Capı́tulo 4

El Modelo de Espacio-Estado

4.1. Introducción

Tal y como hemos visto en la lección anterior el punto de vista clásico en la Teorı́a de
Control consiste en estudiar las propiedades de los sistemas a partir de su comportamiento
entrada salida. La teorı́a moderna de control pone el énfasis en el concepto de estado del
sistema. En una primera aproximación el estado de un sistema en un instante dado es
el valor de unas variables internas del sistema (en ocasiones ficticias y no accesibles) que
describen, a lo largo del tiempo, la evolución del mismo.
Antes de proceder a una definición formal del concepto de estado, de un sistema un
ejemplo puede servir de ilustración.

Ejemplo 4.1 Supongamos que la función de transferencia de un sistema es

ŷpsq 1`s
“ ĝpsq “ (4.1)
ûpsq 1 ` 2s ` 5s2

de modo que
p1 ` 2s ` 5s2 qŷpsq “ p1 ` sqûpsq.
Usando la transformada de Laplace inversa podemos escribir las ecuaciones del sistema en
el dominio del tiempo suponiendo el sistema en reposo en t “ 0:

y ptq ` 2yptq
5: 9 ` yptq “ uptq
9 ` uptq (4.2)

59
60 El modelo de espacio-estado

1
9 ´ uptq, la ecuación (4.2) es equivalente al siguiente
Definiendo: x1 ptq “ yptq, x2 ptq “ yptq
5
conjunto de sistemas; uno de ecuaciones diferenciales y otro de ecuaciones algebraicas:
$
& x9 1 ptq “ x2 ptq ` 1 uptq
’
5 , (4.3)
’ 1 2 3
% x9 2 ptq “ ´ x1 ptq ´ x2 ptq ` uptq
5 5 25
„ 
“ ‰ x1 ptq
yptq “ x1 ptq “ 1 0 . (4.4)
x2 ptq

En efecto,
1
x9 1 ptq “ yptq
9 “ x2 ptq ` uptq,
5
y
1 2 1 1
x9 2 ptq “ y:ptq ´ uptq 9 “ ´ yptq
9 ´ yptq ` uptq “
5 5 5 5
1 2 2 1
“ x1 ptq ´ x2 ptq ´ uptq ` uptq “
5 5 25 5
1 2 3
“ ´ x1 ptq ´ x2 ptq ` uptq
5 5 25
Este sistema algebraico-diferencial tiene una única solución una vez fijadas unas condicio-
nes iniciales para x1 ptq y x2 ptq. Al vector (función vectorial)
„ 
x1 ptq
xptq “
x2 ptq

se le llama vector de estados del sistema, mientras que las funciones vectoriales (en este caso
escalares) yptq y uptq son, como siempre, las salidas y entradas del sistema. Si tomamos
transformadas de Laplace de los sistemas (4.3) y (4.4) con la condición inicial x1 p0q “
x2 p0q “ 0, la relación entre las transformadas de Laplace de yptq y uptq es la función de
transferencia ĝpsq de (4.1). Por lo tanto, el sistema formado por las ecuaciones (4.3) y
(4.4) es un modelo cuyas soluciones tienen el mismo comportamiento entrada salida que el
sistema original. Este modelo es, en general, no único y se llama modelo de espacio-estado
del sistema (4.1).

4.2. El modelo de Espacio-Estado. Formalismo

Según Rosenbrock “es más fácil distinguir un sistema dinámico que definirlo” ([13]). Se
han propuesto varias definiciones formales de “sistema”, todas ellas buscando un modelo
para el mismo concepto. Algunas referencias son: [4], [6], [10] or [14]; sin olvidar, por
supuesto que formalismos similares se han usado desde hace mucho tiempo en la teorı́a de
sistemas dinámicos (sin controles ni salidas). Seguiremos aquı́ algunas ideas de [9] y [15].
En vez de presentar una definición formal vamos a introducir la terminologı́a y las
relaciones que se necesitan entre distintos elementos constitutivos de los sistemas de control
4.2 El modelo de Espacio-Estado. Formalismo 61

cuando se utiliza el modelo de espacio-estado. Algunas de ellas ya fueron presentadas en

el Capı́tulo 1. Ahora las introducimos con más detalle. En este tipo de sistemas están
presentes los siguientes elementos:

Un conjunto tiempo. Un sistema dinámico evoluciona con el tiempo y, por lo tanto,

las variables que describen el comportamiento del sistema son funciones del tiempo. Con
cada sistema dinámico hay un conjunto tiempo asociado a él T Ă R que contiene todos
los valores de t en los que pueden ser evaluadas las variables. Este conjunto T puede ser
continuo como en los ejemplos 2.3, 2.7 o el de la Sección 2.5.3 en los que T “ r0, 8q, o
discreto; i.e. T consiste de puntos aislados de R; e.g. T “ Z o T “ N como en el ejemplo
de la Sección 2.5.2. Por conveniencia notacional escribiremos rt0 , t1 q en vez de T X rt0 , t1 q
para referirnos al intervalo (en T ) tt P T |t0 ď t ă t1 u siempre que el conjunto tiempo T
subyacente sea claro.

Unas variables externas. Son las que describen las interacciones del sistema con el
mundo exterior. Es el diseñador del modelo quien debe determinar cuáles son las variables
significativas que intervienen en el problema. Es habitual (aunque no siempre evidente)
dividir las variables en una familia u “ pui q de entradas y otra de salidas y “ pyi q. Las
entradas son las variables que representan la influencia del mundo exterior en el sistema
fı́sico. Pueden ser de diferentes tipos; por ejemplo, entradas que se pueden utilizar para
tener algún control sobre el sistema (controles) o sobre las que no se puede influir como
perturbaciones. En el Ejemplo 2.7 carro-péndulo la entrada con la que se pretende controlar
el péndulo invertido es la fuerza horizontal ejercida sobre el carro (βuptq en la notación
usada allı́).
Las salidas son las variables con las que el sistema actúa sobre el mundo exterior.
También las hay de distintos tipos; algunas de ellas sirven para medir lo que sucede en el
sistema, sobre otras se quiere tener control. Ası́ las salidas medibles en el Ejemplo 2.3 de
la suspensión del coche son el desplazamiento del chasis y sus velocidad, y las salidas en
el Ejemplo 2.7 del carro-péndulo son el desplazamiento del carro rptq desde una posición
de referencia dada y el ángulo del péndulo θptq teniendo como objetivo que este ángulo
sea 0. Para el sistema en tiempo discreto del Ejemplo 2.5.2 está claro que la entrada es
la desviación del gasto público Gptq mientras que hay dos tipos de salidas: unas que se
pueden medir (el consumo C ˚ ptq, las inversiones I ˚ ptq y el PIB P ˚ ptq) cuya desviaciaciones
de unos valores objetivo se quieren controlar.
En un sistema dinámico debe estar claro el conjunto U donde las entradas toman sus
valores y el conjunto Y donde lo hacen las salidas. Ası́ en el Ejemplo 2.7 podrı́amos tomar
U “ R, Y “ R2 pero también, quizá, ciertos subconjuntos de R y R2 , respectivamente.
Supondremos que los valores admisibles de las entradas están en un conjunto determinado
de una vez por todas y que, por consiguiente, no cambia con el tiempo.
El sı́mbolo U lo usaremos para el conjunto de las funciones de entrada o de control:
up¨q : T Ñ U . Por lo general serán funciones continuas, o continuas a trozos; suficente-
mente generales como para que podamos usar la teorı́a matemática básica de existencia
de soluciones sin tener que prestar demasiada atención a los detalles.
62 El modelo de espacio-estado

De forma similar Y se usará para denotar el conjunto de las funciones de salida admi-
sibles: yp¨q : T Ñ Y .

El estado interno. Las variables de estado describen los procesos que tienen lugar
en el interior del sistema y sirven para modelizarlos. Al igual que las entradas y salidas,
evolucionan con el tiempo y para cada valor de t P T , xptq representará el valor de la
variable de estado en el instante t. Sencillamente diremos que xptq es el estado del sistema
en el instante t. El conjunto de estados; es decir, el conjunto donde toman valores los
estados, lo denotamos con X de modo que la variable de estados es una función xp¨q :
T Ñ X. Requeriremos que xp¨q cumpla las siguientes propiedades básicas:

(I) El estado actual del sistema y la función de control elegida determinan los futuros
estados del sistema. Con más precisión: dado el estado xpt0 q “ x0 del sistema en el
instante t0 P T y una función de control up¨q P U, la evolución del estado del sistema
xptq P X queda completamente determinada para todo t en algún intervalo de tiempo
de T que comienza en t0 . Este intervalo de tiempo puede verse como el “intervalo de
existencia” de la función (también llamada trayectoria) xp¨q que comienza en x0 en
el instante t0 bajo la acción de la función de control up¨q. Lo representaremos como
Tt0 ,x0 ,up¨q .

(II) Dado xpt0 q “ x0 en el instante t0 P T , el estado xptq en cualquier instante posterior

t P T (t ě t0 ) sólo depende de los valores upsq para s P rt0 , tq. Ası́, en el instante t,
el estado xptq no está influenciado por los valores presente y futuros de la función
de control upsq, s ě t, ni por los controles pasados anteriores a t0 ; es decir, por upsq
para s ă t0 . .

(III) Los valores de las salidas en el instante t están determinados completamente por los
valores de las entradas, uptq, y estados, xptq, en t. En otras palabras, las entradas
antiguas sólo actúan sobre las salidas presentes a través de los efectos acumulados
en el estado presente.

Estos requerimientos aseguran el principio de causalidad de los sistemas de control. Si

miramos las salidas yptq como el “efecto” de las “causas” (=entradas) pasadas, entonces
uptq representa la causa en el instante t y el estado xptq acumula la totalidad de las “causas”
pasadas.
Las condiciones (I), (II) y (III) permiten introducir dos funciones fundamentales:

La función de transición de estados. De acuerdo con (I) y (II) el estado del

sistema a lo largo del tiempo (también llamado trayectoria) puede describirse por una
aplicación ψ llamada función de transición de estados definida como sigue:

xptq “ ψpt; t0 , x0 , up¨qq, t P Tt0 ,x0 ,up¨q .

Realmente, por (II), ψpt; t0 , x0 , up¨qq sólo depende de la restricción de up¨q a rt0 , tq. En la
mayorı́a de los casos, esta aplicación viene definida implı́citamente por las ecuaciones que
4.2 El modelo de Espacio-Estado. Formalismo 63

definen el sistema. Si éstas son ecuaciones diferenciales o en diferencias como en todos los
ejemplos del Capı́tulo 2, entonces se debe resolver un problema de condiciones iniciales con
xpt0 q “ x0 y un control up¨q dado para conseguir la función ψpt; t0 , x0 , up¨qq, t P Tt0 ,x0 ,up¨q ,
que es la solución del sistema xptq.
La función de salida. Debido a (III) la salida del sistema está determinada en cada
instante de tiempo t por el control y el estado en este instante:

yptq “ ηpt, xptq, uptqq.

Esta función η recibe el nombre de función de salida.

En el Ejemplo 4.1, la función de transición de estados es la única solución del sistema
(4.2) que cumple la condición inicial que se establezca. En concreto, si xpt0 q “ x0 , up¨q es
una función continua en el intervalo rt0 , t1 s,
„  „
0 1 1{5
A“ y b“
´1{5 ´2{5 3{25

entonces la función de transición de estados serı́a

żt
ψpt; t0 , x0 , up¨qq “ eApt´t0 q x0 ` eApt´sq bupsqds, t P rt0 , t1 s.
t0

Y la de salidas:
“ ‰
yptq “ ηppt, xptq, uptqq “ 1 0 xptq,
que, en este caso, no tiene una depencia explı́cita de t y de u.
En este ejemplo, Tt0 ,x0 ,up¨q “ rt0 , t1 s, y no se ve la dependencia del periodo de existencia
de la trayectoria respecto de las condiciones iniciales y la función de control. Este otro
ejemplo lo ilustra mejor.

Ejemplo 4.2 Consideremos el problema de condiciones iniciales

9
xptq “ xptq2 ` uptq, xpt0 q “ x0 (4.5)

donde T “ R y x0 P X “ R. Supongamos que el control es constante pero arbitrario

uptq “ a para todo t P R. Separando las variables e integrando obtenemos:
ˆ ˙ ˆ ˙
x x0 ?
arctan ? ´ arctan ? “ apt ´ t0 q.
a a
ˆ ˙
0 x0
Poniendo cpx , aq “ arctan ? tenemos que la solución de (4.5) es
a
? ?
xptq “ a tanp apt ´ t0 q ` cpx0 , aqq, t ě 0.
64 El modelo de espacio-estado

1 ´ π ¯
Ahora bien, como tanp˘π{2q “ ˘8, resulta que x “explota”para t´t0 “ ? ˘ ´ cpx0 , aq .
a 2
En consecuencia
ˆ ˙
π{2 ` cpx0 , aq π{2 ´ cpx0 , aq
Tt0 ,x0 ,up¨q “ t0 ´ ? , t0 ` ? ,
a a

en el que se ve la dependencia del periodo de existencia de la solución respecto de las

condiciones iniciales y los controles.

Hay sistemas de control de lo más variados, presentamos algunos de ellos:

1. Sistemas diferenciales: Son los sistemas en los que la función de transición de

estados es la solución de un Problema de Condiciones Iniciales (P.C.I.). Los elementos
definitorios son:

(i) T Ă R es un intervalo abierto.

(ii) U Ă Rm , Y Ă Rp y X Ă Rn abiertos.
(iii) Supondremos en todo lo que sigue que U es el conjunto de las funciones
continuas o continuas a trozos.
(iv) xptq “ ψpt; t0 , x0 , up¨qq es la única solución del P.C.I.1
"
9
xptq “ f pt, xptq, uptqq, t ě t0 , t P T
(4.6)
xpt0 q “ x0

(v) η : T ˆ X ˆ U Ñ Y es continua.

2. Sistemas recursivos o en diferencias finitas: En estos sistemas la función de

transición de estados también es la solución de un Problema de Condiciones Ini-
ciales pero de sistemas dados por ecuaciones en recurrencias (también llamados en
diferencias finitas):

(i) T “ N o Z.
(ii) U, X, Y conjuntos no vacı́os
(iii) xptq “ ψpt; t0 , x0 , up¨qq es la única solución del sistema en diferencias finitas

xpt ` 1q “ f pt, xptq, uptqq

con la condición inicial xpt0 q “ x0 con t0 P T , x0 P X y t ě t0 .

(iv) La función de salidas es cualquier tipo de aplicación η : T ˆ X ˆ U Ñ Y .

3. Sistemas Lineales: Un sistema es lineal si:

1
Existen varios teorema de existencia y unicidad de soluciones para sistemas diferenciales con una
condición inicial en los que gpt, xq “ f pt, x, uptqq no es continua respecto de t. El Teorema de Carathéodory
([9, Sec. 2.1.2]) es nuestra referencia principal en este curso.
4.2 El modelo de Espacio-Estado. Formalismo 65

(i) U , U, X, Y son espacios vectoriales sobre K (un cuerpo).

(ii) Las aplicaciones

ψpt; t0 , ¨, ¨q : X ˆU Ñ X
px0 , up¨qq Ñ ψpt; t0 , x0 , up¨qq
(4.7)
ηpt, ¨, ¨q : X ˆU Ñ Y
pxptq, uptqq Ñ ηpt, xptq, uptqq

son lineales para todo t, t0 P T , t ě t0 .

En particular, dado que ψpt; t0 , ¨, ¨q es lineal,

ψpt; t0 , 0X , 0U q “ 0X , t, t0 P T , t ě t0 (4.8)

También, por ser ψ y η lineales:

˜ ¸
k
ÿ k
ÿ k
ÿ
0
ψ t; t0 , λ i xi , λi ui p¨q “ λi ψpt; t0 , x0i , ui p¨qq, (4.9)
i“1 i“1 i“1

y ˜ ¸
k
ÿ k
ÿ k
ÿ
η t, λi xi ptq, λi ui ptq “ λi ηpt, xi ptq, ui ptqq. (4.10)
i“1 i“1 i“1
Estas ecuaciones expresan el principio de superposición para los estados y las salidas: la
salida de una suma de estados y entradas es la suma de las salidas de cada uno de los
estados y entradas. Como caso especial obtenemos el principio de descomposición:

ψpt; t0 , x0 , up¨qq “ ψpt; t0 , x0 , 0U q ` ψpt; t0 , 0X , up¨qq,

que muestra que las trayectorias de los sistemas lineales se descomponen en una suma de
dos términos: un movimiento libre: t Ñ ψpt; t0 , x0 , 0U q que depende exclusivamente del
estado inicial del sistema x0 ; y un movimiento forzado: t Ñ ψpt; t0 , 0X , up¨qq que depende
sólo de la entrada o control up¨q. Y en relación con estos dos tipos de movimientos tenemos
los siguientes casos especiales de (4.9): si ponemos ui p¨q “ 0U entonces obtenemos la ley
de superposición para el movimiento libre
˜ ¸
k
ÿ k
ÿ ÿk
0
ψ t; t0 , λ i xi , λi 0U “ λi ψpt; t0 , x0i , 0U q; (4.11)
i“1 i“1 i“1

y si ponemos x0i “ 0X obtenemos la ley de superposición del movimiento forzado

˜ ¸
k
ÿ k
ÿ
ψ t; t0 , 0x , λi ui p¨q “ λi ψpt; t0 , 0X , ui p¨qq. (4.12)
i“1 i“1

Los mismos conceptos pueden aplicarse a las salidas del sistema y en tal caso habları́amos
de los principios de descomposición y superposición para los movimientos libre y forzado
66 El modelo de espacio-estado

respecto a las salidas. O, mejor, de la respuesta del sistema al movimiento libre (o con-
trol cero) y de la respuesta del sistema al movimiento forzado (o al estado inicial cero),
respectivamente.
En dimensión finita, los sistemas diferenciales y en diferencias finitas están definidos
a partir de sistemas de ecuaciones lineales:

" Sistemas Diferenciales " Sistemas en Diferencias

9
xptq “ Aptqxptq ` Bptquptq xpt ` 1q “ Aptqxptq ` Bptquptq (4.13)
yptq “ Cptqxptq ` Dptquptq yptq “ Cptqxptq ` Dptquptq

Es decir, los estados son soluciones de problemas de condiciones iniciales de sistemas de

ecuaciones diferenciales (o en diferencias finitas) lineales y las salidas en cada instante t
son combinaciones lineales de los estados del sistema y de los controles en dicho instante.
El sistema del Ejemplo 4.1 es un sistema diferencial lineal.
Las matrices (de funciones) Aptq, Bptq, Cptq y Dptq en (4.13) reciben nombres espe-
ciales: a Aptq se le llama matriz de estados, a Bptq matriz de entradas o controles,
a Cptq matriz de salidas desde los estados y a Dptq matriz de salidas desde las
entradas o controles. Con frecuencia Dptq es la matriz cero y en tales casos se dice que
Cptq es la matriz de salidas.
En el caso de sistemas diferenciales supondremos que las funciones matriciales Ap¨q P
P CpT , Rnˆn , Bp¨q P P CpT , Rnˆm , Cp¨q P P CpT , Rpˆn y Dp¨q P P CpT , Rpˆm donde
T Ă R es un intervalo y P CpT , Rq es el espacio vectorial (respecto a R) de las funciones
continuas a trozos definidas en el interval T y con valores reales. Supondremos también,
como ya se ha dicho, que U “ P CpT , Rm q. Se cumplen entonces las condiciones de Ca-
rathéodory de existencia y unicidad de soluciones en todo T del P.C.I.
"
9
xptq “ Aptqxptq ` Bptquptq, t P T
xpt0 q “ x0

para todo up¨q P U, t0 P T y x0 P X “ Rn . La solución de estos sistemas xptq “

ψpt; t0 , x0 , up¨qq son funciones continuas en T y diferenciables en todo T excepto en los
puntos de discontinuidad de Ap¨q, Bp¨q y up¨q. Mucha de la teorı́a se puede desarrollar
también para sistemas en C pero nos restringiremos a sistemas reales (es decir, sobre R).
En este curso sólo trabajaremos los sistemas diferenciales con especial atención a los
lineales. En particular, en esta lección nos centraremos en el estudio de las soluciones
de los sistemas lineales mientras que las propiedades de controlabilidad, observabilidad y
estabilidad de los mismos serán estudiadas en lecciones posteriores. También se hará una
breve incursión en estas mismas propiedades para sistemas no lineales.

4.2.1. Estados de Equilibrio o Estacionarios

Hay estados para ciertos sistemas que adquieren importancia especial: son los estados
estacionarios o de equilibrio. Supongamos que tenemos un sistema sobre el que actúa una
4.2 El modelo de Espacio-Estado. Formalismo 67

función de control up¨q y cuya función de transición de estados es ψpt; t0 , x0 , up¨qq; es decir,
el estado en el instante t es

xptq “ ψpt; t0 , x0 , up¨qq P X, t ě t0 , t0 , t P T .,

donde X es el espacio de estados para el sistema. Un estado x̄ P X es un estado de equilibrio

o estacionario de un sistema bajo el control up¨q si

ψpt; t0 , x̄, up¨qq “ x̄

parar todo t P T con t ě t0 . En otras palabras, los estados estacionarios son los estados
xptq tales que si xpt0 q “ x̄ entonces xptq “ x̄ para todo t P T con t ě t0 . Se trata pues de
estados que se mantienen constantes durante su periodo de existencia.
Tal y como hemos visto en (4.8) para los sistemas lineales:

ψpt; t0 , 0X , 0U q “ 0X , t, t0 P T , t ě t0 ,

lo que indica que el estado cero, 0X , es siempre un estado estacionario de los sistemas
lineales cuando el control es la función nula: uptq “ 0 para todo t P T , t ě t0 . Esto es fácil
de comprobar en los sistemas finito-dimensionales. En efecto, en tal caso las ecuaciones de
estados con control cero son:
9
xptq “ Aptqxptq,

de modo que xptq “ 0 es una solución del sistema cuando el sistema está en reposo en el
instante inicial; es decir, xpt0 q “ 0. Lo mismo sucede en los sistemas en diferencias finitas.
Para los sistemas diferenciales generales

"
9
xptq “ f pt, xptq, uptqq, t ě t0 , t P T
pΣq
xpt0 q “ x0

los estados estacionarios son las soluciones de equilibrio; es decir, las soluciones xe que
cumplen lo siguiente: si en un instante inicial t0 P T el estado es xpt0 q “ xe y el sistema
está bajo el control de ũp¨q entonces el estado de Σ es xptq “ xe para todo t ě t0 , t P T . En
otras palabras, los estados estacionarios bajo el control ũp¨q son las soluciones constantes
9
de xptq “ f pt, x, ũptqq. Es decir, las que cumplen:

f pt, xe , ũptqq “ 0, para todo t ě t0 , t P T .

Veremos a continuación un par de ejemplos.

68 El modelo de espacio-estado

Ejemplo 4.3 Consideremos el péndulo invertido de la Fi-

gura 4.1. Se quiere aplicar una fuerza en la base del péndu-
lo amortiguado para devolverlo a la posición vertical. Re-
cordando la expresión para el par de fuerzas: xptqF2 ptq ´
yptqF1 ptq “ N ptq “ mr2 ωptq:
9
: “ ´cθptq
m`2 θptq 9 ` mg` sen θptq ` uptq` cos θptq,

donde c es la constante de amortiguamiento producido, por

ejemplo, por el rozamiento sobre el brazo del péndulo. Su-
1
poniendo, por sencillez que ` “ g “ c “ y suprimiendo el
m
Figura 4.1: Control del argumento t:
péndulo invertido θ: “ ´θ9 ` sen θ ` u cos θ.
Para obtener las ecuaciones del espacio-estado realizamos el cambio de variables habitual:
x1 “ θ, x2 “ θ.9 De esta manera el sistema de primer orden equivalente es:
"
x9 1 “ x2
x9 2 “ ´x2 ` sen x1 ` u cos x1
„ 
x
Ası́ pues, si x “ 1
x2
„ 
x2
f pt, x, uq “ .
´x2 ` sen x1 ` u cos x1

Los estados estacionarios bajo el control up¨q son las soluciones constantes de f pt, x, uq “ 0.
Si consideramos el control cero (uptq “ 0) entonces
„ 
x2
f pt, x, 0q “ ,
´x2 ` sen x1

de modo que f pt, x, 0q “ 0 si y sólo si x2 “ 0 y x1 “ kπ, k “ 0, ˘1, ˘2, . . . En efecto,

los estados estacionarios corresponden a la posición vertical (arriba o abajo) del péndulo
porque en ausencia de una acción externa, el péndulo permanecerı́a en dicha posición
indefinidamente.

Ejemplo 4.4 Se trata de modelizar el movimiento de un satélite de comunicaciones. Éstos

reciben y emiten ondas electromagnéticas desde y hacia radares situados en la superficie
terrestre. A fin de no tener que estar moviendo estos radares para apuntar continuamente
al satélite, se intenta que éste ocupe una posición fija relativamente a ellos. Las órbitas
que deben describir dichos satélites se llaman geosı́ncronas.
Para simplificar el modelo supondremos que el movimiento del satélite se hace en
el plano del Ecuador. Tomaremos el centro de la Tierra como origen de coordenadas,
usaremos coordenadas polares pr, θq. Denotamos la masa de la Tierra por MT (5,973ˆ1019
Kgr., aproximadamente), por MS la del satélite, por G la constante de gravitación universal
4.2 El modelo de Espacio-Estado. Formalismo 69

Figura 4.2: Satélite en órbita estacionaria.

(6,67428ˆ10´11 N¨m2 /kgr2 ) y por Ω la velocidad angular de la Tierra (7,27ˆ10´5 rad/seg).

Supondremos que el satélite está dotado de dos propulsores que pueden impulsarlo en la
dirección radial y tangencial con fuerzas Fr y Fθ . Aplicando las leyes de Newton, las
siguientes ecuaciones proporcionan las posibles trayectorias que describe el satélite:
$
S S
9 2 ´ GMT MS ` Gr ptq ` Fr ptq
& M r:ptq “ M rptqθptq
rptq2 (4.14)
% : 9
MS rptqθptq “ ´2MS rptq
9 θptq ` Gθ ptq ` Fθ ptq

Estas ecuaciones son el resultado de tener en cuenta las diversas fuerzas a las que está
sometido el satélite: La fuerza debida al movimiento del satélite alrededor de la Tierra
(F~ “ m ¨ ~a), la fuerza de atracción de masas, la fuerza debida a los motores y la fuerza
perturbadora y, posiblemente mucho más débil que las demás, ejercida por la Luna, el Sol,
otros planetas, viento solar, etc. y que las hemos reunido en Gr y Gθ
Para calcular la fuerza debida al movimiento, se toman vectores unitarios ~er y ~eθ en
las direcciones radial y tangencial de la trayectoria del satélite. Ası́ ~er “ ~er ptq y ~eθ “ ~eθ ptq
son vectores que cambian en cada instante de tiempo y si ~rptq es el vector de posición del
satélite; es decir, el que une el centro de masa de la Tierra con el del satélite, la trayectoria
de éste está determinada por la función vectorial ~rptq “ rptq~er ptq, siendo rptq el módulo del
vector (de forma general consideramos una partı́cula que se mueve alrededor de la Tierra
pero a una distancia no constante).
Un cálculo simple muestra que para cada instante fijo t,
~er pt ` hq ´ ~er ptq “ ´p1 ´ cospθpt ` hq ´ θptqqq~er ptq ` senpθpt ` hq ´ θptqq~eθ ptq
~eθ pt ` hq ´ ~eθ ptq “ ´ senpθpt ` hq ´ θptqq~er ptq ` p1 ´ cospθpt ` hq ´ θptqqq~eθ ptq.
Ahora bien, para h próximo a 0, y suponiendo θ infinitamente diferenciable, podemos
desarrollar esta función en serie de Taylor cerca de t:
9 ` gphq “ θptq ` hωptq ` gphq
θpt ` hq “ θptq ` hθptq
gphq
donde lı́m “ 0. Hacemos lo mismo con las funciones seno y coseno cerca de 0 (recor-
hÑ0 h
demos que t está fijo):
cospθpt ` hq ´ θptqq “ cospωptqh ` gphqq “ 1 ` f phq,
senppθpt ` hq ´ θptqq “ senpωptqh ` gphqq “ ωptqh ` gphq ` mphq
70 El modelo de espacio-estado

f phq mphq
con lı́m “ 0 y lı́m “ 0 y donde ωptq es la velocidad angular del satélite en el
hÑ0 h hÑ0 h2
instante fijo t. Por lo tanto,
d~er ~er pt ` hq ´ ~er ptq dθ
ptq “ lı́m “ ωptq~eθ ptq “ ptq~eθ ptq
dt hÑ0 h dt
d~eθ ~eθ pt ` hq ´ ~eθ ptq dθ
ptq “ lı́m “ ´ωptq~er ptq “ ´ ptq~er ptq.
dt hÑ0 h dt
Se sigue entonces que
d~r dr dθ
“ ~er ` r ~eθ ,
dt dt dt
y ˜ ¸
ˆ ˙2 ˆ 2 ˙
d2~r d2 r dθ d θ dr dθ
“ ´r ~er ` r 2 ` 2 ~eθ .
dt2 dt2 dt dt dt dt
Usando la terminologı́a de la Fı́sica:

d2 r
= aceleración debida al cambio de posición del satélite en la dirección radial,
dt2
ˆ ˙2
dθ
r = aceleración centrı́peta,
dt
d2 θ
r 2 = aceleración debida al cambio de posición del satélite en la dirección tangen-
dt
cial,
dr dθ
2 = aceleración de Coriolis.
dt dt
Aplicando las leyes de Newton:
˜ ˆ ˙2 ¸ ˆ 2 ˙
d2~r d2 r dθ d θ dr dθ
MS 2 “ MS ´r ~er ` Ms r 2 ` 2 ~eθ .
dt dt2 dt dt dt dt

Por otra parte, la fuerza de atracción de masas es

GMT MS
F~g “ ´ ~er
rptq2
Y las fuerzas de los motores del satélite y de la perturbación son:
F~m “ Fr~er ` Fθ~eθ , F~p “ Gr~er ` Gθ~eθ

En el sistema de referencia no inercial correspondiente al satélite la fuerza total que

actúa sobre el mismo es nula (en otras palabras, “en el satélite no se nota que haya ninguna
fuerza cuyo origen esté en el mismo satélite”). Por consiguiente:
˜ ˆ ˙2 ¸ ˆ 2 ˙
d2 r dθ d θ dr dθ
MS ´r ~er ` MS r 2 ` 2 ~eθ ´ F~g “ F~m ` F~p .
dt2 dt dt dt dt
4.2 El modelo de Espacio-Estado. Formalismo 71

Igualando las componentes radial y tangencial obtenemos (4.14).

En una primera aproximación vamos a suponer que las fuerzas Gr y Gθ son des-
preciables respecto a las demás. A fin de simplificar la expresión (4.14) renombramos
Fr “ Fr {MS , y Fθ “ Fθ {MS , obteniendo ası́:
$
& 9 2 ´ GMT ` Fr ptq
r:ptq “ rptqθptq
rptq2 (4.15)
% : 9
rptqθptq “ ´2rptq9 θptq ` Fθ ptq

Para obtener las ecuaciones de espacio-estados podrı́amos hacer el cambio de variables

habitual: x1 ptq “ rptq, x2 ptq “ rptq,
9 9
x3 ptq “ θptq y x4 ptq “ θptq. Sin embargo, este cambio
de variables no tendrı́a en cuenta que se quiere que el satélite mantenga una posición
constante respecto de la Tierra. Es decir, que gire a la misma velocidad angular que la
Tierra (recordemos que la hemos denotado con Ω y que su valor es 7,27 ˆ 10´5 rad/seg).
El cambio de variables apropiado entonces es:

x1 ptq “ rptq, x2 ptq “ rptq,

9 9 ´ Ω,
x3 ptq “ θptq ´ pθ0 ` Ωtq y x4 ptq “ θptq

donde θ0 es el ángulo inicial de la posición del satélite respecto de un punto de referencia

prefijado (por ejemplo, el meridiano cero). Por lo tanto, x3 p0q “ 0. El sistema que se
obtiene es: » fi
» fi x2 ptq
x9 1 ptq — GMT ffi
— 2 ffi
—x9 2 ptqffi —x1 ptqpx4 ptq ` Ωq ´ x1 ptq2 ` Fr ptqffi
— ffi — ffi
–x9 3 ptqfl “ — x4 ptq ffi
— ffi
x9 4 ptq – 2x2 ptqpx4 ptq ` Ωq Fθ ptq fl
´ `
x1 ptq x1 ptq
Vamos a estudiar los estados estacionarios de este sistema con control nulo Fr ptq “ Fθ ptq “
0. Estamos presuponiendo que x1 ptq “ rptq ‰ 0 (lo contrario significarı́a que el satélite está
en el centro de masa de la Tierra). En particular, los estados estacionarios deben cumplir
este requerimiento. Como para los estados estacionarios x1 ptq debe ser constante (digamos
R0 ), tendremos x1 ptq “ R0 . Como x1 ptq y x3 ptq son constantes, x2 ptq “ x4 ptq “ 0. Ahora
bien, esto implica (sustituyendo en la ecuación de x9 2 ) que
GMT GMT
0 “ x1 ptqΩ2 ´ “ R0 Ω2 ´ .
x1 ptq2 R02

Por lo cual ˆ ˙1
GMT 3
R0 “ (4.16)
Ω2
es el valor de x1 ptq para el estado estacionario. Finalmente, x3 ptq es constante y x3 p0q “ 0.
Esto implica que x3 ptq “ 0 para todo t ą 0. En definitiva, el estado de equilibrio a control
constante es pR0 , 0, 0, 0q. En términos de rptq y θptq, esto significa que el estado estacionario
corresponde a
rptq “ R0 , θptq “ θ0 ` Ωt, t ě 0.
72 El modelo de espacio-estado

Es decir, el estado estacionario a control constante determina una trayectoria del satélite
ˆ ˙1
GMT 3
a distancia fija de la Tierra (R0 “ ) y con la misma velocidad angular que la
Ω2
Tierra. Esto es lo que se llama una órbita geoestacionaria y geosı́ncrona.

4.3. Sistemas Lineales

Consideremos el siguiente sistema lineal con una condición inicial para el estado:
$
9
& xptq “ Aptqxptq ` Bptquptq
yptq “ Cptqxptq ` Dptquptq tPT (4.17)
% 0
xpt0 q “ x ,

donde Aptq P Rnˆn , Bptq P Rnˆm , Cptq P Rpˆn y Dptq P Rpˆm para todo t P T .
Tal y como hemos comentado más arriba, bajo la hipótesis de continuidad a trozos de
Ap¨q, Bp¨q y up¨q en un intervalo de tiempo T , el Problema de Condición Inicial (P.C.I.)
"
9
xptq “ Aptqxptq ` Bptquptq
tPT (4.18)
xpt0 q “ x0 ,

tiene solución única. Ésta se puede obtener por el método de variación de las constantes:
żt
0 0
xptq “ ψpt; t0 , x , up¨qq “ Φpt, t0 qx ` Φpt, sqBpsqupsqds, t P T (4.19)
t0

donde Φpt, t0 q es una matriz fundamental de soluciones del sistema

9
xptq “ Aptqxptq; (4.20)
es decir, cada columna de Φpt, t0 q es solución de este sistema. En algunos tratados (ver
por ejemplo [9]) se diferencia el operador evolución: Φpt, t0 q : Rn Ñ Rn definido por
Φpt, t0 qx “ ψpt; t0 , x0 , 0U q de la matriz de este operador en las bases canónicas. Nosotros
no haremos distinción entre el operador y la matriz que lo representa. Y dada la estrecha
relación, (4.19), entre la función de transición de estados ψ y Φpt, t0 q, a esta matriz se le
suele llamar Matriz de Transición de Estados y es ésta la denominación que usaremos
de ahora en adelante.
Dado que cada una de las columnas de Φpt, t0 q es solución del sistema (4.20) y cumple
la condición inicial xpt0 q “ x0 , concluı́mos que Φpt, t0 q es la única solución del P.C.I.
matricial: "
9
Xptq “ AptqXptq, t P T
Xpt0 q “ In
donde In es la matriz identidad de orden n. En efecto, Φpt, 9 t0 q “ AptqΦpt, t0 q columna a
columna y, sustituyendo en (4.19), para cada x P R , x “ xpt0 q “ Φpt0 , t0 qx0 . Esto signi-
0 n 0

fica que Φpt0 , t0 q “ In necesariamente. Esta caracterización de Φpt, t0 q permite demostrar

propiedades importantes de esta matriz que se proponen como ejercicios.
4.3 Sistemas Lineales 73

Por otra parte la función de salida para el sistema (4.17) será:

yptq “ ηpt; t0 , x0 , up¨qq “ Cptqxptq ` Dptquptq “
żt
(4.21)
“ CptqΦpt, t0 qx0 ` CptqΦpt, sqBpsqupsqds ` Duptq, tPT.
t0

No hay fórmulas explı́citas para calcular las matrices de transición de estados para
sistemas lineales generales, pero sı́ para el caso en que la matriz Aptq no depende del
tiempo (es constante); es decir, sistemas de la forma:
"
9
xptq “ Axptq ` Bptquptq
. (4.22)
xpt0 q “ x0
En este caso, la matriz de transición de estados es la matriz exponencial:
Φpt, t0 q “ eApt´t0 q .
La matriz exponencial eAt se puede definir de varias formas equivalentes. La más rápida
y conveniente para este curso es la que se obtiene a partir de una serie de potencias
matriciales:
ÿ8 k
t k
eAt “ A , t P R. (4.23)
k“0
k!
ÿ8
1 k
Se puede demostrar que la serie de potencias A converge para toda matriz A siempre
k“0
k!
que en Rnˆn ( conjunto de matrices de números reales de n filas y n columnas) considere-
mos las normas de matriz habituales. Por ello es perfectamente razonable definir eA como
el lı́mite de esta serie.
De la definición se desprende que
d At
e “ AeAt ,
dt
de modo que Φpt, t0 q “ eApt´t0 q es la única solución del P.C.I.
"
9
Xptq “ AXptq, t P T
Xpt0 q “ In .

Por lo tanto, tal y como se ha mencionado más arriba, Φpt, t0 q “ eApt´t0 q es la matriz de
transición de estados del sistema (4.22).

4.3.1. Sistemas lineales invariantes en el tiempo

Los sistemas lineales invariantes en el tiempo son aquellos en los que todas las matrices
(de estados, controles y salidas) son independientes del tiempo; es decir, son constantes:
"
9
xptq “ Axptq ` Buptq, t P R A P Rnˆn , B P Rnˆm
(4.24)
yptq “ Cxptq ` Duptq C P Rpˆn , D P Rpˆm
74 El modelo de espacio-estado

Estos sistemas son los más sencillos y más estudiados. En realidad son los modelos de
espacio-estado de los sistemas estudiados en el Capı́tulo 3 en términos de la función de
transferencia.
Dado que la matriz de transición de estados para los sistemas lineales con A constante
es Φpt, t0 q “ eApt´t0 q , la función de transición de estados (solución) para estos sistemas se
puede dar explı́citamente (ver (4.19)):
żt
Apt´t0 q 0
xptq “ e x ` eApt´sq Bupsqds, t P T . (4.25)
t0

En consecuencia, la respuesta del sistema será:

żt
Apt´t0 q 0
yptq “ Cxptq ` Duptq “ Ce x ` CeApt´sq Bupsqds ` Duptq. (4.26)
t0

En la práctica, el cálculo de la matriz eApt´t0 q no es una tarea sencilla y se basa, por

lo general, en el cálculo de los valores y vectores propios (generalizados) de la matriz de
estados A. Es conocido que dada una matriz A P Rnˆn , existe una matriz no singular
(determinante distinto de cero) T P Cnˆn , de números complejos, tal que

T ´1 AT “ J,

donde
» fi
» fi λk 1 0 ¨¨¨ 0
J1 — 0 λk 1 ¨¨¨ 0ffi
— ffi
— .. ffi — .. .. . . .. ffi
..
J “– . fl y Jk “ — . . . . ffi P Cnk ˆnk .
. (4.27)
— ffi
Jr – 0 0 ¨¨¨ λk 1 fl
0 0 ¨¨¨ 0 λk

La matriz J, diagonal por bloques, recibe el nombre de Forma Normal de Jordan de

A. Los números, λk , que aparecen en la diagonal de cada uno de los bloques Jk , son los
valores propios (quizá repetidos) de A. En general son números complejos porque son las
raı́ces del polinomio caracterı́stico de A; es decir, las raı́ces del polinomio que se obtiene
al calcular detpλIn ´ Aq.
Para muchas matrices (casi todas en un cierto sentido) sus valores propios son todos
distintos. En tal caso, nk “ 1 y
» fi
λ1 0 ¨ ¨ ¨ 0
— 0 λ2 ¨ ¨ ¨ 0 ffi
— ffi
J “ Diagpλ1 , λ2 , . . . , λn q “ — . .. . . .. ffi
– .. . . . fl
0 0 ¨¨¨ λn

En este caso, las columnas de las matrices T para las que T ´1 AT “ J son vectores propios
de A (la i-ésima columna de T es vector propio de A asociado al valor propio λi ). Cuando
4.3 Sistemas Lineales 75

J no es diagonal, a las columnas de T se les llama vectores propios generalizados para los
correspondientes valores propios que forman los bloques de Jordan Jk .
Es fácil ver, utilizando la definición de eA como serie de potencias, que si T ´1 AT “ J
entonces
eAt “ T eJt T ´1 . (4.28)
Además, de la propia definición se tiene también que
» Jt fi
e 1
— .. ffi
eJt “ – . fl . (4.29)
Jr t
e

Ahora bien cada bloque en la diagonal de la forma de Jordan se puede escribir como
» fi
0 1 0 ¨¨¨ 0
—0 0 1 ¨ ¨ ¨ 0ffi
— ffi
— .. ffi
Jk “ λk Ink ` Nk , con Nk “ — ... .. . . . .
. . . . ffi
— ffi
–0 0 0 ¨ ¨ ¨ 1fl
0 0 0 ¨¨¨ 0

y donde Ink es la matriz identidad de orden (o tamaño) nk . Se comprueba sin dificultad

que Nknk “ 0 y, en consecuencia, en el desarrollo de la serie de potencias

ÿ8 i ÿ8 i
Jk t t i λk t i
e “ Jk “ e N , t P R.
i“0
i! i“0
i! k

sólo hay un número finito de sumandos no nulos. En definitiva, sumando los términos no
nulos se obtiene
» fi
t2 tnk ´2 tnk ´1
— 1 t 2! ¨ ¨ ¨ pn ´ 2q! pn ´ 1q! ffi
— k k ffi
— tnk ´3 tnk ´2 ffi
— 0 1 t ¨¨¨ ffi
— pnk ´ 3q! pnk ´ 2q! ffi
— ffi
— ffi
eJk t “ eλk t — ... ... . . . . . . ..
.
..
. ffi . (4.30)
— ffi
— t2 ffi
— 0 0 0 ... t ffi
— 2! ffi
— ffi
– 0 0 0 ¨¨¨ 1 t fl
0 0 0 ¨¨¨ 0 1

Finalmente, si λk “ ak ` ibk entonces

eλk t “ eak t eibk t “ eak t pcospbk tq ` i senpbk tqq.

El siguiente ejemplo, en el que se estudian las soluciones del oscilador armónico amor-
tiguado, es ilustrativo de este proceso.
76 El modelo de espacio-estado

Figura 4.3: Sistema masa- Figura 4.4: Cuerpo rı́gidos en Figura 4.5: Circuito eléctrico
muelle con amortiguamiento rotación simple

Ejemplo 4.5 (Oscilador Armónico Amortiguado Lineal) Vimos en el Capı́tulo 2

que las ecuaciones que rigen el comportamiento dinámico de los sistemas en las Figuras
4.3, 4.4, 4.5 son las mismas:
m:xptq ` cxptq
9 ` kxptq “ uptq
(4.31)
xp0q “ x0 , xp0q
9 “ v0 .
En cada caso, por supuesto, el significado de m, c, k y u es diferente, pero estos tres siste-
mas tienen un comportamiento dinámico que puede modelizarse con la misma ecuación.
Diremos que (4.31) es la ecuación del oscilador armónico amortiguado (si c ‰ 0) lineal.
Por consiguiente, los tres sistemas son modelos fı́sicos diferentes de dicho oscilador.
La forma en la que se suele presentar la ecuación de los osciladores lineales no es (4.31)
sino una equivalente que se obtiene al hacer las sustituciones
c
k c
ω0 “ , ζ“ ? .
m 2 km
A ω0 se le conoce con el nombre de frecuencia natural del sistema y a ζ como la razón
de amortiguamiento. Con esta sustitución el sistema de (4.31) se convierte en
: ` 2ζω0 x9 ` ω02 x “ kω02 uptq,
x (4.32)
1
donde hemos sustituı́do k por para simplificar la notación.
k
Las ecuaciones del modelo espacio-estado correspondiente a esta ecuación se obtienen
mediante el cambio de variables: x1 ptq “ xptq y x2 ptq “ xptq.
9 Ası́ el problema de condiciones
iniciales (4.31) es equivalente a:
„  „ „  „  „  „ 
x9 1 0 1 x1 0 x1 p0q x
“ 2 ` 2 uptq, “ 0 (4.33)
x9 2 ´ω0 ´2ζω0 x2 kω0 x2 p0q v0
Como una aplicación simple de la forma de Jordan, vamos a analizar la dinámica de los
osciladores lineales en movimiento libre; es decir, cuando no hay fuerzas externas actuando
sobre él (uptq “ 0). En este caso la ecuación diferencial (4.32) queda:
: ` 2ζω0 x9 ` ω02 x “ 0.
x (4.34)
4.3 Sistemas Lineales 77

Y las ecuaciones en espacio-estado:

„  „ „  „  „ 
x9 1 0 1 x1 x1 p0q x
“ 2 , “ 0 (4.35)
x9 2 ´ω0 ´2ζω0 x2 x2 p0q v0
Calculamos los valores propios de la matriz de estados:
„ 
λ ´1
det 2 “ λ2 ` 2ζω0 λ ` ω02
ω0 λ ` 2ζω0 ´ ¯´ ¯
a a
“ λ ` ζω0 ` ω0 ζ 2 ´ 1 λ ` ζω0 ´ ω0 ζ 2 ´ 1 .

Ası́ pues, la matriz de estados puede tener valores propios reales y distintos (si ζ ą 1),
complejos no reales conjugados (si 0 ă ζ ă 1) o un valor propio real doble (si ζ “ 1).
Analizaremos el comportamiento de las soluciones del sistema (trayectorias) en cada caso.
Recordemos que la solución de (4.35) es
„  „ 
x1 ptq At Jt ´1 x0
“ e “ Te T
x2 ptq v0
„ 
0 1
donde A “ 2 es la matriz de estados, T es una matriz de vectores propios
´ω0 ´2ζω0
(o vectores propios generalizados) de A y J es su forma de Jordan.

1. ζ ą 1. En este caso ζ 2 ´ 1 ą 0, y la matriz de estados A tiene dos valores propios

a a
reales distintos λ1 “ ´ζω0 ´ ω0 ζ 2 ´ 1 y λ2 “ ´ζω0 ` ω0 ζ 2 ´ 1. Su forma de
Jordan es J “ Diagpλ1 , λ2 q y
» ´ ? ¯ fi
´ω0 ζ` ζ 2 ´1 t
e 0
´ ?
eJt “ – ¯ fl .
´ω0 ζ´ ζ 2 ´1 t
0 e
“ ‰ “ ‰
Ahora, si T “ t1 t2 y T ´1 “ p t1 p t2 son las matrices T y T ´1 escritas en función
de sus columnas, entonces
” ´ ? ¯ ´ ? ¯ ı „ 
Jt ´ω 2 ´1 t ´ω 2 ´1 t ´1 x0
Te “ e 0 ζ` ζ
t1 e 0
ζ´ ζ
t2 , T “ x0 p
t 1 ` v0 p
t2 .
v0
„ 
a
Observemos que x0 pt 1 ` v0 p
t2 es un vector columna y escrı́bamoslo x0 pt1 ` v0 p
t2 “ .
b
Se tiene entonces
„  „  „  ´ ? ¯ ´ ? ¯
x1 ptq At x0 Jt ´1 x0 ´ω0 ζ` ζ 2 ´1 t ´ω0 ζ´ ζ 2 ´1 t
“e “ Te T “ ae t1 ` be t2 .
x2 ptq v0 v0
En palabras, tanto el desplazamiento x1 ptq como la velocidad
´ ? x2¯ptq “ x
9 1 ptq
´ son
? com-
¯
´ω0 ζ` ζ 2 ´1 t ´ω0 ζ´ ζ 2 ´1 t
binaciones lineales de las funciones exponenciales e ye .
La Figura 4.6 muestra las gráficas del desplazamiento y la velocidad de un sistema
en el que ζ ą 1. El sistema se dice que es sobreamortiguado.
78 El modelo de espacio-estado

2. 0 ă ζ ă 1. En este caso ζ 2 ´ 1 ă 0 y la matriz de estados tiene dos valores complejos

a
(no reales) conjugados. Es decir, si ωd “ ω0 1 ´ ζ 2 (cantidad que se conoce con
el nombre de frecuencia de amortiguamiento) entonces los valores propios de A son
λ1 “ ´ζω0 ` ωd i y λ2 “ ´ζω0 ´ ωd i.
De esta forma tenemos:
« ff
p´ζω0 `ωd iqt
e 0
eJt “
0 ep´ζω0 ´ωd iqt
„ 
´ζω0 t cospωd tq ` i senpωd tq 0
“ e
„ 0 „ d tq ´ i senpωd tq 
 cospω
cospω tq 0 senpωd tq 0
“ e´ζω0 t d
`i
0 cospωd tq 0 ´ senpωd tq

Aparentemente las soluciones van a ser funciones complejas. Sin embargo, los vectores
propios de A se pueden escoger de forma que sean también complejos conjugados y
tras ciertas manipulaciones algebraicas (ver por ejemplo [7, pp 80–90]) se puede ver
que se puede elegir de forma adecuada una matriz T tal que
„  „  „ 
x1 ptq At x0 Jt ´1 x0
“e “ Te T “ e´ζω0 t pa cospωd tq ` b senpωd tqq
x2 ptq v0 v0

donde a y b son vectores columna reales de 2 componentes. Vemos ası́ que, también
en este caso, tanto el desplazamiento x1 ptq como la velocidad x2 ptq “ x9 1 ptq son pro-
ductos de la función exponencial e´ζω0 t y de una combinación lineal de las funciones
cospωd tq y senpωd tq. No obstante, el hecho de que a y b sean reales permite escribir
la expresión x1 ptq “ e´ζω0 t pa1 cospωd tq ` b1 senpωd tqq de otra forma más compacta
siempre que a1 ‰ 0. En efecto, podemos pensar en a1 y b1 como los catetos de
un triángulo rectángulo tal que arctanpb1 {a1 q “ φ. Si A es la hipotenusa, tenemos
a1 “ A cos φ y 1 b “ A sen φ. Es claro que la relación entre pa1 , b1 q, a1 ‰ 0 y pA, φq,
0 ď φ ă π, es biunı́voca. Entonces

x1 ptq “ e´ζω0 t pa1 cospωd tq ` b1 senpωd tqq “

“ Ae´ζω0 t pcos φ cospωd tq ` A sen φ senpωd tqq “
“ Ae´ζω0 t cospωd t ´ φq.

El caso a1 “ 0 corresponde a φ “ π{2. Además, x2 ptq “ x9 1 ptq.

Ae´ζω0 t es conocido con el nombre de amplitud amortiguada y φ como fase de la
solución. La Figura 4.7 muestra las gráficas del desplazamiento y la velocidad de un
sistema en el que 0 ă ζ ă 1. El sistema se dice que es subamortiguado.

3. ζ “ 1. Los sistemas con razón de amortiguamiento igual a 1 se llaman sistemas

crı́ticamente amortiguados. Tienen un único valos propio doble: ´ω0 por lo que
la forma de Jordan de la matriz de estados es
„ 
´ω0 1
J“ .
0 ´ω0
4.3 Sistemas Lineales 79

Figura 4.6: Trayectoria de Figura 4.7: Trayectoria de un Figura 4.8: Trayectoria de un

un oscilador lineal con sobre- oscilador lineal subamortigua- oscilador lineal crı́ticamente
amortiguamiento. do. amortiguado .

Ası́, ((4.30))) „ 
Jt ´ω0 t 1 t
e “e .
0 1
Y si A “ T JT ´1 entonces la solución del problema de condiciones iniciales es
„  „ 
x1 ptq Jt ´1 x0
“ Te T .
x2 ptq v0
Usando el mismo procedimiento que en el caso de dos valores propios reales y dis-
tintos, existen vectores reales a y b de dos componentes tales que:
„  „  „ 
x1 ptq ´ω0 t
“ ‰ 1 t “ ‰ x0
“ e t1 t2 p p
t t
x2 ptq 0 1 1 2 v0
“ e´ω0 t pa ` btq
Los vectores a y b se pueden dar explı́citamente:
„  ˆ„  „  ˙
x1 ptq ´ω0 t x0 pv0 ` ω0 x0 q
“e ` t
x2 ptq v0 v0 ´ ω0 pv0 ` ω0 x0 q
La Figura 4.8 muestra las gráficas de un oscilador lineal crı́ticamente amortiguado
en función del signo de la velocidad inicial del mismo.

Una caracterı́stica común a las tres gráficas es que las trayectorias, después de un
periodo transitorio en el que pueden crecer o decrecer, tienden a cero asintóticamente. Ello
es debido a que los valores propios, λ1 y λ2 , de los osciladores lineales con amortiguamiento
siempre tienen la parte real negativa: ´ω0 ζ y, por lo tanto, para t suficientemente grande
la función exponencial e´ω0 ζt tienden a cero.

4.3.2. Respuesta de un sistema lineal

Recordemos que la respuesta de los sistemas lineales

"
9
xptq “ Aptqxptq ` Bptquptq,
tPT. (4.36)
yptq “ Cptqxptq ` Dptquptq
80 El modelo de espacio-estado

Figura 4.10: Respuesta transitoria y de

Figura 4.9: Entrada para un sistema li-
espacio-estado a la entrada de la Figura
neal.
4.9.

viene dada por la fórmula (4.21) que reproducimos de nuevo aquı́:

żt
0
yptq “ CptqΦpt, t0 qx ` CptqΦpt, sqBpsqupsqds ` Dptquptq, tPT. (4.37)
t0

Vemos en esta expresión que la solución consiste

żt de una respuesta a la condición inicial,
CptqΦpt, t0 qx0 , y una respuesta a la entrada, CptqΦpt, sqBpsqupsqds`Dptquptq. Utlizan-
t0
do la terminologı́a de la Sección 4.2, ηpt, x, 0U q “ CptqΦpt, t0 qx0 es la respuesta del sistema
żt
al movimiento libre, y ηpt, 0X , uq “ CptqΦpt, sqBpsqupsqds ` Dptquptq es la respuesta
t0
del sistema al movimiento forzado.
Resulta además que la respuesta a la entrada (movimiento forzado) se divide en dos
respuestas: una que se conoce con el nombre de respuesta transitoria y otra que se llama
respuesta de estado estacionario. La Figura 4.10 muestra la respuesta de un sistema lineal
a una entrada de tipo sinusoidal (Figura 4.9). En ella se aprecian las dos partes de la
respuesta a dicha entrada. En particular para entradas periódicas la respuesta de estado-
estacionario suele ser también periódica y representa el comportamiento del sistema a largo
plazo. Veremos este fenómeno con más claridad cuando analicemos la respuesta del sistema
a las funciones salto unidad y a las funciones de tipo sinusoidal. De hecho, hay tres tipos
de funciones de entrada que se usan habitualmente para el análisis de la respuesta de los
sistemas lineales: la función impulso, la función salto unidad y las funciones seno o coseno.
Analizaremos cada una de ellas por separado para sistemas invariantes en el tiempo. Para
la función impulso también daremos la expresión de la solución para sistemas lineales
generales. Para las demás funciones, expresiones explı́citas son sólo posible para sistema
invariantes en el tiempo.
Recordemos que para sistemas invariantes en el tiempo
"
9
xptq “ Axptq ` Buptq,
(4.38)
yptq “ Cxptq ` Duptq

la matriz de transición de estados es Φpt, t0 q “ eApt´t0 q .

4.3 Sistemas Lineales 81

Respuesta a un impulso

Se llama respuesta a un impulso a la respuesta forzada de un sistema cuando la entrada

es la “función” impluso unidad en un instante τ . Es decir, se supone que el sistema está
en reposo hasta el instante τ (xpτ ´q “ 0) y el sistema se excita con un impulso unidad en
el instante τ . Recordemos que el impulso unidad viene representado por la delta de Dirac
que en el instante τ tiene la siguiente representación:
"
0, t ‰ τ
δτ ptq :“
`8, t “ τ.

Equivalentemente δτ ptq “ δpt ´ τ q siendo δ la delta de Dirac en τ “ 0. Ya vimos en

el Capı́tulo 3 (véase la Sección 3.4) que δ no es una función en sentido clásico y en el
Apéndice A se ponen las bases para un uso riguroso de δ. En particular se da sentido a la
expresión: ż ż
`8 `8
f puqδpt ´ uqdu “ f pt ´ uqδpuqdu “ f ptq, t P R. (4.39)
´8 ´8
Con esta propiedad en nuestras manos podemos decir cuál es la respuesta de un sistema
lineal a un impulso. Sea ei la i-ésima columna de la matriz Im ; es decir, el vector de tamaño
m con todas sus componentes 0 excepto la i-ésima que es 1, y consideremos como entrada
del sistema uptq “ δpt ´ τ qei . Aplicando (4.39) a la función f pzq “ CptqΦpt, zqBpzq en el
intervalo rτ, ts tenemos que
żt
CptqΦpt, zqBpzqδpz ´ τ qei dz “ CptqΦpt, τ qBpτ q.
τ

Por otra parte, δpt ´ τ q sólo es distinta de cero en t “ τ . Esto implica que Dptqδpt ´ τ q ‰ 0
sólo para t “ τ . Por lo tanto, la respuesta forzada del sistema a un impulso unidad en el
instante τ es

hi pt, τ q “ rCptqΦpt, τ qBpτ q ` Dpτ qδpt ´ τ qsei , t ě τ.

Observamos que hi : R` ˆ R` Ñ Rmˆ1 es una función vectorial: la i-ésima columna de la

matriz CptqΦpt, τ qBpτ q ` Dpτ qδpt ´ τ q. Se suele escribir (sustituyendo τ por s):
"
CptqΦpt, sqBpsq ` Dpsqδpt ´ sq @t ě s
Hpt, sq “ (4.40)
0 @t ă s,

y esta matriz recibe el nombre de matriz de respuesta a un impulso. Teniendo en cuenta

que por (4.39)
żt
Dpsqupsqδpt ´ sqds “ Dptquptq,
0
tenemos que
żt żt
Hpt, squpsqds “ CptqΦpt, sqBpsqupsqds ` Dptquptq.
t0 t0
82 El modelo de espacio-estado

En consecuencia, la respuesta de un sistema lineal a la entrada uptq puede escribirse de la

siguiente forma: żt
yptq “ CptqΦpt, t0 qx0 ` Hpt, squpsqds, (4.41)
t0

Esta expresión se puede interpretar como que la respuesta del sistema lineal (4.36) yptq es
la superposición de las respuestas a un “conjunto infinito de impulsos desplazados entre
t0 y t, cada uno de los cuales tiene magnitud uptq”.
Para los sistemas (4.38) invariantes en el tiempo, la matriz de transición de estados
es Φpt, t0 q “ eApt´t0 q y para t ě s tendrı́amos Hpt, sq “ CeApt´sq Bpsq ` Dδpt ´ sq. Ası́
pues, la matriz de respuesta a un impulso para los sistemas invariantes en el tiempo sólo
depende del ”tiempo transcurrido” t´s. Por eso se suele escribir Hpt´sq en vez de Hpt, sq
y dado que Hpt ´ sq “ Hpt, sq “ Hpt ´ s, 0q se suele tomar como matriz de respuesta a
un impulso la correspondiente al impulso en el instante s “ 0. Es decir,
"
CeAt B ` Dδptq @t ě 0
Hptq “ (4.42)
0 @t ă 0,

Ası́, la respuesta del sistema lineal (4.38) a una entrada arbitraria uptq se puede escribir
de la siguiente forma:
żt
Apt´t0 q 0
yptq “ Ce x ` Hpt ´ squpsqds. (4.43)
0

El Control System Toolbox de MATLAB dispone de las funciones impulse y impulseplot

para calcular y dibujar las gráficas de la respuesta de un sistema lineal a la función im-
pulso. Por ejemplo, para dibujar la gráfica del desplazamiento y velocidad de un oscilador
lineal, inicialmente en reposo, cuando es sometido a un impulso podrı́amos proceder de la
siguiente forma (suponiendo que el oscilador lineal tiene una frecuencia natural ω0 “ 0,5
una razón de amortiguamiento ζ “ 0,25 y k “ 1{ωo2 ):

1. Definimos el sistema con el comando ss (veremos cuando estudiemos la respuesta a

la función salto que hay otras formas de definir un sistema). Para ello construı́mos
las matrices A, B y C. En este caso D “ 0 y C “ I2 porque queremos tener
información de xptq “ x1 ptq y xptq
9 “ x2 ptq. Es decir, queremos que la salida sea el
estado completo.

>> w=0.5; z=0.25;

>> A=[0 1; -w^2 -2*z*w]; B=[0;1]; C=eye(2);
>> sis=ss(A,B,C,0)
sis =
a =
x1 x2
x1 0 1
x2 -0.25 -0.25
4.3 Sistemas Lineales 83

Figura 4.11: Gráficas de los estados del sistema en forma de espacio-estado para el oscilador
lineal con parámetros ω0 “ 0,5, ζ “ 0,25 y k “ 1{ω02 .

b =
u1
x1 0
x2 1

c =
x1 x2
y1 1 0
y2 0 1

d =
u1
y1 0
y2 0
Continuous-time state-space model.

2. Usamos impulse o impulseplot (véase la ayuda de MATLAB para conocer el al-

cance de estas dos funciones) para dibujar las gráfica de x1 ptq y x2 ptq:

>> impulse(sis)

En la Figura 4.11 se muestran las gráficas de las dos variables. Out(1) se corresponde
con el desplazamiento (xptq “ x1 ptq) y Out(2) con la velocidad (xptq9 “ x2 ptq).
84 El modelo de espacio-estado

Respuesta a un salto

Recordemos que la función salto unidad (o función de Heavisade) es:

"
0, t ă 0
γptq :“
1, t ě 0.

Obsérvese que cualquier función continua puede aproximarse por una sucesión de funciones
que son múltiplo de funciones de salto unidad.
La respuesta a un salto del sistema (4.38) con m “ p “ 1 se define como la salida yptq
del sistema cuando el estado inicial está en reposo (xp0q “ 0) y la entrada es γptq para
t ě 0. Cuando el sistema es lineal, invariante en el tiempo y la matriz de estados A es
invertible, la respuesta a un salto se obtiene a partir de (4.37):
żt żt
yptq “ CeApt´τ q Bupτ qdτ ` Duptq “ C eApt´τ q Bdτ ` D “
0ż 0
t
´1 Aσ
ˇσ“t
Aσ
“ C e Bdσ ` D “ CpA e Bq σ“0 ` D “ ˇ
0
“ CA´1 eAt B ´ CA´1 B ` D.

Podemos reescribir la solución de la siguiente forma:

´1 At
yptq “ CA e B` D
looooomooooon ´ CA´1 B ,
loooooomoooooon t ą 0. (4.44)
transitoria estado-estacionario

El primer término es la respuesta transitoria y converge a cero cuando t Ñ 8 cuando las

partes reales de los valores propios de A son negativas. El segundo término es la respuesta
de estado-estacionario y representa el valor de la salida del sistema a largo plazo. Nótese
que
d
yptq “ CeAt B,
dt
que comparando con (4.42) nos permite decir que la respuesta a un impulso es la derivada
de la respuesta a un salto unidad. De hecho, tal y como se demuestra en el Apéndice A,
la función impulso es la la derivada, en el sentido de las distribuciones, de la función de
Heavisade.
En la Figura 4.12 se muestra un ejemplo de respuesta a un salto para un sistema
lineal. Se suele usar cierta terminologı́a para referirse a los parámetros fundamentales que
definen el comportamiento de la señal de salida:

El valor de estado estacionario yee es el valor final de la salida (suponiendo que

converja).

Tiempo de Subida Tr es la cantidad de tiempo que se requiere para que la señal pase
del 10 % al 90 % de su valor final.
4.3 Sistemas Lineales 85

Figura 4.12: Ejemplo de respuesta a un salto. El tiempo de subida, exceso, tiempo de

ajuste, y el valor de la respuesta de estado-estacionario son los valores que definen el
comportamiento de la señal del sistema.

Sobreelongación (Overshoot) Mp es el porcentaje del valor final que la señal sube

por encima de éste en la etapa transitoria (en el supuesto de que la señal no sube en
tiempos posteriores por encima del valor en la etapa transitoria).
Tiempo de Ajuste Ts es la cantidad de tiempo necesaria para que la señal se sitúe
en el 2 % de su valor final.

Al igual que en el caso de la respuesta a un impulso, si el sistema es multivariable

(m ą 1 o p ą 1) en vez de función de respuesta a un salto habları́amos de matriz de
respuesta a un salto. La expresión de esta matriz serı́a la misma que en (4.44).
Hay varias funciones en el Control System Toolbox de MATLAB diseñadas para anali-
zar la respuesta de un sistema a un salto. Explicaremos el uso de algunas de ellas tomando
como referencia el oscilador lineal con amortiguamiento. Recordemos que la ecuación que
rige la dinámica de los osciladores lineales viene dada por (4.32) que, en el modelo de
espacio-estado, es equivalente a (4.33). Para hacer cálculos supondremos que la razón de
amortiguamiento del sistema es ζ “ 0,25 y la frecuencia natural es ω0 “ 0,6 rad/seg. Con
estos datos concretos el sistema (4.32) queda:
:ptq ` 0,30xptq
x 9 ` 0,36xptq “ 0,36kuptq (4.45)
cuya función de trasferencia (suponiendo yptq “ xptq) es
0,36k
gpsq “ . (4.46)
s2 ` 0,30s ` 0,36
Por su parte, las ecuaciones del sistema en la forma de espacio-estado quedarı́an:
$ „  „ 
& 0 1 0
9
xptq “ ` uptq
% “ ´0,36
‰ ´0,30 0,36k (4.47)
yptq “ 1 0 xptq,
„ 
x1 ptq
siendo, ahora, xptq “ . Ya hemos visto que los sistemas (4.45) y (4.47) son equi-
x2 ptq
valentes a través del cambio de variable x1 ptq “ xptq, x2 ptq “ xptq
9 donde, ahora, xptq es
86 El modelo de espacio-estado

“ ‰
la variable del sistema (4.45). La ecuación yptq “ 1 0 xptq de (4.47) nos indica que la
salida del sistema es la solución del sistema (4.45). En consecuencia, la relación entre las
transformadas de Laplace (con condición inicial cero) de la salida y la entrada del sistema
(4.47) debe ser la función de transferencia gpsq en (4.46). En efecto, denotando con A, B
y C a las matrices de estados, entradas y salidas, respectivamente, del sistema (4.47):
„  „ 
0 1 0 “ ‰
A“ , B“ , C“ 1 0 ,
´0,36 ´0,30 0,36k

y usando las propiedades de la transformada de Laplace obtenemos

ypsq “ CpsI2 ´ Aq´1 Bupsq.

A la matriz CpsIn ´Aq´1 B`D, que es una matriz de tamaño pˆm de funciones racionales,
se le llama Matriz de Transferencia del sistema. En este ejemplo m “ p “ 1 de modo que
la matriz de transferencia se reduce a una sola función que podemos calcular a mano:
0,36k
CpsI2 ´ Aq´1 B “ “ gpsq.
s2 ` 0,30s ` 0,36
Para sistemas más complicados o de mayores dimensiones podemos hacer uso de los co-
mandos ss (state-space) y tf (transfer function) del Control System Toolbox de MATLAB.
En nuestro ejemplo, podrı́amos proceder como sigue (se ha tomado k “ 1):

>> A=[0 1;-0.36 -0.30]; B=[0;0.36];C=[1 0];

>> sis=ss(A,B,C,0);
>> g=tf(sis)
g =
0.36
------------------
s^2 + 0.3 s + 0.36
Continuous-time transfer function.

Dada una función (o matriz, en el caso multivariable) de transferencia se puede obtener un

sistema en forma de espacio-estado cuya matriz de transferencia sea la dada. Los comandos
a utilizar son los mismos en orden inverso:

>> num=[0.36]; den=[1 0.3 0.36];

>> sis=tf(num,den)
sis =
0.36
------------------
s^2 + 0.3 s + 0.36
Continuous-time transfer function.
>> sises=ss(sis)
sises =
4.3 Sistemas Lineales 87

a =
x1 x2
x1 -0.3 -0.72
x2 0.5 0

b =
u1
x1 1
x2 0

c =
x1 x2
y1 0 0.72

d =
u1
y1 0
Continuous-time state-space model.

Las matrices de estados, entradas y salidas producidas se pueden extraer usando los si-
guientes comandos:

>> A1=sises.a
A1 =
-0.3000 -0.7200
0.5000 0
>> B1=sises.b
B1 =
1
0
>> C1=sises.c
C1 =
0 0.7200

Observamos que estas matrices

„  „ 
´0,3 ´0,72 1 “ ‰
A1 “ , B1 “ , C1 “ 0 0,72 , (4.48)
0,5 0 0
son diferentes de las del sistema (4.45). Es fácil comprobar, sin embargo que los sistema
pA, B, Cq y pA1 , B1 , C1 q son semejantes en el sentido de que existe una matriz T no singular
tal que
A1 “ T ´1 AT, B1 “ T ´1 B, C1 “ CT.
„ 
0 0,72
En este ejemplo la matriz T “ sirve para realizar el cambio. Debe observarse
0,36 0
no obstante que, aunque en este caso concreto los dos sistemas son semejantes, es posible,
88 El modelo de espacio-estado

Figura 4.13: Gráfica producida por los comamdos step y stepplot para el sistema (4.47)
y sus equivalentes (4.46) y (4.48).

para sistemas más complejos en general, que el sistema que devuelva MATLAB no sea
semejante a uno que se haya podido obtener por medio de otros procedimientos. Una
vez definidos los sistemas, bien a través de la función o matriz de transferencia o con las
matrices del modelo de espacio-estado, los comandos step, stepplot y stepinfo pueden
usarse para analizar la respuesta del sistema cuando la entrada es la función salto unidad.
Para dibujar la gráfica de dicha respuesta se puede utilizar tanto step como stepplot.
La primera, además, produce (si se le pide) los valores de la respuesta en ciertos instantes
de tiempo, los instantes de tiempo en los que se calcula la salida y, cuando el sistema está
dado en forma de espacio estado, los valores del vector de estados en esos instantes de
tiempo. El comando stepplot se usa, sobre todo, para poder manipular (editar) la gráfica
una vez producida. Los comandos

>> step(g)
>> step(sis)
>> step(sises)

producen los tres la misma gráfica; la que aparece en la Figura 4.13. Esta misma gráfica
se obtiene sustituyendo step por stepplot en los tres comandos.
Si lo que se desea es una gráfica de la evolución de los estados del sistema, se podrı́a
proceder de la siguiente forma:

>> [y t x]=step(sis);
>> plot(t,x(:,1), ’b-’,t,x(:,2), ’r--’)
>> legend(’desplazamiento’, ’velocidad’)

La gráfica obtenida se presenta en la Figura 4.14 mientras que la gráfica que producirı́an
estos comandos para los estados del sistems sises (que es el devuelto por el comando ss
a partir de la función de transferencia gpsq en (4.45)) se presenta en la Figura 4.15. Nótese
que aún cuando la respuesta, yptq, de los dos sistemas es la misma (Figura 4.13), no lo son
sus estados.
4.3 Sistemas Lineales 89

Figura 4.15: Trayectorias de los estados

Figura 4.14: Trayectorias de los estados
del sistema definido por las matrices en
del sistema (4.47).
(4.48).

Finalmente, el comando stepinfo se usa para obtener información de los parámetros

de la respuesta del sistema a la función salto. Debe recordarse que el valor de estado
estacionario (yee ) es, de acuerdo con (4.44), D ´CA´1 B. El valor de los demás parámetros
los proporciona stepinfo. Ası́ para el oscilador lineal que venimos considerando cualquiera
de los tres comandos

>> S=stepinfo(sis)
>> S=stepinfo(g)
>> S=stepinfo(sises)

produce la misma salida (ver Figura 4.13):

S =
RiseTime: 2.1145
SettlingTime: 23.5265
SettlingMin: 0.8027
SettlingMax: 1.4432
Overshoot: 44.3235
Undershoot: 0
Peak: 1.4432
PeakTime: 5.5262

donde RiseTime es el tiempo de subida, Tr , SettlingTime es el tiempo de ajuste, Ts ,

Overshoot es la sobreelongación por encima de yee , Mp , Undershot es el defecto por debajo
de yee (que se define como el overshoot pero por defecto), SettlingMin y SettlingMax
son los valores mı́nimo y máximo de y después del tiempo de subida, Peak es el valor
máximo de y, y Peaktime es el instante en el que se alcanza el máximo valor de y.
En general, para un sistema de segundo orden como el oscilador lineal, la forma de
la curva que representa la respuesta del sistema a la función salto depende de la razón de
amortiguamiento ζ mientras que la velocidad depende de la frecuencia natural del sistema
ω0 . En la Figura 4.16 se muestran las respuestas del sistema (4.32) a la función salto
90 El modelo de espacio-estado

Figura 4.16: Respuesta del sistema (4.32) Figura 4.17: Respuesta del sistema (4.32)
a la función salto unidad para k “ 1, ζ “ a la función salto unidad para k “ 1, ω0 “
0,25 y ω0 “ 0,25, 0,5, 0,75. 0,5 y ζ “ 0, 0,2, 0,5, 1,05.

unidad (puptq “ γptq) para k “ 1, ζ “ 0,25 y varios valores de ω0 . Y en la Figura 4.17 se

muestran las respuestas del mismo sistema para k “ 1, ω0 “ 0,5 y varios valores de ζ.
Para el oscilador lineal
$ „  „ 
& 0 1 0
9
xptq “ ` uptq
“ ´ω02‰ ´2ζω0 kω02 (4.49)
%
yptq “ 1 0 xptq,

se puede dar una expresión explı́cita de la respuesta a la función salto unidad uptq “ γptq.
Para ello, partimos mejor de la ecuación cuadrática original

x 9 ` ω02 xptq “ kω0 ,

:ptq ` 2ζω0 xptq (4.50)

y observamos que xp ptq “ k es una solución particular de la ecuación. Entonces, la solución

general de la ecuación es xptq “ xh ptq`xp ptq siendo xh ptq la solución general de la ecuación
(4.50) cuando la fuerza externa es 0; es decir, de la correspondiente ecuación homogénea.
Recordemos que la expresión de xh ptq es diferente según que ζ ą 1, 0 ă ζ ă 1 o ζ “ 1
(véase Ejemplo 4.5). En cualquier caso, lo que nos interesa es la respuesta del sistema (en
este caso yptq “ xptq) cuando el sistema se encuentra en reposo en el instante inicial t “ 0;
es decir, cuando xp0q “ 0, xp0q 9 “ 0. Un simple cálculo muestra que cuando se impone
esta condición inicial a xptq “ xh ptq ` k para cada expresión de xh ptq en función de ζ, se
obtiene la siguiente expresión explı́cita de la respuesta del sistema:
˜ ˜ ¸¸
ζ
yptq “ k 1 ´ e´ζω0 t cos ωd t ` a sen ωd t , 0 ă ζ ă 1;
1 ´ ζ2
´ω0 t
yptq “ kp1 ˜ ´ e ˜p1 ` ω0 tqq, ¸ ζ “ 1;
1 ζ ?
(4.51)
` 1 e´ω0 tpζ´ ζ ´1q `
2
yptq “ k 1 ´ a
˜
2 ζ ´¸
2 1 ¸
1 ζ ?
´ω tpζ` ζ 2 ´1q
` a ´1 e 0 , ζą1
2 ζ2 ´ 1
a
donde, recordemos, ωd “ ω0 1 ´ ζ 2 es la frecuencia de amortiguamiento.
4.3 Sistemas Lineales 91

Usando estas fórmulas se pueden calcular los parámetros (tiempo de subida, exceso,
tiempo de ajuste,. . . ) asociados a las respuestas a saltos unidad. Por ejemplo, para sistemas
subamortiguados (0 ă ζ ă 1) haciendo la sustitución ϕ “ arc cos ζ, la correspondiente
expresión en (4.51) queda:
ˆ ˙
e´ζω0 t
yptq “ k 1 ´ pcospωd tq sen ϕ ` cos ϕ senpωd tqq
˜ sen ϕ ¸ (4.52)
1 ´ζω t
“ k 1´ a e 0 senpωd t ` ϕq .
1 ´ ζ2

Ası́, el estado estacionario es

yee “ k, (4.53)
y la sobreelongación se alcanza en el primer instante en que la derivada de y en (4.52)
π
se hace 0 que es en t “ . Se puede comprobar que las expresiones explı́citas para la
2ωd
sobreelongación, el tiempo de subida y el tiempo de ajuste son, respectivamente:
? πζ 1 tanϕ ϕ 4
Mp “ e 1´ζ 2 , Tr « e , Ts « , (4.54)
ω0 ζω0

Respuesta a una excitación sinusoidal

Otra señal de entrada comúnmente usada para el análisis y diseño de sistemas lineales
es un sinusoide (o una combinación de sinusoides). A la respuesta de los sistemas lineales a
este tipo de entradas se le conoce con el nombre de respuesta de frecuencia y mide la forma
en la que el sistema responde a una excitación sinusoidal en una de sus entradas. Para ver
la forma en que se hace esto, evaluaremos la salida (4.37) para uptq “ cos ωt, suponiendo
m “ p “ 1. Aquı́ ω es la frecuencia de la señal de entrada. Realizar los cálculos que
se necesitan al implantar directamente uptq “ cos ωt en (4.37) resulta bastante engorroso.
Para aliviarlos haremos uso del principio de superposición (ver (4.9)-(4.10)) de los sistemas
lineales aplicándolo a la salida. Para ello, notemos que
1 ` iωt ˘
cos ωt “ e ` e´iωt ,
2
de modo que calcularemos la respuesta del sistema lineal a una entrada de la forma
uptq “ est (con s un número complejo arbitrario) y, luego, escogeremos s “ iωt y s “ ´iωt
y calcularemos la media de las salidas correspondientes a estos dos valores de s. Esto nos
proporcionará la respuesta a la entrada uptq “ cos ωt. Usando (4.37) obtenemos (supo-
niendo la condición inicial xp0q “ x0 )
żt
yptq “ CeAt x0 ` CeApt´τ q Best dτ ` Dest “
0 żt
At 0
“ Ce x ` Ce At
epsI´Aqτ Bdτ ` Dest .
0
92 El modelo de espacio-estado

En el supuesto de que s “ ˘iω no sean valores propios de A, tendrı́amos que sI ´ A es

invertible y podrı́amos escribir
´ ¯ˇt
ˇ
yptq “ CeAt x0 ` CeAt psI ´ Aq´1 epsI´Aqs B ˇ ` Dest “
´ ¯0
“ CeAt x0 ` CeAt psI ´ Aq´1 epsI´Aqt ´ I B ` Dest “
` ˘
“ CeAt x0 ` CeAt psI ´ Aq´1 est e´At ´ I B ` Dest “
“ CeAt x0 ´ CeAt psI ´ Aq´1 B ` CpsI ´ Aq´1 est B ` Dest .

En consecuencia,
At
` 0 ´1
˘ ` ´1
˘ st
yptq “ Ce x ´ psI ´ Aq B ` CpsI ´ Aq B ` D e .
looooooooooooooomooooooooooooooon looooooooooooooomooooooooooooooon (4.55)
respuesta transitoria respuesta de estado estacionario

Vemos que, de nuevo, la solución se compone de una respuesta transitoria y una de estado
estacionario. La respuesta transitoria decae asintóticamente a cero si todos los valores
propios de la matriz de estados, A, tienen parte real negativa, mientras que la de estado-
estacionario es proporcional a la entrada (compleja) uptq “ est .
Debe observarse que en el caso que estamos estudiando (sistemas con una entrada
y una salida) la presencia del número complejo s en CpsI ´ Aq´1 B ` D hace que este
número sea, en general, complejo incluso cuando las matrices A, B, C y D sean todas
reales. Si llamamos M al módulo de este número y θ a su argumento, respectivamente, en
la terminologı́a habitual) tenemos que

M eiθ “ CpsI ´ Aq´1 B ` D, (4.56)

que es, cuando s se mira como una variable compleja, la función de transferencia del
sistema. Por lo tanto el valor de yee , la respuesta en estado estacionario (cuando hay
convergencia para t suficientemente grande) será:

yee ptq “ M eiθ est “ M est`iθ .

Cuando s “ iω, se dice que M es la ganancia y que θ es la fase del sistema a una frecuencia
forzada dada ω. Es decir, ganancia(ω)=M y fase(ω)=θ. Esto tiene la siguiente interpreta-
ción: supongamos que la entrada es una onda sinusoidal de amplitud Au , frecuencia ω y
desfase ψ: uptq “ Au senpωt ` ψq. Podemos escribir

uptq “ Au psen
ˆ ωt cos ψ ` cos ωt sen ψq “ ˙
1 ` iωt ´iωt
˘ 1 ` iωt ´iωt
˘
“ Au e ´e cos ψ ` e `e sen ψ .
2i 2
Usando el principio de superposición la salida en estado estacionario será:
ˆ ´ ¯ ˙
1 ipωt`θq ´ipωt`θq 1´ ipωt`θq ´ipωt`θq
¯
yee ptq “ Au Me ´ Me cos ψ ` Me ` Me sen ψ “
2i 2
“ M Au psenpωt ` θq cos ψ ` cospωt ` θq sen ψq “
“ M Au senppωt ` pθ ` ψqq.
4.3 Sistemas Lineales 93

Figura 4.18: Respuesta de un sistema li- Figura 4.19: Respuesta de frecuencia en la

neal a un sinusoidal. La entrada en lı́nea que se muestra la ganancia y fase del sis-
discontinua y la respuesta en continua va tema en función de frecuencia de entrada.
adelantada ∆T segundos.

Esto significa que yee es una función de la misma naturaleza que la entrada: una función
sinusoidal con la misma frecuencia ω pero desplazada hacia la derecha o izquierda según
que θ sea positivo o negativo, respectivamente. Y la amplitud de la salida es M veces la
de la entrada. Es decir, si yee ptq “ Ay senpωt ` ϕq entonces
Ay
gananciapωq “ M “ , fasepωq “ ϕ ´ ψ “ θ.
Au

Cuando el sistema es multivariable (m ą 1 o p ą 1) para cada elemento de la matriz de

trasferencia tendrı́amos una ganancia y una fase. Si Gpsq “ CpsIn ´ Aq´1 B ` D entonces
pondrı́amos
Mkj eiθkj “ gkj piωj q, 1 ď k ď p, 1 ď j ď m.
Mkj y θkj son la ganancia y fase de la respuesta yk ptq a la excitación sinusoidal
uj ptq “ eiωj ej
donde ej es a j-ésima columna de Im . En la Figura 4.18 se muestra la respuesta de
frecuencia de un sistema lineal. La lı́nea discontinua muestra la gráfica de la entrada que
tiene amplitud 2 y la continua la respuesta a dicha entrada que tiene mayor amplitud
porque, en este ejemplo, la ganancia es aproximadamente M “ 1,54. Además la fase es
positiva por lo que la salida va “adelantada” respecto a la entrada.
Para analizar las respuestas de frecuencia de los sistemas lineales se suelen usar las
gráficas de Bode (Bode plot). En ellas se representa la ganancia y la fase del sistema en
función de la frecuencia de la entrada. Este tipo de gráficas se pueden obtener con la
función bode o bodeplot del Control Toolbox de MATLAB, por ejemplo. La Figura 4.19
muestra un ejemplo de este tipo de representación.
Como en el caso de respuesta a la función salto, hay algunas propiedades estándar que
se usan para caracterizar la respuesta de frecuencia:

La ganancia de frecuencia cero M0 es la ganancia del sistema para ω “ 0. Corres-

ponde a la razón entre una entrada constante y la salida en estado estacionario. Su
94 El modelo de espacio-estado

valor se obtiene al sustituir s “ 0 en (4.56)

M0 “ ´CA´1 B ` D;

i.e., es la respuesta de estado estacionario a la función salto unidad. Es importante

notar que la ganancia de frecuencia cero sólo está definida cuando A es invertible;
es decir, si no tiene 0 como valor propio.

El ancho de?banda ωb es el rango de frecuencia en el que la ganancia ha decrecido no

más que 1{ 2 de su valor de referencia. Para sistemas con ganancia de frecuencia
cero finita y no nula, este valor de referencia es dicha ganancia. El valor de referencia
puede ser distinto dependiendo de cada tipo de sistema.

El pico resonante Mr y la frecuencia del pico. El primero es el valor máximo de la

ganancia del sistema y el segundo es el valor de la frecuencia de entrada donde se
alcanza el primero.
La resonancia es un fenómeno que se produce en los sistemas cuadráticos (como los
osciladores lineales) que por su propia naturaleza producen una respuesta (salida)
sinusoidal. Para estos sistemas hay valores de frecuencias que hacen que la ganancia
de la respuesta a dicha frecuencia se amplifique enormemente. A este fenómeno se
le llama resonancia. De ahı́ que al valor máximo de la ganancia de un sistema a una
frecuencia dada se le llame pico resonante.

Comandos del Control Toolbox de MATLAB que proporcionan valores significativos

de la respuesta de frecuencia son:

freqresp devuelve un vector, h, (o matriz si el sistema es multivariable) con la

respuesta (número complejo) de frecuencia de un sistema para ciertas frecuencias,
w, determinadas por el propio algoritmo que implementa el comando. Para saber las
frecuencias usadas y sus respuestas, se puede usar [h,w]=freqresp(sis), donde sis
es el sistema definido en forma de espacio-estado o como matriz de transferencia.
El comando h=freqresp(sis,w) devuelve la respuesta de frecuencia del sistema
sis a la frecuencia w. En todos los casos las respuestas de frecuencia son números
complejos; su módulos son las ganancias en unidades absolutas y los ángulos las fases
en radianes. Para pasar de unidades absolutas a decibelios,dB, hay que multiplicar
por 20 log10 . El comando mag2db hace esta operación.
El valor de M0 se puede obtener de la siguiente forma: M0=freqresp(sis,0), aunque
el comando dcgain es más apropiado.

getPeakGain devuelve Mr y la frecuencia ωr donde se alcanza el pico. Las unidades

para Mr que devuelve getPeakGain son unidades absolutas.

bandwidth(sis,vdB) devuelve la primera frecuencia en la que la ganancia de la

respuesta del sistema cae por debajo del 70,79 % de M0 , o del valor vdB especificado
en decibelios.
4.3 Sistemas Lineales 95

getGainCrossover(sis,vub) devuelve un vector de dos frecuencias; son los extre-

mos del intervalo de frecuencias entre los que la ganancia del sistema está por encima
o por debajo del valor especificado, vub, en unidades absolutas. Por ejemplo, si para
un sistema H, wc = getGainCrossover(H,1) devuelve
>>wc =
1.2582
12.1843
esto quiere decir que entre (aproximadamente) 1,3 rad/seg y 12,2 rad/seg, el sistema
excede la ganancia 0 dB.

Para el oscilador lineal, podemos dar explı́citamente una expresión para M eiθ . En
efecto, M eiθ “ Cpiω ´ Aq´1 B ` D. Ahora bien,

gpsq “ CpsI ´ Aq´1 B ` D

es la función de trasferencia del sistema, que en el caso del oscilador lineal es:
kω02
gpsq “ .
s2 ` 2ζω0 s ` ω02
En consecuencia,
kω02 kω02
M eiθ “ “ .
piωq2 ` 2ζω0 piωq ` ω0
2 ω0 ´ ω 2 ` 2iζω0 ω
2

Por lo tanto
kω02 k
M“a 2 “ dˆ
pω0 ´ ω 2 q2 ` 4ζ 2 ω02 ω 2 ´ ¯2 ˙2 ´ ¯2
ω ω
1´ ω0 ` 4ζ 2 ω0

y
ω02 ´ ω 2
θ “ arc cos a .
pω02 ´ ω 2 q2 ` 4ζ 2 ω02 ω 2
Se comprueba ası́ que la ganancia es muy grande si la frecuencia de entrada, ω, es muy
parecida a la frecuencia natural del sistema, ω0 , y el coeficiente de amortiguamiento, ζ, es
muy pequeño. Es para estos valores cuando hay peligro de que se produzca el fenómeno
de la resonancia (que “el sistema entre en resonancia’ ’, se suele decir). Además, la fase
es casi cero para valores de la frecuencia forzada, ω, próximos a la frecuencia natural del
sistema ω0 .
En la Figura 4.20 se muestran las gráficas de la ganancia y fase de un oscilador lineal
para varios valores ζ. Valores pequeños de ζ producen picos resonantes más agudos y un
cambio rápido en la fase cuando ω « ω0 . A medida que ζ aumenta la magnitud del pico
decrece y los cambios de fase se hacen más suaves. Nótese que cuando ζ es pequeño, θ es
casi 0 si ω0 ą ω y casi π radianes si ω0 ă ω.
Los siguientes comandos de MATLAB proporcionan el pico resonante y la frecuencia
del pico para el oscilador lineal con valores ω0 “ 0,6 y ζ “ 0,05:
96 El modelo de espacio-estado

Figura 4.20: Respuesta de frecuencia para un sistema de segundo orden en función de ζ.

La gráfica superior representa la ganancia y la inferior la fase.

>> w=0.6; z=0.05;

>> num=w^2; den=[1 2*z*w w^2];
>> ft=tf(num,den)
ft =
0.36
-------------------
s^2 + 0.06 s + 0.36
Continuous-time transfer function.
>> [gp,fp] = getPeakGain(ft)
gp =
10
fp =
0.6000
>> gp_dB = mag2db(gp)
gp_dB =
20

El pico resonante se alcanza cuando la frecuencia de entrada coincide, aproximadamente,

con la frecuencia natural del sistema ω0 “ 0,6 (medidas absolutas).