Sistemas Lineales y No Lineales - Cap 01

Capı́tulo 1
Conceptos Básicos
5
6 Sistemas Lineales y no Lineales, Periodo 2018-I
1.1. Sistemas
1.1.1. Definición
Definición 1.1.1 Un sistema es un conjunto de partes interactuantes que
como un todo muestra un comportamiento distintivo.
Estímulo Respuesta
Sistema
(Entrada) (Salida)
Figura 1.1: Representación esquemática de un sistema

Prof. Fernando Salomón Merchán Gordillo 7
Señal Sonido,
Televisor
electromagnética imagen
Materia prima Producto

Fábrica
Labor humana terminado
Modo como se
Fuente de enfermedad
Población difunde la
epidémica
enfermedad
Figura 1.2: Ejemplos de sistemas.

Frecuentemente se monitorea la respuesta de un sistema y se hacen ajustes en

él para mejorar su salida (calidad, apariencia, producto, etc.). Como referencia,
en la Figura 1.3 se muestra el esquema de un sistema controlado.
Entrada Sistema Salida
Monitor
Regulación Algoritmo de
Sistema
de la entrada decisión
controlado
Figura 1.3: Esquema de un sistema controlado.

1.1.2. Interconexiones de Sistemas

Muchos sistemas reales están construidos como interconexiones de varios
subsistemas. Algunas interconexiones básicas son mostradas en la Figura 1.4.
Entrada Sistema 1 Sistema 2 Salida

(a)
Sistema 1
Entrada + Salida
Sistema 2
(b)
Sistema 1 Sistema 2
Entrada + Sistema 4 Salida
Sistema 3
(c)
Figura 1.4: Interconexión de dos sistemas: (a) interconexión en serie (cascada);

(b) interconexión en paralelo; (c) interconexión en serie-paralelo.
En la Figura 1.5 se muestra una interconexión de realimentación.
Entrada + Sistema 1 Salida
Sistema 2
(b)
Figura 1.5: Interconexión con realimentación.

1.1.3. Consideraciones en el Estudio de los Sistemas

Las entradas y las salidas de los sistemas son frecuentemente representadas
por señales o funciones de un parámetro t que asumiremos sea el concepto
fı́sico tiempo (en el caso de procesamiento de imágenes no es ası́: el hacer
más nı́tida una imagen tiene que ver con la intensidad de colores en un
punto (x, y)). Estas funciones pueden estar definidas en tiempo continuo
o en tiempo discreto.
Por conveniencia práctica se usan simplificaciones formalizadas de los sis-
temas y son llamadas modelos matemáticos. Se consideran sólo las carac-
terı́sticas dominantes de los sistemas.
1.2. Sistemas en Tiempo Continuo

El modelo matemático de un sistema N se especifica a través de la relación
entre las entradas admisibles u a él, y sus correspondientes respuestas y,
y = N [u], (1.1)
donde
u: entrada al sistema
y: salida o respuesta del sistema
N : operador que relaciona a u y a y
Esquemáticamente representamos esta relación como
u(·) −→ N
|{z} −→ y(·)
y(·)=N [u(·)]
u(·) ∈ U, y(·) ∈ Y
donde
U : conjunto de todas las entradas admisibles

Y : conjunto de todas las salidas admisibles,
y gráficamente, como en la Figura 1.6.

Figura 1.6: Sistema N con entrada u y salida y.
Frecuentemente y(t) y u(t) están relacionadas a través de ecuaciones dife-

renciales, ecuaciones integrales, ecuaciones integro-diferenciales, etc.
Debido al amplio uso de las transformadas de Laplace en el estudio de cir-

cuitos y sistemas, diremos que las señales de entrada y salida admisibles son
aquellas que admiten la transformada bilateral de Laplace.
Definición 1.2.1 Una señal en tiempo continuo f (·) es admisible si
a) Es seccionalmente continua.
Recuérdese que f (·) es seccionalmente continua en [a, b] si ∃n ∈ N y
∃ pi, i = 1, 2, . . . , n en (a, b), con a , p0 < p1 < . . . < pn < b , pn+1
tales que
f es continua en todos los subintervalos abiertos (pi, pi+1),
i = 0, . . . , n de [a, b] (véase en la Figura 1.7 la gráfica de una señal
seccionalmente continua),
y
∃ lı́m f (t), i = 1, . . . , n
t→p±
i
∃ lı́m f (t), ∃ lı́m f (t)
t→a+ t→b−
f (t)
a p1 p2 pn b t
Figura 1.7: Gráfica de una señal seccionalmente continua.
b) ∃ t◦/ f (t) = 0, ∀t ≤ t◦
c) ∃ c1, c2 reales tales que |f (t)| ≤ c1ec2 t
d) Se conforma a las dimensiones impuestas por el modelo del sistema.
Esto significa que las propiedades de la señal son tales que aplicada
ésta, no da lugar a la alteración ni a la destrucción del sistema.
Las condiciones anteriores, básicamente garantizan la existencia de la transfor-

mada bilateral de Laplace de una señal admisible.
Nota 1.2.2
a) Como consecuencia de la definición anterior, se que tiene los conjun-

tos de todas las señales admisibles de entrada y salida son subespacios
vectoriales del espacio de todas funciones definidas sobre R. Asimis-
mo, se observa que si u(·) es admisible, u(· − a) también lo es, para
toda a real.
b) En general, trabajaremos con un espacio de funciones admisibles cu-

yos elementos se comportan lo suficientemente bien, matemáticamen-
te hablando, como para que ocurra que para toda sucesión {un(·)} de
funciones admisibles un(·) tal que u(·) = lı́mn→∞ un(·), también u(·)
sea admisible (esto es lo mismo que decir que el espacio de funciones
admisibles es un espacio métrico completo).
Espacios admisibles con las caracterı́sticas mencionadas son usuales en apli-

caciones de ingenierı́a.
1.2.1. La Noción de Estado

Introducción
Introducimos aquı́ el concepto de estado a través de las siguientes observa-
ciones realizadas sobre las relaciones entrada-salida del sistema mecánico simple
de la Figura 1.8 consistente de una masa M la cual es sometida a la acción de
una fuerza f :

Figura 1.8: Sistema mecánico simple
Consideremos que la entrada y(t) al sistema es la fuerza f (t) y que su salida

u(t) es el vector (s(t), v(t)), donde s(t) y v(t) son, respectivamente la posición
y la velocidad en el instante t de la masa M .
Como sabemos, la segunda ley de Newton relaciona a f , M , y a v como

sigue:
dv
f =M
dt
Entonces,
Z t◦ Z t
1 1
v(t) = v(−∞) + f (τ ) dτ + f (τ ) dτ
M −∞ M t◦
Z t
1
ó v(t) = v(t◦) + f (τ ) dτ, (1.2)
M t◦
donde Z t◦
1
v(t◦) = v(−∞) + f (τ ) dτ (1.3)
M −∞
ds
También, de = v, se tiene
dt
Z t◦ Z t
s(t) = s(−∞) + v(τ ) dτ + v(τ ) dτ
Z t −∞ t◦
ó s(t) = s(t◦) + v(ξ) dξ,

t◦
donde Z t◦
s(t◦) = s(−∞) + v(ξ) dξ
−∞
Empleando la Ecuación (1.2), resulta:

Z "t Z ξ
#
1
s(t) = s(t◦) + v(t◦) + f (τ ) dτ dξ
t◦ M t◦
Z tZ ξ
1
s(t) = s(t◦) + v(t◦)(t − t◦) + f (τ ) dτ dξ (1.4)
M t◦ t◦
De lo anterior, notamos que resulta conveniente representar la relación entrada-

salida de nuestro sistema como
[s(t), v(t)] = N [f (t) , [s(t◦ ), v(t◦)] ], t ≥ t◦
| {z } |{z} | {z }
y(t) u(t) x(t◦)
| {z}
Estado inicial
o, de modo simplificado, como
y(t) = N [u(t), x(t◦)],
donde y(t) es la salida del sistema correspondiente a la entrada u(t), para valores
de “partida” x(t◦) al tiempo t◦, con y(t), u(t), x(t◦), y N descritos como sigue:
y(t) = [s(t), v(t)]: Salida
u(t) = f (t): Entrada
x(t◦) = [s(t◦), v(t◦)]: Condiciones iniciales o estado inicial del
sistema al tiempo t◦ (contiene información de la his-
toria pasada del sistema).
N : Operador de nuestro sistema (de nombre N ) que re-

laciona a y(t) con u(t) y x(t◦).
Definición de la Noción de Estado
Definición 1.2.3 El estado x(t) de un sistema es el conjunto mı́nimo de

variables internas, cuyos valores al tiempo t◦ son suficientes para especifi-
car de modo único las salidas del sistema, dada la señal de entrada sobre
[t◦, ∞), ∀t◦.
Nota 1.2.4 La elección del estado de un sistema no es única: se pueden

formar conjuntos diferentes de variables de estado para un mismo sistema.
1.2.2. Clasificación de los Sistemas en Tiempo Con-

tinuo
Sistemas Causales
Definición 1.2.5 Un sistema N : U → Y es causal, o lo que es lo mismo,
es no anticipativo, si ∀ T ocurre que ∀u1, u2 ∈ U/ u1(t) = u2(t), ∀t < T ,
N [u1(t)] = N [u2(t)], ∀t < T .
Una definición equivalente de causalidad es la siguiente:

Definición 1.2.6 (Definición equivalente de causalidad) Un sistema
N : U → T es causal si ∀ u ∈ U y ∀ T ∈ R, se cumple
PT (N [u]) = PT (N (PT (u))),
donde PT denota al operador de truncación definido por

u(t) , si t < T
PT (u)(t) =
0 , si t ≥ T
Nota 1.2.7 Se puede decir que un sistema es causal si en todo instante

t, su respuesta depende únicamente de los valores de la entrada en t y en
instantes anteriores a t.
Sistemas Concentrados y Sistemas Distribuidos

Esta definición obedece al hecho de que en ciertos sistemas las señales involu-
cradas tienen longitudes de onda mucho más grandes que el tamaño fı́sico de sus
componentes; en otros sistemas, las longitudes de onda de las señales involucra-
das son de tamaño comparable a las dimensiones fı́sicas de los componentes del
sistema. En los primeros, las señales afectan instantáneamente a todo el sistema
y sus componentes, denominándoseles por ello Sistemas Concentrados ; y a los
segundos, Sistemas Distribuidos, debido a que el estado de sus componentes
depende de la localización de estos dentro del sistema y del tiempo.
En general, se dice que los sistemas cuyos modelos matemáticos no contienen

retrasos o predictores y no son descritos por ecuaciones diferenciales parciales,
son sistemas concentrados; en caso contrario, se dice que estos sistemas son
distribuidos.
Definición 1.2.8 Un sistema es concentrado si sus variables de entrada-
salida pueden ser caracterizadas por un conjunto de ecuaciones diferen-
ciales ordinarias; de otro modo, se dice que el sistema es distribuido, y es
representado por ecuaciones diferenciales parciales o por expresiones ma-
temáticas que incluyen retrasos y/o predictores.
Nota 1.2.9 En general, todos los circuitos que contienen sólo capacitores
ideales, inductores, resistores, transformadores, y fuentes independientes,
son concentrados, por supuesto, siempre que las dimensiones del sistema
sean muy pequeñas frente a las longitudes de onda de las señales involu-
cradas, en caso contrario los circuitos serı́an distribuidos (recuérdese la
ecuación en derivadas parciales de las lı́neas de transmisión).
Sistemas Lineales
Definición 1.2.10 Sea y(t) = N [u(t), x(t◦)] la respuesta de un sistema a

la señal de entrada u(t) definida en [t◦, ∞), con estado inicial x(t◦) ∈ Rn .
Entonces el sistema es lineal si y sólo si para cualquier par de señales
admisibles de entrada u1(t) y u2(t), y cualquier escalar k, se cumple
k(N [u1(t), x(t◦)] − N [u2(t), x(t◦)]) = N [k(u1(t) − u2(t)), 0(t◦)], ∀t ≥ t◦,
∀ estado inicial x(t◦) ∈ Rn al tiempo t◦, donde 0(t◦) es el vector cero.

De modo equivalente, un sistema es lineal si y sólo si se cumplen a la
vez las siguientes tres propiedades:
Propiedad de separación:
N [u(t), x(t◦)] = N [0(t), x(t◦)]+N [u(t), 0(t◦)], ∀t ≥ t◦, ∀x(t◦) ∈ Rn , ∀u ∈ U,

donde
N [0(t), x(t◦)] = Respuesta del sistema a la entra-

da 0(t), con estado inicial x(t◦)
al tiempo t◦ (respuesta de entra-
da cero.)
N [u(t), 0(t◦)] = Respuesta del sistema a la entra-
da u(t), con estado inicial 0(t◦)
al tiempo t◦ (respuesta de estado
cero.)
Linealidad de estado cero:
N [u1(t) + u2(t), 0(t◦)] = N [u1(t), 0(t◦)] + N [u2(t), 0(t◦)], ∀t ≥ t◦,
∀u1, u2 entradas admisibles.

Linealidad de entrada cero:

N [0(t), x1(t◦) + x2(t◦)] = N [0(t), x1(t◦)] + N [0(t), x2(t◦)], ∀t ≥ t◦,
∀x1(t◦), x2(t◦) vectores de estado inicial al tiempo t◦
Nota 1.2.11 Se puede probar también que un sistema N es lineal
⇔ N [ku(t), rx(t◦)] = kN [u(t), 0(t◦)] + rN [0, x(t◦)], (1.5)

∀ k, r ∈ R, ∀ u ∈ U, ∀ x(t◦)
⇔ N [α(u1(t), x1(t◦)) + β(u2(t), x2(t◦))]
= N [αu1(t) + βu2(t), αx1(t◦) + βx2(t◦)]
= αN [u1(t), x1(t◦)] + βN [u2(t), x2(t◦)], (1.6)
∀ α, β ∈ R, ∀ui ∈ U, ∀ xi(t◦), i = 1, 2
[Principio de superposición]
Ejemplo 1.2.1 Averiguar si el sistema N de ecuación

Z t
y(t) = x(t◦) + 2 u(τ )dτ
0
es lineal o no.
Solución Como
Z t
y(t) = N [u(t), x(t◦)] = x(t◦) + 2 u(τ )dτ
0
N [0(t), x(t◦)] = x(t◦) : Respuesta de entrada cero.
Z t
N [u(t), 0(t◦)] = 2 u(τ )dτ : Respuesta de estado cero.
0
sigue:
N [u(t), x(t◦)] = N [0(t), x(t◦)] + N [u(t), 0(t◦)]: se cumple la propiedad de

separabilidad.
Z t
N [u1(t) + u2(t), 0(t◦)] = 2 (u1(τ ) + u2(τ ))dτ
Z0 t Z t
= 2 u1(τ )dτ + 2 u2(τ )dτ
Z0 t 0
N [ui(t), 0(t◦)] = 2 ui(τ )dτ, i = 1, 2

0
⇒ N [u1(t) + u2(t), 0(t◦)] = N [u1(t), 0(t◦)] + N [u2(t), 0(t◦)]

: Se cumple la propiedad de linealidad de
estado cero.
N [0(t), x1(t◦) + x2(t◦)] = x1(t◦) + x2(t◦)

N [0(t), xi(t◦)] = xi(t◦), i = 1, 2
⇒ N [0(t), x1(t◦) + x2(t◦)] = N [0(t), x1(t◦)] + N [0(t), x2(t◦)]

: Se cumple la propiedad de linealidad de
entrada cero.
De lo anterior sigue que el sistema N es lineal.
Nota 1.2.12 Sea un sistema lineal y(t) = N [u(t), x(t◦)], donde y(t) es la
respuesta del sistema N cuando la entrada a él es u(t), x(t) es el vector de
estado o respuesta de estado correspondiente, y x(t◦) es el valor del vector
de estado en el instante inicial t◦. Denotando la relación entre x(t), u(t), y
x(t◦) como x(t) = Ne[u(t), x(t◦)], donde Ne es llamado operador de respuesta
de estado del sistema, se tiene que definiendo
xh(t) = Ne[0(t), xh(t◦) = x(t◦)], la respuesta de estado de entrada cero del

sistema, y
xnh(t) = Ne[u(t), xnh(t◦) = 0(t◦)], la respuesta de estado de estado cero del

sistema,
se puede probar que se cumple lo siguiente:

Ne[u(t), x(t◦)] = Ne[0(t), x(t◦)] + Ne[u(t), 0(t◦)] (1.7)
De modo similar, se puede probar que si un sistema N es lineal, deben
cumplirse:
Ne[ku(t), rx(t◦)] = kNe[u(t), 0(t◦)] + rNe[0, x(t◦)], (1.8)
∀ k, r ∈ R, ∀ u ∈ U, ∀ x(t◦)
⇔ Ne[α(u1(t), x1(t◦)) + β(u2(t), x2(t◦))]
= Ne[αu1(t) + βu2(t), αx1(t◦) + βx2(t◦)]
= αNe[u1(t), x1(t◦)] + βNe[u2(t), x2(t◦)], (1.9)
∀ α, β ∈ R, ∀ui ∈ U, ∀ xi(t◦), i = 1, 2
Aunque el mundo real es predominantemente no lineal, se deben estudiar

los sistemas lineales porque frecuentemente pueden ser usados en modelos de
sistemas reales con suficiente aproximación dentro de un rango de operación, y
también para mejor comprensión y estudio de los sistemas no lineales.
Sistemas Invariantes en el Tiempo

Definición 1.2.13 Se dice que un sistema es invariante en el tiempo si
dado que y(t) = N [u(t), ξ], t ≥ t◦, con ξ ∈ Rn , vector constante, estado
inicial al tiempo t◦, se cumple que y(t − T ) = N [u(t − T ), ξ], t ≥ t◦ + T ,
∀T , con ξ ∈ Rn , vector constante, estado inicial al tiempo t◦ + T .
Podemos decir que un sistema es invariante en el tiempo, con tiempo y estado

iniciales si en todo instante, ante el mismo estı́mulo, y con el mismo estado
inicial, responde de la misma manera, o lo que es lo mismo, si su estructura
interna no varı́a con el tiempo.
Sistemas Relajados en t◦
Definición 1.2.14 Se dice que un sistema N de vector de estado x(t) es
relajado en t◦ si x(t◦) = 0.
Observando que si N es un sistema lineal relajado en t◦, se tiene

N [u(t), x(t◦)] = N [u(t), 0(t◦)] = N [u(t), 0], para todo u(t) ∈ U , para todo
t ≥ t◦, en adelante, en el caso de los sistemas relajados en t◦ escribiremos
N [u(t)], t ≥ t◦ en vez de N [u(t), x(t◦)], t ≥ t◦.
Tomando esto en cuenta, a continuación re-escribimos las definiciones de
sistema lineal e invariante en el tiempo para el caso de sistemas relajados en t◦.
Definición 1.2.15 (Sistema Lineal relajado en t◦.) Se dice que un sis-

tema relajado en t◦descrito por el operador N es lineal si y sólo si satisface
el principio de homogeneidad y el principio de aditividad:
Homogeneidad: N [αu(t)] = αN [u(t)], ∀α ∈ R, ∀u ∈ U, ∀t ≥ t◦.
Aditividad: N [u1(t) + u2(t)] = N [u1(t)] + N [u2(t)], ∀u1, u2 ∈ U, ∀t ≥ t◦
El que un sistema lineal deba satisfacer los principios de homoge-

neidad y aditividad es equivalente a que el sistema deba satisfacer el
llamado principio de superposición,
N [αu1(t) + βu2(t)] = αN [u1(t)] + βN [u2(t)], ∀u1, u2 ∈ U,
∀α, β ∈ R, ∀t ≥ t◦
Con frecuencia se considera que el sistema está relajado en −∞, es decir,

con condiciones iniciales cero en t = −∞.
Nota 1.2.16 Nótese que si N es un sistema lineal y causal, y

u(t) = 0(t), ∀t ≤ T es una señal admisible, entonces N [u(t)] = 0(t), ∀t ≤ T .
Ejemplo 1.2.2 Sea el sistema y = N [u], con N asociado a la ecuación

diferencial
y ′′(t) + a1(t)y ′(t) + a2(t)y(t) = b◦(t)u(t) + b1(t)u′(t)
Veamos si el sistema es lineal o no:

Sean ui, yi tales que yi = N [ui], i = 1, 2, o lo que es lo mismo, tales que
yi′′(t) + a1(t)yi′ (t) + a2(t)yi(t) = b◦(t)ui(t) + b1(t)u′i(t), i = 1, 2
Entonces, ∀α, β ∈ R,
(αy1 +βy2)′′ +a1(αy1 +βy2)′ +a2(αy1 +βy2 ) = b◦(αu1 +βu2)+b1(αu1 +βu2)′,
esto es, se cumple αy1 + βy2 = N [αu1 + βu2], o lo que es lo mismo,

N [αu1 +βu2] = αN [u1]+βN [u2] (se satisface el principio de superposición).
Luego, el sistema es lineal.
Ejemplo 1.2.3 Se puede probar que un sistema y = N [u] con N asociado

a la ecuación diferencial ordinaria de la forma
y ′′(t) + a1(t)y ′(t) + a2(t)y(t)u2(t) = b◦(t)u′(t) + b1(t)u(t)
no es lineal.
Definición 1.2.17 (Sistema Invariante en el Tiempo Relajado en −∞.)

Un sistema denotado por el operador N : U → Y es invariante en el tiem-
po si siempre que y(·) = N [u(·)], ocurre que y(· − a) = N [u(· − a)], ∀a ∈ R
(ver la Figura 1.9).
u(t)
y(t) = N [u(t)]
a t a t
u(t − a)
y(t − a) = N [u(t − a)]
a t a t
Figura 1.9: Invariancia en el tiempo.

Puede decirse que la invariancia de un sistema significa que su estructura

interna no cambia con el tiempo, de modo que se comportará del mismo modo
ante el mismo estı́mulo.
Nota. En general, toda ecuación diferencial en u(t), y(t), t, representa un
sistema invariante en el tiempo [variable en el tiempo] si y sólo si ∄ [∃] factores
de u, y, u(i), y (j) dependientes de la variable independiente t.
Nota. Cualquier ecuación diferencial de la forma
n m
X d(i)y X d(j)u
ai (i) = bj (j)
i=0
dt j=0
dt
con ai, bj constantes, ∀j = 1, . . . , m, representa un sistema invariante en el

tiempo.
Ejemplo 1.2.4 Sea el sistema N : U → Y para el que la señal de entrada

u1(t) = e−t cos(2πt)1+(t) provoca la señal de salida
y1(t) = 0.5e−t cos(2πt + 0.14π)1+(t), donde

1,t≥0
1+(t) = función escalón
0,t<0
Si el sistema es lineal e invariante en el tiempo, determı́nese la respuesta y2(t)

del sistema N a la señal de entrada u2(t) = 0.5u1(t − 1).
Solución
N [u2(t)] = N [0.5u1(t − 1)]

= 0.5N [u1(t − 1)] linealidad de N
= 0.5 (N [u1(t)])|t=t−1 invariancia en t de N
= 0.5 [0.5e−t cos(2πt + 0.14π)1+(t)]t=t−1
= 0.25e1−t cos(2πt + 0.14π − 2π)1+(t − 1)
Sistemas Continuos
Definición 1.2.18 Se dice que un sistema N : U → Y es continuo si y
sólo si ∀{un} ⊂ U tal que lı́mn→∞ un = u, se cumple que
lı́mn→∞ N [un] = N [lı́mn→∞ un] = N [u].
Nota 1.2.19 Los sistemas discontinuos representan anomalı́as matemáti-

cas en el sentido que el análisis de Fourier, común al análisis de sistemas,
puede fallar en ellos (pueden no existir las transformadas o series de Fou-
rier de las señales involucradas). En adelante, asumiremos que los sistemas
son continuos a menos que se establezca otra cosa.
Ejemplo 1.2.5 Sea el sistema N : U → Y para el que

1, si u(t) > 0
u(t) −→ N −→
0, si u(t) ≤ 0
Si {un} ⊂ U es una sucesión de entradas admisibles de elementos
un(t) = ξn1+(t), n = 1, 2, . . . ,

0, si t < 0
con ξn = n1 , y 1+(t) = , la función escalón unitario,
1, si t > 0
tiene que
lı́m N [un(t)] = lı́m 1+(t) = 1+(t) 6= 0(t) = N [0(t)] = N [ lı́m un(t)],

n→∞ n→∞ n→∞
por lo que el sistema no es continuo.

Teorema 1.2.20 Si N es un sistema lineal, continuo, invariante en el

tiempo, se cumplen, ∀t ≥ t◦:
N [Dtu(t), x(t◦)] = N [0, x(t◦)] + DtN [u(t), 0(t◦)]

Z t Z t
N [ u(t)dt, x(t◦)] = N [0, x(t◦)] + N [u(t), 0(t◦)]dt,
τ τ
donde u(t) es una entrada admisible, x(t◦) es el estado en el instante inicial

tR◦, Dtu(t) es la derivada de la función u(t), τ es una constante real, y
t
τ u(t)dt es la integral definida de la función u(t).
Ejemplo 1.2.6 Sea el sistema N para el que
u(t) = 1+(t) −→ N −→ y(t) = (1 − e−t)1+(t)
a) Si este sistema es lineal, agrupado, invariante en el tiempo y causal, com-

∞, si t = 0
plete la figura siguiente (recuérdese que Dt1+(t) = δ(t) = ):
0 , si t 6= 0
u(t) = δ(t − 2) −→ N −→ y(t) =?
b) Si ahora el sistema N se conoce, sólo es causal e invariante en el tiempo,

complete la siguiente figura:
u(t) −→ N −→ y(t) =?,
donde u(t) tiene el comportamiento esbozado en la Figura 1.10.
Solución

Figura 1.10: Entrada u(t) del Ejemplo 1.2.6.
a)
+

y(t) = N [δ(t − 2)] = N [(Dt1 (t))t=t−2]
+

= N [Dt1 (t)]t=t−2 : N es invariante en el tiempo

+

= (Dt N [1 (t)]) : N es lineal, continuo e invariante en el tiempo
| {z }
dato t=t−2
−t +

= Dt (1 − e )1 (t) t=t−2

−t +
= [e 1 (t)]t=t−2 = e−(t−2)1+(t − 2)
b) Si ahora el sistema N es sólo causal e invariante en el tiempo.

En este caso, nótese que u(t) = 1+(t − 1), ∀t ≤ 2.
Como el sistema es causal,
N [u(t)] = N [1+(t − 1)], ∀ t ≤ 2 (causalidad)

+

= N [1 (t)]t=t−1 , ∀ t ≤ 2 (invariancia)
−t +

= [(1 − e )1 (t)]t=t−1 , ∀ t ≤ 2

= 1 − e−(t−1) 1+(t − 1), ∀ t ≤ 2
1.2.3. Notación de Sistemas en Tiempo Continuo

1. Sistema no lineal variante en el tiempo.
ẋ(t) = f (x(t), u(t), t)

y(t) = g(x(t), u(t), t)
2. Sistema no lineal invariante en el tiempo.
ẋ(t) = f (x(t), u(t))

y(t) = g(x(t), u(t))
3. Sistema lineal variable en el tiempo1:
ẋ(t) = A(t)x(t) + B(t)u(t)

y(t) = C(t)x(t) + D(t)u(t)
1
A manera de ejercicio, pruebe la linealidad de los sistemas de ecuación ẋ(t) = A(t)x(t) + B(t)u(t),
y(t) = C(t)x(t) + D(t)u(t), x(t◦) = x◦, t ≥ t◦ .
4. Sistema lineal invariante en el tiempo.

ẋ(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)
1.3. Sistemas en Tiempo Discreto

1.3.1. Introducción
Definición 1.3.1 Los sistemas en tiempo discreto son aquellos cuyas en-
tradas u(t) y salidas y(t) están definidas en puntos aislados del tiempo
t◦, t1, t2, . . ., ti < tj , ∀j > i. Frecuentemente se tiene tk = t◦ + k∆t,
con ∆t = constante. En este caso, se acostumbra usar y[k] y u[k] en lugar
de y(t◦ + k∆t) y u(t◦ + k∆t), respectivamente, y se denota un sistema en
tiempo discreto como:
{y[k]} = N [{u[k]}],
o, de modo simplificado,
y[k] = N [u[k]], k = 0, 1, 2, . . . ,
con la siguiente representación gráfica:
Sistema discreto
{u[k]} −→ −→ {y[k]}
N
Definición 1.3.2 Se dice que una sucesión {u[k]}∞

−∞ es admisible si existe
k◦ ∈ Z tal que u[k] = 0, ∀k ≤ k◦ y tiene transformada Z lateral. De modo
similar se define una sucesión {y[k]}∞
−∞ admisible.
1.3.2. Clasificación de los Sistemas en Tiempo Dis-

creto
Tomando en cuenta la noción de estado, se pueden establecer las definiciones
de sistema lineal, sistema invariante en el tiempo, etcétera. Se deja al lector como
ejercicio establecer estas definiciones. Aquı́ nos restringimos tan sólo al caso de
los sistemas relajados en 0.
Sistemas Lineales
Definición 1.3.3 Un sistema en tiempo discreto L es lineal si ∀{u1[k]}∞

k=0
∞
y {u2[k]}k=0 señales admisibles de entrada y, ∀ α, β ∈ R,
L [α{u1[k]}∞
k=0 + β{u 2 [k]}∞
k=0 ] = αL [{u 1 [k]}∞
k=0 ] + βL [{u 2 [k]}∞
k=0]
siempre que el sistema esté inicialmente relajado, esto es, todas las condi-
ciones iniciales son cero.
Sistemas Invariantes en el Tiempo
Definición 1.3.4 Un sistema en tiempo discreto N es invariante en el

tiempo si, siempre que {y[k]} = N [{u[k]}], entonces para cualquier entero
R,
{y[k − R]} = N [{u[k − R]}].
Ejemplo 1.3.1 Sea el sistema {u[k]} → N → {y[k]}, k = 0, 1, . . . , con
y[k + 1] + y[k] = 2u[k], y[0] = 0
(Sistema lineal invariante en el tiempo, en tiempo discreto).

Veamos la respuesta {y[k]} del sistema a {u[k]} = {δ[k]}, k = 0, 1, 2, . . .:
u[0] = 1, y[0] = 0
y[1] = 2u[0] − y[0] = 2(1) − 0 = 2
y[2] = 2u[1] − y[1] = 0 − 2 = −2
y[3] = 2u[2] − y[2] = 2(0) − (−2) = 2
..
Se tiene:
{. . . , u[2] , u[1] , u[0] } → N → {. . . , y[2] , y[1] , y[0] }

|{z} |{z} |{z} |{z} |{z} |{z}
0 0 1 −2 2 0
Sistemas Causales
Definición 1.3.5 Un sistema N : U → Y es causal, o lo que es lo mismo,
es no anticipativo, si ∀ P ∈ Z ocurre que ∀u1, u2 ∈ U/ u1[k] = u2[k],
∀k ≤ P , N [u1[k]] = N [u2[k]], ∀k ≤ P .
Sistemas Concentrados y Sistemas Distribuidos

En comparación a las ecuaciones diferenciales de los sistemas en tiempo
continuo, las ecuaciones en diferencias son modelos para sistemas en tiempo
discreto. Por ejemplo, una ecuación en diferencias de orden n toma la forma
y[k + n] + a1[k]y[k + n − 1]+
. . . + an[k]y[k] = b◦[k]u[k] + b1[k]u[k + 1] + . . . + bm[k]u[k + m]
Reordenando esta ecuación, obtenemos
y[k + n] = b◦[k]u[k] + b1[k]u[k + 1]+
+ . . . + bm[k]u[k + m] − a1[k]y[k + n − 1] − . . . − an[k]y[k]
Como se ve, esta última ecuación muestra que el (k + n)−ésimo término en la
sucesión de la respuesta depende de valores de la sucesión de salida y de varios
términos de la sucesión de entrada. De este modo, en el instante (k + n)−ésimo,
el valor de la salida depende de valores retrasados de los de entrada y salida.
En consecuencia, tomando en cuenta la Definición 1.2.8, tenemos que sistemas
como éstos son de naturaleza distribuida en el tiempo.
Nota 1.3.6 A pesar del nexo natural entre los sistemas en tiempo discreto
y los sistemas en tiempo continuo, los sistemas en tiempo discreto tienen
identidad propia, como se ilustra en el siguiente ejemplo.
Ejemplo 1.3.2 Considérese la figura siguiente que muestra el diagrama de

bloques de un canal de comunicación binario.
C
O
D
I
u[k] F w[k] z[k]
I + DECODIFICADOR y[k]
C
A
D
O v[k]
R
Figura 1.11: Canal de comunicación binario

Supóngase que las especificaciones del canal son dadas como sigue:
1. w[k + 2] = u[k + 2] + u[k + 1] + u[k]
2. y[k + 2] = z[k + 2] + y[k + 1] + y[k]
3. v[k] es algún proceso de ingreso de ruido al canal.
Un canal de comunicación requiere que todas las sucesiones sean combina-
ciones de 1’s y 0’s, y que las operaciones aritméticas sean módulo 2. De aquı́,
1 + 1 = 1 − 1 = 0. Dadas estas operaciones de Galois, el canal de comunicación
definido tiene una ecuación en diferencia de segundo orden:
Se observa que
z[k] = w[k] + v[k]
⇒ z[k + 2] = w[k + 2] + v[k + 2]
Usando 1. queda:
z[k + 2] = u[k + 2] + u[k + 1] + u[k] + v[k + 2]
Reemplazando en 2, se tiene:
y[k + 2] = u[k + 2] + u[k + 1] + u[k] + v[k + 2] + y[k + 1] + y[k]
ó, reordenando,
y[k + 2] = y[k + 1] + y[k] + u[k] + u[k + 1] + u[k + 2] + v[k + 2] (1.10)
Esta es una ecuación de segundo orden porque la mayor diferencia entre los
argumentos ı́ndice de tiempo es 2. También, la ecuación es lineal considerando
como entrada tanto a la sucesión de entrada {u[k]}, k = 0, 1, . . . como a la
sucesión del ruido de entrada {v[k]}, k = 0, 1, . . ..
Definimos el operador de retraso como z −j y[k] = y[k−j], donde z −j significa
un retraso de j unidades.
Usando el operador de retraso z −j y su inverso z j , la ecuación (1.10) produce
y[k] = u[k] + v[k] + z −1[u[k] + y[k]] + z −2[u[k] + y[k]] (1.11)

Establezcamos el modelo de estado del sistema como sigue:

Paso 1. Definimos la variable de estado en tiempo discreto
x1[k] = z −1[u[k] + y[k]] + z −2[u[k] + y[k]]
La ecuación (1.11) queda
y[k] = u[k] + v[k] + x1[k] (1.12)
Paso 2.
x1[k + 1] = zx1[k] = u[k] + y[k] + z −1[u[k] + y[k]]
Usando (1.12), esta ecuación queda:
x1[k + 1] = u[k] + u[k] + v[k] + x1[k] + z −1[u[k] + y[k]]

= 0 + v[k] + x1[k] + z −1[u[k] + y[k]]
| {z }
x2[k]
Paso 3.
Definimos
x2[k] = z −1[u[k] + y[k]]
⇒ x2[k + 1] = zx2[k] = u[k] + y[k]
Reemplazando y[k] de (1.12),
x2[k + 1] = u[k] + u[k] + v[k] + x1[k]
= 0 + v[k] + x1[k]
= x1[k] + v[k]
Paso 4. Combinando los resultados de estas ecuaciones, se llega al modelo de
estado en tiempo discreto:

x1[k + 1] 1 1 x1[k] 0 1 u[k]
= +
x2[k + 1] 1 0 x2[k] 0 1 v[k]

x1[k] u[k]
y[k] = [1 0] + [1 1]
x2[k] v[k]
Obsérvese que si x1[0] = x2[0] = 0 y el proceso de ruido v[k] = 0, ∀k, entonces

y[k] = u[k], ∀ k, como se esperaba, esto es, hay comunicación perfecta.
1.3.3. Notación de Sistemas en Tiempo Discreto

1. Sistema no lineal variante en el tiempo.
x[k + 1] = f (x[k], u[k], k)

y[k] = g(x[k], u[k], k)
2. Sistema no lineal invariante en el tiempo.
x[k + 1] = f (x[k], u[k])

y[k] = g(x[k], u[k])
3. Sistema lineal variante en el tiempo2.

x[k + 1] = A[k]x[k] + B[k]u[k]
y[k] = C[k]x[k] + D[k]u[k]
4. Sistema lineal invariante en el tiempo.

x[k + 1] = Ax[k] + Bu[k]
y[k] = Cx[k] + Du[k]
2
Muestre que este sistema es lineal.
1.4. Linealización de Sistemas no Lineales

1.4.1. Preliminares Matemáticos
Teorema 1.4.1 Si f : Rn → Rm es diferenciable en Ω ⊂ Rn abierto, se
cumple que ∀x ∈ Ω, ∃ B(x, δ) ⊂ Ω, δ ∈ R+/ ∀h ∈ Rn con |h| < δ,
f (x + h) = f (x) + Df (x)h + Φ(x, h)h,

 
∇f1 (x)
donde3 Df (x) =  ..  es la matriz jacobiana de f en x,
∇fm (x)

∂fj (x) ∂fj (x)
∇fj (x) = ,..., , y
∂x1 ∂xn
lı́mh→0 Φ(x, h) = 0.
3
Éste es un desarrollo de Taylor de un paso.
1.4.2. Procedimiento Para linealizar un Sistema

Supóngase que se representa un sistema no lineal con las siguientes ecuaciones
de estado matriciales:
dx(t)
ẋ(t) = = f (x(t), u(t), t)
dt (1.13)
y(t) = g(x(t), u(t), t),
x ∈ M(n, 1), y ∈ M(r, 1), u ∈ M(m, 1), f : Rm+n+1 → Rn , g ∈ Rm+n+1 → Rr ,

y que se conoce que x◦(t) es una solución de la ecuación diferencial de (1.13)
correspondiente a la entrada u◦(t) y a un vector de estado inicial constante.
d
Nota. Comúnmente, cuando se cumple x◦(t) = ẋ◦(t) = f (x◦ (t), u◦(t), t), se
dt
denomina a (x◦(t), u◦(t)) punto de operación del sistema.
Usando el teorema anterior y considerando (x(t), u(t)) un punto de operación

suficientemente cercano a (x◦(t), u◦(t)), se tiene:

∼ x(t) − x◦(t)
ẋ(t) = f (x(t), u(t), t) = f (x◦(t), u◦(t), t) + (A(t)|B(t))
u(t) − u◦(t)
ó ẋ(t) ∼
= ẋ◦(t) + A(t)(x(t) − x◦(t)) + B(t)(u(t) − u◦(t)),
x(t) − x◦(t)
y(t) = g(x(t), u(t), t) ∼= g(x◦(t), u◦(t), t) + (C(t)|D(t))
u(t) − u◦(t)
ó y(t) ∼
= y◦(t) + C(t)(x(t) − x◦(t)) + D(t)(u(t) − u◦(t)),
donde
   
∂f1 ∂f1 ∂f1 ∂f1
... ...
 ∂x1 ∂xn   ∂u1 ∂um 
 .   . 
A(t) =  .  , B(t) =  .  , (1.14)
 ∂f ∂fn   ∂f ∂fn 
n n
... ...
∂x1 ∂xn (x◦(t),u◦(t)) ∂u1 ∂um (x◦(t),u◦(t))
   
∂g1 ∂g1 ∂g1 ∂g1
... ...
 ∂x1 ∂xn   ∂u1 ∂um 

C(t) =  .. 

 .
, D(t) =  .

 . (1.15)
 ∂gr ∂gr 

 ∂g
r ∂gr 

... ...
∂x1 ∂xn (x◦(t),u◦(t)) ∂u 1 ∂um (x◦(t),u◦(t))

∂f (x, u)
∂f (x, u)
ó A(t) = , B(t) = ,
∂x (x◦(t),u◦(t)) ∂u (x◦(t),u◦(t))

∂g(x, u) ∂g(x, u)
C(t) = , D(t) = .
∂x (x◦(t),u◦(t)) ∂u (x◦(t),u◦(t))
Escribiendo
y◦(t) = g(x◦(t), u◦(t), t),

∆x(t) = x(t) − x◦(t)
∆y(t) = y(t) − y◦ (t)
∆u(t) = u(t) − u◦(t),
se tiene que una aproximación al sistema (1.13) es el llamado sistema linealizado

cuyas ecuaciones son:
x(t) = x◦(t) + ∆x(t)

y(t) = y◦(t) + ∆y(t),
donde
˙
∆x(t) = A(t) ∆x(t) + B(t) ∆u(t)
∆y(t) = C(t) ∆x(t) + D(t) ∆u(t)
Nótese que las ecuaciones de estos últimos dos renglones representan a un sis-
tema lineal!!.
Ejemplo 1.4.1 Un sistema no lineal es descrito por las siguientes ecuaciones

con variables de entrada u1, u2, y salida y:
d2 v dv
2
+ (sin v) + u2 v = u1 + u2 , y = (cos v)u2
dt dt
a) ¿Es el sistema descrito por estas ecuaciones variante en el tiempo o inva-

riante en el tiempo?
b) Halle las matrices de espacio de estado A, B, C, D para el sistema li-

nealizado en el punto de operación constante definido por u1(t) = 0,
u2(t) = 1.
Solución Dado que el sistema es de segundo orden en v, consideramos dos

variables de estado: x1 = v y x2 = v̇. Esta elección determina las siguientes
ecuaciones de espacio de estado:

ẋ1 x2 f1
= = ,
ẋ2 −(sin x1)x2 − u2x1 + u1 + u2 f2
y = (cos x1)u2 = g
∂f ∂g
a) Como = 0, = 0, el sistema es invariante en el tiempo.
∂t ∂t
b) El punto de operación es definido por u◦1(t) = 0, u◦2(t) = 1, y es cons-
tante; esto es, ẋ◦1(t) = 0, ẋ◦2(t) = 0. Sustituyendo estos valores en las
ecuaciones de espacio de estado, obtenemos
0 = x◦2(t), ⇒ x◦2(t) = 0
0 = −(sin x◦1(t))0 − 1 · x◦1(t) + 0 + u◦2(t) = −x◦1(t) + 1, ⇒ x◦1(t) = 1,
de modo que el punto de operación constante definido por u◦1(t) = 0 y
u◦2(t) = 1 es (x◦(t), u◦(t)) = ([1, 0]t, [0, 1]t);
además, y◦(t) = (cos x◦1(t))u◦2(t) = cos(1).
Entonces
 
∂f1 ∂f1

0 1
A =  ∂x ∂x2
 1 
∂f2 ∂f2  =
−1 − sin(1)

∂x1 ∂x2 (x◦(t),u◦(t))
 
∂f1 ∂f1

 ∂u
1 ∂u2  0 0 0 0
B =  f2
 = = ,
∂f2 
1 1 − x1 (x◦(t),u◦(t))
1 0
∂u1 ∂u2
(x◦(t),u◦(t))

∂g ∂g
C = = (− sin x1)u2 0 (x◦(t),u◦(t)) = [ − sin(1) 0 ],
∂x1 ∂x2 (x◦(t),u◦(t))

∂g ∂g
D = = [ 0 cos x1 ](x◦(t),u◦(t)) = [ 0 cos(1) ].
∂u1 ∂u2 (x◦(t),u◦(t))

Problemas
1. Para un sistema lineal caracterizado por un operador L, muestre que la
salida y(·) ≡ 0 si la entrada u(·) ≡ 0, esto es, que la función de entrada
idénticamente cero da lugar a una función de salida idénticamente cero.
2. Considérese el diagrama de bloques de la Figura 1.12. Supóngase que

el bloque de retraso tiene una salida idéntica a la entrada retrasada a
unidades de tiempo.
Figura 1.12:
a) El sistema es
(a) causal (d) distribuido
(b) no causal (e) invariante en el tiempo
(c) de parámetros concentrados (f) variante en el tiempo
b) Un modelo de estado para este sistema es:

(a) ẋ(t) = ax(t) + u(t) (d) ẋ = −x(t − a) + u(t)
y(t) = x(t) + u(t) y(t) = −x(t − a) + u(t)
(b) ẋ(t) = −ax(t) + u(t) (e) ẋ(t) = −x(t − a) + u(t)
y(t) = x(t) + u(t) y(t) = x(t) + u(t)
(c) ẋ(t) = −x(t + a) + u(t) (f) ninguno de las anteriores
y(t) = x(t) + u(t)
3. Supóngase que un sistema fı́sico es representado por el siguiente sistema

de ecuaciones, donde u(t) es la entrada y y(t) es la salida:

ẋ1(t) x1(t − 1) + |u(t)|
=
ẋ2(t) x1(t)
y(t) = x1(t + 1) + x2(t) − u(t)
Averigüe si el sistema es lineal, causal, invariante en el tiempo.
4. Si y(t) = 2e−t cos(3t + 1) es la respuesta de un sistema lineal invariante

en el tiempo y relajado a la entrada impulsiva u(t) = 0.5δ(t), ¿cuál es la
respuesta a u(t) = δ(t + 1)?
5. La respuesta de un sistema lineal (el cual está inicialmente relajado) a

una entrada escalón unitario 1+(t) es y(t) = (1 − e−t)1+(t). Cuál es la
respuesta a la entrada u(t) = 2r(t), donde r(t) es la función rampa, esto
es, r(t) = t para t ≥ 0 y 0 en otro lugar?
6. La respuesta de un sistema lineal invariante en el tiempo y causal a la

señal de entrada u1(t) es y1(t) = exp (−t)1+(t). La respuesta a una se-
gunda señal admisible de entrada u2(t) es y2(t) = cos(2t)1+(t). Calcule la
respuesta a la señal
du2
u3(t) = 2u1(t) + (t + 1)
dt
7. Un sistema causal e invariante en el tiempo tiene una respuesta al escalón
unitario dada por (1−e−t)1+(t). Calcule la respuesta a la señal de entrada
u(t) = 1+(t − 1)1+(2 − t) para t ≤ 2.
8. La respuesta de un sistema lineal, invariante en el tiempo, y causal al pulso
u1(t) = 1+(t)1+(2 − t) es
y(t) = [1 − e−t]1+(t)1+(2 − t) + e−(t−2)1+(t − 2).
Halle la respuesta del sistema a la entrada u2(t) = (t−2)1+(t−2)1+(4−t)

para t ≤ 4.
9. Para un cierto sistema lineal con vector de estado (x1, x2), con entrada
u(t) y salida y(t), se observó que:
y(t) = e−t(7t + 5), cuando x(0) = (5, 2) y u(t) = 0,

y(t) = e−t(5t + 1), cuando x(0) = (1, 4) y u(t) = 0,
y(t) = e−t(t + 1), cuando x(0) = (1, 1) y u(t) = 1+(t)
Hállense:
(a) y(t) cuando x(0) = (1, 0) y u(t) = 0.

(b) y(t) cuando x(0) = (0, 1) y u(t) = 0.
(c) y(t) cuando x(0) = (0, 0) y u(t) = 1+(t).
(d) y(t) cuando x(0) = (2, 1) y u(t) = 3 · 1+(t).
10. Para un cierto sistema se halló que la respuesta es (6e−2t − 5e−3t)1+(t)

cuando la entrada es 1+(t) y las condiciones iniciales son x1(0) = 1 y
x2(0) = 2. La respuesta es (8e−2t − 7e−3t)1+(t) cuando la entrada es
3 · 1+(t) y las condiciones iniciales son las mismas de antes. Halle y(t)
si x1(0) = 1, x2(0) = 2, y u(t) es como se muestra en la Figura 1.13.
Asúmase que el sistema es lineal invariante en el tiempo.
Figura 1.13:
11. Establezca con razones si los siguientes sistemas son lineales o no:
a) y(t) = ax(t◦) + bu(t)

b) y(t) = x2(t◦) + 3t3u(t)
c) y(t) = x(t◦) sin 5t + tu(t)
du(t)
d ) y(t) = x(t◦) + u(t)
dt
12. Considérese un sistema con entrada u y salida y. Tres experimentos son
efectuados sobre el sistema usando las entradas u1(t), u2(t), y u3(t) para
t ≥ 0. En cada caso, el estado inicial x(0) al tiempo t = 0 es el mismo.
Las salidas correspondientes son denotadas por y1, y2, y y3. ¿Cuáles de las
siguientes afirmaciones son correctas si x(0) 6= 0?, y ¿cuáles si x(0) = 0?
a) Si u3 = u1 + u2, entonces y3 = y1 + y2.

b) Si u3 = 0.5(u1 + u2), entonces y3 = 0.5(y1 + y2).
c) Si u3 = u1 − u2, entonces y3 = y1 − y2.
13. Determine si los siguientes sistemas son lineales, invariantes en el tiempo,

y causales:

t, si |u(t)| ≤ 1
a) y(t) =
0, si |u(t)| > 1

3u(t), si t ≥ 0
b) y(t) =
0 , si t < 0
Z t 2
c) y(t) = u(s)ds .
0
Z t−1
d ) y(t) = u(s)ds.
t−4
14. Considere un sistema con respuesta g(t) a la entrada δ(t) como se muestra
en la Figura 1.14(a). ¿Cuál es la respuesta de estado cero correspondiente
a la entrada u(t) mostrada en la Figura 1.14(b)?. Haga las suposiciones
que considere necesarias.
Figura 1.14: (a) Respuesta g(t) a la entrada δ(t). (b) Entrada u(t).
15. a) Para un sistema lineal N , muestre que la salida y = 0 (esto significa

que y(t) = 0 para toda t), si la entrada u = 0.
b) Usando los resultados de la parte (a), probar que un sistema lineal
es causal si y sólo si, siempre que una entrada u(t) = 0 para t ≤ T ,
la salida resultante y satisface y(t) = 0 para t ≤ T . Esto es llamado
causalidad de entrada cero, salida cero.
16. Supóngase que un sistema lineal invariante en el tiempo es concatenado
en serie con un sistema lineal variante en el tiempo.
a) ¿Es el sistema concatenado aún lineal?

b) Si el orden fuese cambiado, ¿deberı́a el nuevo sistema tener el mismo
comportamiento entrada-salida como el antiguo? Dé una prueba o
un contraejemplo.
17. Determine si el siguiente sistema es lineal:
y[n] = 5u[n] + 2u2[n]

18. Sea N el sistema de ecuación

d2 y 3 dy
− 2y + u = 0
dt2 dt
a) Defina las variables de estado x1 = y, x2 = ẏ y verifique que
((t−1, −t−2), 0) es un punto de operación del modelo de estado resul-
tante.
b) Linealice el modelo de estado alrededor del punto de operación de a).
Problemas adicionales:
1. Del libro de Chen: 2.5, 2.6.
2. Del libro de Sarachik: Probs. 1.1 a 1.11.
3. Del libro de DeCarlo: Todos los probs. del Cap. 1 excepto los probs. 4 y
15.
Lectura recomendada:
Apéndice 1 del libro de Zak

Sistemas Lineales y No Lineales - Cap 01

Încărcat de

Informații document

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

Sistemas Lineales y No Lineales - Cap 01

Încărcat de

Drepturi de autor:

Formate disponibile

Capı́tulo 1

Figura 1.1: Representación esquemática de un sistema

Materia prima Producto

Figura 1.2: Ejemplos de sistemas.

Frecuentemente se monitorea la respuesta de un sistema y se hacen ajustes en

Entrada Sistema Salida

Figura 1.3: Esquema de un sistema controlado.

1.1.2. Interconexiones de Sistemas

Entrada Sistema 1 Sistema 2 Salida

Entrada + Sistema 4 Salida

Figura 1.4: Interconexión de dos sistemas: (a) interconexión en serie (cascada);

En la Figura 1.5 se muestra una interconexión de realimentación.

Entrada + Sistema 1 Salida

Figura 1.5: Interconexión con realimentación.

1.1.3. Consideraciones en el Estudio de los Sistemas

1.2. Sistemas en Tiempo Continuo

U : conjunto de todas las entradas admisibles

y gráficamente, como en la Figura 1.6.

Frecuentemente y(t) y u(t) están relacionadas a través de ecuaciones dife-

Debido al amplio uso de las transformadas de Laplace en el estudio de cir-

Figura 1.7: Gráfica de una señal seccionalmente continua.

Las condiciones anteriores, básicamente garantizan la existencia de la transfor-

a) Como consecuencia de la definición anterior, se que tiene los conjun-

b) En general, trabajaremos con un espacio de funciones admisibles cu-

Espacios admisibles con las caracterı́sticas mencionadas son usuales en apli-

1.2.1. La Noción de Estado

Consideremos que la entrada y(t) al sistema es la fuerza f (t) y que su salida

Como sabemos, la segunda ley de Newton relaciona a f , M , y a v como

ó s(t) = s(t◦) + v(ξ) dξ,

Empleando la Ecuación (1.2), resulta:

De lo anterior, notamos que resulta conveniente representar la relación entrada-

N : Operador de nuestro sistema (de nombre N ) que re-

Definición de la Noción de Estado

Definición 1.2.3 El estado x(t) de un sistema es el conjunto mı́nimo de

Nota 1.2.4 La elección del estado de un sistema no es única: se pueden

1.2.2. Clasificación de los Sistemas en Tiempo Con-

Una definición equivalente de causalidad es la siguiente:

Nota 1.2.7 Se puede decir que un sistema es causal si en todo instante

Sistemas Concentrados y Sistemas Distribuidos

En general, se dice que los sistemas cuyos modelos matemáticos no contienen

Definición 1.2.10 Sea y(t) = N [u(t), x(t◦)] la respuesta de un sistema a

k(N [u1(t), x(t◦)] − N [u2(t), x(t◦)]) = N [k(u1(t) − u2(t)), 0(t◦)], ∀t ≥ t◦,

∀ estado inicial x(t◦) ∈ Rn al tiempo t◦, donde 0(t◦) es el vector cero.

N [u(t), x(t◦)] = N [0(t), x(t◦)]+N [u(t), 0(t◦)], ∀t ≥ t◦, ∀x(t◦) ∈ Rn , ∀u ∈ U,

N [0(t), x(t◦)] = Respuesta del sistema a la entra-

Linealidad de estado cero:

N [u1(t) + u2(t), 0(t◦)] = N [u1(t), 0(t◦)] + N [u2(t), 0(t◦)], ∀t ≥ t◦,

∀u1, u2 entradas admisibles.

Linealidad de entrada cero:

Nota 1.2.11 Se puede probar también que un sistema N es lineal

⇔ N [ku(t), rx(t◦)] = kN [u(t), 0(t◦)] + rN [0, x(t◦)], (1.5)

Ejemplo 1.2.1 Averiguar si el sistema N de ecuación

N [u(t), x(t◦)] = N [0(t), x(t◦)] + N [u(t), 0(t◦)]: se cumple la propiedad de

N [ui(t), 0(t◦)] = 2 ui(τ )dτ, i = 1, 2

⇒ N [u1(t) + u2(t), 0(t◦)] = N [u1(t), 0(t◦)] + N [u2(t), 0(t◦)]

N [0(t), x1(t◦) + x2(t◦)] = x1(t◦) + x2(t◦)

⇒ N [0(t), x1(t◦) + x2(t◦)] = N [0(t), x1(t◦)] + N [0(t), x2(t◦)]

De lo anterior sigue que el sistema N es lineal.

xh(t) = Ne[0(t), xh(t◦) = x(t◦)], la respuesta de estado de entrada cero del

xnh(t) = Ne[u(t), xnh(t◦) = 0(t◦)], la respuesta de estado de estado cero del

se puede probar que se cumple lo siguiente:

Aunque el mundo real es predominantemente no lineal, se deben estudiar

Sistemas Invariantes en el Tiempo

Podemos decir que un sistema es invariante en el tiempo, con tiempo y estado

a) Si este sistema es lineal, agrupado, invariante en el tiempo y causal, com-