargo, como solo nos interesan los valores reales de s que satisfacen
(2.57), de la evaluacion de la parte del eje real que pertenece al lugar de las races ya tenemos una idea
de en que rango de valores estar
an los puntos de quiebre buscados.
2.3.3.
Variaci
on de par
ametros generales
Lo desarrollado hasta aqu se basa en el sistema realimentado de la Figura 2.13, donde K es el

par
ametro que se puede variar. El metodo del lugar de las races puede aplicarse tambien para evaluar
la posicion de los polos de lazo cerrado cuando el par
ametro que se desea variar aparece involucrado de
otras formas, como muestra el siguiente ejemplo.
Ejemplo 2.8. El sistema de Figura 2.20 involucra una planta, representada por la FT Gp (s), cuya salida
se mide a traves un sensor, representado por la FT Gs (s), y donde el error entre la salida medida y la
deseada es procesado por el controlador de FT Gc (s) que genera la entrada a la planta. Para eliminar
posibles errores de estado estacionario en el sistema realimentado, el dise
nador eligio un controlador del
tipo proporcional-integral (PI). Las FTs mencionadas son
Gp (s) =
s+2
,
s2 + 4s + 13
Gs (s) =
10
,
s + 10
Gc (s) = KP +
KI
.
s
(2.58)
Se desea evaluar los polos de la FT de lazo cerrado en las siguientes condiciones:

a) Dejando KI = 1 jo, cuando Kp se vara desde 0 a , y
b) Dejando KP = 1 jo, cuando KI se vara desde 0 a .
R(s)
U (s)
Gc (s)
Y (s)
Gp (s)
Gs (s)
Figura 2.20: Sistema realimentado con compensadores en cascada y reacci
on.
Soluci
on. Hallamos la FT de lazo cerrado
GLC (s) =
Gc (s)Gp (s)
(KP s + KI )(s + 2)(s + 10)
Y (s)
=
=
,
R(s)
1 + Gc (s)Gp (s)Gs (s)
s(s2 + 4s + 13)(s + 10) + (KP s + KI )(s + 2)10
(2.59)
y su denominador, DLC (s),

DLC (s) = s(s2 + 4s + 13)(s + 10) + (KP s + KI )(s + 2)10
= s4 + 14s3 + (53 + 10KP )s2 + (130 + 10KI + 20KP )s + 20KI
= [s4 + 14s3 + 53s2 + (130 + 10KI )s + 20KI ] + KP (10s2 + 20s)
4
= [s + 14s + (53 + 10KP )s + (130 + 20KP )s] + KI (10s + 20)
(2.60)
(2.61)

109
a) Cuando KI = 1, vemos que (2.60) queda en la forma D(s) + KN (s), con

D(s) = s4 + 14s3 + 53s2 + 140s + 20,
N (s) = 10s2 + 20s,
(2.62)
y para K = KP . Los polos de la FT de lazo cerrado corresponderan a la ecuaci

on3 D(s) + KN (s) = 0,
que es la ecuaci
on (2.12) en la que se basa todo nuestro analisis anterior. De este modo, el lugar de las
(s)
races para KP variando desde 0 a resultara de aplicar el analisis anterior a la FT cticia G(s) = N
D(s) ,
con N (s) y D(s) dados por (2.62).
b) Cuando KP = 1, es ahora (2.61) la que nos da la forma D(s) + KN (s) con K = KI y
D(s) = s4 + 14s3 + 63s2 + 150s,
N (s) = 10s + 20.
Nuevamente, el lugar de las races se analizara sobre la FT cticia G(s) =

por (2.63).
2.3.4.
N (s)
D(s)
(2.63)
con N (s) y D(s) dados
Sistemas en tiempo discreto
Consideremos ahora un lazo de realimentacion analogo al de la Figura 2.13 pero en tiempo discreto,
para el que quisieramos dibujar su lugar de las races. Como su ecuaci
on caracterstica resultara de la
forma
1 + KG(z) = 0,
(2.64)
donde la u
nica diferencia formal es que la variable compleja es ahora z en lugar de s, vale casi todo
lo analizado hasta aqu. La u
nica diferencia est
a en los puntos de cruce, ya que ahora no nos interesan
los puntos en que las races cruzan el eje imaginario sino los puntos en que las races cruzan el crculo
unitario. Para encontrar los puntos de cruce para un lazo en tiempo discreto, basta reemplazar z = ej
en la condicion de
angulo y encontrar los valores reales de que la satisfacen. Tambien se puede aplicar
el criterio de Jury, analogamente a como se puede aplicar el de Routh-Hurwitz en el caso continuo.
2.3.5.
Resumen del m
etodo
En esta secci
on resumimos el metodo del lugar geometrico de las races en una serie de pasos sencillos.
Paso 1: Escribir la ecuaci
on caracterstica en la forma
1 + K G (s) = 0,
(2.65)
donde K es el par
ametro que se puede variar y G (s) = N (s)/D(s) es una FT racional, o en la
forma equivalente
D(s) + K N (s) = 0,
(2.66)
donde D(s) y N (s) son polinomios. Si el lazo de realimentacion no viene dado como en la
Figura 2.13, escribir su ecuaci
on caracterstica y llevarla a la forma (2.65) o (2.66).
Paso 2: Factorizar los polinomios N (s) y D(s) y obtener los polos y ceros de G (s):
G (s) =
N (s)
(s z1 ) (s zm )
= bm
.
D(s)
(s p1 ) (s pn )
(2.67)
Paso 3: Si bm > 0, denir K = K y G(s) = G (s).

Si bm < 0, denir K = K y G(s) = G (s), de modo que G(s) tenga ahora bm > 0. En este
caso, si se desea analizar el lugar de las races para K desde 0 a se debera proseguir analizando
para K desde 0 a y por lo tanto realizar los pasos siguientes para K < 0. Lo opuesto vale si
se desea para K desde 0 a .
3 salvo
que haya cancelaci

on con alguna raz del numerador en (2.59).

110
Paso 4: Ubicar los polos y ceros (nitos) de G(s) en el plano complejo. Identicar los polos con x y los
ceros con o. Recordar que
El lugar de las races para K variando desde 0 a , o desde 0 a ,
comienza en los polos de G(s) y termina en sus ceros.
Paso 5: Identicar la parte del eje real que pertenece al lugar de las races:
Para K 0, la parte del eje real que pertenece al lugar de las races es
la que est
umero impar de singularidades de G(s).
Para K < 0, la parte del eje real que pertenece al lugar de las races es la
que est
umero par de singularidades de G(s). Las
singularidades dobles cuentan doble, las triples triple, etc.
Paso 6: Como las races buscadas son races de un polinomio con coecientes reales, si existe una raz
compleja su conjugada tambien debe ser raz. Por lo tanto:
El lugar de las races debe ser simetrico con respecto al eje real.
Paso 7: Usualmente, el n
umero de polos, n, sera mayor que el n
umero de ceros, m. Por lo tanto, G(s)
tendra n m ceros en innito y el lugar de las races tendra n m ramas que tienden a innito
acerc
andose a asntotas que forman angulos
a =
2k 1
,
nm
k = 1, . . . , n m,
(2.68)
con el eje real si K 0. Para K < 0, los angulos son

i =
2k
,
nm
k = 1, . . . , n m.
(2.69)
Estas asntotas parten del centroide dado por
p1 + . . . + pn z 1 . . . z m
=
a =
nm
n
X
r=1
pr
m
X
=1
nm
z
.
(2.70)
En (2.70), deben sumarse las singularidades m

ultiples tantas veces como su multiplicidad.
Paso 8: Determinar los
angulos con que el lugar de las races sale o llega a las singularidades de G(s).
Para K 0, el
angulo que el lugar de las races forma saliendo o llegando
a una singularidad de G(s) resulta de calcular
X
X
=
r
,
r
donde r y son los angulos que forman cada uno de los otros polos
y ceros, respectivamente, de G(s) con la singularidad considerada. Si se
eval
ua el
angulo de llegada a un cero, los r deben sumarse y restarse.
En caso contrario, los signos son los opuestos. Para K < 0, la ecuaci
on
para cambia por
X
X
=
r
.
r

111
Paso 9: Determinar los puntos en los cuales el lugar de las races cruza el eje imaginario (puntos de cruce),
si existen. Para esto se puede reemplazar s = j en la condicion de angulo (2.29) y resolver para
encontrar real, o bien aplicar el criterio de Routh-Hurwitz a (2.66).
Si se trata de un sistema en tiempo discreto, en lugar de la variable s tendremos z, y los puntos de
cruce se determinan reempazando z = ej en la condicion de angulo y resolviendo para encontrar
real, o bien aplicando el criterio de Jury.
Paso 10: Si es necesario mas detalle, determinar los puntos en los cuales races reales se juntan en una raz
m
ultiple y se transforman en complejas conjugadas o vice versa (puntos de quiebre). Para esto,
se deben encontrar los valores reales de s que satisfacen
N (s)
dN (s)
dD(s)
D(s)
= 0.
ds
ds
(2.71)
Paso 11: Con toda la informaci

on obtenida, esbozar el lugar geometrico de las races sobre el plano complejo.
2.3.6.
Lugar de las races con Matlab
En Matlab, podemos gracar f

acilmente los lugares de las races mediante la funci
on rlocus.
Ejemplo 2.9. Se desea dibujar con Matlab el lugar de las races para K 0 del sistema de Figura 2.13
con
s+2
G(s) = 2 2
.
(2.72)
s (s + 20s + 116)
Para esto, debemos primero denir nuestro sistema, de la siguiente forma:
>> num=[1 2];
% coeficientes del polinomio numerador
>> den=[1 20 116 0 0]; % coeficientes del polinomio denominador
>> G=tf(num,den);
Si ahora escribimos G, Matlab indica:
>> G
Transfer function:
s + 2
--------------------s^4 + 20 s^3 + 116 s^2
Para gracar el lugar de las races, ejecutamos:
>> rlocus(G)
y Matlab genera el gr
aco de Figura 2.21. Para saber que valor de K generara una cierta conguracion
de polos de lazo cerrado, ejecutamos:
>> [K,polos]=rlocfind(G)
Matlab nos pide que seleccionemos un punto sobre la graca del lugar de las races. Presionando con el
mouse sobre un punto del lugar de las races, Matlab informa:
selected_point =
-1.3388 + 3.9130i
K =
437.9638

112
polos =
-13.4288
-1.3911 + 3.9089i
-1.3911 - 3.9089i
-3.7891
y muestra la conguracion de polos correspondiente como se muestra en la Figura 2.22. Notar que como
se selecciono un punto que no perteneca exactamente al lugar de las races, Matlab selecciono el punto
mas cercano que pudo encontrar que s pertenece al lugar de las races.
Root Locus
20
15
Imaginary Axis
10
5
0
5
10
15
20
30
20
10
0
Real Axis
10
20
Figura 2.21: Lugar de las races generado con Matlab para el Ejemplo 2.9.
Root Locus
20
15
Imaginary Axis
10
5
0
5
10
15
20
30
20
10
0
Real Axis
10
20
Figura 2.22: Lugar de las races generado con Matlab para el Ejemplo 2.9, con polos seleccionados mediante
rlocfind.

113
La funci
on rlocus puede tambien ejecutarse con argumentos del lado izquierdo, como por ejemplo:
>> [r,K]=rlocus(sys);
Se recomienda leer la ayuda de esta funci
on para aprender mas sobre sus posibilidades.
Finalmente, otras instrucciones que pueden ser muy u
tiles son grid y rltool. Se recomienda observar
el funcionamiento de grid en las guras generadas con rlocus. Por otro lado, rltool brinda un entorno
para dise
no de lazos de realimentacion mediante el lugar de las races.
2.3.7.
Polos dominantes
Cuando tenemos un sistema de orden alto, es muy u

til encontrar la manera de simplicarlo. En el
Captulo 1 repasamos la forma de reconocer la presencia de polos dominantes y de simplicar la FT del
sistema para que contenga solo los polos dominantes. Ahora quisieramos responder lo siguiente: cuando
la FT G(s) que se incluye en el lazo de la Figura 2.13 contiene solo los polos dominantes del sistema, es
decir que se han despreciado polos rapidos del sistema, que sucede con el lugar de las races resultante,
en comparaci
on con el lugar de las races que corresponde al sistema original sin simplicar? El ejemplo
siguiente da una idea de que es lo que sucede.
Ejemplo 2.10. Se desea obtener el lugar de las races para K 0 del sistema de Figura 2.13 donde
G(s) =
(s2
416(s + 2)
.
+ 40s + 416)(s + 0.01)2
(2.73)
Deniendo la FT G(s) en Matlab y ejecutando rlocus, obtenemos el graco de la Figura 2.23a. Los polos
Root Locus
Root Locus
20
Imaginary Axis
Imaginary Axis
20
10
0
10
20
30
10
0
10
20
10
0
Real Axis
(a) Sistema original
10
20
30
20
10
0
Real Axis
(b) Sistema simplificado
10
de G(s) son p1,2 = 20 j4, p3,4 = 0.01 y su cero es z1 = 2. Por lo tanto, vemos que el polo doble en
0.01 es dominante frente al par de polos complejos conjugados. Podemos simplicar entonces G(s) a
G(s)
=
s+2
.
(s + 0.01)2
(2.74)
Si reemplazamos G(s) por G(s)

y evaluamos nuevamente el lugar de las races, obtenemos el graco de
la Figura 2.23b. Para evaluar mejor las similaridades y diferencias, superponemos ambos lugares de las
races, como se muestra en la Figura 2.24. Podemos ver que para valores peque
nos del par
ametro K,
el sistema original realimentado va a tener un par de polos dominantes y que ademas, la posicion de
estos polos dominantes es aproximadamente la misma que se obtiene analizando el lugar de las races
del sistema simplicado. Sin embargo, para valores grandes del par
ametro, los lugares de las races no
coinciden en absoluto. De hecho, el sistema original se inestabiliza a partir de cierto valor de K, mientras
que el sistema simplicado es estable para todo K > 0.

114
Root Locus
Imaginary Axis
20
10
0
10
20
30
20
10
Real Axis
10
Figura 2.24: Superposici

on de los lugares de las races de la Figura 2.23.
La conclusi
on que obtenemos del Ejemplo 2.10 es que es valido analizar el lugar de las races correspondiente al sistema simplicado, siempre y cuando el valor del par
ametro no sea demasiado grande.
Hasta d
onde puede crecer el par
ametro y/o cuan aproximado va a ser el resultado dependera de cada
sistema en particular. Lo que deseamos con este analisis es resaltar el resultado cualitativo.
2.3.8.
Angulos
y centroide de asntotas
Esta secci
on se incluye u
nicamente a modo informativo. A continuacion mostraremos c
omo se derivan
las ecuaciones (2.39) y (2.41), que indican los angulos que las asntotas forman con el eje real y el punto
donde las mismas se intersecan, llamado centroide.
Recordemos que los polos de GLC (s) est
an dados por (2.10), donde G(s) se escribe como en (2.11)
siendo N (s) su polinomio numerador, de grado m, y D(s) su denominador, de grado n. Desarrollaremos
aqu el caso n > m y para K 0.
Comenzamos por el caso simple dado por
G(s) =
1
.
sn
(2.75)
En este caso, G(s) tiene n ceros en innito, de modo que habr

a n asntotas. El lugar de las races
corresponde a resolver
sn + K = 0,
(2.76)
de donde inmediatamente observamos que los valores de s que pertenecen al lugar de las races son los
que corresponden a las races n-esimas del n
umero no positivo K, es decir
n
s = Kej(2k1)/n , k = 1, . . . , n.
(2.77)
Se ve facilmente que en este caso el lugar de las races coincide con las asntotas, que son semirrectas que
parten de s = 0 (por lo tanto el centroide es a = 0) con angulos (2k 1)/n para k = 1, . . . , n.
Si ahora en lugar de (2.75) tenemos
G(s) =
1
,
(s c)n
(2.78)
donde c es real, el lugar de las races corresponde a resolver

(s c)n + K = 0.
(2.79)
Aqu vemos que s pertenecera al lugar de las races dado por (2.79) si y solo si s c pertenece al dado
por (2.76). De modo que solo es cuestion de desplazar nuestros ejes para concluir que, nuevamente, el
lugar de las races coincide con las asntotas, que son semirrectas que en este caso parten del centroide
a = c con angulos identicos al caso anterior, es decir, (2k 1)/n para k = 1, . . . , n.

115
Nos ocupamos ahora del caso mas general donde

G(s) =
N (s)
D(s)
(2.80)
y el lugar de las races corresponde a resolver

D(s) + KN (s) = 0.
(2.81)
Escribamos G(s) como en (2.34), con

N (s) = bm (sm + bm1 sm1 + . . . + b0 ),
D(s) = sn + an1 sn1 + . . . + a0 .
(2.82)
Notar que si bm > 0, las asntotas van a ser las mismas que si consideramos bm = 1, ya que en (2.81)
= Kbm y evaluar el lugar de
aparece bm multiplicando a K, y por lo tanto solo es cuestion de denir K
las races del nuevo sistema con bm = 1. Por lo tanto, a partir de ahora consideramos bm = 1. Dividiendo
el polinomio D(s) por N (s), podemos escribir
D(s) = (s)N (s) + (s),
(2.83)
donde (s) es el polinomio cociente, cuyo grado es n m, y (s) es el resto, cuyo grado es menor que m.
Reemplazando (2.83) en (2.81) y operando, obtenemos
(s) + K =
(s)
.
N (s)
(2.84)
Como queremos evaluar c

omo tienden las soluciones de esta ecuacion hacia innito, estamos interesados
en la situaci
on donde |s| es muy grande. Cuando esto u
ltimo sucede, (2.84) se reduce a
(s) + K = 0,
o equivalentemente
1+K
1
= 0,
(s)
(2.85)
debido a que el grado de (s) es menor que el grado de N (s). Por lo tanto, concluimos que para evaluar
lo que ocurre cuando |s| es muy grande, debemos analizar la ecuaci
on (2.85), que tiene la misma forma
que (2.81) pero donde N (s) es reemplazado por 1 y D(s) por (s). Denamos
G(s)
=
1
.
(s)
(2.86)
Como el grado de (s) es n m, vemos que G(s)

tiene n m ceros en innito y por lo tanto el lugar de
las races para (2.85) tiene n m asntotas, lo que es coherente con lo que ya sabamos (las asntotas del
lugar de las races dado por (2.85) deben coincidir con las del dado por (2.81), o de lo contrario nuestro
analisis sera in
util). Teniendo en cuenta que (s) es el cociente de D(s) y N (s), con estos u
ltimos dados
por (2.82) con bm = 1, podemos calcular algunos coecientes de (s):
(s) = snm + (an1 bm1 )snm1 + . . .
(2.87)
Para valores grandes de |s|, queremos aproximar G(s)

por una FT de la forma (2.78) con n reemplazado
por n m. Equivalentemente, queremos aproximar (s) por un polinomio de su mismo grado,
(s), que
tenga la siguiente forma:
(s) = (s c)nm = snm (n m)csnm1 + . . .

(2.88)
Por lo tanto, deseamos encontrar el valor del coeciente c para que
(s) aproxime a (s) lo mas posible
an1
para valores grandes de |s|. Inmediatamente vemos que si elegimos c = bm1
, los dos coecientes de
nm
(s) que corresponden a las potencias mas altas de s coinciden con sus correspondientes coecientes en
(s). Podemos escribir entonces:
1
, para |s| grande, con
(s c)nm
bm1 an1
.
c=
nm
G(s)
(2.89)
(2.90)

116
Finalmente, recordando (2.34), podemos ver que

an1 =
n
X
pr
r=1
y bm1 =
m
X
z ,
(2.91)
=1
donde pr y z son los polos y ceros de G(s). Repitiendo el analisis anterior, concluimos que el lugar de
las races buscado tiene n m asntotas que forman angulos
a =
2k 1
,
nm
k = 1, . . . , n m,
(2.92)
con el eje real, y se intersecan en el centroide
a = c =
2.4.
n
X
r=1
pr
m
X
=1
nm
z
.
(2.93)
An
alisis en Frecuencia de Sistemas Realimentados
En el captulo anterior vimos distintos metodos para determinar si un sistema era estable, tales como
el criterio de Routh para el caso continuo y el de Jury para el caso discreto.
Naturalmente, dichos criterios pueden aplicarse directamente a un sistema realimentado. Para esto,
bastara calcular la Funci
on de Transferencia de lazo cerrado y aplicar el criterio de estabilidad correspondiente.
Sin embargo, como vimos cuando estudiamos el Lugar de las Races, en muchas ocasiones es muy u
til
predecir si un sistema resultara estable o no en funci
on de la Funci
on de Transferencia de lazo abierto.
A continuacion entonces presentaremos una metodologa, basada analisis frecuencial, que nos permitira determinar si un sistema realimentado sera estable analizando directamente la FT de lazo abierto.
Dicha metodologa, nos permitir
a ademas denir medidas de estabilidad relativa que resultan fundamentales a la hora de implementar sistemas realimentados en la practica.
2.4.1.
Principio del Argumento y Criterio de Nyquist
El criterio de estabilidad de Nyquist es una herramienta que permite establecer si un sistema realimentado es estable o no a partir de analizar el comportamiento de la Funci
on Transferencia de lazo
abierto sobre el eje imaginario.
Dicho criterio se basa en un teorema del analisis complejo denominado Principio del Argumento
Principio del Argumento
Supongamos que F (s) : C C es una funci
on racional (cociente de polinomios) de variable compleja.
Supongamos ademas que Cs es una curva simple cerrada en el plano C, como la que muestra la Figura 2.25,
que encierra un cierto n
umero de polos y ceros de la funci
on F (s).
Sea entonces CF la curva que describe F (s) en el plano complejo cuando s recorre la curva Cs , como
muestra la Figura 2.26
Si llamamos Z al n
umero de ceros y P al n
umero de polos encerrados por la curva Cs , puede demostrarse que la curva CF encierra al origen Z P veces cuando se recorre en el mismo sentido que
Cs .
Si tomamos por ejemplo las curvas de las Figs.2.25 y 2.26 vemos que la curva Cs encierra cuatro polos
y un cero. Por lo tanto Z P = 3 y la curva CF debe encerrar 3 veces al origen recorriendolo en el
sentido contrario al de Cs .

117
5
4
3
2
1
0
5
1
2
3
4
5
Figura 2.25: Curva cerrada descripta por la variable s en el plano complejo.
5
4
3
2
1
0
6
1
2
3
4
5
Figura 2.26: Curva descripta por la funci

on F (s) en el plano complejo.
Criterio de Estabilidad de Nyquist

Cuando tenamos un sistema con realimentacion unitaria, la funci
on de transferencia a lazo cerrado
resultaba:
GLA (s)
GLA (s)
GLC =
=
1 + GLA (s)
F (s)
Por lo tanto, la condicion de estabilidad a lazo cerrado puede traducirse como la ausencia de ceros en el
semiplano derecho en la funci
on F (s) = 1 + GLA (s).

118
Una forma de determinar si la funci

on F (s) tiene ceros en el semiplano derecho es encerrar dicho
semiplano con una curva cerrada y aplicar el Principio del Argumento. Dado que los polos de F (s) son
los mismos que los de GLA (s) (conocidos), sabiendo cuantos polos tiene GLA (s) en el semiplano derecho
y observando cuantas vueltas da la curva de F (s) en torno al origen podemos deducir cuantos ceros tiene
F (s) en el semiplano derecho.
Si el n
umero de vueltas que da la curva de F (s) en torno al origen es distinto al n
umero de polos
con parte real positiva en lazo abierto, entonces es claro que F (s) tiene ceros con parte real positiva. En
consecuencia, el sistema a lazo cerrado sera inestable. Caso contrario, cuando el n
umero de vueltas de
la curva de F (s) en torno al origen sea igual al n
umero de polos de GLA (s), el sistema a lazo cerrado
sera estable.
Esta es la idea en la que se basa el Criterio de Estabilidad de Nyquist.
En realidad, teniendo en cuenta que F (s) = 1 + GLA (s), todo el analisis previo lo podemos realizar
gracando la curva de GLA (s) y mirando cuantas vueltas da en torno al punto 1.
Ahora, bien, c
omo podemos construir una curva cerrada que contenga a todo el semiplano derecho
del plano complejo?.
La Figura 2.27 muestra una opci
on, que es la que nalmente utilizaremos. En la misma podemos ver
que si hacemos tender el radio R del semicrculo a innito, la curva cerrada abarcara todo el semiplano
complejo.
Im(s)
Re(s)
Figura 2.27: Curva cerrada en el semiplano derecho del plano complejo.
Al evaluar la funci
on GLA (s) sobre la curva de la Fig.2.27, lo estaremos haciendo en realidad solo para
los valores de s sobre el eje imaginario y en el innito. En el innito, asumiendo que la FT a lazo abierto
es propia obtendremos el valor real GLA () = lms GLA (s). Por otro lado, sobre el eje imaginario
tendremos los valores generalmente complejos GLA (j ).
En otras palabras, podemos determinar la estabilidad a lazo cerrado simplemente analizando la curva
que describe GLA (j) sobre el plano complejo.
Consideremos por ejemplo el sistema a lazo abierto con FT:
GLA (s) =
s2
1
1
=
+3 s+2
(s + 1) (s + 2)
(2.94)

119
Podemos calcular entonces algunos valores para GLA ( ):

GLA (j 0) = 0.5; GLA (j 0.1) = 0.497 ej
GLA (j 1) = 0.316 ej
1.25
0.15
; GLA (j 0.2) = 0.487 ej
; GLA (j 5) = 0.036 ej
2.56
0.29
; GLA (j 0.5) = 0.434 ej
; GLA (j 100) = 0.001 ej
0.7
3.11
Ademas, podemos ver f

acilmente que GLA () = 0.
LA (j ), por lo que la curva
Como la funci
on GLA (s) tiene coecientes reales, resulta GLA (j ) = G
que describe GLA (s) sera simetrica respecto al eje real.
Con todas estas consideraciones, la graca correspondiente tendra la forma que se muestra en la
Fig.2.28. Dicha gr
aca se denomina Diagrama de Nyquist.
0.4
Im(GLA )
0.3
0.2
0.1
0.1
Re(GLA )
0.1
0.2
0.3
0.4
0.1
=0
0.5
= 0.1
= 0.2
0.2
=1
= 0.5
0.3
0.4
Figura 2.28: Diagrama de Nyquist de la FT de la Ec.(2.94).
Como podemos observar, la curva no encierra nunca al punto -1, por lo tanto F (s) = GLA (s) + 1
tiene igual n
umero de polos y ceros con parte real positiva. M
as a
un, como GLA (s) no tiene polos con
parte real positiva, resulta que F (s) no tiene polos con parte real positiva y por lo tanto no tiene ceros
con parte real positiva. Luego, el sistema a lazo cerrado sera estable.
Sintetizando lo analizado hasta aqu, el criterio de estabilidad de Nyquist tiene el siguiente enunciado
general:
El sistema a lazo cerrado es estable si y solo si el diagrama de Nyquist del sistema
a lazo abierto no cruza por el punto crtico 1 + j 0 y el n
umero de vueltas que
da alrededor de dicho punto en el sentido contrario a las agujas del reloj es igual al
n
umero de polos de lazo abierto en el semiplano derecho.
Notar que cuando el diagrama de Nyquist pasa por el punto 1, esto quiere decir que para alg
un valor
sobre el eje imaginario tenemos GLA (j 1 ) = 1 y por lo tanto 1 + GLA (j 1) = 0, lo que implica que
la FT de lazo cerrado tendra polos sobre el eje imaginario y no habra estabilidad externa.
Consideremos ahora el sistema de lazo abierto con FT:
GLA (s) =
s+1
s+1
=
s2 + s 2
(s + 2) (s 1)
Procediendo como antes, podemos gracar el Diagrama de Nyquist que muestra la Fig.2.29.
(2.95)

120
0.5
0.149
0.4
0.085
0.3
0.704
Im(GLA )
0.2
0.037
0.1
1000
0.0
0.1
0.048
0.2
0.3
0.096
0.299
0.16
0.4
0.5
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.1
Re(GLA )
En este diagrama notamos que no hay vueltas en torno al punto crtico. Sin embargo, GLA (s) tiene
un polo real positivo y de acuerdo al criterio de Nyquist la FT a lazo cerrado sera inestable.
Si en este caso aumentamos la ganancia del lazo abierto transformando la FT de la Ec.2.95 en
GLA (s) = K
s2
s+1
s+1
=K
+s2
(s + 2) (s 1)
obtendremos exactamente el mismo diagrama de Nyquist pero amplicado por el factor K. Cuando K > 2
puede verse f
acilmente que la curva encierra una vez al punto crtico 1 en sentido contrario a las agujas
del reloj. Dado que la FT a lazo abierto tiene un polo en el semiplano derecho, el criterio de Nyquist dice
que el lazo cerrado sera estable.
Consideremos ahora la FT de lazo abierto:
GLA (s) =
18 s
s (s + 2) (s + 3)
(2.96)
Si intentamos obtener un diagrama de Nyquist para esta FT tendremos un problema ya que en s = 0 hay
un polo y el valor de GLA tiende a innito. Lo mismo ocurrira cada vez que la FT a lazo abierto tenga
polos sobre el eje imaginario.
Lo que se hace en este caso es esquivar el polo como muestra la Fig.2.30, mediante una peque
na curva.
A lo largo de esta curva cercana al origen, podemos aproximar la FT de la Ec.(2.96) seg
un:
GLA (s) =
18 s
10 s
1
=
s (s + 2) (s + 3)
s (0 + 2 (0 + 3)
6s
Por lo tanto, si tomamos un radio de 0.02, por ejemplo, para la curva peque
na, tendremos
GLA (s)
1
0.02 6 ej
8.3 ej
con .
La Figura 2.31 muestra el diagrama de Nyquist correspondiente.
Como podemos ver, en este caso la FT de lazo cerrado sera inestable ya que el diagrama de Nyquist
da dos vueltas sobre el punto crtico y a lazo abierto no hay polos con parte real positiva.

121
Im(s)
Re(s)
Figura 2.30: Curva en el semiplano derecho del plano complejo que evita un polo en el eje imaginario.
10
GLA (j0.02)
8
6
4
Im(GLA )
GLA (j1.5)
GLA (0.02)
GLA (j1.5)
2
4
6
8
GLA (j0.02)
10
2
Re(GLA )
2.4.2.
Estabilidad Relativa
Consideremos el sistema a lazo abierto con FT:

GLA (s) =
40
(s + 1) (s + 2) (s + 3)
(2.97)

122
La Figura 2.32 muestra el diagrama de Nyquist correspondiente, de donde puede deducirse que el sistema
a lazo cerrado sera estable ya que el lazo abierto no tiene polos con parte real positiva y el diagrama de
Nyquist no encierra al punto crtico.
5
0.075
0.147
4
0.045
0.211
3
2
0.019
Im(GLA )
1
1000
0.008
1
0.285
2
0.035
3
0.189
0.064
0.133
0.096
5
2
Re(GLA )
El detalle de lo que ocurre cerca del punto crtico y del origen para los valores de positivos se puede
ver en la Fig.2.33.
1.0
0.5
Im(GLA )
0.0
0.5
1.0
1.5
1.5
1.0
0.5
0.0
0.5
1.0
Re(GLA )
Figura 2.33: Diagrama de Nyquist de la FT de la Ec.(2.97) (detalle).
En realidad, puede notarse que la curva pasa no muy lejos del punto crtico. De hecho, si el numerador
de la FT fuera el doble, el lazo cerrado sera inestable.

123
En un caso como este, podemos decir informalmente que el sistema a lazo cerrado sera m
as estable
cuando la curva de Nyquist pase mas lejos del punto crtico.
Si bien esta puede parecer una conclusi
on particular para un sistema con la forma del de la Ec.(2.97),
la misma es en realidad bastante mas amplia.
Por un lado, la validez del analisis est
a restringido a que no haya polos con parte real positiva en lazo
abierto. Sin embargo, esto es lo mas com
un: la mayor parte de los sistemas son estables y los realimentamos
para mejorar su desempe
no.
Por otro lado, en el detalle de la Fig.2.33 vemos que la curva de Nyquist con valores positivos y
crecientes de cruza el eje real y se aproxima al origen. Esto tambien es muy com
un. Al trabajar con
sistemas estrictamente propios es claro que cuando tienda a innito el modulo de GLA tender
a a cero.
De estas conclusiones, surge la idea de analizar la distancia de la curva de Nyquist al punto crtico y
utilizar la misma como una medida de la estabilidad del lazo cerrado. Estas medidas, denominadas margen
de ganancia y margen de fase juegan un rol fundamental en la robustez de los dise
nos de realimentacion.
Margen de Ganancia
El margen de ganancia mide la distancia desde la curva de Nyquist para > 0 hasta el punto crtico
en el punto donde dicha curva cruza el eje real negativo, como muestra la Figura 2.34.
Im(GLA )
Margen de
Ganancia
Re(GLA )
Figura 2.34: Margen de Ganancia en el Diagrama de Nyquist.
La frecuencia a la cual el diagrama de Nyquist cruza el eje real negativo, es decir, el punto donde
GLA (j tiene fase , se denomina frecuencia de cruce de fase. En la Figura 2.34 dicha frecuencia
est
a indicada como p .
Cuando GLA (p ) > 1 tendremos margen de ganancia positivo y, en general, esto indicara que el
sistema a lazo cerrado sera estable. Por otro lado, cuando GLA (p ) < 1 el margen de fase sera negativo
y, en general, el sistema a lazo cerrado resultara inestable.
Por supuesto, esto no es valido en presencia de polos con parte real negativa en el lazo abierto. Ademas,
en casos de orden alto con muchos polos y ceros la curva de Nyquist podra dar mas de una vuelta en
torno al origen, y terminar encerrando al punto crtico en una segunda o tercera vuelta. Por lo tanto, a
un
calculando un margen de ganancia positivo tendramos un sistema inestable. Sin embargo, en la mayora
de los casos practicos, la magnitud de GLA (j ) seguira decreciendo tras atravesar el eje real negativo.
Formalmente, el margen de ganancia se dene en terminos logartmicos (luego veremos el motivo):
MG , 20 log | 1| 20 log |GLA (j p )| = 20 log |GLA (j p )|
(2.98)

124
El margen de ganancia expresa una medida de cuanto se puede aumentar la ganancia en lazo abierto
sin que se inestabilice el sistema a lazo cerrado.
Por otro lado, un margen de ganancia holgado nos permitira garantizar estabilidad en el lazo cerrado
a
un cuando tengamos cierta incertidumbre en los par
ametros del sistema. En otras palabras, el margen
de ganancia es una medida de la robustez de un sistema realimentado.
Esta u
ltima caracterstica es fundamental en cualquier aplicacion practica, ya que siempre tendremos
incertidumbre parametrica y como sabemos, es crucial garantizar la estabilidad en todos los casos.
Margen de Fase
Otra medida importante del margen de estabilidad de un sistema es el Margen de Fase, que mide el
angulo al cual la curva de Nyquist ingresa al crculo de radio unitario en torno al origen.
Dicho angulo, como muestra la Figura 2.35, se mide respecto al eje real negativo. En la gura est
a indicada tambien la frecuencia g a la cual la curva de GLA cruza el crculo. Esto es, |GLA (j g )| = 1. Esta
frecuencia g se denomina frecuencia de cruce de ganancia.
Im(GLA )
Re(GLA )
1
Margen de
Fase
Figura 2.35: Margen de Fase en el Diagrama de Nyquist.
El margen de fase se dene como:

M = |GLA (j g )|
(2.99)
Al igual que el margen de ganancia, generalmente se cumplir

a que un margen de fase positivo indicara estabilidad en lazo cerrado mientras que un margen de fase negativo indicara inestabilidad del lazo.
El margen de fase es una medida de cuanto puede retrasarse la fase a lazo abierto sin provocar
inestabilidad. Esta medida es muy importante para tener en cuenta elementos que introducen alg
un tipo
de retardo.
Al igual que el margen de ganancia, el margen de fase establece una estimaci
on de la robustez de un
sistema realimentado.
2.4.3.
An
alisis de Estabilidad con Diagrama de Bode
El Diagrama de Nyquist no es mas que una graca parametrica de GLA (j ) en el plano complejo.
Recordando que en los Diagramas de Bode gracabamos la amplitud y fase de una Funci
on Transferencia,
los Diagramas de Bode de amplitud y fase de GLA contendran toda la informacion del Diagrama de
Nyquist correspondiente y viceversa.

125
Si bien es practicamente imposible visualizar en el Bode cuantas veces la curva de GLA (j ) encierra
al punto crtico, es muy sencillo determinar el margen de ganancia y el margen de fase.
Magnitud
15
10
db
5
0
MG
5
10
15
20
Fase
60
80
grados
100
120
140
160
180
200
220
Figura 2.36: Margen de Ganancia y Fase en el Diagrama de Bode.
La Figura 2.36 muestra ambos margenes en el Diagrama de Bode correspondiente a la FT de lazo

abierto de la Ec.(2.97).
Las frecuencias de cruce de fase p es la frecuencia en la cual el Diagrama de Bode de fase cruza .
Teniendo en cuenta que MG = 20 GLA (j p ), el margen de ganancia se puede leer directamente del
Diagrama de Bode de amplitud.
Si el Diagrama de Bode de fase nunca llega a , entonces el margen de ganancia sera innito.
De manera similar, la frecuencia de cruce de ganancia g es la frecuencia a la cual el Diagrama de
Bode de amplitud cruza por 0 decibeles. Recordando que M = |GLA (j g )|, el margen de fase se
puede determinar directamente del Diagrama de Bode de fase, a partir de la distancia a de la fase en
g .
Es importante tener en cuenta que en presencia de polos con parte real positiva en el lazo abierto los
margenes de fase y ganancia no reejaran la estabilidad. Ademas, incluso sin que haya polos inestables a
lazo abierto, el hecho que los margenes ganancia y fase sean positivos no garantiza siempre estabilidad a
lazo cerrado (recordemos que el Diagrama de Nyquist podra encerrar al punto crtico en una segunda o
tercera vuelta en torno al origen).
De todas maneras, para la mayor parte de los casos practicos, la determinacion de estos margenes de
estabilidad desde el Diagrama de Bode es una herramienta practica muy u
til en el analisis y dise
no de
sistemas realimentados.

2.4.4.
126
An
alisis en Tiempo Discreto
El criterio de estabilidad de Nyquist se basa en el principio del argumento, que a su vez vincula el
n
umero de polos y ceros de una funci
on encerrados por una curva con el n
umero de veces que encierra al
origen el mapeo que hace dicha funci
on de esta curva cerrada.
En todo el analisis realizado, nunca tuvimos en cuenta la naturaleza continua de los sistemas representados por las FTs, excepto cuando elegimos la curva cerrada de manera que abarque todo el semiplano
derecho del plano complejo. De esta manera, podamos determinar la presencia o no de polos inestables
a lazo cerrado.
En el caso discreto las expresiones de las FTD a lazo abierto y a lazo cerrado son identicas (reemplazando s por z). La u
nica diferencia es que la condicion de estabilidad est
a dada por la ausencia de
polos fuera del crculo unitario.
Por lo tanto, podemos repetir el procedimiento del caso continuo, pero ahora en lugar de encerrar al
semiplano derecho con una curva, deberamos encerrar al exterior del crculo unitario.
Como esto no es posible, lo que se hace es un simple cambio de variables. A continuacion entonces
desarrollaremos la idea.
Criterio de Nyquist en Tiempo Discreto
Basicamente, queremos determinar el n
umero de ceros de la funci
on F (z) = 1 + GLA (z) que est
an
fuera del crculo unitario, ya que esto nos dar
a el n
umero de polos de
GLC (z) =
GLA (z)
1 + GLA (z)
Como no podemos encerrar la regi

on de interes con una curva cerrada, denimos la funci
on:
1
F (z) , F ( )
z
Est
a claro entonces que si F (z) tiene un cero en zc , F (z) tendra un cero en zc1 y viceversa. Por lo tanto,
el n
umero de ceros de F (z) fuera del crculo unitario sera igual al n
umero de ceros de F (z) dentro del
4
crculo unitario . De manera analoga, el n
umero de polos de F (z) fuera del crculo unitario sera igual al
n
umero de polos de F (z) dentro del crculo unitario
Luego, podemos determinar la estabilidad de la FT a lazo cerrado GLC (z) analizando la presencia de
ceros de F (z) en el interior del crculo unitario. Para esto, deberemos evaluar F (z) en la circunferencia
unitaria, y analizar cuantas veces la curva correspondiente encierra al origen.
Sobre la circunferencia unitaria tenemos z = ej . Luego,
1
F (ej ) = F ( j ) = F (ej ) = 1 + GLA (ej )
e
Por lo tanto, no es verdaderamente necesario hacer el cambio de variables, ya que evaluar una funci
on en
1/z sobre la circunferencia unitaria es equivalente a evaluarla en z pero girando en sentido contrario.
Esto quiere decir que si evaluamos la funci
on GLA (z) sobre el crculo unitario como muestra la Fig.2.37,
recorriendo la curva en el sentido contrario a las agujas del reloj, podemos extraer exactamente las mismas
conclusiones que en el caso continuo. Recordemos que recorrer el crculo unitario en sentido antihorario
equivale a evaluar en ej variando de 0 a 2 .
Por ejemplo, si tenemos la FTD a lazo abierto:
GLA (z) =
0.5
0.5
=
z 2 0.6 z + 0.05
(z 0.5) (z 0.1)
(2.100)
evaluando la misma en z = ej con variando desde 0 a 2 , obtenemos la curva de la Figura 2.38.

Como vemos en dicha gura, la curva de Nyquist no encierra nunca al punto crtico. Esto quiere decir
que la funci
on F (z) = 1 + GLA (z) tendra igual n
umero de polos y de ceros fuera del crculo unitario.
4 Esto
vale siempre que GLA (z) sea estrictamente propia

127
Im(z)
j
1
Re(z)
Figura 2.37: Curva cerrada en el crculo unitario del plano complejo.
1.5
1.0
Im(GLA (z))
0.5
0.0
0.5
1.0
1.5
1.5
1.0
0.5
0.0
0.5
1.0
1.5
Re(GLA (z))
Figura 2.38: Diagrama de Nyquist del sistema discreto de la Ec.(2.100).
Dado que la FTD a lazo abierto no tiene polos fuera del crculo unitario, resulta que F (z) no tendra ceros
fuera del crculo y entonces la FTD de lazo cerrado sera estable.
Podemos sintetizar entonces el criterio de Nyquist de tiempo discreto como sigue:

128
El sistema discreto a lazo cerrado es estable si y solo si el diagrama de Nyquist

discreto del sistema a lazo abierto no cruza por el punto crtico 1 + j 0 y el n
umero
de vueltas que da alrededor de dicho punto en el sentido contrario a las agujas del
reloj es igual al n
umero de polos de lazo abierto que quedan fuera del crculo unitario.
Consideremos entonces, como u
ltimo ejemplo, el sistema discreto a lazo abierto con FTD:
GLA (z) =
z3
0.89 z + 0.01
z + 0.0112
= 1.12
2
0.4 z 0.96 z
(z + 0.8)(z 1.2)z
(2.101)
Como vemos, a lazo abierto hay un polo inestable zp = 1.2.

La Figura 2.39 muestra el Diagrama de Nyquist discreto correspondiente. Como se observa, la curva
encierra una vez el punto crtico en sentido antihorario. Dado que a lazo abierto hay un polo inestable,
resulta que la FTD a lazo cerrado sera estable.
1.5
1.0
Im(GLA (z))
0.5
0.0
0.5
1.0
1.5
3
Re(GLA (z))
Figura 2.39: Diagrama de Nyquist del sistema discreto de la Ec.(2.101).

2.5.
129
[P2.1] Lugar de las Races Continuo. En el sistema realimentado de la Figura 2.40, el par
ametro
K puede variarse a voluntad del dise
nador.
Figura 2.40: Sistema con control proporcional
Si
G(s) =
s+2
(s + 1)2
dibuje el lugar de las races (LR) en los siguientes casos:

a- K 0
b- K < 0
en todo los casos indique claramente:
d
onde empieza el LR (polos correspondientes a K = 0).
d
onde termina el LR (polos correspondientes a |K| )
si hay asntotas, indicar cuantas, sus angulos y centroide.
en caso de haber puntos de cruce, calcular los mismos as como tambien el valor del par
ametro para
el cual se obtienen.
siempre que pueda (sin calcular) indique si existen puntos de quiebre y el lugar aproximado donde
ocurren.
Saque conclusiones relativas a la estabilizacion/desestabilizacion del sistema.
[P2.2] Lugar de las Races Discreto Repetir el analisis realizado en el problema 1 para el sistema
discreto de la Figura 2.41, donde
(z + 0.5)(z 0.5)
G(z) =
(z + 2)(z 3)
Figura 2.41: Control proporcional de un sistema discreto.
[P2.3] Lugar de las Races Continuo II. Repita el analisis del problema 1 con G(s)
= G(s)
[P2.4] Lugar de las Races Discreto II. Repita el analisis del problema 2 con G(z)
= G(z)

130
[P2.5] Estabilizaci
on de Sistemas Mnima Fase. Un sistema de mnima fase es uno en el cual todos
los ceros poseen parte real negativa (caso continuo) o modulo menor a 1 (caso discreto).
Existe una propiedad que indica que un sistema inestable y mnima fase a lazo abierto con igual
n
umero de polos que de ceros siempre puede estabilizarse mediante control proporcional. Justique este
resultado mediante lo que sabe acerca del metodo del LR.
[P2.6] Lugar de las Races Continuo III. Dada la siguiente funci
on transferencia correspondiente
a un sistema continuo
G(s) =
(s + 1)(s2 + 4s + 20)
s2 (s + 2)(s2 + 8s + 20)
a- Determine, tratando de evitar c

alculos innecesarios, si se puede estabilizar el mismo mediante un
control proporcional.
b- Dibuje el LR para K 0.
c- Calcule angulo de salida y llegada a las singularidades que no sean reales.
[P2.7] Lugar de las Races Continuo IV. La Figura 2.42 representa el esquema de control de una
planta modelada mediante la FT G(s). En este esquema, la FT H(s) modela la dinamica del actuador
(caracterizado mediante un sistema de primer orden) y un control proporcional.
Figura 2.42: Esquema de control de la planta
G(s) =
2600
s (s2 + 100 s + 2600)
H(s) = K
25
s + 25
Dibuje el lugar de las races para K > 0 indicando y calculando asntotas, centroide y puntos de
quiebre.
En caso de haber puntos de cruce (Interseccion con el eje imaginario) calcular los mismos y los
valores del par
ametro K en los cuales ocurren.
[P2.8] Lugar de las Races Continuo V. De los tres trazados del lugar de las races representados
en la Figura 2.43, vericar si alguno de ellos es incorrecto.
Ademas, suponiendo que se trata de un sistema continuo, indique si alguno de ellos puede ser inestable
para alg
un valor de K.
Justique sus respuestas.
[P2.9] Lugar de las Races Continuo VI La Figura 2.44 representa un control proporcional de un
sistema de tercer orden con un ltro en el lazo de realimentacion.
1. Dibujar el lugar de las races para K > 0 indicando, si corresponde, la cantidad de asntotas, angulo
de las mismas y centroide.
2. Indique y justique si se puede inestabilizar el sistema para alg
un valor de K > 0.
3. Localice los polos a lazo cerrado cuando K es igual a 2.

4
131
2.5
15
3
10
1.5
2
1
5
0.5
0.5
1
5
1
2
1.5
10
4
8
15
7
2.5
6
Figura 2.43: Lugar de las Races.
Figura 2.44: Sistema de control con compensador en el lazo de realimentaci

on.
4. Para los casos en que el lazo resulte estable, y sin calcular la FT a lazo cerrado, determine el
valor nal al que tiende la salida del sistema realimentado suponiendo que la entrada es un escal
on
unitario.
[P2.10] Lugar de las Races y Respuesta Temporal. Dado el sistema de la Figura 2.45, del cual se
representa el lugar de las races, que ocurre con el sobrevalor de la respuesta del sistema realimentado
M (s) a medida que se disminuye la ganancia K a partir del valor se
nalado en la gura?
4
3
2
1
0
1
2
3
4
3
Figura 2.45: Lugar de las races y esquema del sistema.
[P2.11] Criterio de Nyquist Se quiere estudiar la estabilidad en lazo cerrado del sistema de la
Figura 2.46.
Para esto,
1. Obtenga la FT de lazo abierto GLA (s) y dibuje el diagrama de Nyquist correspondiente, suponiendo
K = 1.
2. En virtud del diagrama de Nyquist obtenido, determine el rango de valores de K para los que el
sistema a lazo cerrado resulta estable.

132
Figura 2.46: Esquema con control proporcional y compensador en la realimentaci

on.
3. Verique los resultado utilizando el criterio de Routh.

[P2.12] Diagramas de Bode y Nyquist
La funci
on transferencia en lazo abierto de un SLE es
GLA (s) =
s
100( 10
+ 1)
s
+ 1)
s(s + 1)( 100
(P2.12a)
a. Hacer un diagrama de Bode de amplitud y fase.

b. Trazar el Diagrama de Nyquist correspondiente.
c. Indicar si el sistema en lazo cerrado con retroalimentacion unitaria es estable.
[P2.13] Estabilidad Relativa Con el n de mejora determinadas caractersticas de la respuesta de un
sistema cuya FT a lazo abierto es
G(s) =
(s + 10)
s(s + 1)(s2 + 5s + 25)
se implementa un control proporcional como el de la gura 2.40. De esta manera, la FT de lazo abierto
es GLA (s) = K G(s). Se pide entonces:
Dibujar el diagrama de Bode de la FT GL A(s) para K = 1.
Obtener los margenes de fase y de ganancia para K = 1 y K = 50.
Es estable el sistema para ambos valores de K? Justique.
[P2.14] Estabilidad Relativa II

Se est
a estudiando la estabilidad de tres sistemas distintos, los cuales se encuentran en lazos de
realimentacion unitaria. Las FT de lazo abierto son:
A) GLA (s) =
B) GLA (s) =
C) GLA (s) =
K
(1 + T s)2 (1 + 0.1T s)
K
(1 + T s)3
K
(1 + T s)(1 + T s)(1 + 10T s)
1- Suponiendo K = 1, determine cual de los sistemas presenta mejor estabilidad relativa. Justique.
2- Para el sistema elegido. Cual es el valor de ganancia K para obtener margen de fase de /6?
Captulo 3
Filtros Anal
ogicos
En el contexto del procesamiento de se
nales, se denominan ltros a los dispositivos que eliminan total
o parcialmente ciertas caractersticas indeseadas de las se
nales de entrada. En la mayor parte de los casos,
los ltros se encargan de eliminar o atenuar determinados rangos de frecuencias para suprimir ruido y
se
nales de interferencia preservando las componentes frecuenciales que contienen la parte u
til de la se
nal.
A grandes rasgos, los ltros pueden dividirse entre analogicos y digitales. Los primeros, generalmente
implementados mediante circuitos electronicos, act
uan sobre se
nales continuas mientras que los segundos,
implementados mediante dispositivos digitales, modican las caractersticas de se
nales discretas.
Los ltros cumplen un rol fundamental en todas las implementaciones practicas de sistemas electronicos, ya que los dispositivos del mundo real siempre introducen ruido y distintas perturbaciones cuyo
efecto debe necesariamente atenuarse.
En este captulo estudiaremos los ltros analogicos desde la perspectiva de la teora de sistemas,
trabajando exclusivamente sobre modelos de ltros lineales y estacionarios. Daremos ademas una peque
na
introduccion a la implementacion de filtros pasivos.
3.1.
Introducci
on y Conceptos B
asicos
La Figura 3.1 muestra un circuito RC. En el mismo, la entrada es una fuente ideal de tensi
on con
voltaje u(t) y tomaremos como salida la tensi
on en el capacitor.
Figura 3.1: Circuito RC
Tomando par
ametros R = C = 1, la funci
on de transferencia del sistema queda:
G(s) =
UC (s)
1
=
U (s)
s+1
Supongamos ahora que la tensi

on de entrada u(t) tiene la siguiente expresion:
u(t) = sen(0.1 t) + sen(t) + sen(10 t)
Cual sera entonces la tensi
on de salida?.
Para esto podemos aprovechar lo que sabemos de la respuesta en frecuencia de los sistemas lineales y
estacionarios, y estudiar el problema mediante superposicion.
133

CAPITULO 3. FILTROS ANALOGICOS
134
La respuesta en frecuencia del sistema est

a caracterizada por la funci
on
G(j ) =
1
1
=
1+j
1 + 2 ej
1
=
ej
1 + 2
donde
= arctan()
Por lo tanto, la salida del sistema tendra la forma
1
1
1
sen(0.1 t arctan(0.1)) + sen(t arctan(1)) +
sen(10 t arctan(10))
uC (t) =
1.01
2
101
Puede verse f
acilmente que la primer componente, correspondiente a la frecuencia de 0.1 rad/s, no
sufre casi atenuacion ni defasaje. La segunda componente, correspondiente a la frecuencia de 1 rad/s se
aten
ua en aproximadamente un 30 % y se defasa en 45 grados. Finalmente, la componente de 10 rad/s
se aten
ua en aproximadamente un 90 % y se defasa en mas de 84 grados.
Evidentemente, el circuito RC mostrado aten
ua mucho las componentes de alta frecuencia y modica
muy poco las de baja frecuencia. Como veremos mas adelante, este comportamiento se corresponde al de
un ltro pasabajos.
Si tomamos en cambio como salida la tensi
on de la resistencia, la expresion sera:

1
1
sen(0.1 t arctan(0.1)) + 1
sen(t arctan(1))+
uR (t) = 1
1.01
2

1
sen(10 t arctan(10))
+ 1
101
y el comportamiento respecto de la atenuacion sera el opuesto al caso anterior. Ahora las componentes
de baja frecuencia se ven muy atenuadas, mientras que las de alta frecuencia pasan casi sin atenuacion.
Esta caracterstica veremos luego que corresponde a un ltro pasaaltos.
En cualquier, el circuito de la Figura3.1 puede utilizarse para implementar un ltro elemental. En
este caso, se trata de un filtro pasivo, ya que cuenta u
nicamente con componenetes pasivos (resistores,
capacitores e inductores). Los ltros analogicos se implementan a menudo con dispositivos amplicadores
(generalmente amplicadores operacionales) y en ese caso se habla de filtros activos. Una tercera alternativa dentro de los ltros analogicos la constituyen las implementaciones con capacidades conmutadas.
3.1.1.
Caracterizaci
on: FT, Amplitud, Fase, Atenuaci
on y Retardo de Grupo
Dado que lo que mas interesa de los ltros es su comportamiento entrada/salida, lo mas logico y natural
es utilizar representaciones de modelo externo. Teniendo en cuenta ademas que lo mas trascendente en
general es la respuesta en frecuencia, la Funci
on Transferencia sera en general la herramienta mas utilizada
para expresar los modelos de los ltros.
Mientras que en la literatura sobre control generalmente se utiliza G(s) para designar la funci
on
transferencia, en la literatura sobre procesamiento de se
nales (y por lo tanto en lo referente a ltros), se
utiliza normalmente H(s) para expresar la FT.
Dado entonces un ltro con funci
on transferencia
H(s) =
Y (s)
U (s)
nos interesar
a generalmente estudiar lo que ocurre con la magnitud y la fase a las distintas frecuencias. Por
lo tanto, nos interesar
a evaluar la amplitud A() , |H(j)| y la fase () , H(j). En consecuencia,
el Diagrama de Bode del ltro sera una representacion graca fundamental.
En muchas aplicaciones, en lugar de la amplitud de la FT A() se utiliza la Atenuaci
on, (),
denida como la inversa de la amplitud y generalmente expresada en decibeles. Esto es, () =
20 log10 (|H(j)|).

135
Supongamos ahora que tenemos un ltro de primer orden con constante de tiempo T , cuya FT es
1
H(s) =
1+T s
La amplitud de la respuesta en frecuencia sera entonces
1
A() = |H(j)| =
1 + T 22
mientras que la fase sera
() = H(j) = arctan(T )
Como en todos los sistemas lineales y estacionarios, la FT H(s) es una funci

on racional de s (cociente de
polinomios). Sin embargo, su amplitud y fase no son funciones racionales de , lo que diculta el estudio
analtico.
Por este motivo, en muchos casos se utiliza el cuadrado del modulo |H(j)|2 , que es siempre una
funci
on racional de . En el caso del ejemplo, tenemos
1
|H(j)|2 =
1 + T 22
Por otro lado se dene el Retardo de Grupo,
d
()
d
que puede probarse que siempre resulta una funci
on racional.
Para el caso del ejemplo, el Retardo de Grupo (RG) toma la expresion:
g () ,
(3.1)
T
1 + 2 T 2
La fase de la FT a una frecuencia 0 puede recuperarse de la expresion del RG seg
un:
Z 0
g ()d
(0 ) =
g () =
El retraso de fase de la salida, expresado en tiempo, sera entonces

Z 0
(j0 )
1
=
=
g ()d
0
0 0
es decir, el retraso temporal de la salida respecto de la entrada a una frecuencia dada es el promedio de
g (). Por este motivo, g se denomina Retardo de Grupo. Cuando g es constante en todas las frecuencias,
el RG mide directamente el retardo de la salida.
El retardo de grupo es una caracterstica importante en muchas aplicaciones, como por ejemplo en
los ltros de audio.
En el caso del ejemplo del ltro de primer orden, la expresion del RG nos dice que para frecuencias
bajas ( << 1/T ), el retardo es aproximadamente igual a la constante de tiempo T . Esto es, si la entrada
es una se
nal de baja frecuencia, la salida estar
a retardada aproximadamente T segundos.
3.1.2.
Filtros Selectores de Frecuencia
Como mencionamos anteriormente, la mayor parte de los ltros se dise

nan para eliminar o atenuar
determinados rangos de frecuencia. Estos ltros, denominados selectores de frecuencia, permiten el paso de
las componentes cuyas frecuencias pertenecen a las llamadas bandas de paso y bloquean las componentes
con frecuencias dentro de las bandas de corte.
Existen cuatro tipo de ltros selectores de frecuencia: pasa bajos, pasa altos, pasa banda y rechaza
banda. Existen tambien ltros que permiten el paso de m
ultiples bandas, pero su implementacion es
generalmente digital.
La Figura 3.2 muestra la magnitud ideal A() = |H(j)| de los cuatro tipos de ltro.
Las respuestas en frecuencias mostradas corresponden a ltros ideales, ya que rechazan completamente
las bandas de corte y no aten
uan en absoluto las bandas de paso. Como veremos mas adelante, en la
practica sera imposible construir ltros con estas caractersticas.

136
Figura 3.2: Amplitud de la Respuesta en Frecuencia Ideal de los Distintos Tipos de Filtros
3.1.3.
Transmisi
on sin Distorsi
on
Decimos que una se

nal, o una parte de ella, se transmite sin distorsion a traves de un sistema cuando
la forma de onda de la salida es identica a la de la entrada.
Idealmente, cuando una se
nal de entrada este enteramente contenida en la banda de paso de un ltro,
deberamos esperar que la se
nal de salida sea identica a la de entrada excepto por alg
un eventual retraso
temporal y por alg
un factor de amplicacion.
Esto es, llamando u(t) e y(t) a la entrada y salida del ltro, respectivamente, tendra que vericarse
y(t) = K u(t )
(3.2)
donde es un retardo constante e independiente de la frecuencia (al menos dentro de la banda de paso)
y K es la ganancia (tambien constante) del ltro.
Aplicando la transformada de Laplace a la Ec.(3.2), resulta,
Y (s) = K e s U (s)
(3.3)
que debera vericarse al menos en el rango de frecuencias correspondiente a las bandas de paso. Por lo
tanto, la respuesta en frecuencia en dichas bandas tendra amplitud:
A() = |K e
|=K
(3.4)
y fase
() =
(3.5)
Es decir, para que no haya distorsi

on la amplitud de la respuesta en frecuencia debe ser constante (lo cual
es casi obvio) y la fase debe disminuir con una pendiente constante. Derivando respecto a la expresion
de la Ec.(3.5) obtenemos el retardo de grupo:
g () =
d
() =
d
Esto es, para que no haya distorsi

on el retardo de grupo debe ser constante en el rango de frecuencias
correspondientes a la banda de paso.
Si bien en la practica sera imposible lograr una respuesta en frecuencia ideal ya sea en amplitud o en
fase, en general buscaremos aproximarnos a estas condiciones tanto como podamos.

3.2.
137
Filtros Ideales
Llamaremos ltros ideales a los selectores de frecuencia que eliminan completamente las componentes
espectrales correspondientes a las bandas de corte y que transmiten sin distorsion las componentes con
frecuencias comprendidas en las bandas de paso.
3.2.1.
Respuesta en Frecuencia de los Filtros Ideales
Pasabajos
Los ltros pasabajos (PB) idealmente bloquean totalmente las componentes cuya frecuencia es mayor que la llamada frecuencia de corte c , y permiten el paso sin atenuacion de las componentes con
frecuencias menores que c .
Teniendo en cuenta ademas que no debe haber distorsion, la fase en la banda de paso debe disminuir
con una pendiente constante, partiendo de (0) = 0 de acuerdo a la Ec.(3.5). En la banda de corte, en
tanto, la fase es irrelevante ya que la amplitud es nula.
La Figura 3.3 muestra la respuesta en frecuencia de un pasabajos ideal. Dicho ltro introducira un
retardo igual a la pendiente de la fase ().
Figura 3.3: Respuesta en Frecuencia de un Pasabajos Ideal
Pasaaltos
Los ltros pasaaltos (PA) idealmente bloquean totalmente las componentes cuya frecuencia es menor
que la frecuencia de corte c , y permiten el paso sin atenuacion de las componentes con frecuencias
mayores que c .
Respecto a la fase, para que no haya distorsion, deben satisfacer tambien la Ec.(3.5). Por lo tanto, la
respuesta en frecuencia deber
a tener la forma de la graca que se muestra en la Figura 3.4.
Pasabanda
Los ltros pasabanda (PBn) permiten el paso de las componentes comprendidas entre las frecuencias
1 y 2 , denominadas frecuencia inferior de corte y frecuencia superior de corte respectivamente. Las
restantes componentes son bloqueadas totalmente.
Al igual que en los casos anteriores, la fase dentro de la banda de paso debe satisfacer la Ec.(3.5). En
consecuencia, la respuesta en frecuencia debera tener la forma de la mostrada en la Fig.3.5.

138
Figura 3.4: Respuesta en Frecuencia de un Pasaaltos Ideal
Figura 3.5: Respuesta en Frecuencia de un Pasabanda Ideal
Rechazabanda
Los ltros rechazabanda (RBn) bloquean completamente las componentes comprendidas entre las
frecuencias inferior y superior de corte 1 y 2 . Las componentes restantes, en tanto, pasan sin distorsion.
Como en los casos anteriores, la fase dentro de las bandas de paso debe satisfacer la Ec.(3.5) por lo
que la respuesta en frecuencia deber
a tener la forma de la mostrada en la Fig.3.6.
3.2.2.
Respuesta al Escal
on de un Filtro Ideal
Supongamos que tenemos un ltro ideal, con una respuesta en frecuencia como la mostrada en alguna
de las Figs.3.33.6. Veremos a continuacion como determinar la respuesta al escal
on unitario.
La primera dicultad para determinar la respuesta es que no conocemos completamente la funci
on
transferencia H(s) del ltro, sino solo sus valores en el eje imaginario H(j).
Conociendo la respuesta en frecuencia H(j) podemos determinar la respuesta en regimen a cualquier
se
nal senoidal. Por lo tanto, dada una se
nal periodica arbitraria, podemos descomponerla en serie de

139
Figura 3.6: Respuesta en Frecuencia de un Rechazabanda Ideal
Fourier y obtener su respuesta en regimen permanente.

Particularmente, aplicando este procedimiento podemos obtener la respuesta a una onda cuadrada
arbitraria. Luego, si tomamos una onda cuadrada de una frecuencia muy baja, la respuesta se aproximar
aa
la respuesta al escal
on. M
as a
un, cuando la frecuencia de la onda cuadrada tienda a cero, la respuesta
obtenida tender
a a la respuesta al escal
on.
Consideremos entonces que la entrada al ltro u(t) es una onda cuadrada de amplitud unitaria y
frecuencia s . Su expresion en serie de Fourier es la siguiente:
u(t) =
2 X sen((2k 1) s t)
1
+
2
2k 1
k=1
Para un ltro con respuesta en frecuencia generica H(j) con |H(j)| = A() y H(j) = (), la
salida tendra la expresion,
y(t) =
1
2 X A((2k 1) s ) sen((2k 1) s t + ((2k 1) s ))
A(0) +
2
2k 1
k=1
Deniendo k , (2k 1)s , podemos reescribir esta u

ltima expresion como
y(t) =
1
2 X A(k ) sen(k t + (k ))
A(0) +
2
2k 1
k=1
Luego, multiplicando y dividiendo dentro del sumador por s , resulta
2 X A(k ) sen(k t + (k ))
1
s
y(t) = A(0) +
2
k
k=1
Deniendo ahora , k+1 k , resulta = 2s , y luego, la salida puede escribirse como

y(t) =
1
1 X A(k ) sen(k t + (k ))
A(0) +
2
k
k=1
Como dijimos antes, la respuesta al escal

on puede obtenerse cuando la frecuencia s de la onda cuadrada
tiende a cero. Esto es equivalente a pedir que tienda a cero, y por lo tanto la salida sera:
"
#
1
1 X A(k ) sen(k t + (k ))
y(t) = lm
A(0) +
0 2
k
k=1

es decir
y(t) =
140
1
1
A(0) +
2
A() sen( t + ())

d
(3.6)
Respuesta de un Filtro Pasabajos

Para el caso de un ltro pasabajos ideal, entonces, tendremos
(
1 si c
A() =
0 en otro caso
y () = . Por lo tanto, reemplazando estas expresiones en la Ec.(3.6) resulta,
Z
Z
1 c sen( t )
1
1 c sen( (t ))
1
d = +
d
y(t) = +
2 0
2 0
Deniendo x , (t ), y cambiando variables dentro de la integral, obtenemos,

1
1
y(t) = +
2
c (t )
1 Si(c (t ))
sen(x)
dx = +
x
2
donde la funci
on Si() se denomina Seno Integral y su graca se muestra en la Fig.3.7.
2.0
1.5
1.0
Si(x)
0.5
0.0
0.5
1.0
1.5
2.0
100
80
60
40
20
20
40
60
80
100
x
Figura 3.7: Funci
on Seno Integral Si(x).
Por lo tanto, la respuesta al escal

on del ltro pasabajos ideal sera como la que muestra la Figura 3.8.
Es ese caso, la curva se grac
o para una frecuencia de corte c = 1 y un retardo de grupo = 20.
Esta respuesta tiene la particularidad de ser no causal, ya que y(t) es distinta de cero para instantes de
tiempo t menores que cero. Ning
un sistema real puede tener esta respuesta al escal
on, lo que demuestra
que los ltros pasabajos ideales son irrealizables en la practica.
Cuando el retardo de grupo aumenta mucho, la respuesta para valores negativos de t es casi despreciable y entonces sera factible obtener buenas aproximaciones de esta caracterstica ideal. Sin embargo,
estas aproximaciones tendran el incoveniente de introducir un retardo muy grande lo que en general
tornara impr
actico al ltro.

141
1.4
1.2
1.0
y(t)
0.8
0.6
0.4
0.2
0.0
0.2
50
40
30
20
10
10
20
30
40
50
t
on de un Pasabajos Ideal, con c = 1 y = 20.
Otros Filtros Ideales

Si se repite el analisis para el caso del ltro pasaaltos, veremos que la respuesta al escal
on sera tambien no causal, y valdran las mismas consideraciones que en el caso del ltro pasabajos. Las mismas
conclusiones valdran tambien para los casos pasabanda y rechazabanda.
En denitiva, los ltros ideales son fsicamente irrealizables. En la secci
on siguiente estudiaremos
entonces los ltros reales.
3.3.
Filtros Reales
Los ltros reales se implementan en general con un n

umero nito de componentes y en consecuencia,
las FTs correspondientes son funciones racionales de s.
Por este motivo, la amplitud de la respuesta en frecuencia nunca tendra valores constantes en la banda
de paso, ni sera nula en la banda de corte ni tendra variaciones abruptas entre dichas bandas como las que
muestran las caractersticas de los ltros ideales. Por su parte, la fase tampoco podra tener una pendiente
constante para evitar la distorsi
on.
Veremos entonces algunas respuestas en frecuencia tpicas de los ltros reales y luego estudiaremos
como especicar las caractersticas deseadas de los mismos.
3.3.1.
Respuesta en Frecuencia de los Filtros Reales
Figura 3.9: Circuito RLC que Implementa un Filtro Pasivo Pasabanda

142
La Figura 3.9 muestra un circuito RLC cuya Funci

on Transferencia para los par
ametros R = L =
C = 1 es
s
(3.7)
H(s) = 2
s +s+1
La amplitud de la respuesta en frecuencia sera por lo tanto
A() = |H(j)| = p
+ (1 2 )2
y puede verse f
acilmente en esta expresion que A(0) = A() = 0 y que ademas A(1) = 1. Es evidente
que el ltro implementado mediante este circuito tendra caractersticas de Pasabanda. La Figura 3.10
muestra la amplitud de la respuesta en frecuencia, donde se corrobora este hecho.
1.0
0.9
0.8
0.7
A()
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
1.0
2.0
3.0
4.0
5.0
Figura 3.10: Amplitud de la Respuesta en Frecuencia del Filtro PBn de la Ec.(3.7)
Como puede observarse en esta gr

aca, la banda de paso tiene una frecuencia central a la que A()
es maximo (en este caso corresponde a = 1). Hay ademas dos frecuencias, denominadas 1 y 2
en las cuales la amplitud decae 3 decibeles respecto del valor maximo. Estas frecuencias se denominan
frecuencias de corte.
La fase () = H(j) tendra la expresion

2
() = arctan
2
1 2
y su graca puede verse en la la Figura 3.11. Finamlente, la Figura 3.12 muestra el retardo de grupo
g () = d()/d.
Supongamos ahora que ponemos como entrada de este ltro la se
nal:
u(t) = sen(0.1 t) + sen(t) + sen(10 t)
Como vemos, esta se
nal tiene tres componentes frecuenciales, una de ellas a la frecuencia central (dentro
de la banda de paso) y las otras dos en las bandas de corte. En un ltro ideal, la salida contendra una
senoidal pura con frecuencia angular 1. Aqu, en cambio, tendremos,
y(t) = A(0.1) sen(0.1 t + (0.1)) + A(1) sen(t + (1)) + A(10) sen(10 t + (10))

143
2.0
1.5
1.0
()
0.5
0.0
0.5
1.0
1.5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
Figura 3.11: Fase de la Respuesta en Frecuencia del Filtro PBn de la Ec.(3.7)
2.5
2.0
g ()
1.5
1.0
0.5
0.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
Figura 3.12: Retardo de Grupo del Filtro PBn de la Ec.(3.7)
La Figura 3.13 muestra las se

nales de entrada y salida mencionadas. Puede observarse un ltrado
importante en las se
nales indeseadas, aunque la remocion de las mismas no es total.
La respuesta en frecuencia de este ltro real, caracterizada por la amplitud y fase de las Figs.3.103.11,
puede pensarse como una aproximacion (no muy buena, por cierto) de la respuesta en frecuencia ideal de
un pasabanda mostrada anteriormente en la Fig.3.5. Pese a la gran discrepancia entre la caracterstica
ideal y la aproximada, el ltrado observado en la Fig.3.13 puede ser mas que aceptable en muchas
aplicaciones.
M
as adelante veremos c
omo realizar otras aproximaciones que pueden ser mucho mejores que la

144
3
2
u(t)
1
0
1
2
3
10
20
30
40
50
60
70
80
90
100
50
60
70
80
90
100
t
1.5
1.0
y(t)
0.5
0.0
0.5
1.0
1.5
10
20
30
40
t
Figura 3.13: Entrada y Salida en el Filtro PBn de la Ec.(3.7)
analizada en este caso.

Por u
ltimo, cabe aclarar que aunque en este ejemplo analizamos un caso muy particular de un determinado ltro pasabandas real, los fenomenos que ocurriran en los otros tipos de ltros reales seran
similares.
3.3.2.
Plantillas de Filtros Reales
Dependiendo del problema en cuestion, en algunos casos sera necesario aproximarnos mucho a las
caractersticas de un ltro ideal mientras que en otros alcanzara con una aproximacion sencilla.
Como especicar entonces que tanto debemos aproximarnos a las caractersticas ideales al dise
nar
un ltro?
Para esto, la herramienta mas habitual de especicaci
on de ltros reales son las denominadas plantillas.
La Figura 3.14 muestra una plantilla tpica de amplitud para un ltro pasabajos. Cualquier ltro cuya
amplitud de la respuesta en frecuencia A() = |H(j)| este contenida exclusivamente en la zona blanca
de la plantilla, sera aceptable como solucion al problema de dise
no.
Normalmente las plantillas se especican en decibeles, como se muestra en la Figura 3.15.
Ademas, en la mayor parte de la literatura y en las tablas y abacos sobre dise
no de ltros, en lugar
de especicar la amplitud A() = |H(j)|, se especica la atenuacion () = 1/A() expresada en
decibeles. Notar que ()dB= A()dB. La Figura 3.16 muestra una plantilla de atenuacion tpica.
Como puede observarse en cualquiera de las guras, al proponer una plantilla se dejan en evidencia
las no idealidades admisibles para el ltro a dise
nar.
Por un lado, no se dene una frecuencia de corte rigurosa, sino que se estable una banda de transici
on.
La banda de transicion, en el caso de un ltro pasabajos, queda denida entre las frecuencias de paso
(p ) y de atenuacion (a ). Una banda de transicion estrecha (p cercano a a ) implicar
a en general el
uso de ltros de orden alto con el consecuente incremento de costos, incertidumbre parametrica, etc. ,
mientras que una banda de transicion holgada no permitira eliminar componentes cercanas al extremo
de la banda de paso.
Por otro lado, en la banda de paso se admite una cierta atenuacion menor que el par
ametro max . De
manera similar, en la banda de corte se admite que la atenuacion no sea total, sino que es suciente con
que sea mayor que el par
ametro max .

145
Figura 3.14: Plantilla de Amplitud de un Filtro Pasabajos
Figura 3.15: Plantilla de Amplitud en Decibeles de un Filtro Pasabajos
Figura 3.16: Plantilla de Atenuaci

on en Decibeles de un Filtro Pasabajos
El valor de todos estos par

ametros que denen el ancho de la banda de transicion, la maxima atenuacion permitida en la banda de paso y la mnima atenuacion admitida en la banda de corte dependeran
de la aplicacion en cuestion y determinaran la calidad del ltro.
Dependiendo tambien de la aplicacion, se suele ademas especicar una plantilla para el retardo de
grupo g (). Esta plantilla muchas veces establece el rango de variacion maxima que se admite para el
retardo de grupo dentro de la banda de paso, ya que esta variacion sera una medida de la distorsion.
Las plantillas de los restantes tipos de ltros (PA, PBn, RBn) siguen los mismos criterios. Por ejemplo,

146
la Figura 3.17 muestra una plantilla de atenuacion tpica de un ltro pasabanda. En dicha plantilla hay,
naturalmente, dos bandas de transicion entre la banda de paso y las dos bandas de corte.

on en Decibeles de un Filtro Pasabanda
3.3.3.
Especificaciones de Frecuencia Complementarias
Como mencionamos antes, el ancho de la banda de transicion dene un aspecto importante relacionado
con la calidad y complejidad del ltro resultante.
Una medida que se utiliza normalmente para cuanticar este ancho es la selectividad, que se dene
para los distintos tipos de ltros seg
un las expresiones que se resumen en la Tabla 3.1.
Tipo de Filtro
Selectividad
Pasabajos
k = ap
Pasaaltos
a
k=
p
Pasabanda

k = p2 p1
a1
a2
Rechazabanda
a2 a1
k=
p1 p2
Tabla 3.1: Selectividad de los Distintos Tipos de Filtros
La selectividad k es un valor que resulta siempre menor que 1. Cuando k se acerca a 1, el ltro resulta
mas selectivo y generalmente mas complejo.
Otro par
ametro importante, pero que aplica solo a los ltros pasabanda y rechazabanda es la denominada frecuencia central. La frecuencia central se calcula como la media logartmica o geometrica de los
extremos de la banda de paso (pasabanda) o de corte (rechazabanda), esto es,
c =
p1 p2
c =
para el caso del pasabanda y

para el rechazabanda.
a1 a2

147
Otro par
ametro importante de los ltros pasabanda es el denominado ancho de banda relativo, denido
como el ancho de la banda de paso dividido la frecuencia central.
B=
p2 p1
0
Este par
ametro es importante muchas veces ya que no es lo mismo un ancho de banda de 100Hz en torno
a una frecuencia central de 200Hz que en torno a una frecuencia de 1MHz.
3.4.
Dise
no de la Funci
on Transferencia
Dada una plantilla que especica la region que debe contener a la funci
on de atenuacion (), el
problema es entonces encontrar una FT simple H(s) cuya atenuacion se corresponda con la plantilla.
Veremos entonces como plantear el problema para el caso de un filtro pasabajos y luego estudiaremos
metodos para convertir estos en ltros de otro tipo.
3.4.1.
Procedimiento B
asico de Dise
no para Pasabajos
Supongamos que tenemos una plantilla de atenuacion como la de la Fig.3.16.

Dado que la atenuacion (en escala lineal) |H(j)|1 no es una funci
on racional, en la etapa de dise
no
se preere trabajar con el cuadrado de la atenuacion, esto es,
|H(j)|2 =
1
H(j) H(j)
que siempre resultara racional en j y sera por lo tanto mas sencillo para realizar c
alculos.
Una primer observaci
on es que |H(j)|1 (y por lo tanto el cuadrado de la misma) debe tener un
valor cercano a 1 (es decir, 0dB) en la banda de paso. Es mas sencillo aproximar funciones en torno a 0
que en torno a 1, por lo que se dene la funci
on caracterstica K(j) de modo que satisfaga:
|K(j)|2 = |H(j)|2 1
o equivalentemente,
K(j) K(j) =
(3.8)
1
1
H(j) H(j)
que puede extenderse analticamente a

K(s) K(s) =
1
1
H(s) H(s)
H(s) H(s) =
1
K(s) K(s) + 1
de donde,
(3.9)
que es la denominada Ecuaci

on de Feldtkeller.
La idea es entonces transformar la plantilla de atenuacion en una plantilla para la funci
on caracterstica K(j). Luego, deberemos encontrar una funci
on caracterstica K(j) que satisfaga dicha plantilla.
Finalmente, utilizando la Ec.(3.4.1) obtendremos la FT H(s).
Notar que si H(s) H(s) tiene un polo en s0 , tambien tendra un polo en s0 . Por lo tanto, uno de los
dos polos tendra parte real positiva. Lo que haremos entonces es asignar a H(s) los polos con parte real
negativa y a H(s) los polos con parte real positiva. Esto nos permitira garantizar siempre la estabilidad
del ltro.

148

on de un Filtro Pasabajos
Plantilla de la Funci
on Caracterstica
Supongamos que queremos dise
nar un ltro pasabajos cuya funci
on de atenuacion se corresponda a
la plantilla de la Fig.3.18.
Como vemos, en la banda de paso admitimos una atenuacion maxima de 1dB, esto es, |H(j)|1 <
1/20
10
y por lo tanto
|H(j)|2 < 101/10
y teniendo en cuenta la Ec.(3.8),
|K(j)|2 = |H(j)|2 1 < 101/10 1
de donde,
|K(j)| <
p
101/10 1 = 0.509 = Kmax
Por otro lado, en la banda de corte la atenuacion debe ser como mnimo de 10dB, o sea, |H(j)|1 >
1010/20 = 101/2 y por lo tanto,
|H(j)|2 > 10
y luego,
|K(j)|2 = |H(j)|2 1 > 9
de donde,
|K(j)| > 3 = Kmin
En consecuencia, la plantilla que debe vericar la funci
on caracterstica |K(j)| es la que se muestra
en la Figura 3.19
Figura 3.19: Plantilla de la Funci

on Caracterstica de un Filtro Pasabajos

149
Obtenci
on de la Funci
on Caracterstica
Para obtener la funci
on caracterstica que verica la plantilla, lo que haremos es proponer una expresi
on dejando algunos par
ametros que podamos modicar.
Por ejemplo, podemos proponer:
K(s) = c sn
donde los par
ametros c y n los calcularemos luego.
El modulo de la funci
on caracterstica en el eje imaginario es entonces,
|K(j)| = c n
Esta funci
on es creciente, y particularmente en el extremo de la banda de paso vale
|K(jp )| = c
ya que p = 1. Por lo tanto, deberemos elegir
c < Kmax = 0.509
por lo que tomaremos c = 0.5 (para simplicar los c
alculos). Habitualmente se toma c = Kmax .
En el extremo de la banda de corte debe valer,
|K(ja )| = 0.5 an = 0.5 2n < Kmin = 3
2n < 6 n > log2 (6) = 2.58
Como n debe ser entero, tomaremos n = 3. En denitiva, tenemos la Funci
on Caracterstica
K(s) = 0.5 s3 =
s3
2
(3.10)
que vericar
a la plantilla de la Fig.3.19.
Obtenci
on de la Funci
on Transferencia
Utilizando la Ec., tenemos
H(s) H(s) =
1
4
1
=
=
6
6+4
K(s) K(s) + 1
s
s
4 +1
los polos del producto H(s) H(s) son entonces las 6 races sextas de 4. De estas races, 3 estar
an en el
semiplano izquierdo y 3 en el derecho. La Figura 3.20 muestra la ubicacion de los 6 polos.
Elegiremos entonces para H(s) las 3 races con parte real negativa de manera de obtener una FT
estable. Estas races seran:
3
3
p1 = 2; p2,3 = 2 ej2/3
Por lo tanto, la FT H(s) quedara
H(s) =
(s +
2) (s2 + 3 2 s + 3 4)
(3.11)
La Figura 3.21 muestra nuevamente la plantilla de atenuacion original y la funci

on de atenuacion del
ltro dise
nado, lo que corrobora que el dise
no fue correcto.

150
1.5
1.0
Im(s)
0.5
0.0
0.5
1.0
1.5
1.5
1.0
0.5
0.0
0.5
1.0
1.5
Re(s)
Figura 3.20: Races de la Ecuaci
on s6 + 4 = 0
Figura 3.21: Plantilla y Funci

on de Atenuaci
on del Filtro Pasabajos de la Ec.(3.11)
3.4.2.
Polos de P
erdida y Ceros de Reflexi
on
Cuando dise
namos el ltro del ejemplo anterior, obtuvimos la funci
on caracterstica K(s) = 0.5 s3 ,
que contiene un cero triple en el origen y ning
un polo nito.
Cuando K(j) es nula, resulta |H(j)| = 1 y por lo tanto la atenuacion () vale 0dB. Esto quiere
decir que si K(s) tiene un cero en j0 , entonces a la frecuencia 0 no habr
a atenuacion. En el caso del
ejemplo, esto solo ocurre en s = 0.
Dado que la ausencia de atenuacion es algo deseable dentro de la banda de paso, muchas veces se
agregan ceros a la funci
on K(s) sobre el eje imaginario para mejorar la respuesta. Estos ceros se denominan
ceros de reflexi
on.
Por ejemplo, si volvemos al ejemplo del ltro podemos reemplazar la funci
on caracterstica por
K(s) = 2 s3 + 1.5 s
que tiene ceros de reexi

on en j 3/2, y que cumple con la plantilla de la Fig.3.19. Luego, procediendo
como antes se llega a la FT:
0.5
H(s) = 3
(3.12)
s + s2 + 1.25 s + 0.5
cuya funci
on de atenuacion es la que se muestra en la Fig.3.22. Como puede verse, el ltro tiene mucho
mayor selectividad
que la dise
nada originalmente. Notar ademas que los ceros de reexion a la frecuencia
de = 3/2 se traducen en atenuacion nula a dicha frecuencia.

151

on de Atenuaci
on del Filtro Pasabajos de la Ec.(3.12)
Por otro lado, cuando K(j) tiende a innito, resulta |H(j)| = 0 y por lo tanto la atenuacion tiende
a innito. Esto quiere decir que si K(s) tiene un polo en j0 , entonces a la frecuencia 0 la atenuacion
sera total. En el caso del ejemplo, esto solo ocurre con .
Dado que la atenuacion innita es una caracterstica deseable dentro de la banda de corte, se suelen
tambien agregar polos a la funci
on K(s) sobre el eje imaginario. Estos polos, denominados polos de
perdida, tienen ademas la propiedad de producir una pendiente abrupta en la curva de atenuacion, por
lo que si se colocan cerca del extremo de la banda de corte, permiten alcanzar una selectividad muy alta.
Por ejemplo, si se agregan polos a la funci
on caracterstica original del ejemplo en 0 = 2.1, esta
queda:
s3
K(s) = 1.7 2
s + 4.41
donde el factor 1.7 fue agregado para cumplir con la plantilla. La atenuacion resultante de la FT entonces
queda como la mostrada en la Fig.3.23.

on de Atenuaci
on del Filtro Pasabajos con polos de perdida
Normalizaci
on de los Par
ametros
Si observamos la plantilla de la funci
on caracterstica de la Fig.3.19, vemos en ella 4 par
ametros:
Kmax , Kmin , p y a .
El primero de ellos se suele notar como y se denomina ancho de ripple, ya que es el ripple que se
admite para la respuesta en frecuencia dentro de la banda de paso.

152
El par
ametro p que dene la banda de paso se normaliza, haciendo un cambio de variables s = s/p ,
de manera que en la frecuencia normalizada vale
p = 1.
Ademas, recordando que la selectividad se dena como k = p /s , con las frecuencias normalizadas
sera
s = 1/k.
Teniendo en cuenta estas consideraciones, las plantillas de la funci
on caracterstica tendran la forma
que se muestra en la Fig.3.24.
Figura 3.24: Plantilla de la Funci

on Caracterstica Normalizada de un Filtro Pasabajos
Como ya mencionamos, las especicaciones de los ltros normalmente se expresan en terminos de la

atenuacion en decibeles (). Por lo tanto, los par
ametros y Kmin se deberan determinar desde los
par
ametros max y min respectivamente.
Recordando que |K(j)|2 = |H(j)|2 1, y que () = 20 log10 (|H(j)|), evaluando para = p ,
resulta
max
(3.13)
2 = 10 10 1
de donde, puede tambien obtenerse,
max = 10 log10 (2 + 1)
De manera similar, evaluando para a se obtiene que,
min
2
Kmin
= 10 10 1
(3.14)
y luego,
2
min = 10 log10 (Kmin
+ 1)
Veamos entonces un ejemplo. Supongamos que queremos dise

nar un ltro con los siguientes par
ametros:
2
max = 1dB; max = 20dB; k = ; p = 1000
3
El ltro ademas tendra ceros de reexi

on en = 1000 0.75 y polos de perdida en = 1000 3.
Para comenzar, normalizaremos la frecuencia y consideraremos que p = 1.
De la Ec.(3.20) calculamos el ancho de ripple seg
un
r
q
max
1
= 10 10 1 = 10 10 1 = 0.509
y de la Ec.(3.14), tenemos
Kmin =
min
10 10 1 = 9.95
Ademas, la frecuencia de atenuacion normalizada sera a = 1/k = 1.5. Con esto completamos la especicacion de la plantilla que tendra una forma similar a la de la Fig.3.24

153
Teniendo en cuenta la posicion de los ceros de reexion y polos de perdida, la expresion de la funci
on
caracterstica sera:
sn (s2 + 0.75)
K(s) = c
s2 + 3
donde c y n los determinaremos de manera de cumplir con las especicaciones de y Kmin.
En la frecuencia de paso normalizada, sera
|K(jp )| = |K(j1)| = c
|0.75 1|
0.25
=c
31
2
Esta expresion la igualaremos a , ya que es el valor que queremos obtener para K(jp )|, y luego,
c=
2
=8
0.25
Falta entonces determinar n. Evaluando entonces la funci

on caracterstica en la frecuencia de atenuacion
normalizada, tenemos
|K(ja )| = |K(j1.5)| = c 1.5n
1.5
|0.75 1.52 |
= c 1.5n
= 16 1.5n
3 1.52
0.75
Esta expresion deber

a ser mayor o igual a Kmin , de donde,
1.5n
Kmin
= 1.22
16
Esta desigualdad se cumple para n = 1, por lo tanto alcanza con elegir este valor de n.
En denitiva, la funci
on caracterstica sera:
K(s) = 8
s (s2 + 0.75)
s2 + 3
La presencia de polos de perdida y ceros de reexion hace que la funci

on caracterstica no sea mon
otona.
Por lo tanto, es posible que aunque tanto en p como en a se veriquen las condiciones de dise
no, haya
valores de frecuencia donde esto no ocurra. De todas maneras, se puede vericar que para esta funci
on
caracterstica se cumplir
an las condiciones impuestas.
Para obtener la FT utilizaremos Matlab:
>>
>>
>>
>>
>>
c=8;
eps=sqrt(10^(1/10)-1);
NK=poly([0 -i*sqrt(0.75) i*sqrt(0.75)])*c*eps;
DK=poly([-i*sqrt(3) i*sqrt(3)]);
K=tf(NK,DK)
Transfer function:
4.071 s^3 + 3.053 s
------------------s^2 + 3
con lo que creamos la funci
on caracterstica K(s). Luego, tenemos que calcular
H(s) H(s) =
y obtener sus ceros y polos, para lo cual,
>> H2=1/(1-K*K)
Transfer function:
1
1 + K(s) K(s)

154
-s^4 - 6 s^2 - 9
------------------------------------16.57 s^6 + 23.86 s^4 + 3.321 s^2 - 9
>> [N2,D2]=tfdata(H2,v)
N2 =
0
1.0000
6.0000
9.0000
-16.5712
-23.8568
-3.3213
9.0000
D2 =
>> z2=roots(N2)
z2 =
-0.0000
-0.0000
0.0000
0.0000
+
+
-
1.7321i
1.7321i
1.7321i
1.7321i
>> p2=roots(D2)
p2 =
0.2243
0.2243
-0.2243
-0.2243
-0.6943
0.6943
+
+
-
1.0056i
1.0056i
1.0056i
1.0056i
A continuacion entonces construimos H(s) de manera que tenga solo los polos con parte real negativa y
un par de ceros conjugados de H(s) H(s).
>> p=p2(3:5)
p =
-0.2243 + 1.0056i
-0.2243 - 1.0056i
-0.6943
>> z=z2(1:2)
z =
-0.0000 + 1.7321i
-0.0000 - 1.7321i
A partir de los polos y ceros, obtenemos entonces la FT del ltro:
>> H1=zpk(z,p,1)

155
Zero/pole/gain:
(s^2 + 3)
---------------------------------(s+0.6943) (s^2 + 0.4486s + 1.061)
pero la ganancia est
atica no es la correcta, por lo que corregimos seg
un:
>> H=H1*abs(p(1))*abs(p(2))*abs(p(3))/abs(z(1))/abs(z(2))
Zero/pole/gain:
0.24565 (s^2 + 3)
---------------------------------(s+0.6943) (s^2 + 0.4486s + 1.061)
lo que nos da la expresion de la FT en terminos de la frecuencia normalizada.
La Figura 3.25 muestra la atenuacion del ltro dise
nado, gracada con Matlab.
30
25
alpha(dB)
20
15
10
0
0.5
1.5
2
w/wp
2.5
3.5
Figura 3.25: Atenuaci

on del Filtro Dise
nado
Nos resta entonces expresar la FT en terminos de la frecuencia original, situando la frecuencia de paso
p en 1000.
Para esto, simplemente escribimos,
H(s)
= H(s/1000) = 0.24565
esto es,
H(s)
= 245.65
3.4.3.
(103
106 s2 + 3
s + 0.6943) (106 s2 + 103 0.4486 s + 1.061)
s2 + 3 106
(s + 694.3)(s2 + 448.6 s + 1.061 106 )
Otros Tipos de Filtros: Transposici

on de Frecuencia
De los cuatro tipos de ltro presentados, el mas sencillo para trabajar en la etapa de dise
no es el
pasabajos. Como vimos antes, especicando la atenuacion maxima y mnima, la frecuencia de paso y la
selectividad es bastante sencillo encontrar una FT que verique dichas condiciones.

156
Para los otros tres tipos de ltros, el procedimiento habitual es dise

nar un pasabajos y realizar una
transformaci
on de frecuencias que lo convierta en el tipo de ltro deseado.
Esta transformaci
on de frecuencias sera tal que se preserve la selectividad, de manera que se pueda
dise
nar el pasabajos con los mismos par
ametros de especicacion del ltro original.
De Pasabajos a Pasaaltos
Supongamos que queremos dise
nar un ltro pasaaltos con frecuencia de paso p , selectividad k y
atenuacion mnima y maxima mn y max respectivamente. Para ello, comenzaremos normalizando la
frecuencia dividiendo por p .
Recordando que en el pasaaltos se dena la selectividad k = a /p , la frecuencia de atenuacion a
normalizada sera directamente la selectividad k.
Ahora entonces, la banda de paso estar
a por encima de 1 y la banda de corte estar
a por debajo de k.
La Fig.3.26 muestra la plantilla correspondiente.

on de un Filtro Pasaaltos con Frecuencia Normalizada
Buscamos entonces la FT normalizada H(s), que deniremos directamente como

1
H(s) = HP B ( )
s
donde HP B sera la FT de un pasabajos que dise
naremos.
La atenuacion del pasaaltos vericar
a
1
() = P B ( )
Dise
naremos entonces HP B (s) de manera que tenga frecuencia de paso p = 1, selectivadad k y
atenuacion mnima y maxima mn y max respectivamente. Este pasabajos cumplir
a entonces con la
plantilla que muestra la Fig.3.27.
Si dise
namos el pasabajos de esta forma, tendremos
P B () max para < 1
Por lo tanto,
1
( ) = P B () max para < 1
lo que quiere decir que

() max para > 1
por lo que se verica la condicion sobre la banda de paso del pasaaltos.
Ademas, valdra
1
P B () mn para >
k

157

on de un Filtro Pasabajos con Frecuencia Normalizada
Por lo tanto,
1
1
( ) = P B () mn para >
lo que quiere decir que

() mn para < k
por lo que se verica la condicion sobre la banda de corte del pasaaltos.
En conclusi
on, podemos dise
nar el pasabajos para que cumpla con las especicaciones del pasaaltos
y luego hacer el cambio de variables s 1/s.
De Pasabajos a Pasabanda
Supongamos ahora que queremos dise
nar un ltro pasabanda con frecuencia central 0 , selectividad
k, ancho de banda relativo B y atenuacion mnima y maxima mn y max respectivamente. La plantilla
correspondiente es la que se muestra en la Fig.3.28.

on de un Filtro Pasabanda
El procedimiento sera similar al del pasaaltos. Para ello, dise

namos un ltro pasabajos con selectividad
k, atenuacion mnima y maxima mn y max respectivamente y p = 1. Luego, denimos,

0
1 s
+
(
)
(3.15)
H(s) = HP B
B 0
s
Puede vericarse que mediante esta transformaci
on, el ltro pasabanda H(s) preservara los par
ametros
de selectividad, atenuacion maxima y mnima dise
nados en el pasabajos.

158
De Pasabajos a Rechazabanda
El procedimiento es identico al anterior, reemplazando la Ec.(3.15) por
!
B
H(s) = HP B
0
s
0 + s
3.5.
(3.16)
Aproximaciones Cl
asicas
En la secci
on anterior vimos un procedimiento b
asico para dise
nar ltros, partiendo de denir una
funci
on caracterstica K(s) y luego calculando algunos de sus par
ametros de manera de cumplir con
la plantilla de especicaci
on. Una vez obtenida entonces K(s), utilizando la Ecuaci
on de Feldtkeller
podamos obtener la FT del ltro.
En este procedimiento, no dijimos en ning
un momento c
omo haba que elegir la funci
on caracterstica
K(s). Veremos ahora distintas alternativas para dise
nar K(s) que son la base del dise
no de los ltros
clasicos mas utilizados.
En todos los casos, trabajaremos con frecuencias normalizadas. Esto es, para el caso del pasabajos
estaremos considerando p = 1.
3.5.1.
Filtros de Butterworth
Los ltros de Butterworth, o de m

axima respuesta plana se obtienen desde la funci
on caracterstica:
K(s) = sn
Por lo tanto, la FT H(s) se calculara de la Ecuaci
on de Feldtkeller,
H(s) H(s) =
1
1
=
n
1 + K(s) K(s)
1 + s (s)n
tomando los polos con parte real negativa.

Polos del Filtro de Butterworth
Cuando n sea impar, los polos de H(s) H(s) seran las soluciones de
s2n = 1
de donde, los polos tendran la expresion
sk = e j
k
n
(3.17)
para k = 0, 1, , 2n 1.
Cuando n sea par, en cambio, los polos de H(s) H(s) seran las soluciones de
s2n = 1
de donde, los polos tendran la expresion
sk = e j
(k n
+ 2n
)
(3.18)
para k = 0, 1, , 2n 1.
En ambos casos, los polos de H(s) H(s) estar
an ubicados sobre la circunferencia unitaria de manera
simetrica respecto a ambos ejes y angularmente equiespaciada.
Como ya mencionamos, H(s) contendra u
nicamente los n polos con parte real negativa.

159
Determinaci
on del Orden del Filtro
Recordando que habamos denido
= |K(jp )| = |K(j1)|
cuando se distinto que 1, es decir cuando
on caracterstica
m
ax 6= 3dB, tendremos que corregir la funci
haciendo un simple cambio de escala s s n , con lo que la funci
on caracterstica sera
K(s) = sn
En la frecuencia de atenuacion a = 1/k, el modulo de la funci

on caracterstica debera ser mayor o igual
que Kmn . Por lo tanto,
n
n
1
Kmn
1
n
a =
Kmn
k
k
de donde,
n log(1/k) log(Kmn /)
y luego,
log(Kmn /)
log(1/k)
Dado que las plantillas est
an normalmente especicadas en terminos de atenuacion mn y max , y recordando que
p
() = 20 log10 ( 1 + |K(j)|2 ) = 10 log10 (1 + |K(j)|2 )
n
resulta
Por lo tanto,
|K(j)| =
p
10()/10 1
log( 10mn /10 1/ 10max /10 1)

n
log(1/k)
y nalmente
log((100.1mn 1)/(100.1max 1))

2 log(1/k)
La Figura 3.29 muestra la atenuacion de los ltros de Butterworth de distintos ordenes.
n
(3.19)
Dise
no de Filtros de Butterworth
En base al analisis hecho anteriormente, es muy sencillo dise
nar un ltro de Butterworth. La Ec.(3.19)
brinda directamente el orden del ltro; y luego los polos de la FT quedan determinados por las Ecs.(3.17)
o (3.18), seg
un sea n impar o par.
Eventualmente, cuando tengamos max 6= 3dB, deberemos hacer un cambio de frecuencia s s n .

Ademas, salvo que p = 1 deberemos hacer un segundo cambio de frecuencia para ajustarnos a la
frecuencia de paso original.
Supongamos por ejemplo que queremos dise
nar un ltro pasabajos con frecuencia de paso p = 100,
selectividad k = 0.5 y con max = 2dB y mn = 20dB.
De la Ec.(3.19) determinamos que
n
log((100.1
20
1)/(100.1 2 1))
= 3.7
2 log(2)
por lo que el orden deber

a ser 4.
Los polos de la forma normalizada del ltro de Butterworth de orden 4 son las races con parte real
negativa de la Ec. s2n = 1, ya que n es par. Estos polos est
an dados por la Ec.(3.18).
Los coecientes correspondientes del denominador pueden calcularse haciendo
D(s) = (s p1 ) (s p2 ) (s p3 ) (s p4 )
De todas formas, los coecientes de los ltros de Butterworth pueden tomarse de distintas tablas o
utilizando Matlab:

160
40
n=4
35
n=3
30
()dB
25
n=2
20
15
n=1
10
3 dB
0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
/p
on de los Filtros de Butterworth de Orden 1 a 4
>> [N,D]=butter(4,1,s)
N =
0
1.0000
1.0000
2.6131
3.4142
2.6131
1.0000
D =
El comando butter tiene 3 argumentos: el primero indica el orden, el segundo la frecuencia de corte y el
tercero es para expresar que el ltro es analogico.
En denitiva, el ltro normalizado sera
H(s)
=
s4
+ 2.6131
s3
1
+ 3.4142 s2 + 2.6131 s + 1
Para que este ltro tenga max = 2dB tenemos que hacer el cambio de frecuencia s s
mencionamos antes, para lo cual calculamos primero
p
= 10max /10 1 = 0.765
Ademas, para que la frecuencia de paso este en p = 100, deberemos hacer s s/100.
Haciendo ambos cambios de frecuencia en un u
nico paso, la FT del ltro sera
s
)
H(s) = H(
4
100 0.765
Operando sobre la FT normalizada entonces, se obtiene la FT:
H(s) =
1.307 108
s4 + 279.43 s3 + 3.904 104 s2 + 3.195 106 s + 1.307 108
que completa el dise

no.
En resumen, el dise
no consiste en:
n
que

161
1. Determinar el orden del ltro usando la formula

log((100.1mn 1)/(100.1max 1))
n
2 log(1/k)
2. Obtener los polos de la FT, teniendo en cuenta que estos son las races con parte real negativa de la
Ec.s(2n) = 1. A partir de estos polos, obtener los coecientes del denominador. Alternativamente,
los coecientes pueden sacarse de una tabla.
3. Determinar el ancho de ripple de la funci
on caracterstica K(s) con la formula
q
max
= 10 10 1
4. Realizar el cambio de escala de frecuencia s s n /p .
(3.20)
Utilizando Matlab, una vez determinado el orden del ltro y el valor de , el dise
no se puede hacer en
un paso:
>> eps=sqrt(10^(0.1*2)-1)
eps =
0.7648
>> [N,D]=butter(4,100/eps^(1/4),s)
N =
1.0e+08 *
0
1.3076
0.0000
0.0004
0.0320
1.3076
D =
1.0e+08 *
0.0000
3.5.2.
Filtros de Chebyshev
Los ltros de Chebyshev, denominados tambien equiripple, se basan en el uso de los polinomios de
Chebyshev en la funci
on caracterstica.
Un polinomio de Chebyshev de orden n, tiene la expresion:
(
cos(n arc cos())
si || < 1
Tn () =
(3.21)
cosh(n arc cosh()) si || > 1
y puede vericarse que resulta en las siguientes formulas:
T1 () =
T2 () = 2 2 1
T3 () = 4 3 3
T4 () = 8 4 8 2 + 1
5
T5 () = 16 20 + 5
T6 () = 32 6 48 4 + 18 2 1
T7 () = 64 7 112 5 + 56 3 7
(3.22)

162
Un polinomio de Chebyshev de orden n tiene n 1 maximos y mnimos que valen 1 y 1 respectivamente.

Todos los maximos y mnimos ocurren para (1, 1). Ademas,
Tn (1) = Tn (1) = 1
La Fig.3.30 muestra a modo de ejemplo la graca del polinomio de Chebyshev de orden 5.
5
4
3
2
T5 ()
1
0
1
2
3
4
5
1.5
1.0
0.5
0.0
0.5
1.0
1.5
Figura 3.30: Polinomio de Chebyshev de Orden 5
La caracterstica de estos polinomios es que en el rango 0 1 mantienen un valor acotado y

luego tienen una pendiente muy abrupta, lo que los hace muy atractivos para utilizarlos como funci
on
caracterstica.
Hay dos tipos de Filtros de Chebyshev. El ltro tipo 1 utiliza como funci
on caracterstica el polinomio
de manera que la banda de paso coincida con la zona donde el polinomio est
a acotado entre 1 y -1.
El ltro tipo 2, en cambio, utiliza como funci
on caracterstica la inversa de dicho polinomio de manera
que la zona donde el polinomio est
a acotado coincida con la banda de atenuacion.
El mas usado es el ltro tipo 1, y es el que utilizaremos aqu.
Funci
on Caracterstica del Filtro de Chebyshev Tipo 1
Si queremos que la funci
on caracterstica K(s) tenga un comportamiento en el eje imaginario j como
el de un polinomio de Chebyshev Tn (), y que ademas este acotada por en la banda de paso (para
< 1), podemos denir
K(s) = Tn (s/j) = Tn (js)
(3.23)
de esta manera,
K(j) = Tn (j/j) = Tn ()
Polos de la Funci
on Transferencia
Procediendo de manera similar a los dem
as ltros, la FT quedara denida por la ecuaci
on
H(s) H(s) =
1
1+
2 Tn2 (js)

163
y los polos de H(s) seran las races con parte real negativa de
1 + 2 Tn2 (js) = 0
esto es, las soluciones con parte real negativa de
Tn (js) =
Estas soluciones se pueden calcular a partir de la Ec.(3.21), seg

un

1
1
pm = sinh
arc sinh(1/) sin(m ) + j cosh
arc sinh(1/) cos(m )
n
n
con
m =
(3.24)
2m 1
2
n
para m = 1, , n.
Orden del Filtro
El mnimo orden del ltro que cumplir
a con una selectividad k y atenuaciones maximas y mnimas
max y mn se puede determinar de manera similar a la de Butterworth. Para esto, teniendo en cuenta
que
|K(jp )| = |K(j1)| =
y
|K(ja )| = |K(j1/k)| = |Tn (1/k)| Kmn
todo lo que necesitamos es que el orden sea tal que se cumpla que
Tn (1/k)
Kmn
Teniendo en cuenta la Ec.(3.21), esto equivale a

cosh(n arc cosh(1/k))
Kmn
de donde,
n arc cosh(1/k) arc cosh(
Kmn
)
y luego,
n
arc cosh(Kmn /)
arc cosh(1/k)
Teniendo en cuenta que las plantillas est

an dadas en general en terminos de atenuacion, esta u
ltima
formula puede reescribirse como

arc cosh 100.1 mn 1/ 100.1 max 1
n
(3.25)
arc cosh(1/k)
La Fig.3.31 muestra la atenuacion de los ltros de Chebyshev de orden 1 a 4, para = 1. Notar que la
atenuacion lograda fuera de la banda de paso es mucho mejor que las correspondientes de Butterworth.
Es claro que al agrandar el orden, el pasaje entre las bandas de corte y atenuacion se hace cada
vez mas marcado. Por ejemplo, para un orden n = 7 y tomando = 1 se obtiene la caracterstica de
atenuacion de la Fig.3.32.

164
60
n=4
50
n=3
()dB
40
30
n=2
20
n=1
10
3 dB
0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
/p
on de los Filtros de Chebyshev de Orden 1 a 4, para = 1.
60
50
()dB
40
30
20
10
0
0.0
0.5
1.0
1.5
/p
on del Filtro de Chebyshev de Orden 7 para = 1.
Dise
no de Filtros de Chebyshev
El procedimiento para el dise
no sera similar a los anteriores. Partiendo de la especicaci
on, se puede
determinar el orden a partir de la Ec.(3.25). Luego, a partir de max se calcula , con lo que quedan
determinados los polos de la FT siguiendo la Ec.(3.24).
Finalmente, habr
a que ajustar la FT a la frecuencia de paso con el cambio de variables s s/p .
Por ejemplo, supongamos que queremos implementar un ltro de Chebyshev que cumpla con las
especicaciones del ejemplo de Butterworth: p = 100, k = 0.5, max = 2dB y mn = 20dB.

165
De la Ec.(3.25), resulta,
n
arc cosh

100.120 1/ 100.12 1
= 2.473
arc cosh(1/0.5)
de donde, el orden deber

a ser 3.
Calculamos entonces
=
p
100.12 1 = 0.7648
y los polos de H(s) H(s) estar

an dados, seg
un la Ec.(3.24), por

1
1
arc sinh(1/) sin(m ) + j cosh
arc sinh(1/) cos(m )
pm = sinh
3
3
con
m =
2m 1
2
3
para m = 1, 2, 3.
Esto da las soluciones:
p1 = 0.1845 + j 0.9231; p2 = 0.3689; p3 = 0.1845 j 0.9231
Por lo tanto, los polos de la FT seran:
p1,2,3 = 0.1845 j 0.9231; 0.3689
La FT correspondiente, en frecuencia normalizada, queda entonces,
H(s)
=
0.3269
s3 + 0.7378 s2 + 1.0222 s + 0.3269
Finalmente hacemos el cambio de frecuencia s s/100 para tener p = 100:
H(s) = H(s/100)
=
106
s3
+ 0.7378
0.3269
+ 1.0222 102 + 0.3269
104 s2
lo que completa el dise

no del ltro.
Una vez calculado el orden, el dise
no puede hacerse directamente utilizando Matlab. Para este caso,
>> [N,D]=cheby1(3,2,1,s)
N =
0
0.3269
1.0000
0.7378
1.0222
0.3269
D =
La funci
on cheby1 tiene como argumentos el orden del ltro, la atenuacion maxima en decibeles max
y la frecuencia de corte. Notar que los coecientes coinciden exactamente con los calculados para H(s)
con la frecuencai normalizada.
Podramos haber obtenido directamente el dise
no nal haciendo:
>> [N,D]=cheby1(3,2,100,s)
N =

166
1.0e+05 *
0
3.2689
0.0007
0.1022
3.2689
D =
1.0e+05 *
0.0000
3.5.3.
Otras Aproximaciones Cl
asicas
Ademas de los ltros de Butterworth y Chebyshev, hay otras aproximaciones clasicas que se basan en
principios similares.
Los mas populares son los ltros elpticos (o ltros de Cauer) y los ltros de Bessel.
Los ltros elpticos utilizan como funci
on caracterstica una funci
on racional elptica, por lo que tiene
ceros de reexi
on y polos de perdida. Estos tros logran una pendiente muy abrupta entre la banda de
paso y de transicion con el costo de provocar transitorios muy oscilantes.
Los ltros de Bessel, por su parte, se basan en el uso de polinomios de Bessel y, al igual que en Butterworth y Chebyshev, no tienen polos de perdida. Estos ltros logran un retardo de grupo maximamente
plano sobre la banda de paso, lo que minimiza la distorsion sobre dicha banda. El costo que se paga por
esta propiedad, sin embargo, es que la banda de transicion sea muy grande y no se puede obtener una
buena selectividad sin utilizar
ordenes excesivamente elevados.
3.6.
Implementaci
on de Filtros Pasivos
Los ltros pasivos fueron las primeras implementaciones circuitales de los ltros reales. Consisten
b
asicamente de resistores, inductores y capacitores.
Si bien su uso se ha ido reemplazado por ltros activos y ltros digitales, en muchas aplicaciones son
la u
nica alternativa posible, particularmente cuando se requiere trabajar en altas frecuencia.
En esta secci
on entonces estudiaremos como dise
nar un circuito RLC pasivo que implemente una
funci
on transferencia arbitraria. La implementacion pasiva, de todas formas, limitara algunos aspectos
del ltro ya que por ejemplo la ganancia est
atica debera ser siempre menor que 1.
Si bien existen diversas estrategias y topologas, nos concentraremos en la implementacion de ltros
con estructura de escalera LC.
3.6.1.
Estructura del Filtro Pasivo
Consideremos el circuito de la Fig.3.33. El mismo consta de una resistencia en la entrada R1 y una en

la salida R2 . Ademas, hay un elemento que dise
naremos que en principio sera desconocido. A la derecha
de la resistencia R1 , se ve una impedancia Zi , debida al elemento inc
ognita y a la resistencia R2
Figura 3.33: Estructura de un Filtro Pasivo

167
Supongamos que queremos que dicho circuito implemente un ltro con FT H(s), es decir, que la
relacion entre la entrada y la salida en el dominio transformado responda a
V2 (s)
= H(s)
V1 (s)
Surgen entonces los siguientes interrogantes:
1. Cual deber
a ser la impedancia Zi (j) vista a la derecha de R1 ?
2. Una vez obtenida la impedancia, c
omo podemos implementar un circuito con elementos R, L y C
que tenga dicha impedancia?
Una primer limitaci
on que encontraremos es que, al tratarse de elementos pasivos, no podremos obtener
cualquier relaci
on V2 (s)/V1 (s), ya que encontraremos limitaciones en la ganancia, principalmente impuesta
por los elementos R1 y R2 . Por lo tanto, buscaremos dise
nar un circuito que cumpla con
H(s) = c
V2 (s)
V1 (s)
donde c sera una constante que determinaremos luego.

Trabajaremos por el momento exclusivamente con ltros pasabajos. Luego veremos como transformar
los dise
nos pasabajos en otros tipos de ltros.
3.6.2.
Filtros LC Escalera
Una de las formas mas utilizadas y mas ecientes para implementar ltros consiste en dise
nar el elemento inc
ognita como una red escalera LC, esto es, compuesto u
nicamente por capacitores e inductancias,
como muestra la Fig.3.34.
Figura 3.34: Filtro Pasivo Pasabajos con Escalera LC
Determinaci
on de la Impedancia del Filtro
Si llamamos Zi (j) = Ri (j) + jXi (j) a la impedancia vista desde la derecha de la resistencia R1 ,
podemos calcular la corriente por R1 seg
un,
I1 (j) =
V1 (j)
R1 + Zi (j)
La potencia que se entrega a la impedancia Zi (j), en tanto, se puede calcular como

Pi (j) = |I1 |2 Ri (j) =
|V1 (j)|2
Ri (j)
|R1 + Zi (j)|2
mientras que la potencia que consume la resistencia R2 es,

P2 (j) =
|V2 |2
R2

168
Dado que la red escalera no consume potencia, la potencia entregada al ltro es consumida en la resistencia
R2 . Por lo tanto, debe ser Pi (j) = P2 (j) y luego,
|V2 (j)|2
|V1 (j)|2
Ri (j) =
2
|R1 + Zi (j)|
R2
de donde,
|V2 (j)|2
R2 Ri (j)
=
|V1 (j)|2
|R1 + Zi (j)|2
(3.26)
Recordando que habamos denido H(s) = c V2 (s)/V1 (s), resulta,

|H(j)|2 = c2
R2 Ri (j)
(R1 + Ri (j))2 + Xi (j)2
Esta u
ltima expresion tiene su maximo cuando Xi (j) = 0 y Ri (j) = R1 . Este maximo vale
c2 R2 /(4 R1 ), por lo tanto,
R2
|H(j)|2 c2
4 R1
Por lo tanto, nos convendr
a elegir c de manera que este maximo sea 1. Es decir, tendremos
r
R1
c=2
R2
y luego, reemplazando en la Ec.(3.26) sera
|H(j)|2 =
4 Ri (j) R1
|R1 + Zi (j)|2
Esta u
ltima expresion puede reescribirse como
|H(j)|2 =
|R1 + Zi (j)|2 |R1 Zi (j)|2

|R1 Zi (j)|2
=1
2
|R1 + Zi (j)|
|R1 + Zi (j)|2
(3.27)
deniendo la funci
on de reflexi
on (s) seg
un
(s) ,
R1 Zi (s)
R1 + Zi (s)
(3.28)
la Ec.(3.27) puede reescribirse seg

un:
|H(j)|2 = 1 (j)(j)
Por lo tanto, dado H(s) podemos calcular (s) de la siguiente ecuaci
on:
(s)(s) = 1 H(s) H(s)
(3.29)
y posteriormente, de la Ec.(3.28), podemos despejar

Zi (s) = R1
1 (s)
1 + (s)
(3.30)
Zi (s) = R1
1 + (s)
1 (s)
(3.31)
o bien,
Notar ademas que de la Eq.(3.27) podemos deducir la ganancia est

atica de la FT H(s). Notar que
|H(0)|2 = 1
(R1 R2 )2
|R1 Zi (0)|2
=1
2
|R1 + Zi (0)|
(R1 + R2 )2

169
que sera 1 solamente cuando R1 = R2 . Es decir, no podemos tomar inicialmente una FT arbitraria, sino
que deberemos tener en cuenta que
s
(R1 R2 )2
(3.32)
|H(0)| = 1
(R1 + R2 )2
En sntesis, para encontrar la impedancia Zi (j) a partir de una FT H(s) tenemos que
1. Corregir la ganancia est
atica para que se cumpla la Ec.(3.32).
2. Calcular la funci
on de reexi
on de la Ec.(3.29) (habra dos soluciones).
3. Determinar la impedancia Zi (s) usando las Ecs.(3.30) o (3.31).
En todo momento convendr
a trabajar con frecuencias normalizadas. Luego veremos c
omo transformar
los par
ametros del circuito resultante.
Por ejemplo, supongamos que queremos implementar un ltro con FT
H(s) =
s2 +
2 s+1
(3.33)
Supongamos ademas que R1 = R2 = 1. Luego, dado que la ganancia est

atica es 1 y que R1 = R2 , no hay
que corregir la FT.
De la Ec.(3.29) tenemos
s4
(s) (s) = 1 H(s) H(s) = 4
s +1
calculando los polos de este u
ltimo polinomio, se puede factorizar como
(s) (s) =
s2 s2
(s2 + 2 s + 1) (s2 2 s + 1)
de donde tomamos
(s) =
s2
(s2 + 2 s + 1)
Finalmente, usando la Ec.(3.30), obtenemos
1 (s)
2 s+1
Zi (s) = R1
=
2
1 + (s)
2 s + 2 s+1
(3.34)
Es decir, la impedancia formada por el paralelo de la escalera LC y la resistencia R2 estar

a dada por la
expresion anterior.
Podramos tambien haber utilizado la Ec.(3.31), obteniendo
1 + (s)
2 s2 + 2 s + 1
Zi (s) = R1
=
1 (s)
2 s+1
que nos da la impedancia complementaria, y que tambien sintetiza el ltro deseado.
Sntesis del Filtro como Escalera LC
Vamos a intentar ahora proponer un circuito LC que, con la resistencia R2 al nal, tenga una impedancia Zi (s) como las que resultan del procedimiento desarrollado en el punto anterior.

170
Para esto, observemos que la impedancia vista a la derecha de la resistencia R1 en el circuito de la

Fig.3.34 puede escribirse como:
1
Zi (j) =
C1 j +
L2 j +
C3 j +
Ln1 j +
Cn j +
1
R2
o directamente, en variable s,
1
Zi (s) =
(3.35)
C1 s +
L2 s +
C3 s +
Ln1 s +
Cn s +
1
R2
Esta red LC comienza con un capacitor C1 y termina con otro capacitor Cn . Podra tambien comenzar
y/o nalizar con una inductancia. En tal caso, se arribar
a a una expresion muy similar.
Esta forma de escribir la impedancia Zi (s) se denomina fracci
on continua y es muy sencillo llevar
una expresion cualquiera Z(s) a esta forma. Para eso bastara con dividir recursivamente numerador y
denominador.
Por ejemplo, para la impedancia calculada en el u
ltimo ejemplo tenamos
2 s+1
Zi (s) =
2
2 s + 2 s+1
esta expresion se puede llevar a la forma de la Ec.(3.35) haciendo
Zi (s) =
2 s + 2 s+1
2 s+1
1
2 s+
2 s+1
donde en el paso intermedio dividimos los polinomios y calculamos el resto.

Comparando esta
ltima
expresion con la Ec.(3.35) concluimos que la impedancia corresponde a una
u
red LC con C1 = 2, L2 = 2 y R2 = 1 (esto u
ltimo se tena que vericar, ya que dise
namos el ltro
suponiendo que R2 = 1).
En conclusi
on, el ltro sera el de la Fig.3.35 con los par
ametros R1 = R2 = 1, C1 = L2 = 2.
Figura 3.35: Filtro Pasabajos LC Escalera de la Ec.(3.33). Par

ametros: R1 = R2 = 1, C1 = L2 =
2.

171
Tomemos ahora como ejemplo el ltro de Chebyshev de tercer orden que dise
namos anteriormente:
H(s) =
s3
+ 0.7378
0.3269
+ 1.0222 s + 0.3269
s2
y supongamos que lo implementaremos con R1 = R2 = 1.

Calculamos entonces la impedancia siguiendo el procedimiento que vimos antes:
(s) (s) = 1 H(s) H(s) =
s6
s6 + 1.5 s4 + 0.5625 s2
+ 1.5 s4 + 0.5625 s2 0.1069
cuyas polos y ceros son:

p1, ,6 = 0.1845 j0.9231; 0.3689
z1, ,6 = 0 ; 0 j0.866, j0.866
Tomando los polos con parte real negativa y tres de los seis ceros, queda
(s) =
s3 + 0.75 s
s3 + 0.7378 s2 + 1.022 s + 0.3269
Luego, calculamos la impedancia seg

un
Zi (s) = R1
1 (s)
2.257 s2 + 0.8327 s + 1
=
1 + (s)
6.118 s3 + 2.257 s2 + 5.421 s + 1
(3.36)
Finalmente, realizamos la expansi

on en fracciones continuas:
Zi (s) =
1
1
=
2
2.7107 s + 1
6.118 s + 2.257 s + 5.421 s + 1
2.7107 s +
2.257 s2 + 0.8327 s + 1
2.257 s2 + 0.8327 s + 1
3
y repitiendo el proceso,
1
Zi (s) =
2.7107 s +
1
2.257 s + 0.8327 s + 1
2.7107 s + 1
2
2.7107 s +
0.8372 s +
1
2.7107 s + 1
Por lo tanto, el ltro constar

a de dos capacitores y un inductor de valores C1 = C3 = 2.7107 y L2 = 0.8327.
Todos estos valores de capacidades e inductancias, por supuesto, corresponden a las frecuencias normalizadas. Luego veremos como dimensionarlos para frecuencias de paso arbitrarias.
3.6.3.
Implementaci
on de Filtros Pasivos Cl
asicos
Si bien el procedimiento que presentamos puede utilizarse para implementar distintos tipos de ltros,
entre ellos Butterworth y Chebyshev, en estos casos el procedimiento puede simplicarse considerablemente.
Recordemos que para determinar la impedancia Zi (s) calculabamos previamente la funci
on de reexion, que cumpla,
(s) (s) = 1 H(s) H(s)
(3.37)
y de esta expresion extraamos los polos con parte real negativa y los ceros correspondientes.
En la etapa previa del dise
no, utilizabamos como base la funci
on caracterstica K(s), desde la cual
determinabamos H(s) seg
un
H(s) H(s) =
1
1 + K(s) K(s)

172
Utilizando esta u
ltima expresion, podemos reescribir la Ecuaci
on 3.37 como
(s) (s) = 1
K(s) K(s)
1
=
1 + K(s) K(s)
1 + K(s) K(s)
Si la funci
on caracterstica no tiene polos de perdida, entonces el numerador de (s) lo podemos tomar
directamente como K(s). Ademas, si tomamos los polos con parte real negativa del denominador de la
expresion anterior, estaremos formando directamente el denominador de H(s).
En conclusi
on, si
1
N (s)
=
H(s) =
D(s)
D(s)
entonces podemos tomar
(s) =
K(s)
D(s)
Importante: En esta expresion estamos asumiendo que el numerador N (s) es 1.

Por lo tanto, podemos calcular la impedancia como
Zi (s) = R1
D(s) K(s)
1 (s)
= R1
1 + (s)
D(s) + K(s)
(3.38)
Implementaci
on de Butterworth
En el caso de Butterworth, tenemos la funci
on caracterstica
K(s) = sn
por lo tanto, de la Ec.(3.38) podemos calcular
Zi = R1
D(s) sn
D(s) + sn
(3.39)
Notar que esta es exactamente la expresion que obtuvimos para el ltro que sintetizamos con la Ec.(3.34).
Vale aclarar de todas formas que este analisis es valido solo cuando dise
namos con R1 = R2 . De hecho,
el valor que obtendremos para R2 con este procedimiento conicidira con el de R1 .
Cuando las resistencias son distintas entre s, recordemos que hay que corregir H(s) multiplicando
por un factor, y el resultado ya no es el mismo.
Implementaci
on de Chebyshev
En el caso de Chebyshev, tenemos la funci
on caracterstica
K(s) = Tn (js)
que es compleja, pero resulta
K(s) K(s) = 2 Tn (js) Tn (js) = (1)n 2 |Tn |2 (s) = 2 |Tn |(s) |Tn |(s)
donde |Tn | denota el polinomio que se obtiene tomando el valor absoluto de los coecientes de Tn .
Por lo tanto, podemos considerar que
K(s) = |Tn |(s)
y luego resulta
Zi = R1
D(s) |Tn |(s)

D(s) + |Tn |(s)
Para que esta f

ormula sea correcta, la FT N (s)/D(s) tiene que ser tal que N (s) = 1.
(3.40)

173
Con este procedimiento, cuando el orden n sea impar obtendremos R2 = R1 . Cuando el orden sea
par, sin embargo, tendremos una relaci
on diferente entre R2 y R1 . Esto se debe a que para n par no se
cumple que H(0) = 1 (hay atenuacion para j = 0). Por lo tanto, esto equivale a que exista diferencia
entre R1 y R2 .
Por ejemplo, si tomamos el ltro de Chebyshev
H(s) =
s3
+ 0.7378
0.3269
+ 1.0222 s + 0.3269
s2
primero lo normalizamos para tener N (s) = 1:

H(s) =
3.059
s3
1
+ 2.257 s2 + 3.127 s + 1
Este ltro surga de utilizar = 0.765 (correpondiente a max = 2dB). Ademas,

T3 () = 4 3 3
de donde,
|T3 |(s) = 4 s3 + 3 s
Aplicando entonces la Ec.(3.40), y suponiendo R1 = 1, resulta
Zi (s) =
D(s) |Tn |(s)

3.059 s3 + 2.257 s2 + 3.127 s + 1 0.765 (4 s3 + 3 s)
=
D(s) + |Tn |(s)
3.059 s3 + 2.257 s2 + 3.127 s + 1 + 0.765 (4 s3 + 3 s)
por lo tanto,
Zi (s) =
2.257 s2 + 0.8327 s + 1
6.118 s3 + 2.257 s2 + 5.421 s + 1
que coincide con lo que calculamos en la Ec.(3.36).
3.6.4.
Ajustes de Par
ametros y Transposiciones de Frecuencia
En los distintos ejemplos de implementacion que vimos, trabajamos siempre con ltros pasabajos con
frecuencia de paso normalizada p = 1, y asumiendo que las resistencias R1 y R2 eran de 1 Ohm.
Siempre convendr
a trabajar de esta manera, y luego ajustar los par
ametros para modicar la frecuencia
de paso, las caractersticas del ltro y los valores de las resistencia de entrada y salida. A continuacion
entonces veremos como realizar estos ajustes.
Ajuste a la Frecuencia de Paso
En los ejemplos que vimos hasta aqu, implementamos siempre ltros de frecuencia normalizada,
tomando en todos los casos p = 1.
Para volver a una frecuencia de paso generica p , deberemos tener en cuenta que
H(s) = H(s/
p)
y por lo tanto, en la impedancia resultante deberemos hacer
Zi (s) = Zi (s/p )
Si hacemos este cambio de variables en la expansi
on en fracciones simples de la Ec.(3.35), vemos que esto
es equivalente a dividir cada componente L y C por la frecuencia p .

174
Cambio en los Valores de Resistencia

En muchos casos es conveniente trabajar asumiendo que R1 = R2 = 1 aunque luego usemos otro valor
para ambas resistencias. De hecho, en muchas tablas se especican los valores de L y C asumiendo estas
condiciones de normalizaci
on.
Si se dise
na de esta manera, y luego se utiliza un valor generico de R1 = R2 , se puede obtener una
impedancia equivalente haciendo
j
Lj = R2 L
y
Ck =
Ck
R2
para todas las inductancias y capacitores del circuito.

Esto tambien se puede deducir de la Ec.(3.35) multiplicando y dividiendo la expansi
on por R2 .
Transposiciones de Frecuencia
La manera mas simple de implementar circuitos pasivos pasaaltos, pasabanda o rechazabanda es
siguiendo la idea del dise
no de los mismos. Esto es, implementando primero un pasabajos y luego reemplazando sus elementos de manera que se realicen las transposiciones de frecuencia requeridas.
De Pasabajos a Pasaaltos
Recordemos que cuando tenemos un pasabajos con frecuencia de paso p = 1, selectividad k y
atenuacion maxima y mnima max y mn ; el cambio de variables s 1/s convierte el ltro en un
pasaaltos con identicos par
ametros.
Una vez implementado el circuito pasabajos, este cambio puede realizarse convirtiendo la impedancia
Zi (s) Zi (1/s). Esta conversi
on, a su vez, puede llevarse a cabo convirtiendo cada elemento. Para los
capacitores del circuito original, sera,
ZCk (s) =
s
1
Ck s
Ck
que se corresponde a una inductancia con par

ametro
Lk =
1
Ck
Es decir, los capacitores se transforman en inductancias con parametro L = 1/C.

De manera analoga, para las inductancias del circuito original tendremos,
ZLj (s) = Lj s
Lj
s
que se corresponde a un capacitor con par

ametro
Cj =
1
Lj
Es decir, las inductancias se transforman en capacitores con parametro C = 1/L.

La Figura 3.36 muestra la transformaci
on sobre una red LC arbitraria.
Una vez realizada esta transformaci
on, se deberan dividir los capacitores e inductancias por la frecuencia de paso p del pasaaltos.

175
Figura 3.36: Transformaci

on de Pasabajos a Pasaaltos de un Filtro Pasivo Escalera LC
De Pasabajos a Pasabanda
Vimos anteriormente que cuando tenemos un pasabajos con frecuencia de paso p = 1, selectividad k
y atenuacion maxima y mnima max y mn ; el cambio de variables
s
0
1 s
+
(
)
B 0
s
convierte al ltro en un pasabandas, con frecuencia central 0 , ancho de banda relativo B, selectividad k
y atenuacion maxima y mnima max y mn .
Procediendo como antes, este cambio de variables se puede hacer directamente sobre los componentes
del ltro pasabajos. Para los capacitores del circuito original, sera,
ZCk (s) =
1
1
1
=
Ck s
0
Ck s
Ck s CK 0
+
( + )
B 0
s
B 0
Bs
Esto se corresponde al paralelo entre un capacitor con par

ametro
Cm =
Ck
B 0
y un inductor con par

ametro
B
Ck 0
Para los inductores del cirucito original, en tanto, tendremos
Lm =
0
L j s L j 0
Lj s
+
( + )=(
)
B 0
s
B 0
Bs
Esto se corresponde a la serie entre un inductor con par
ametro
ZLj (s) = Lj s
Lm =
y un capacitor con par
ametro
Lj
B 0
B
L j 0
on de PB a PBn sobre una red LC arbitraria.
Cm =

176

on de Pasabajos a Pasabanda de un Filtro Pasivo Escalera LC
De Pasabajos a Rechazabanda
Cuando tenemos un pasabajos con frecuencia de paso p = 1, selectividad k y atenuacion maxima y
mnima max y mn ; el cambio de variables
s
B
0
s
+
0
s
convierte al ltro en un rechazabandas, con frecuencia central 0 , ancho de banda relativo B, selectividad
k y atenuacion maxima y mnima max y mn .
Procediendo como antes, esta transformaci
on convierte la impedancia de los capacitores en
!
s
s
0
0
1
1
=
+
+
ZCk (s) =
Ck s
Ck B 0
s
Ck B 0 Ck B s
Esto se corresponde a la serie entre una inductancia con par
ametro
Lm =
1
Ck B 0
y un capacitor con par

ametro
Cm =
Ck B
0
Por otro lado, la transformaci

on aplicada a una inductancia la convierte en:
ZLj (s) = Lj s
Lj B
1
=
s
s
0
0
+
+
0
s
L j B 0 L j B s
que se corresponde al paralelo entre un capacitor con par

ametro
Cm =
1
L j B 0

177
y una inductancia con par

ametro
Lm =
Lj B
0

on de PB a RBn sobre una red LC arbitraria.

on de Pasabajos a Rechazabanda de un Filtro Pasivo Escalera LC

3.7.
178
[P3.1] Dise
no de un Filtro Pasabajos
Sobre una lnea se encuentran montadas simult
aneamente una se
nal de audio (comprendida entre los
20Hz y 20kHz) y se
nales de monitoreo de alarmas en las frecuencias superiores. Con el objetivo de poder
recuperar estas u
ltimas, se pretende dise
nar un ltro Butterworth pasaaltos que cumpla con las siguientes
especicaciones de dise
no.
M
axima atenuacion en la banda de paso (max ): 1.5dB
Mnima atenuacion en la banda de corte (min ): 10dB
Selectividad (k): 0.6
Frecuencia de paso (p ): 22KHz
Se pide:
1. Dibujar la plantilla de atenuacion y la correspondiente a la funci
on caracterstica del ltro con
frecuencia normalizada.
2. Calcular el mnimo orden que deber
a tener el ltro para poder cumplir con las especicaciones.
3. Obtener la funci
on transferencia normalizada H(s)
y dejar planteada la expresion de la FT H(s).
4. Dibujar el diagrama de Bode.
5. Proponer un esquema circuital (con todos sus componentes calculados) que implemente el ltro,
considerando R1 = R2 = 100.
[P3.2] Dise
no de un Filtro Rechazabanda
Una se
nal tiene una componente de ruido en torno a 1kHz que se desea eliminar. Dado que la se
nal
tienen componentes u
tiles por debajo y por encima de esta frecuencia, se pretende atenuar dicha componente implementando un ltro Chebyshev rechazabanda.
Se pide entonces, repetir todos los puntos pedidos en el Problema P4.3, pero cumpliendo en este caso
con las siguientes especicaciones:
Frecuencia central (0 ): 1kHz.
Ancho de banda relativo (B): 0.1
Selectividad (k): 0.7
M
axima atenuacion en la banda de paso (max ): 1dB
Mnima atenuacion en la banda de rechazo (min ): 10dB
[P3.3] Sntesis de una Onda Senoidal Una forma de obtener un se
nal senoidal de frecuencia fs
consiste en generar una onda cuadrada u(t) a dicha frecuencia y atenuar los armonicos superiores.
Recordemos que la representacion en serie de Fourier de una onda cuadrada de frecuencia fs que oscila
entre 1 y -1 es la siguiente:
u(t) =
4 X sin ((2k 1)2fs t)
2k 1
k=1
Proponemos entonces dise

nar un ltro pasabajos de Butterworth que aten
ue como maximo 1dB la
frecuencia fundamental fs y como mnimo 20 dB los restantes armonicos (notar que en la expresion de
la serie de Fourier solo aparecen los armonicos impares).
Para esto se pide:

179
1. Dibujar la plantilla de atenuacion del ltro a dise

nar.
2. Calcular la selectividad.
3. Obtener el mnimo orden del ltro.
4. Calcular la FT normalizada.
5. Proponer un esquema circuital que implemente el ltro.
[P3.4] Sntesis de una Onda Senoidal II
Respecto al problema P3.3, que se
nal se obtendra si en lugar de usar un ltro PB, se utilizara un
pasabanda con las siguientes especicaciones
0 = 23fs
B = 2fsc
max = 1
min = 20
k = 0.4
Obtenga la plantilla del ltro PBn que cumpla con las especicaciones y analice los siguientes puntos
1. Cuanto espera que se aten
ue como mnimo el primer armonico?
ue como maximo el tercer armonico?
ue como mnimo el quinto armonico?
Construya un ltro Chebyshev que cumpla con las especicaciones dadas del PBn (FT Normalizada y
esquema circuital con R1 = R2 = 50).
[P3.5] Dise
no de un Filtro para Subwoofer Se desea dise
nar un ltro pasabajos de segundo orden
tipo Butterworth para colocarlo entre la salida de un amplicador de potencia cuya impedancia de salida
es de 8 y un subwoofer de impedancia 8. Dada las caractersticas de respuesta en frecuencia del
subwoofer, se pretende obtener una frecuencia de paso p = 2 150. Ademas, se pretende que la maxima
atenuacion en la banda de paso sea max = 2dB
1. Escribir la funci
on transferencia normalizada del ltro pedido.
2. Obtener la funci
on transferencia del ltro.
3. Si se considera una banda de transicion de 150Hz de ancho, calcular la selectividad y la mnima
atenuacion en la banda de corte.
4. Dibujar la plantilla de atenuacion del ltro.
5. Realizar el esquema circuital del ltro calculando todos sus componentes (tener en cuenta los valores
de R1 y R2 proporcionados).
[P3.6] Dise
no de un Filtro para Subwoofer II
Repetir el problema P3.5 pero dise
nando en este caso un ltro tipo Chebyshev.
[P3.7] Filtro de Chebyshev
Determinar el mnimo valor que debe tener p para que una aproximacion de Chebyshev de orden 4
cumpla la plantilla de la gura 3.39.

Figura 3.39: Plantilla de atenuaci

on
180
Captulo 4
Filtros Digitales
En gran partes de las aplicaciones modernas que requieren ltrar se
nales, el dise
no y la implementacion
de los ltros se realiza en el dominio digital.
Los ltros digitales tienen varias ventajas sobre los analogicos:
No sufren problemas de dispersi
on parametrica.
Pueden implementarse de manera muy simple ltros de orden muy alto y de mucha complejidad,
alcanzando gran selectividad.
Pueden trabajar a frecuencias arbitrariamente bajas.
Excepto por la cuantizacion en la conversi
on A/D y D/A, no tienen componentes que agreguen
ruido.
Sin embargo, los ltros digitales muestran tambien algunas desventajas:
No pueden trabajar a frecuencias muy altas, ya que esto requerira muestrar con una tasa imposible
de alcanzar en la practica.
En casos simples, tienen un costo mas elevado que los analogicos.
Generalmente introducen retardos que pueden llegar a ser apreciables en algunas aplicaciones.
Veremos a continuacion los principios de los ltros digitales y su dise
no.
4.1.
4.1.1.
Principios B
asicos del Filtrado Digital de Se
nales
Representaci
on de los Filtros Digitales
Teniendo en cuenta que trabajaremos con sistemas lineales y estacionarios de tiempo discreto, y que
analizaremos u
nicamente sus caractersticas entrada/salida; utilizaremos como modelo de los ltros su
Funci
on Transferencia Discreta.
Siguiendo con la notaci
on de los ltros analogicos, utilizaremos H(z) para denotar la FTD del ltro,
y deniremos:
A() = |H(ej )|
como la amplitud de la respuesta en frecuencia y
() = H(ej )
como la fase correspondiente.
Notar que A() y () son la amplitud y fase de la transformada de Fourier de la respuesta al impulso
del ltro.
Tambien utilizaremos eventualmente la amplitud de la respuesta en frecuencia en decibeles:
() = 20 log10 (A())
181
CAPITULO 4. FILTROS DIGITALES
4.1.2.
182
Muestreo de Se
nales Anal
ogicas
En la mayor parte de las aplicaciones, las se

nales digitales de entrada a los ltros provendr
an del
muestreo de una se
nal analogica. La Figura 4.1 muestra un esquema tpico del ltrado digital de una
se
nal analogica.
Figura 4.1: Esquema de Filtrado Digital de una Se

nal Anal
ogica
Dado que las caractersticas de respuesta en frecuencia que pediremos para el ltro con FT H(z)
deberan tener relaci
on con el contenido espectral de la se
nal analogica u(t), es importante tener en
cuenta la relaci
on entre los espectros de u(t) y de us (k) = u(k Ts ), donde Ts es el perodo de muestreo.
La Fig.4.2 muestra el espectro de una se
nal analogica u(t) y de la se
nal muestreada correspondiente
us (k). El espectro de la se
nal muestreada siempre sera periodico con perodo 2.
Figura 4.2: Espectro de una se

nal anal
ogica y su versi
on muestreada.
En este caso, puede verse que la se

nal analogica no tiene componentes con frecuencias por encima de
= /Ts . De esta manera, no se produce aliasing y el espectro de la se
nal muestreada se corresponde
con el de la continua.
Para que esta condicion se cumpla, en general deberemos agregar un ltro pasabajos, denominado
filtro antialias, antes de muestrear la se
nal que remueva el contenido espectral que este por encima de la
mitad de la frecuencia de muestreo.
Esto ltro antialias, obviamente, debera ser analogico.
Es importante tener en cuenta que una frecuencia de radianes por segundo del espectro analogico
se traduce en una frecuencia de Ts en el espectro digital.
4.1.3.
Filtros Digitales Ideales
La Figura 4.3 muestra la amplitud de la respuesta en frecuencia de los distintos tipos de ltros
digitales.
Consideremos entonces un ltro digital pasabajos ideal, cuya respuesta en frecuencia es tal que
(
1 si 0 c
j
H(e ) =
0 si c < <
183
Figura 4.3: Respuesta en Frecuencia de los Filtros Ideales.
Puede verse f
acilmente, a traves de la transformada inversa de Fourier de tiempo discreto, que la respuesta
al impulso de dicho ltro sera:
c
h(k) =
sinc(c k)
La Fig.4.4 muestra esta respuesta al impulso para c = /4. Como puede observarse, el sistema
resulta no causal, lo que demuestra que al igual que en el caso analogico, los ltros digitales ideales no
son fsicamente realizables.
Como veremos mas adelante, podremos retrasar esta respuesta en el tiempo hasta que h(k) sea despreciable para k < 0 y utilizar un ltro causal que replique el comportamiento para k 0. Esto, si
bien implicar
a utilizar un orden muy alto para el ltro, no implicar
a un problema de implementacion ya
que en el dominio digital no tenemos grandes limitaciones al respecto. Como contrapartida, dicho ltro
impondr
a un retardo importante.
4.1.4.
Tipos de Filtros Digitales
Los ltros digitales se pueden dividir en dos grandes categoras, de acuerdo a la forma de su respuesta
al impulso.
184
0.25
0.20
hP B (k)
0.15
0.10
0.05
0.00
0.05
0.10
50
40
30
20
10
10
20
30
40
50
k
Figura 4.4: Respuesta al Impulso de un Filtro Pasabajos Ideal
Por un lado, encontramos los ltros de Respuesta al Impulso Finita, o ltros FIR (por finite impulse
response). Por otro lado, est
an los ltros de Respuesta al Impulso Infinita o ltros IIR (por infinite
impulse response).
Los ltros FIR responden siempre a una Ecuaci
on en Diferencias de la forma:
y(k) = b0 u(k) + b1 u(k 1) + + bn u(k n)
(4.1)
puede verse f
acilmente que cuando la entrada u(k) es un impulso discreto, resulta y(k) = 0 para todo
k > n.
Aplicando la transformada Z a la Ecuaci
on 4.1, resulta
Y (z) = (b0 + b1 z 1 + + bn z n ) U (z)
de donde, la FTD del ltro resulta
H(z) =
b0 z n + b1 z n1 + + bn
Y (z)
= b0 + b1 z 1 + + bn z n =
U (z)
zn
Por otro lado, los ltros IIR responden a una ED generica

y(k) = b0 u(k) + b1 u(k 1) + + bn u(k n) a1 y(k 1) an y(k n)
(4.2)
donde al menos alguno de los ai es no nulo. Es decir, en los ltros IIR la salida en el instante actual
depende explcitamente de la salida en instantes anteriores.
Procediendo como antes, resulta la FTD,
H(z) =
Y (z)
b0 z n + b1 z n1 + + bn
= n
U (z)
z + a1 z n1 + + an
Los ltros FIR, como veremos, pueden ofrecer una respuesta lineal en la fase. Por otro lado, los ltros
IIR muestran mejor selectividad.
Normalmente, los ltros FIR se dise
nan directamente en el dominio discreto mientras los ltros IIR
suelen implementarse como aproximaciones a ltros analogicos previamente dise
nados.
4.2.
185
Dise
no de Filtros de Respuesta al Impulso Finita
Hay varias formas de dise

nar ltros FIR. Las mas utilizadas son el dise
no con ventanas y el dise
no
por muestreo en frecuencia.
En el primer caso, se busca la respuesta al impulso del ltro ideal y luego se la retarda y se eliminan
las muestras para k < 0 multiplicando para esto la respuesta ideal por una ventana.
En el segundo caso, se eligen valores muestreados de la respuesta en frecuencia H(ej ) para =
0, , 2 , , , y luego se busca la FTD que responde a dichos requisitos.
En este curso abarcaremos solamente el dise
no con ventanas.
Como mencionamos antes, los ltros FIR tienen la ventaja de poder ofrecer una fase lineal en la
banda de paso. Por lo tanto, en ambas formas de dise
no se comienza planteando que la FTD resultante
cumplir
a con esta propiedad.
4.2.1.
Filtros FIR Sim

etricos y Antisim
etricos
Cuando planteamos la FTD de un ltro FIR, habamos llegado a la forma

H(z) =
Y (z)
b0 z n + b1 z n1 + + bn
= b0 + b1 z 1 + + bn z n =
U (z)
zn
Recordando la denicion de la transformada Z, puede verse facilmente que los coecientes bk no son sino
la respuesta al impulso en el instante k, es decir, bk = h(k).
La pregunta es entonces, que condicion tenemos que imponer a la respuesta al impulso h(k) para
que la fase de H(ej ) resulte lineal?.
Reescribamos para esto
H(ej ) = h(0) + h(1)ej + h(2)ej2 + + h(n 1)ej(n1) + h(n)ejn
podemos multiplicar ambos miembros por ejn/2 , de donde
H(ej )ejn/2 = h(0)ejn/2 + h(1)ej+jn/2 + h(2)ej2+jn/2 +
+ + h(n 1)ej(n1)+jn/2 + h(n)ejn+jn/2
Operando, resulta,
H(ej )ejn/2 = h(0)ejn/2 + h(1)ej+jn/2 + h(2)ej2+jn/2 +
+ + h(n 1)ejjn/2 + h(n)ejn/2
(4.3)
donde puede verse que el termino que multiplica a h(0) es el conjugado del que multiplica a h(n). Tambien,
el que multiplica a h(1) es el conjugado del que multiplica a h(n 1) y as sucesivamente.
Por lo tanto, si tomamos h(n) = h(0), h(n 1) = h(1), etc., tendremos que el lado derecho de la
Ec.(4.3) sera un n
umero real B().
Luego, la respuesta en frecuencia sera
H(ej ) = B() ejn/2
que es lineal en la frecuencia, al menos mientras B() no cambie de signo. Las relaciones
h(n) = h(0); h(n 1) = h(1); h(n 2) = h(2)
(4.4)
se denominan condiciones de simetra. Los ltros FIR que cumplan con las mismas se denominaran en
consecuencia Filtros Simetricos y tendran una fase lineal con la frecuencia en la banda de paso.
Si tomamos en cambio h(n) = h(0), h(n 1) = h(1), etc., tendremos que el lado derecho de la
Ec.(4.3) sera un n
umero imaginario puro jB().
Luego, la respuesta en frecuencia sera
H(ej ) = jB() ejn/2 = B() ej(n/2+/2)
186
que tambien es lineal en la frecuencia. Las relaciones

h(n) = h(0); h(n 1) = h(1); h(n 2) = h(2)
(4.5)
se denominan condiciones de antisimetra. Los ltros FIR que las veriquen se denominaran Filtros
Antisimetricos y tambien tendran fase lineal con la frecuencia en la banda de paso.
En este u
ltimo caso, cuando n sea par la condicion de antisimetra impone que h(n/2) = h(n/2) de
donde h(n/2) = 0.
En general, la eleccion de un ltro simetrico o asimetrico dependra del tipo de ltro. Para los ltros
pasabajos, por ejemplo, deber
a elegirse un ltro simetrico ya que en uno asimetrico resultara H(ej0 ) =
H(1) = 0.
4.2.2.
Respuesta al Impulso de los Filtros Ideales
Como ya anticipamos, una manera de dise

nar ltros FIR es aproximando la respuesta al impulso de
un ltro ideal de manera que resulte causal. Para esto, se multiplica dicha respuesta por una se
nal de
duraci
on nita denominada ventana y se retrasa dicho producto para que la se
nal resulte causal.
Comenzaremos entonces analizando la respuesta de los ltros ideales, y luego presentaremos las distintas ventanas.
La respuesta al impulso de los ltros ideales se puede calcular a partir de la inversa de la transformada
de Fourier de tiempo discreto de la respuesta en frecuencia, esto es,
Z
h(k) =
H(ej )ejk d
Filtro Pasabajos
Para el caso del pasabajos, recordando que HP B (ej ) = 1 para c c , resulta,
hP B (k) =
c
sinc(c k)
(4.6)
Filtro Pasaaltos
Para un pasaaltos ideal, podemos calcular su respuesta en frecuencia como HP A (ej ) = 1HP B (ej ).
Por lo tanto, la respuesta al impulso es
hP A (k) = (k)
c
sinc(c k)
(4.7)
Filtro Pasabanda
La respuesta en frecuencia de un pasabanda ideal, en tanto, se puede pensar como la diferencia entre
las respuestas en frecuencia de dos pasabajos. Por lo tanto,
hP Bn (k) =
c2
c
sinc(c2 k) 1 sinc(c1 k)
(4.8)
con c2 > c1 .
Filtro Rechazabanda
La respuesta en frecuencia de un rechazabanda ideal puede pensarse como HRBn = 1 HP Bn , de
donde,
c
c2
(4.9)
sinc(c2 k) + 1 sinc(c1 k)
La Figura 4.5 muestra respuestas al impulso de ltros ideales de los cuatro tipos. Los par
ametros de
dichos ltros son c = c2 = /4 y c1 = /6.
hRBn (k) = (k)
187
Pasabajos
Pasaaltos
0.25
0.8
0.20
0.6
0.15
0.4
hP A (k)
hP B (k)
0.10
0.05
0.00
0.2
0.0
0.2
0.05
0.10
50 40 30 20 10
10
20
30
40
50
0.4
50 40 30 20 10
k
Pasabanda
0.10
10
20
30
40
50
20
30
40
50
1.0
0.08
0.8
0.06
0.04
0.6
0.02
hRBn (k)
hP Bn (k)
k
Rechazabanda
0.00
0.02
0.04
0.4
0.2
0.0
0.06
0.08
50 40 30 20 10
10
20
30
40
50
0.2
50 40 30 20 10
10
k
Figura 4.5: Respuestas al Impulso de Filtros Ideales
4.2.3.
Dise
no con Ventanas de Filtros de Fase Lineal
Como mencionamos antes, la idea b

asica del dise
no con ventanas es tomar la respuesta al impulso
de un ltro ideal y multiplicarla por una funci
on de duraci
on nita, para luego retrasar el resultado de
manera de tener una respuesta caulsa al impulso.
Teniendo en cuenta que la respuesta al impulso de los ltros ideales es simetrica, podemos lograr la
condicion de simetra de la Ec.(4.4) multiplicando dichas respuestas por ventanas w(k) que cumplan
w(k) = w(k); para k = 0, 1, , n/2
w(k) = w(k) = 0; para k > n/2
(4.10)
donde n es un n
umero par. Luego, para que la respuesta al impulso del ltro resulte causal deberemos
retrasar la se
nal resultante en n/2.
Supongamos entonces que la respuesta al impulso del ltro ideal es hF I (k). Deniendo entonces
h(k) = hF I (k n/2) w(k n/2)
(4.11)
puede verse que la respuesta al impulso del nuevo ltro h(k) cumple la condicion de simetra de la Ec.(4.4).
La FTD del ltro resultante podra escribirse como
H(z) =
h(0)z n + h(1)z n1 + + h(n)

Y (z)
= h(0) + h(1)z 1 + + h(n) z n =
U (z)
zn
(4.12)
y su respuesta en frecuencia podra calcularse directamente desde H(ej ) o bien como la convoluci
on de
la respuesta en frecuencia del ltro ideal con la respuesta en frecuencia de la ventana w(k).
188
Notar que si el orden del ltro es n, la respuesta al impulso h(k) tendra n + 1 componentes no nulos.
Por lo tanto, se dice que la longitud del ltro es n + 1.
El dise
no por ventanas entonces se resume a
Calcular la respuesta al impulso hF I (k) del ltro ideal, con alguna de las Ecs.(4.6)(4.9), seg
un se
trate de PB, PA, PBn o RBn.
Denir el orden n (par) del ltro y una ventana w(k) simetrica que cumpla con la Ec.(4.10).
Calcular la respuesta al impulso h(k) como el producto retrasado de hF I y de w, seg
un la Ec.(4.11).
Determinar la FTD seg
un la Ec.(4.12).
Veremos entonces las distintas maneras de denir las ventanas w(k) y el efecto que tienen sobre el ltro
resultante.
Ventana Rectangular
La ventana mas simple consiste en tomar
w(k) =
1 si |k| n/2
0 en otro caso
(4.13)
Esta ventana se denomina ventana rectangular. La Figura 4.6 muestra la obtencion de la respuesta al
impulso del ltro resultante para c = /4 y n = 40, esto es, tomando una ventana entre 20 y 20.
Pasabajos Ideal
Ventana Rectangular
0.25
1.0
0.9
0.8
0.15
0.7
0.10
0.6
0.5
w(k)
hP B (k)
0.20
0.05
0.4
0.3
0.00
0.2
0.05
0.1
0.10
50 40 30 20 10
10
20
30
40
0.0
50 40 30 20 10
50
k
Producto de hP B (k) y w(k)
10
20
30
40
50
40
50
k
Filtro FIR Resultante
0.25
0.20
0.20
0.15
0.15
w(k) hP B (k)
0.25
0.10
h(k)
0.10
0.05
0.05
0.00
0.00
0.05
0.05
0.10
50 40 30 20 10
10
20
30
40
50
0.10
50 40 30 20 10
10
20
30
Figura 4.6: Obtenci

on de la Respuesta al Impulso de un Filtro FIR Pasabajos con Ventana Rectangular
189
1.2
1.0
|H(ej )|
0.8
0.6
0.4
0.2
0.0
4
Figura 4.7: Amplitud de la Respuesta en Frecuencia de un Filtro FIR con Ventana Rectangular para c = /4
y n = 40
10
H(ej )
15
20
25
30
35
40
4
Figura 4.8: Fase de la Respuesta en Frecuencia de un Filtro FIR con ventana rectangular para c = /4 y
n = 40
La Figura 4.7 muestra la amplitud de la respuesta en frecuencia del ltro correspondiente, mientras
que la Fig.4.8 muestra la fase. En esta u
ltima gura puede apreciarse claramente la linealidad de la fase
en la banda de paso.
La amplitud de la respuesta en frecuencia muestra oscilaciones tanto en la banda de paso como en la
de corte. Estas oscilaciones se deben naturalmente al uso de la ventana.
Una manera de entender las mismas, es recordar que la respuesta en frecuencia del ltro FIR puede
190
calcularse como la convoluci

on de las respuestas en frecuencia del ltro ideal y de la ventana rectangular.
Esta u
ltima, para el caso n = 40, puede verse en la Fig.4.9.
45
40
35
30
|W (ej )|
25
20
15
10
0
4
Figura 4.9: Amplitud de la Respuesta en Frecuencia de una Ventana Rectangular con n = 40
Para que la respuesta en frecuencia del ltro FIR se aproxime a la ideal, la respuesta de la ventana
debera aproximarse a un impulso. Sin embargo, la graca de la Figura 4.9 contiene varios lobulos al
costado de la frecuencia central, los que distorsionan el resultado de la convoluci
on.
Naturalmente, tomando
ordenes mas altos, la respuesta en frecuencia se aproximar
a mas a la ideal. Por
ejemplo, para n = 100, manteniendo la frecuencia de corte c = /4, resulta la respuesta en frecuencia
de la Fig.(4.10). Sin embargo, esta mejora se paga con mayor uso de memoria, mayor costo de c
alculos y
con mayor retardo en el ltro digital.
Ventana Triangular
El uso de una ventana triangular mejora la respuesta en frecuencia que se obtiene utilizando la ventana
rectangular.
La ventana triangular se puede denir como:
(
2|k|
si |k| n/2
1 n+1
w(k) =
0
en otro caso
La Fig.4.11 muestra la respuesta en frecuencia de un ltro FIR dise
nado con esta ventana triangular
tomando n = 40. Puede observarse la mejora de dicha respuesta respuesto de la que se obtiene con la
ventana rectangular.
Ventana de Von Hann
Una ventana que mejora las anteriores es la ventana de Von Hann, cuya denicion es:
(
cos2 (k/n) si |k| n/2
w(k) =
0
en otro caso
nado con una ventana de Von Hann,
tomando n = 40. Puede observarse la mejora de dicha respuesta respuesto de la que se obtiene con las
ventanas rectangular y triangular.
191
1.2
1.0
|H(ej )|
0.8
0.6
0.4
0.2
0.0
4
Figura 4.10: Amplitud de la Respuesta en Frecuencia de un Filtro FIR con Ventana Rectangular para c = /4
y n = 100
1.0
0.9
0.8
0.7
|H(ej )|
0.6
0.5
0.4
0.3
0.2
0.1
0.0
4
Figura 4.11: Amplitud de la Respuesta en Frecuencia de un Filtro FIR Pasabajos con Ventana Triangular para
c = /4 y n = 40
Ventana de Hamming
Finalmente, una ventana que mejora las caractersticas anteriores es la de Hamming, cuya denicion
es:
192
1.2
1.0
|H(ej )|
0.8
0.6
0.4
0.2
0.0
4
Figura 4.12: Amplitud de la Respuesta en Frecuencia de un Filtro FIR Pasabajos con Ventana de Von Hann
para c = /4 y n = 40
w(k) =
0.54 + 0.46 cos(2k/n) si |k| n/2

0
en otro caso

nado con una ventana de Hamming,
tomando n = 40. Puede observarse la mejora de dicha respuesta respuesto de la que se obtiene con todas
las otras ventanas.
Si bien la ventana de Hamming mejora varios aspectos de la respuesta en frecuencia, la transicion
entre las bandas de corte y de paso es menos abrupta para un mismo orden.
Otras Ventanas
Ademas de las ventanas vistas, existen otras, cada una con distintas caractersticas, ventajas y desventajas. Entre ellas podemos mencionar las de Blackman, Kaiser, Lanczos, Tukey entre otras.
4.3.
Dise
no de Filtros de Respuesta al Impulso Infinita
Los ltros IIR se dise

nan generalmente como aproximacion de ltros analogicos.
Si bien hay distintos metodos para discretizar un ltro analogico, la manera mas eciente y simple
de hacerlo es mediante el uso de la transfomaci
on bilineal, ya que la misma preserva la estabilidad
independientemente de la frecuencia de muestreo que se utiliza.
Dicha transformaci
on es el resultado de aplicar un metodo de integraci
on numerica denominado Regla
Trapezoidal.
4.3.1.
Regla Trapezoidal
Cuando queramos simular un sistema continuo, dado por las Ecuaciones de Estado
x(t)
= f (x(t), t)
(4.14)
193
1.2
1.0
|H(ej )|
0.8
0.6
0.4
0.2
0.0
4
Figura 4.13: Amplitud de la Respuesta en Frecuencia de un Filtro FIR Pasabajos con Ventana de Hamming
para c = /4 y n = 40
habamos visto que podamos aproximar dichas ecuaciones por Ecuaciones de Estado Discretas utilizando
distintos metodos numericos. Entre ellos encontrabamos el metodo de Forward Euler
xk+1 = xk + h f (xk , tk )
y el de Backward Euler
xk+1 = xk + h f (xk+1 , tk+1 )
Por lo tanto, si queremos aproximar un ltro analogico con cierta FT a la que correspondera un sistema
de EE/ES dado, podramos pensar en estos metodos como alternativas para obtener la discretizacion
deseada.
Desafortunadamente, el metodo de Forward Euler suele dar resultados inestables cuando se utiliza un
paso no muy peque
no. Esto trae como consecuencia que si discretizamos un ltro en base a este metodo,
el ltro digital resultante sera inestable a menos que utilicemos un perodo de muestreo muy peque
no.
El metodo de Backward Euler, por el contrario, tiende a estabilizar de mas los sistemas. Como consecuencia, los modos subamortiguados del sistema continuo aparecen sobreamortiguados en el discreto,
a menos que se utilice un paso muy peque
no. Dado que en los ltros es crucial preservar la respuesta en
frecuencia, esta sobre estabilizacion es tambien un efecto indeseado.
Hay un metodo, denominado regla trapezoidal, que preserva las caractersticas de estabilidad de manera
mucho mas conveniente, ya que mapea el semiplano izquierdo del plano s en el interior del crculo unitario
del plano z. Dicho metodo se corresponde a la formula
xk+1 = xk +
h
[f (xk , tk ) + f (xk+1 , tk+1 )]
2
y es un algoritmo implcito de segundo orden.

Si consideramos un sistema lineal y estacionario (como lo son los ltros), tenemos las EE:
x(t)
= A x(t) + B u(t)
aplicando la regla trapezoidal, tenemos las EED:
x(k + 1) = x(k) +
h
(A x(k) + B u(k) + A x(k + 1) + B u(k + 1))
2
(4.15)
194
y tomando la transformada Z de esta u

ltima expresion, resulta,
z X(z) = X(z) +
h
(A X(z) + B U(z) + A z X(z) + B z U(z))
2
de donde,
(z 1) X(z) =
h
(z + 1) (A X(z) + B U(z))
2
y nalmente,
2 (z 1)
X(z) = A X(z) + B U(z)
h (z + 1)
(4.16)
Por otro lado, si transformamos a Laplace la Ec.(4.15), obtenemos,

s X(s) = A X(s) + B U(s)
(4.17)
Comparando las Ecs.(4.16) y (4.17) vemos que la discretizacion con la regla trapezoidal equivale a reemplazar
2 (z 1)
s
(4.18)
h (z + 1)
en la relacion entre X y U en los dominios respectivos.
Esta transformaci
on se denomina transformada bilineal, y la inversa de la misma con 2/h = 1 es la
que utilizamos en la estrategia para estudiar estabilidad que presentamos como alternativa al criterio de
Jury.
La transformaci
on de la Ec.(4.18) puede verse facilmente que mapea el eje imaginario del plano
complejo s en la circunferencia unitaria del plano complejo z. Ademas mapea el semiplano izquierdo del
plano s se mapea en el interior de la circunferencia unitaria del plano z y el semiplano derecho en el
exterior. Esto ademas ocurre para cualquier valor de h.
En denitiva, la transformaci
on bilineal preserva la estabilidad de la discretizacion.
4.3.2.
Dise
no por Transformaci
on Bilineal
La idea b
asica del dise
no por Transformacion Bilineal consiste en utilizar una FT continua, generalmente normalizada, y obtener la FTD del ltro digital aplicando la transformada bilineal.
Para conseguir que la respuesta en frecuencia del ltro analogico y el digital coincidan en cierta
frecuencia de ajuste, la transformaci
on se hace con una constante generica:
sc
z1
z+1
(4.19)
De esta manera, si la FT continua es HC (s), la FTD del ltro discreto sera

HD (z) = HC (c
z1
)
z+1
y la respuesta en frecuencia del ltro discreto resultara

HD (ej ) = HC (c
ej 1
)
ej + 1
Idealmente, desearamos que esta u

ltima respuesta en frecuencia coincida con la del ltro analogico
HC (j) (con el cambio de escala impuesto por la frecuencia de muestreo). Sin embargo, esto no sera posible
para todos los valores de frecuencia.
Tomaremos entonces una frecuencia de ajuste 0 en la que ambas respuestas coincidiran, esto es,
pediremos que
HC (j0 ) = HD (ej0 Ts ) = HC (c
ej0 Ts 1
)
ej0 Ts + 1
195
o sea, pedimos en denitiva que

j0 = c
ej0 Ts 1
ej0 Ts + 1
multiplicando y dividiendo el segundo termino por ej0 Ts /2 resulta,

j0 = c
ej0 Ts /2 ej0 Ts /2
ej0 Ts /2 + ej0 Ts /2
de donde,
j0 = c
2j sen(0 Ts /2)
2 cos(0 Ts /2)
y nalmente,
0 = c tan(0 Ts /2)
Por lo tanto, debemos tomar
c=
0
tan(0 Ts /2)
(4.20)
Supongamos por ejemplo que queremos implementar un ltro digital correspondiente a un ltro
analogico de Butterworth de segundo orden, con frecuencia de paso p = 10, muestreando con un perodo
Ts = 0.1. Buscaremos que las respuestas en frecuencia ajusten para la frecuencia de paso.
La FT del ltro normalizado es
1
H(s)
=
2
s + 2 s+1
El cambio de variables s s/p permite obtener la FT del ltro.
H(s) = H(s/10)
=
(s/10)2 +
2 (s/10) + 1
Dado que queremos que las respuestas ajusten a la frecuencia p = 10, de la Ec.(4.20) resulta
c=
10
10
=
tan(10 0.1/2)
0.546
por lo tanto, la FTD del ltro digital sera

HD (z) = H(c
z1
z1
c z 1 ) = H(1.83
) = H(
)
z+1
10 z + 1
z+1
es decir,
HD (z) =
(1.83
z1 2
z+1 )
+ 2 (1.83
z1
z+1 )
+1
multiplicando y dividiendo por (z + 1)2 , resulta,

HD (z) =
z2 + 2 z + 1
0.1441 z 2 + 0.2882 z + 0.1441
=
6.94 z 2 4.7 z + 1.76
z 2 0.6775 z + 0.2539
La Figura 4.14 muestra la amplitud de la respuesta en frecuencia continua y discreta. En dicha graca
puede apreciarse como ambas respuestas coinciden para p = 10. Puede notarse tambien que ambas
respuestas coinciden bastante bien en la banda de paso.
La Figura 4.15 muestra las gr
acas de atenuacion correspondiente, que evidencian a
un mas las coincidencias en la banda de paso.
Utilizando Matlab, podemos hacer el dise
no directamente del ltro digital:
196
1.0
0.9
0.8
|HD (ejTs )|; |HC (j)|
0.7
0.6
0.5
0.4
0.3
0.2
Continuo
0.1
Discreto
0.0
40
30
20
10
10
20
30
40
Figura 4.14: Amplitud de la Respuesta en Frecuencia de un Filtro Pasabajos Anal

ogico y su Aproximaci
on IIR
por Transformaci
on Bilineal
60
50
Discreto
C (); D (Ts ) (dB)
40
30
Continuo
20
10
10
0
10
15
20
25
30

on del Filtro Pasabajos Anal
ogico y su Aproximaci
on IIR por Transformaci
on Bilineal
>> [N,D]=butter(2,1/pi,low)
N =
0.1441
0.2882
0.1441
197
D =
1.0000
-0.6775
0.2539
El comando butter como vemos tiene tres argumentos. El primero indica el orden del ltro, en este
caso 2. El segundo indica la frecuencia de paso expresada como fracci
on de la mitad de la frecuencia de
muestreo. La frecuencia de muestreo es 2/Ts , por lo tanto, debemos poner p /(/T s) que en nuestro
caso es 1/. Finalmente, el tercer par
ametro indica que se trata de un pasabajos.
Puede observarse la coincidencia de los polinomios numerador y denominados que brinda Matlab con
los que obtuvimos. Esto se debe a que Matlab utiliza la transformaci
on bilineal para dise
nar los ltros
digitales.
Este ejemplo, al tratarse de un ltro de orden bajo, tiene muy poca selectividad. Normalmente los
ltros digitales utilizan
ordenes altos, ya que aumentar el orden de un ltro digital solo implica aumentar
la memoria y el n
umero de c
alculos en el procesador.
Si utilizamos un ltro de Butterworth de orden 10 y repetimos todo el proceso del dise
no, resulta un
ltro cuya respuesta en frecuencia es la que se muestra en la Fig.4.16.
1.2
1.0
|H(ej )|
0.8
0.6
0.4
0.2
0.0
4
Figura 4.16: Amplitud de la Respuesta en Frecuencia de un Filtro Pasabajos IIR de Butterworth de Orden 10
La respuesta en frecuencia de este ltro es comparable en cuanto a selectividad con la de los ltros
FIR de orden 41 que vimos antes. Como ya anticipamos, los ltros IIR tienen mejor selectividad que los
FIR, pero carecen de una respuesta en fase lineal.
Como sabemos, el ltro de Butterworth tiene poca selectividad. Un ltro de Chebyshev de orden 10,
dise
nado con los mismos par
ametros y tomando max = 0.1dB, al ser discretizado con la transformada
bilineal tiene una respuesta en frecuencia como la que muestra la Fig.4.17.
198
1.0
0.9
0.8
0.7
|H(ej )|
0.6
0.5
0.4
0.3
0.2
0.1
0.0
4
Figura 4.17: Amplitud de la Respuesta en Frecuencia de un Filtro Pasabajos IIR de Chebyshev de Orden 10
con max = 0.1dB.
4.4.
199
[P4.1] Relaci
on entre Frecuencias Continua y Discreta
Se dise
no un ltro digital pasabajos utilizando como prototipo un ltro continuo pasabajos con frecuencia de paso p = 21000rad/s. Especique cual es la frecuencia de paso del ltro digital si el dise
no
se hizo en base al metodo de la transformaci
on bilineal con periodo de muestreo Ts = 0.2 103 seg.
[P4.2] Dise
no de un filtro RBn mediante la transformaci
on bilineal
Las lneas de distribuci
on electrica suelen inducir en muchos dispositivos se
nales de perturbacion de
50 Hz. Para atenuar las mismas, en ocasiones es necesario utilizar ltros. Se pretende dise
nar entonces
un ltro Chebyshev Rechazabanda que cumpla con las siguientes especicaciones:
selectividad (k): 0.5
M
axima atenuacion en la banda de paso(max ): 1dB
Mnima atenuacion en la banda de rechazo(min ): 20dB
Frecuencia central(0 ): 250
Ancho de banda relativo (B): 0.2
Se pide:
1. Calcular las frecuencias de paso y de atenuacion.
2. Dibujar la plantilla de atenuacion.
3. Calcular el orden del ltro y escribir la FT normalizada del PB.
4. Realizar los cambios de variables que correspondan para obtener la FT del ltro RBn (no hace falta
desarrollar la expresion).
6. Obtener la FTD del ltro digital resultante de utilizar la transformaci
on bilineal con una frecuencia
de muestreo fs = 1 KHz.
[P4.3] Dise
no de un Filtro FIR Pasaaltos
Con el objetivo de recuperar cierta se
nal de datos inmersa en ruidos de baja frecuencia, se propone
dise
nar un ltro FIR Pasaaltos de orden n = 6 (es decir, de longitud n + 1 = 7) con frecuencia de corte
c = 1.2 utilizando una ventana rectangular. En tal sentido:
1. Calcular la FT H(z) del ltro.
2. Calcular la ganancia est
atica del ltro digital.
3. Considerando un perodo de muestreo Ts = 10mseg, indicar cual es la frecuencia de corte en el
dominio continuo.
[P4.4] Dise
no de un filtro PA mediante la transformaci
on bilineal
En una dada se
nal se desean eliminar las componentes de frecuencia inferiores a 50 Hz. Para esto,
se pretende dise
nar un ltro digital pasaaltos. Como criterio de dise
no, se propone calcular un ltro
Butterworth que cumpla con las siguientes especicaciones:
Frecuencia de paso (p )=250 rad/seg.
Selectividad k = 0.4.
200
M
axima atenuacion en la banda de paso (max ): 1dB
Mnima atenuacion en la banda de rechazo (min ): 10dB
Se pide:
1. Escribir la FT normalizada del ltro PB.
2. Realizar los cambios de variables que correspondan para obtener la FT del ltro PA (No hace falta
desarrollar la expresion)
4. Obtener la FTD del ltro digital resultante de utilizar la transformaci
on bilineal con un perodo de
muestreo Ts = 2 mseg.
[P4.5] Dise
no de filtros FIR utilizando ventanas
Se quiere dise
nar un ltro FIR pasabajos de orden 4 con frecuencia de corte c = 0.5 usando una
ventana de Hamming. Para esto:
1. Calcular la respuesta al impulso hi (k) del ltro ideal.
2. Calcular la ventana w(k) sugerida, y obtener la respuesta al impulso hr (k) del ltro a implementar.
3. Calcular la amplitud de la respuesta en frecuencia del ltro para las frecuencias = 0, = 0.5,
= 1 y = .
4. Que puede decirse sobre la selectividad de este ltro?.
5. Escribir la ecuaci
on en diferencias que permite implementar el ltro.
[P4.6] Filtrado de una se
nal de electrocardi
ografo
Los sistemas para la adquisici
on, procesamiento y visualizacion de la se
nal cardaca, pueden dividirse
en las siguientes etapas: adquisici
on y procesamiento de la se
nal basadas en diferentes tecnicas de preamplicaci
on, amplicacion, ltrado analogo y digital. La Figura 4.18 muestra un esquema de estas etapas.
Figura 4.18: Esquema de Procesamiento de Se

nales de un Electrocardi
ografo
La etapa indicada como Amplicacion y Filtrado utiliza un ltro pasabandas, cuyas frecuencias de
paso est
andar son a1 = 0.02Hz y a2 = 100Hz.
Se buscar
a dise
nar un ltro Butterworth que cumpla con las especicaciones mencionadas, y adicionalmente tenga:
M
axima atenuacion en la banda de paso: max = 2
Minima atenuacion en las bandas de rechazo: min = 20
201
Selectividad: k = 0.5
Se pide entonces:
1. Calcular la frecuencia central 0 y el ancho de banda relativo B del ltro. Ademas, determinar las
frecuencias de atenuacion a1,2 .
2. Determinar el orden del ltro.
3. Escribir la FT del PB normalizado.
4. Realizar los cambios de variables que correspondan para obtener la FT del ltro PBn (no hace falta
desarrollar la expresion).
considerando R1 = R2 = 100. Que puede decirse de los valores resultantes de capacidades e
inductancias?.
6. Obtener la implementacion digital del ltro a traves de la transformaci
on bilineal usando un perodo
de muestreo de Ts = 2 mseg.
Bibliografa
[1] Francois Cellier and Ernesto Kofman. Continuous System Simulation. Springer, New York, 2006.
[2] Chi-Tsong Chen. Analog and Digital Control System Design. Oxford University Press, New York,
2006.
[3] Richard C. Dorf and Robert H. Bishop. Modern Control Systems. Pearson Education, Inc., 11th
edition, 2008.
[4] Gregory W. Evans. Bringing root locus to the classroom. the story of Walter Evans and his textbook
Control-system Dynamics. IEEE Control Systems Magazine, 24(6):7481, 2004.
[5] Juan Carlos G
omez. Dise
no de ltros digitales. Apunte de la Materia Procesamiento Digital de
Se
nales de Voz. FCEIA, UNR, Rosario, Argentina, 2005.
[6] Benjamin Kuo. Sistemas de Control Autom
atico. Septima Edici
on. Prentice Hall Hispanoamericana,
Mexico, 1996.
[7] Federico Miyara. Filtros activos. Apunte de la Catedra de Electronica III. FCEIA, UNR, Rosario,
Argentina, 2004.
[8] J. Proakis and D. Manolakis. Digital Signal Processing. Principles, Algorithms and Applications.
Prentice Hall International Inc., New Jersey, 3rd edition, 1996.
[9] Rolf Schaumann and Mac Van Valkenburg. Design of Analog Filters. Oxford University Press,
Oxford, 2001.
[10] S. Winder. Analog and Digital Filter Design. Elsevier, Woburn, Massachusetts, 2nd edition, 2002.
202
Ap
endice A
Algunas Tablas Utiles

A.1.
Coeficientes de Butterworth
La siguiente tabla resume los coecientes del denominador de un ltro pasabajos de Butterworth
normalizado, con FT
1
H(s) =
an sn + an1 sn1 + + a1 s + a0
n
1
2
3
4
5
6
7
8
9
A.2.
a0
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
a1
1.0000
1.4142
2.0000
2.6131
3.2361
3.8637
4.4940
5.1258
5.7588
a2
a3
a4
a5
a6
a7
a8
a9
1.0000
2.0000
3.4142
5.2361
7.4641
10.098
13.137
16.582
1.0000
2.6131
5.2361
9.1416
14.592
21.846
31.163
1.0000
3.2361
7.4641
14.592
25.688
41.986
1.0000
3.8637
10.098
21.846
41.986
1.0000
4.4940 1.0000
13.137 5.1258 1.0000
31.163 16.582 5.7588 1.0000
Coeficientes de Chebyshev
Las siguientes tablas resumen los coecientes del denominador de un ltro pasabajos de Chebyshev
normalizado, con FT
1
H(s) =
an sn + an1 sn1 + + a1 s + a0
A.2.1.
n
1
2
3
4
5
6
7
8
9
Tabla para max = 3 dB

a0
1.0000
1.4125
1.0000
1.4125
1.0000
1.4125
1.0000
1.4125
1.0000
a1
0.99763
1.2867
3.7046
3.2305
6.5120
5.2174
9.3316
7.2125
12.154
a2
a3
a4
a5
a6
1.9953
2.3833
9.3308
8.7622
22.318
19.156
40.960
33.556
3.9905
4.6416
22.587
22.047
67.158
60.260
149.02
7.9810
9.1702
53.085
53.086
187.29
173.39
15.962
18.219
122.05
124.11
496.45
31.924
36.293 63.848
275.92 72.397 127.70
284.08 615.53 144.54 255.39
203
a7
a8
a9
APENDICE
A. ALGUNAS TABLAS UTILES
A.2.2.
n
1
2
3
4
5
6
7
8
9
A.2.3.
n
1
2
3
4
5
6
7
8
9
A.2.4.
n
1
2
3
4
5
6
7
8
9
204

a0
1.0000
1.2589
1.0000
1.2589
1.0000
1.2589
1.0000
1.2589
1.0000
a1
0.76478
1.2295
3.1270
3.1619
5.6208
5.1460
8.1312
7.1400
10.646
a2
a3
a4
a5
a6
a7
a8
a9
1.5296
2.2571
7.6875
8.4858
18.880
18.729
35.114
32.979
3.0591
4.3820
18.349
21.219
56.024
58.561
126.18
6.1183
8.6446
42.726
50.882
154.63
167.76
12.237
17.161
97.582
118.62
406.60
24.473
34.169 48.946
219.50 68.139 97.892
270.92 487.76 136.01 195.78

a0
1.0000
1.1220
1.0000
1.1220
1.0000
1.1220
1.0000
1.1220
1.0000
a1
0.50885
1.1172
2.5206
3.0230
4.7265
5.0002
6.9585
6.9916
9.1973
a2
a3
a4
a5
a6
a7
a8
a9
1.0177
2.0117
5.9186
7.9331
15.295
17.866
29.168
31.809
2.0354
3.8787
13.750
19.575
44.210
55.156
102.43
4.0708
7.6272
31.440
46.530
119.64
156.53
8.1416
15.115
70.867
107.80
309.79
16.283
30.063 32.566
157.82 59.910 65.132
245.09 347.93 119.52 130.26
Tabla para max = 0.5 dB

a0
1.0000
1.0593
1.0000
1.0593
1.0000
1.0593
1.0000
1.0593
1.0000
a1
0.34931
0.99597
2.1446
2.8656
4.2058
4.8330
6.3060
6.8205
8.4165
a2
a3
a4
a5
a6
a7
a8
a9
0.69862
1.7506
4.7978
7.3192
13.099
16.893
25.645
30.477
1.3972
3.3461
10.828
17.770
36.840
51.356
87.959
2.7945
6.5530
24.277
41.792
97.651
144.10
5.5890
12.957
53.937
96.095
248.73
11.178
25.737 22.356
118.79 51.243 44.712
217.24 259.57 102.17 89.424

PT 1 DT 1 PT 2

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

PT 1 DT 1 PT 2

Încărcat de

Drepturi de autor:

Formate disponibile

Teora de Circuitos II.

Notas de Clase Ano 2010

A. Algunas Tablas Utiles

Los Sistemas Din

Modelos de Tiempo Continuo

Figura 1.1: Circuito RLC Serie

uL (t) + uR (t) + uC (t) = v(t)

Para simplicar la notaci

que es la denominada Funci

Esta es una Funci

Se dene tambien el grado relativo r , n m y la Funci

G1,1 (s) G1,m (s)

donde cada la componente Gi,j se dene como

Y(s) = ... ; U(s) = ...

Figura 1.2: Circuito RLC Serie con una rama en paralelo

En consecuencia, ni la EDO ni la FT contienen informacion alguna sobre lo que ocurre en el capacitor

que en este caso depende solo de una de las variables de estado.

Si en cambio buscamos las EE del circuito de la Fig.1.2, obtenemos las siguientes.

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

son los vectores de estado, entrada y salida respectivamente. Ademas

se denominan matrices de evoluci

y las siguientes ecuaciones de salida:

Las Ecs.(1.14)(1.15) representan exactamente el mismo sistema que las Ecs.(1.19)(1.20). La u

Figura 1.3: Diagrama de Bloques del Circuito RLC Serie

y a los bloques ganancia (denominamos as a los bloques que multiplican una se

Modelos de Tiempo Discreto

El orden de la ED sera el maximo valor entre y .

donde G(z) se denomina Funci

donde en general se cumplir

Ecuaciones de Estado Discretas

lo que se denomina Ecuaci

y(k) = C x(k) + D u(k)

Figura 1.6: Diagrama de Bloques del Filtro Discreto

El caso discreto es totalmente analogo. Por ejemplo, dada la ED generica3:

aplicando la transformada Z obtenemos

y(t) = b0 x1 (t) + b1 x2 (t)

Aplicando la Transformada de Laplace obtenemos:

Y (s) = b0 X1 (s) + b1 X2 (s)

De las dos primeras ecuaciones podemos despejar

Finalmente, usando esta u

x2 (k + 1) = a1 x1 (k) + x3 (k) + b1 u(k)

Aplicando la Transformada Z obtenemos

z X2 (z) = a1 X1 (z) + X3 (z) + b1 U (z)

Multiplicando ambos miembros de la segunda ecuaci

= a1 z X1 (z) a0 X1 (z) + b0 U (z) + b1 z U (z)

Multiplicando ahora la primer ecuaci

= a2 z 2 X1 (z) a1 z X1 (z) a0 X1 (z) + b0 U (z) + b1 z U (z)+

De manera similar a lo que ocurri

Para el caso discreto, el procedimiento es identico.

se obtienen las EED:

EDO EE/ES / ED EED/ES

A partir de este DB podemos leer f

que coincide con la FT que habamos obtenido en la Ec.(1.7).

Figura 1.8: Diagrama de Bloques del Filtro Discreto en el Dominio Transformado

En este DB podemos leer entonces:

de donde, multiplicando ambos miembros por z 2 y despejando obtenemos

que coincide con la expresion de la FTD que obtuvimos en la Ec.(1.24).

Figura 1.9: Diagrama de Bloques del Circuito RLC Serie

= v(t) 1 q(t) R (t)

Figura 1.10: Diagrama de Bloques del Filtro Discreto

la Fig.1.11 muestra el resultado de aplicar este procedimiento.

Figura 1.11: Diagrama de Bloques de un Sistema en Forma Can

El Control Toolbox de Matlab permite crear y manipular modelos en la forma de Funci