N

IO
C
C
RU
ST
N
O
C

Sistemas Dinámicos
EN

Ingenierı́a Aeroespacial - Edición 2020

EN
C
O
N
ST
RU
C
C
IO
N
 N
Índice general

IO
C
C
1. Modelos Dinámicos 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
RU
1.2. Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Modelo Conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Cómputos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3. Modelo Matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Análisis del Modelo Matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1. Variables de Entrada e Invarianza Temporal del Modelo . . . . . . . . . . . . . 7
ST

1.3.2. Análisis de Sistemas Autónomos . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.3.3. Dinámicas Complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.4. Atractor y Dominios de Atracción . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.5. Estabilidad según Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4. Modelos Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
N

1.4.1. Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1.4.2. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.4.3. Modos Naturales de Respuesta . . . . . . . . . . . . . . . . . . . . . . . . . . 30
O

1.4.4. Modos No Amortiguados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

1.4.5. Solución General del Modelo Lineal . . . . . . . . . . . . . . . . . . . . . . . . 37
C

2. Respuesta a Perturbaciones 49
2.1. Funciones de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.1.1. Entradas y Salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.1.2. Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
EN

2.1.3. Diagramas en Bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

2.2. Análisis de Respuesta Transitoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.2.1. Modelos de Perturbaciones Discretas . . . . . . . . . . . . . . . . . . . . . . . 53
2.2.2. Respuesta al Escalón en Estado Estacionario
y Ganancia (a frecuencia 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.3. Respuesta Transitoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.4. Ceros de la Función de Transferencia . . . . . . . . . . . . . . . . . . . . . . . 60
 2.2.5. Ceros de la Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3. Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.1. Estado Estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.2. Respuesta a una Entrada Senoidal . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.3.3. Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.3.4. Aproximación de los Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . 72
2.3.5. Caracterización de la Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . 75
2.4. Análisis Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.4.1. Señales Periódicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

N
2.4.2. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.5. Señales Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.5.1. Análisis Estático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

IO
2.5.2. Análisis Dinámico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2.5.3. Respuesta a Señales Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.6. Procesamiento Digital de Señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.6.1. Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

C
2.6.2. Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.6.3. Procedimiento de Welch para Señales Aleatorias . . . . . . . . . . . . . . . . . 91

C
3. Modelado de Sistemas Mecánicos 93
3.1. Modelos de Parámetros Concentrados . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.1.1. Ecuación de Movimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
RU
3.1.2. Ecuación Matricial de Movimiento . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.1.3. Sistemas No Amortiguados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.2. Modelos de Parámetros Distribuidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.2.1. Deformaciones Unidireccionales . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.2.2. Vibraciones Transversales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.3. Métodos Aproximados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
ST

3.3.1. Aproximación de Rayleigh para el Primer Modo . . . . . . . . . . . . . . . . . . 126

3.3.2. Discretización con Masas Concentradas . . . . . . . . . . . . . . . . . . . . . . 127
3.3.3. Discretización con Parámetros Distribuidos . . . . . . . . . . . . . . . . . . . . 130
3.3.4. Diferencias Finitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
3.3.5. Análisis Modal de Respuesta Estructural . . . . . . . . . . . . . . . . . . . . . 142
N

A. Apéndices 145
A.1. Dinámica del Avión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
O

A.1.1. Control de Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

A.1.2. Geometrı́a del Vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
A.1.3. Modelo de Cuerpo Rı́gido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
C

A.1.4. Fuerzas y Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

A.1.5. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
A.1.6. Dinámica Longitudinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
A.1.7. Dinámica Lateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
EN

A.1.8. Trayectoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

versión 0.24 (en construcción) - pág.

 N
1

IO
C
Modelos Dinámicos

C
RU
ST
N
O
C
EN

1
 Introducción
Toda nuestra existencia se desarrolla en un contexto dinámico. Nuestro entorno
evoluciona en mayor o menor medida con el transcurso del tiempo, aunque no todo es
perceptible de forma cotidiana. Hay procesos que duran años, siglos o milenios; mientras
que otros evolucionan en fracciones de segundo.

Podemos notar que a la larga todo proceso dinámico tiende a equilibrarse en ciertas
condiciones que dependen de su propia naturaleza y de las interacciones del entorno,

N
a las que llamaremos perturbaciones. Es oportuno aclarar que el equilibrio solo puede
darse si las perturbaciones se mantienen constantes, o si se neutralizan entre sı́.

IO
Como ejemplo simple consideremos lo que ocurre al calentar agua en un recipiente.
El proceso dinámico en este caso es de naturaleza térmica, y se manifiesta a través de
un cambio en la temperatura del contenido.

C
La perturbación es el flujo de calor que entregamos al recipiente, y la pérdida del mismo
por conducción con el aire circundante. La condición de equilibrio se alcanza cuando el
calor perdido es igual al calor entregado por el calentador, lo que da como resultado que

C
la temperatura se mantenga constante.

Si cambiamos el flujo de calor o la temperatura del ambiente se pierde el balance, y la

RU
temperatura evoluciona hasta alcanzar una nueva condición de equilibrio; como se ilustra
en la siguiente figura.
ST
N
O
C

Como segundo ejemplo podemos considerar la evolución de la concentración de azúcar

en la sangre de un ser vivo. Esta se altera al ingerir alimentos (perturbaciones), y luego
EN

evoluciona libremente hasta alcanzar una condición de equilibrio, como se ilustra en la

figura 1.1.

versión 0.24 (en construcción) - pág.2

 N
IO
C
C
Figura 1.1: Diagrama idealizado de la evolución del azúcar en sangre (rojo) y de la insulina (azul) en humanos a lo largo del dı́a
con tres comidas; incluyendo el efecto de comidas enriquecidas.
RU
Llamamos dinámica a las relaciones existentes en el proceso que definen:

las condiciones en las cuales éste es capaz de equilibrarse

la forma en la cual evoluciona cuando no se encuentra en equilibrio, a lo que
comúnmente definimos como comportamiento
ST

el efecto que tienen las perturbaciones sobre esta evolución.

En ingenierı́a buscamos construir modelos conceptuales a partir de los principios

funcionales del proceso en estudio, y con ello obtener modelos matemáticos que nos
permitan hacer análisis, diseño y simulación.
N

Modelos
O

1.2.1. Modelo Conceptual

C

Por nuestra condición humana al tratar de analizar un problema construimos en nuestra

mente un modelo conceptual de los elementos involucrados en dicho problema y de sus
interacciones. Un modelo es una visión simplificada de una cosa (en general altamente
simplificada). Conservamos unas pocas caracterı́sticas de dicha cosa que nos resultan
EN

relevantes en el contexto de análisis que pretendemos realizar y descartamos el resto.

Por ejemplo, si en nuestro hogar tenemos un problema con el agua caliente analizamos la
relación entre elementos tales como el calefón, el flujo de gas y agua, tuberı́as, válvulas,
etc. En ese contexto en nuestra mente el calefón es simplemente una entidad en la cual
entra un caudal de agua frı́a y un caudal de gas (elementos que podemos reducir a

versión 0.24 (en construcción) - pág.3

 cantidades numéricas escalares) y emerge agua caliente (de lo cual solo nos interesa
su temperatura media) y gases de combustión.

Obviamente el calefón es un sistema más complejo, compuesto por numerosas partes

con geometrı́as y materiales especı́ficos, con funciones muy diversas, y que coexisten
en condiciones fı́sicas diferentes (diferentes temperaturas por ejemplo); pero todo esto
en principio no es relevante para un primer análisis si el problema es por ejemplo que no
llega agua caliente a la ducha.

N
Si, a modo de ejemplo, el problema resulta ser un mal funcionamiento del calefón,
probablemente dejaremos de lado elementos del primer modelo conceptual (tuberı́as,

IO
suministro de agua, válvulas, etc.) y comenzaremos a analizar ese dispositivo en base a
un modelo más detallado, pero que seguirá siendo un modelo conceptual por mas detalle
que se incluya en el mismo. Pensaremos en el intercambiador de calor (serpentina), la
válvula de corte por bajo caudal, la válvula de gas, sus acoples, etc.

C
Nuestra mente nunca será capaz de manejar la realidad si no es a través de modelos.

C
Pero si el modelo incluye todos los elementos relevantes de la problemática bajo
análisis una captura completa de la realidad, aunque fuese posible, resultarı́a totalmente
innecesaria e incluso no recomendable por resultar ineficiente para realizar cualquier tipo
RU
de análisis concreto.

1.2.2. Cómputos
Los cómputos asociados a los ejemplos que se presentarán pueden realizarse mediante
MatlabTM o GNU Octave. Para los ejemplos del capı́tulo 2 se requiere la librerı́a control
ST

toolbox.

1.2.3. Modelo Matemático

Algunos aspectos del modelo pueden describirse mediante el lenguaje matemático. Esto
N

permite construir un modelo más definido que un cierto conjunto de ideas dispersas a
nivel mental, y permite aportar conceptos al modelo de forma más sistemática.
O

Continuando con el ejemplo del calefón, en este punto se asume como modelo
conceptual que el calefón es un elemento puntual (ya que su geometrı́a real es
irrelevante) y que cumple con los siguientes principios y relaciones termodinámicas:
C

1 - energı́a interna Las substancias tienen una energı́a interna E proporcional

a su temperatura T 1 asociada al nivel de agitación de sus átomos, siendo dicha
proporcionalidad definida por su masa m y por una propiedad de la substancia llamada
EN

calor especı́fico c. Esto se expresa matemáticamente de la siguiente forma:

E = ce m T

1 la temperatura no es un escalar (T ∈ R) sino un campo escalar (T : R3 → R). Por lo tanto en este contexto T se refiere

en todo caso a una temperatura media

versión 0.24 (en construcción) - pág.4

 2 - conducción térmica En el calefón se produce una transferencia de energı́a desde
los gases calientes de la combustión a una masa de agua m contenida en su interior,
proporcional a la diferencia de temperatura entre el agua y los gases. La constante de
proporcionalidad k depende básicamente de la geometrı́a del intercambiador de calor.
La potencia térmica (calor por unidad de tiempo) será:

P = k (Tcomb − T )

N
En esta expresión se plantea que toda la masa de agua se encuentra a una misma
temperatura T , lo cual claramente es falso. Si embargo, el efecto del gradiente de
temperatura dentro del calentador puede absorberse en el coeficiente k .

IO
3 - conservación de energı́a La energı́a transferida se convierte en energı́a térmica
de la masa de agua. Pero esta masa de agua se renueva, dado que en el calefón existe
un caudal másico de agua Qm que ingresa con temperatura T0 , y un caudal igual de

C
agua que sale con temperatura T .
Haciendo un balance de energı́a podemos decir que la diferencia entre la energı́a de
salida y la de entrada es energı́a que se almacena en el agua contenida en el calefón,

C
produciendo un cambio en su energı́a interna:

dT
ce m = P − ce Qm (T − T0 )
RU
dt
= k (Tcomb − T ) + k (T0 − T0 ) − ce Qm (T − T0 )
Ṫ = a (Tcomb − T0 ) + b (Tcomb − T0 )

en donde se agregó en el paso intermedio el término nulo k (T0 − T0 ) para poder

reagrupar variables, y se realizó la siguiente sustitución:
ST

 
1 k k
a=− + Qm , b=
m ce ce m

Definiendo x = T − T0 y u = Tcomb − T0 podemos escribir el modelo en la forma de una

N

”ecuación de estados”, cuyo análisis realizaremos más adelante2 :

ẋ = a x + b u (1.1)
O

La relación 1.1 es el modelo matemático obtenido a partir del modelo conceptual de

elemento puntual junto con las consideraciones 1, 2 y 3 (que también son modelos).
C

En dinámica los modelos matemáticos son ecuaciones diferenciales en el tiempo.

En fı́sica las variables de interés son campos, con lo cual los modelos matemáticos
deberı́an incluir derivadas espaciales resultando en sistemas de ecuaciones en
EN

derivadas parciales.
Pero en la mayorı́a de los modelos conceptuales estos campos se sustituyen por
propiedades puntuales (valores medios, posiciones y velocidades del centro de masa
en el caso de cuerpos rı́gidos, coordenadas modales en el caso de estructuras flexibles,
etc.), por lo cual el resultado normalmente puede ser reducido a una o más ecuaciones
2x y u serı́an apartamientos respecto de la temperatura del ambiente en lugar de temperaturas absolutas

versión 0.24 (en construcción) - pág.5

 diferenciales ordinarias en el tiempo.

Análisis del Modelo Matemático

En la sección precedente se ha mencionado el hecho de que en general los modelos
matemáticos se constituyen de una o más ecuaciones diferenciales ordinarias en el
tiempo.

N
Un modelo sencillo bastante conocido es el del péndulo plano (un modelo conceptual
que puede aplicarse por ejemplo a una carga suspendida por una grúa):

IO
C
C
RU
ST

(a) sistema real. (b) modelo conceptual.

N

Considerando la masa de la carga concentrada en su centro de gravedad, siendo l la

O

distancia entre este y el punto de anclaje del cable en la grúa; a partir del principio de
conservación del momento angular se llega al siguiente modelo matemático:
C

ml2 θ̈ = −mgl sin θ + f (t) l

Aquı́ m es la masa, g la aceleración gravitatoria, y f es una fuerza tangencial.

Este modelo puede escribirse como:
EN

g 1
θ̈ + sin θ = f (1.2)
l ml
Si consideramos el caso en el cual la fuerza f es de origen aerodinámico, debemos
modelar su relación con la velocidad relativa entre la masa y el aire v .

versión 0.24 (en construcción) - pág.6

 Adoptando un modelo cuasi-estacionario para la resistencia aerodinámica se puede
agregar al modelo anterior la siguiente relación algebraica:

v 1
f (v) = − ρ v(t)2 cx S , v = w + lθ̇ (1.3)
|v| 2

donde ρ es la densidad del aire, w la velocidad del viento, S es el área frontal de la carga
y Cx su coeficiente de resistencia.
Este modelo es lo suficientemente preciso para analizar el movimiento de la carga

N
suspendida, en tanto el cable sea lo “suficientemente” rı́gido (se verá luego como evaluar
esta condición).

IO
El modelo 1.2 es no lineal (ver 1.4.1) e invariante en el tiempo, pero incluye una variable
exógena w, por lo cual el sistema no es autónomo. Tratemos de aclarar estos conceptos.

C
1.3.1. Variables de Entrada e Invarianza Temporal del Modelo
En la ecuación 1.2 la variable es θ. Obtener una solución para dicha ecuación implica

C
encontrar una expresión que describa la evolución de θ a medida que transcurre el
tiempo. Si la solución es analı́tica se tendrá una función θ(t). Si la solución es numérica
se tendrá una sucesión de pares {t, θ}.
RU
Podemos decir que además de θ, en la ecuación 1.2 el resto de los elementos
que la constituyen son operadores algebraicos, operadores diferenciales, funciones
trigonométricas y parámetros constantes respecto del tiempo a excepción de f , que
según la ecuación 1.3 evolucionarı́a si w varı́a en el tiempo.
ST

Desde el punto de vista conceptual podemos considerar a w como un parámetro que

sı́ depende explı́citamente del tiempo, o bien tomarlo como una variable de entrada; es
decir, una variable exógena ya que que no depende de la solución del modelo sino que
viene impuesta por razones externas.
Si optamos por el primer enfoque, el modelo es variante en el tiempo. Con la segunda
N

perspectiva el modelo es invariante en el tiempo, pero está perturbado. Desde una

perspectiva matemática no hay diferencias, y dado que la ecuación diferencial depende
O

explı́citamente del tiempo se dice que el sistema no es autónomo.

Que un modelo sea invariante en el tiempo implica que la solución no cambia tomando
diferentes instantes iniciales t0 .
C

Si la función de entrada w(τ ) se define independientemente del momento inicial t0 , es

decir, τ = t − t0 , lo lógico es considerar al modelo como perturbado pero invariante; ya
que conceptualmente w no es una propiedad del sistema bajo análisis sino que cuantifica
un efecto externo.
EN

Perturbaciones
La variable exógena en general se denomina perturbación, y cuantifica el efecto de
procesos externos independientes del proceso bajo análisis pero que inciden en su
evolución.

versión 0.24 (en construcción) - pág.7

 N
IO
Figura 1.3: distribución espacial de velocidades para el modelo de vórtice de Lamb-Oseen (izquierda) y variación de la

C
componente longitudinal de la velocidad al atravesar el vórtice a velocidad constante a diferentes alturas (derecha)

A la hora de evaluar la evolución del sistema en estudio a partir de condiciones iniciales

C
particulares se requiere de un modelo matemático para dicha perturbación. Realzamos
el término ”modelo”, dado que como todo fenómeno real nunca será posible describirla
de forma perfecta.
RU
Por otra parte, a la hora de describir la perturbación debemos discriminar entre
perturbaciones determinı́sticas y perturbaciones estocásticas.

Perturbaciones Determinı́sticas Las perturbaciones determinı́sticas son aquellas

ST

para las que se conoce su evolución temporal, y por lo tanto pueden ser descritas de
forma analı́tica o numérica por una función p(t) bien definida; aunque es posible que
dicha función sea solo la descripción ”idealizada” de dicha evolución.
También es posible describir una perturbación mediante un modelo dinámico, cuya salida
al partir de una cierta condición inicial o al recibir otra perturbación sea la perturbación
N

que queremos describir.

Por ejemplo, una perturbación senoidal puede modelarse a través de la respuesta de
un sistema de segundo orden no amortiguado partiendo de una condición inicial de
O

desequilibrio.
Esto último en realidad no es un simple recurso matemático para describir una
perturbación, dado que realmente las perturbaciones son consecuencias de la evolución
C

de otros procesos dinámicos independientes desacoplados dinámicamente del caso en

estudio.

Para el ejemplo de la carga suspendida por la grúa podrı́amos estudiar el efecto que
EN

tendrı́a el pasaje de un vórtice arrastrado por el viento (similar a la hipótesis de Taylor

para la turbulencia). Para generar la función w(t) podrı́amos usar el resultado de la
superposición de la velocidad medconceptualmenteia del viento más un modelo como el
de Lamb-Oseen para la variación espacial de la velocidad asociada al vórtice:
r2
  
Γ p
Vθ (r, t) = 1 − exp − 2 , rc (t) = 4νt + rc (0)2 (1.4)
2πr rc (t)

versión 0.24 (en construcción) - pág.8

 en donde r es la distancia al centro del vórtice en el lugar en donde se desea determinar
la velocidad, rc (t) es el radio del núcleo del vórtice que aumenta en el tiempo por efectos
viscosos, ν es la viscocidad del fluido y Γ es la circulación contenida en el vórtice.

Combinando este modelo de distribución espacial de velocidad con una velocidad media
del viendo U0 ; la variable r en la ecuación 1.4 se convierte en la variable tiempo a través
de la relación:
t = r/U0

N
Con esto se obtiene el siguiente modelo para la variación temporal de la perturbación:

U02
  
Γ

IO
2
w(t) = U0 + 1 − exp − t ,
2πU0 t 4νt + rc (0)2

C
Perturbaciones Armónicas Un tipo de perturbación determinı́stica especial lo consti-
tuyen aquellas que pueden modelarse mediante funciones periódicas. El caso más sim-
ple es la función senoidal, pero sabemos que cualquier función periódica puede descom-

C
ponerse en una superposición de funciones senoidales cuyas frecuencias son múltiplos
enteros de la frecuencia de dicha perturbación.
RU
Esta superposición está definida por la expansión en serie de Fourier para dicha función:
∞
X
p(t) = a0 + an sin nω0 t + bn cos ω0 t (1.5)
n=1
ST

o bien
∞
X
p(t) = a0 + cn sin nω0 t + φn
n=1

donde p an
a2n + b2n φn = tg−1
N

cn = ,
bn
La sucesión de coeficientes {an } y {bn } (o bien {cn } y {φn }) junto con la frecuencia
O

fundamental ω0 definen completamente la función periódica p(t).

Para muchos casos esta sucesión es finita (de hecho una senoidal queda completamente
definida solo con tres parámetros).
C

Perturbaciones Aleatorias Los modelos estocásticos son necesarios para el caso

en el cual las perturbaciones son impredecibles; ya sea por falta de información o por
ser el producto de procesos caóticos. En este caso no se dispone de un modelo de
EN

evolución temporal, y por lo tanto debe recurrirse a una descripción estadı́stica para su
caracterización.

1.3.2. Análisis de Sistemas Autónomos

Del análisis de las propiedades del modelo matemático es posible caracterizar el
comportamiento dinámico del proceso real bajo estudio; en tanto dicho modelo sea

versión 0.24 (en construcción) - pág.9

 ”adecuado”, es decir, que incluya todos los fenómenos fı́sicos significativos para
el proceso en estudio, y que las expresiones matemáticas utilizadas se ajusten
razonablemente a los fenómenos modelados al menos para el rango de variación que
experimentarı́an las variables del modelo en el contexto del estudio a realizar (veremos
esto más adelante al hablar de la linealización).

Comenzaremos analizando modelos autónomos, que según hemos dicho son aquellos
en donde el tiempo no aparece de forma explı́cita. Esto significa que por el momento no
vamos a considerar perturbaciones (variables exógenas) o parámetros que varı́en con el

N
tiempo.

Uno de los elementos más significativos para caracterizar un proceso dinámico son los

IO
puntos crı́ticos o puntos estacionarios del modelo matemático (valores para los cuales
las derivadas temporales se anulan), que asociaremos a las condiciones de equilibrio del
proceso dinámico. Otro de los aspectos importantes es la estabilidad del comportamiento
en el entorno de estos puntos.

C
Es común confundir los términos equilibrio y estabilidad. Aclaramos desde ahora que
son conceptos diferentes pero relacionados entre si, por cuanto la estabilidad es una de

C
las propiedades que poseen las condiciones de equilibrio.
En otras palabras, una condición de equilibrio es un elemento del modelo, y la estabilidad
es una propiedad de dicho elemento.
RU
Equilibrio
Equilibrio es la condición en la cual nada cambia a medida que transcurre el tiempo.
En notación matemática:
ST

d(·)
=0 (1.6)
dt

En equilibrio la ecuación 1.2 se reduce a:

g
N

sin θ = p
L
Puede notarse que para un dado valor constante de p existen infinitas soluciones para
O

esta condición. Si p = 0 estarı́amos modelando el comportamiento del péndulo libre (no

perturbado), y en ese caso las condiciones de equilibrio se dan para θ = ±n · π , n ∈ N.
Es evidente que en este modelo el equilibrio no es posible si p no es constante.
C

Estabilidad
Las condiciones de equilibrio para el péndulo plano no restringido son infinitas, pero
EN

podemos agruparlas naturalmente en dos casos: las estables y las inestables.

versión 0.24 (en construcción) - pág.10

 N
IO
Preliminarmente podemos decir que una condición de equilibrio es estable si en
condiciones próximas el sistema evoluciona hacia dicha condición. En caso contrario

C
serı́a inestable. Pero, ¿como podrı́amos expresar el concepto de inestabilidad?.

Evidentemente cuando el sistema dinámico se encuentra “próximo” a una condición de

C
equilibrio inestable, este no siempre evoluciona hacia dicha condición. ¿Qué es esta
“condición”?.
RU
Estado

Para el caso del péndulo plano la condición de equilibrio para el sistema no perturbado
(p = 0) implica no solo θ = ±n · π , sino que además θ̇ = 0.
Es decir, la situación en la cual se encuentra el sistema en un momento t1 dado no queda
ST

definida únicamente por la posición angular θ(t1 ), sino que también se debe especificar
la velocidad angular θ̇(t1 ).

Serı́a más realista usar una letra especı́fica para la velocidad angular, dado que se trata
de una variable diferente al ángulo3 .
N

De esta forma la ecuación 1.2, que es de segundo orden, se convierte en un sistema de

dos ecuaciones diferenciales, pero de primer orden:
O

θ̇ = ω
g
ω̇ + b ω + sin θ = 0
l
C

que se puede reescribir dejando a la izquierda solo derivadas y del lado derecho solo
relaciones algebraicas:
EN

θ̇ = ω
g
ω̇ = −b ω − sin θ
l

3 Esto puede resultar confuso dado que entre ángulo y velocidad angular existe una relación cinemática. Sin embargo es tan

cierto decir que la velocidad angular no es mas que la derivada del ángulo, como que el ángulo no es más que la integral de la
velocidad angular; y de hecho ambas variables se pueden medir fı́sicamente de forma independiente

versión 0.24 (en construcción) - pág.11

 Estas dos ecuaciones escalares se puede reemplazar por una única ecuación vectorial,
definiendo el vector x = {θ, ω}:
   
θ̇ ω
ẋ = = (1.7)
ω̇ −b ω − gl sin θ

Este modelo responde a la forma:

N
   

 x˙1 
 
 f1 (x1 , x2 , · · · , xn ) 

 x˙2 
    f2 (x1 , x2 , · · · , xn ) 

IO

.. = ..


 . 
   . 

    
x˙n fn (x1 , x2 , · · · , xn )
 

que en forma compacta puede escribirse como una única ecuación diferencial vectorial

C
de primer orden:

ẋ = f (x) (1.8)

C
La ecuación 1.8 es la expresión general de lo que se denomina ecuación de estados
para el caso invariante en el tiempo; y en ella x ∈ Rn es el vector de estados. Para el
RU
modelo del péndulo plano y rı́gido n = 2.
En caso de aparecer el tiempo de forma explı́cita y/o incluir variables exógenas
(perturbaciones) el modelo de estados mas general serı́a:

ẋ = f (x, u, t) (1.9)
ST

en donde u ∈ Rm es el vector de m variables de entrada (o perturbaciones, o variables

exógenas). En el modelo del péndulo con perturbación que planteamos anteriormente,
m = 1.
N

Espacio de Estados
La función vectorial f (·) es la expresión matemática de un campo vectorial f : Rn → Rn
O

en el caso autónomo, o f : Rn+m+1 → Rn en el caso general.

Cada una de las componentes fj (·) de este campo representa un campo escalar
fj : Rn → R (en el caso autónomo). Estas estructuras matemáticas son las que
C

encontramos en el análisis fluidodinámico en donde se trabaja con campos vectoriales

(los campos de velocidades y de vorticidad) y campos escalares (distribuciones de
temperaturas, densidades y presiones).
EN

Para modelos de segundo orden el estado puede graficarse en el plano cartesiano x1 x2 .

Un punto arbitrario en dicho plano representa un posible estado del sistema.

En un determinado instante de tiempo t1 el estado estará en algún lugar x(t1 ), y según

la ecuación de estados allı́ su derivada estará dada por el vector f (x(t1 )). Podemos
graficar este vector en el plano x1 x2 , que será en definitiva el vector velocidad de cambio

versión 0.24 (en construcción) - pág.12

 del estado, que como toda velocidad tiene magnitud y dirección (la figura 1.4 muestra un
ejemplo para n = 2).

Sin necesidad de resolver la ecuación de estados podemos calcular esta velocidad para
cualquier punto del espacio de estados x1 x2 , dado que se trata del lado derecho de
la ecuación de estados, que es puramente algebraico. Hemos mencionado que este
término constituye un campo vectorial, y dado que define es la derivada temporal o
velocidad del estado, es denominado campo de velocidades.

N
IO
C
C
RU
Figura 1.4: campo de velocidades para el péndulo plano
ST

Si graficamos la evolución en el tiempo del estado a partir de una determinada condición

inicial en este espacio de estados, se tendrá una traza que denominamos trayectoria
(equivalente a una lı́nea de corriente en un fluido).
Calculando las trayectorias para una grilla de condiciones iniciales obtenemos gráficos
como el de la figura 1.5.
N

Se puede decir que las funciones x1 (t), x2 (t), · · · xn (t) son las proyecciones de una
trayectoria x(t) en los ejes x̂1 , x̂2 , · · · x̂n que utilizamos para definir el espacio de
estados. Es claro que la elección de los ejes no es única, y que podrı́amos usar cualquier
O

transformación que tenga inversa (un homeomorfismo) para definir un conjunto de ejes
alternativos.
C

Esto equivaldrı́a no solamente cambiar la dirección de los ejes, sino incluso podrı́a
implicar una deformación del espacio de estados; y sin embargo el nuevo modelo no
perderı́a su validez en tanto dicha transformación se aplique a ambos lados de la
ecuación 1.8.
EN

versión 0.24 (en construcción) - pág.13

 N
IO
C
Figura 1.5: campo de velocidades y trayectorias para el péndulo plano

C
RU
ST

Existe un teorema importante para las matemáticas denominado Teorema de Picard-

N

Lindelöf, que establece que para la ecuación 1.8 podemos garantizar la existencia de
una solución única para una dada condición inicial x(t0 ) = x0 si el campo f (x) verifica
la denominada condición de Lipschitz; que implica lo siguiente:
O

|f (x1 ) − f (x2 )| ≤ K |x1 − x2 | , ∀x1 , x2 ∈ Rn , f : R n → Rm (1.10)

El menor valor de la constante K para la cual se cumple la condición 1.10 se denomina

C

constante de Lipschitz.

Si para una dada condición inicial la solución es única, por cada punto del espacio de
estados solo puede pasar una única trayectoria, y en consecuencia las trayectorias no se
EN

pueden intersectar. Lo que si podrı́a ocurrir es que la trayectoria sea cerrada, o bien que
muchas trayectorias converjan a o diverjan de un único punto, a los que denominamos
puntos crı́ticos y que se corresponden a condiciones de equilibrio.
Además podemos decir que las trayectorias se recorren siempre en el mismo sentido a
medida que transcurre el tiempo.

versión 0.24 (en construcción) - pág.14

 Para obtener soluciones numéricas de modelos dinámicos pueden integrarse las
ecuaciones mediante esquemas de Euler, Runge Kutta, etc.
El comando ode45() (ODE: ordinary differential equation) realiza esta tarea con un
esquema de Runge-Kutta de orden 4 y 5 (el tiempo de integración se adapta en función
de las diferencias), pero existen otros para utilizar diferentes esquemas.
Para la utilización de estos comandos hay que construir una script function que devuelva
la derivada del estado en para cualquier estado puntual e instante de tiempo.
Por ejemplo, para el péndulo plano amortiguado:

N
function x d o t = pendulo ( t , x , g , l , b )
dx1 = x ( 2 ) ;
dx2 = −g / l ∗ sin ( x ( 1 ) ) − b ∗ x ( 2 ) ;

IO
x d o t = [ dx1 ; dx2 ] ;
end

El nombre de esta función se especifica al momento de ejecutar el comando ode45():

C
clear ; clc ; c l f

g = 9.81;

C
l = 2;
b = 0.1;
RU
[ t , x ] = ode45 (@( t , y ) pendulo ( t , y , g , l , b ) , [ 0 2 0 ] , [ 0 . 2 0 ] )

subplot ( 2 1 1 ) ; p l o t ( t , x ( : , 1 ) ) ; g r i d on ;
subplot ( 2 1 2 ) ; p l o t ( t , x ( : , 2 ) ) ; g r i d on ;
ST

Clasificación de Puntos Crı́ticos

Un punto crı́tico se denomina aislado si existe una ”bola” alrededor de dicho punto
que no contenga ningún otro punto crı́tico. En estos casos una forma de caracterizar
el comportamiento del sistema en el entorno de un punto crı́tico es la de catalogar la
N

topologı́a del campo de velocidades o trayectorias en el entorno de dicho punto crı́tico.

Para los modelos de segundo orden (llamados sistemas planares, por tener un espacio
O

de estados de dimensión 2) los puntos crı́ticos se catalogan en nodos, focos, centros y

puntos de silla.
C

Focos En un foco o punto espiral existe un cı́rculo alrededor del punto crı́tico tal que
toda trayectoria que esté dentro del circulo gira en espiral alrededor del punto crı́tico una
infinidad de veces y se aproxima a dicho punto (ver [O’N94, cap.8, p. 519]).
EN

Nodos En un nodo existe un familia infinita de trayectorias que entran a él (ver [O’N94,
cap.8, p. 519]).

Centros Un punto crı́tico es un centro si está encerrado por una familia infinita de
trayectorias cerradas y hay trayectorias cerradas de la familia arbitrariamente cercanas
al punto crı́tico, pero ninguna de ellas se aproxima al mismo (ver [O’N94, cap.8, p. 518]).

versión 0.24 (en construcción) - pág.15

 N
IO
C
C
RU
ST

Figura 1.6: puntos crı́ticos aislados - arriba: nodo (izquierda) y foco (derecha); abajo: centro (izquierda) y punto de silla (derecha).
N

Tenemos como ejemplos conocidos a todos los osciladores no amortigados, como el

O

péndulo no amortiguado, el sistema masa resorte o el circuito LC.

Punto de Silla Un punto crı́tico es un punto de silla si hay dos trayectorias semirectas
C

que se aproximan al punto crı́tico cuando aumenta el tiempo, y otras dos que se alejan;
mientras que el resto se aproximan en direcciones similares a las primeras y luego se
alejan siguiendo las direcciones de las segundas.
EN

1.3.3. Dinámicas Complejas

Además de puntos crı́ticos aislados es posible encontrar en algunos sistemas otras
topologı́as que caracterizan el comportamiento de estos sistemas.

versión 0.24 (en construcción) - pág.16

 Ciclos Lı́mites
Un ciclo lı́mite es una trayectoria cerrada a la cual convergen (caso estable) o de la cual
divergen (caso inestable) otras trayectorias.
Los ciclos lı́mites estables son importantes para la ingenierı́a, dado que es la clase de
comportamiento que se requiere para obtener un oscilador. Para modelos de segundo
orden existen teoremas para evaluar la existencia o no de trayectorias cerradas (Teorema
de Bendixon [O’N94, cap.8, p. 561]) y especı́ficamente de ciclos lı́mites (Teorema de
Poincaré-Bendixon [O’N94, cap.8, p. 562]).

N
El ejemplo clásico de esta clase de comportamiento es el denominado oscilador de
van der Pol. Se trata de un modelo de segundo orden en el cual el término de

IO
amortiguamiento es no lineal, cuya dinámica responde a la ecuación:

ẍ − µ 1 − x2 ẋ + x = 0

C
en donde µ es un parámetro escalar que gobierna la no linealidad y el amortiguamiento.
Podemos ver en la figura 1.7 que partiendo de diferentes condiciones iniciales la solución
siempre confluye a una misma trayectoria cerrada, o cliclo lı́mite.

C
En 1920 Van der Pol construyó el oscilador usando un trı́odo o tetrodo. Después de que
Reona Esaki inventó el diodo túnel en 1957, la fabricación del oscilador de Van der Pol
RU
con circuitos eléctricos se hizo más simple. La oscilación se da por un intercambio de
energı́a entre elementos de distinta naturaleza, como son de capacitor a inductor o de
inductor a capacitor. El diodo funciona como un elemento activo y ayuda a mantener la
oscilación.

Para este circuito, asumiendo que

p la relación entre tensión y corriente en el diodo es
ST

iD = γv 3 − αv y definiendo x = 3γ/α · v se llega a qué:

d2 x 2 dx


LC 2 − αL 1 − x dt
+x=0
dt
N

donde L es la inductancia y C la capacidad.

p Cambiando la escala de tiempos con la
relación t0 = √LC
t
y definiendo µ = α L/C se llega a la ecuación de Van der Pol.
La ecuación de van der Pol tiene una larga historia en fı́sica y biologı́a, y no se restringe
O

únicamente. Por ejemplo, en biologı́a, Fitzhugh y Nagumo aplicaron la ecuación a un

campo bidimensional en el modelo de FitzHugh-Nagumo para describir el potencial de
acción de las neuronas.
C

También se ha usado en sismologı́a para modelar el comportamiento de dos placas en

una falla.
EN

En ciertos casos, en modelos con dimensiones

mayores a 2, es posible encontrar soluciones que
no resultan en curvas cerradas pero que quedan
contenidas dentro de superficies y resultan pe-
riódicas. El ciclo lı́mite se convierte en un toroide
lı́mite.

versión 0.24 (en construcción) - pág.17

 N
IO
C
C
RU
Figura 1.7: respuesta de un oscilador de van der Pol a diferentes condiciones iniciales

Dinámicas Caóticas
El comportamiento más complejo de reconocer y analizar es el de las dinámicas
ST

denominadas caóticas. Estas se caracterizan por la alta sensibilidad de las soluciones a

pequeñas diferencias en las condiciones iniciales, lo cual en la práctica hace imposible
predecir la evolución del estado a partir de cierta condición inicial.
Sin embargo debe notarse que esto no implica complejidad en el modelo, como puede
notarse en el siguiente ejemplo.
N

A principios de los años ’60, Edward N. Lorenz accidentalmente descubrió un

O

comportamiento caótico analizando un sistema de ecuaciones simplificadas para

describir un flujo bidimensional de profundidad uniforme H , con una diferencia de
temperaturas impuesta en sus bordes ∆T bajo efectos de la gravedad g , flotabilidad
C

α, difusión térmica K y viscosidad cinemática ν . Las ecuaciones completas son:

∂
∂ψ ∂
∂ψ ∂ dT
∇2 φ = ∇2 ψ − ∇2 ψ + ν//∇2 ∇2 ψ + gα



∂t ∂z ∂x ∂x ∂z dx
EN

∂T ∂T ∂ψ ∂θ ∂ψ ∆T ∂ψ
= − + k∇2 T +
∂t ∂z ∂x ∂x ∂z H ∂x
en donde ψ es una función de corriente, definida de forma tal que las velocidades del
fluido en los ejes x e z son u = ∂ψ/∂z y w = −∂ψ/∂x respectivamente.

versión 0.24 (en construcción) - pág.18

 Lorenz propuso como solución:
 πax   πz 
ψ = ψ0 sin sin
H H
 πax   πz 
θ = θ0 cos sin
H H
Descubrió que estas soluciones crecı́an para números de Rayleigh mayores a un valor
crı́tico Ra > Rac , y que se obtenı́an resultados muy variados con pequeños cambios en

N
los valores iniciales.

IO
Lorenz incluyó los términos:

X = ψ11
Y = T11

C
Z = T02

en donde X es proporcional a la intensidad convectiva, Y a la diferencia de temperatura

C
entre las corrientes descendentes y ascendentes, y Z a la diferencia en el perfil vertical
de temperatura respecto de una distribución lineal.
Con esto propuso el siguiente sistema simplificado de ecuaciones, conocidas como
RU
ecuaciones de Lorenz.

Ẋ = σ (Y − X)
Ẏ = −XZ + rX − Y
Ż = XY − bZ
ST

en donde además:
ν Ra 4
σ≡ , r≡ , b≡
k Rac 1 + a2
N

siendo σ el número de Prandtl, Ra el número de Rayleigh, Rac su valor crı́tico, y b un

factor geométrico. Lorenz adoptó los valores b = 8/3 y σ = 10.
O

El punto
n crı́tico {0, 0, 0} corresponde
o anun movimiento no convectivo, y losopuntos crı́ticos
p p p p
en b (r − 1), b (r − 1), r − 1 y − b (r − 1), − b (r − 1), r − 1 corresponden
C

a convección estacionaria. Este par es estable si se cumple que:

σ (σ + b + 3)
r=
σ−b−1
EN

En otras condiciones las trayectorias evolucionan de forma impredecible en presencia

de pequeñas perturbaciones, pero se mantienen dentro de una región del espacio de
estados con una topologı́a caracterı́stica, a la cual se denomina atractor de Lorenz.

En la figura 1.8 se muestra la evolución de los estados del modelo de Lorenz para tres
condiciones iniciales casi idénticas y dos muy diferentes.

versión 0.24 (en construcción) - pág.19

 N
IO
C
Figura 1.8: evolución temporal de los estados del modelo de Lorenz con diferentes condiciones iniciales

C
RU
Se observa que luego de un cierto intervalo de tiempo en todas las soluciones se
mezclan, resultando imposible discriminar cuales se corresponden a las diferentes
condiciones iniciales.
Podemos decir que a partir de la condición inicial el pronóstico sobre la evolución futura a
largo plazo se hace prácticamente imposible. Sin embargo, al observar la 1.9 se observa
que la evolución está claramente estructurada.
ST

Esto se puede generalizar para las dinámicas caóticas, para las cuales estos patrones
de comportamiento se denominan atractores extraños.
Debe notarse que, aunque la evolución precisa del estado sea impredecible, esta es
N

determinı́stica y muestra caracterı́sticas particulares asociadas al atractor extraño. La

identificación y análisis de estos atractores extraños es uno de los enfoques dentro de
las denominadas Teorı́as de Caos.
O

1.3.4. Atractor y Dominios de Atracción

Definimos como atractor a la región del espacio de estados hacia la cual tienden las
C

trayectorias a medida que evolucionan en el tiempo. Por lo dicho previamente, puede

tratarse de puntos crı́ticos, curvas (por ejemplo, ciclos lı́mites), superficies o regiones
(atractores extraños). Aquellas regiones desde las cuales las trayectorias divergen se
denominan repulsores.
EN

Para cada atractor existirá una región del espacio de estados en la cual todas las
trayectorias que pasan por ella convergen a dicho atractor. Esta región se denomina
dominio de atracción del atractor.

versión 0.24 (en construcción) - pág.20

 N
IO
C
C
Figura 1.9: trayectorias para el modelo de Lorenz con diferentes condiciones iniciales
RU
1.3.5. Estabilidad según Lyapunov
Ya hemos mencionado que una caracterı́stica fundamental del comportamiento de
un sistema dinámico son sus atractores, repulsores y dominios de atracción. Para
determinar si una determinada región es un atractor o repulsor se necesita realizar un
ST

análisis de estabilidad.

El análisis de estabilidad puntos crı́ticos aislados es de particular interés, dado que a

diferencia de los otros atractores, los puntos crı́ticos son condiciones de equilibrio. Esto
es de especialmente relevante en ingenierı́a, dado que en general el diseño se orienta
N

a optimizar la operación de procesos en ciertas condiciones particulares (condición de

crucero para vehı́culos, operación óptima en el caso de procesos industriales, etc.).
O

La herramienta mas general para el estudio de la estabilidad de puntos crı́ticos fue

introducida a fines del siglo XIX por el matemático ruso Alexandr Mikhailovich Lyapunov
en su trabajo titulado ”El problema general de la estabilidad de las trayectorias”.
C

En lo sucesivo analizaremos la teorı́a de estabilidad de Lyapunov centrándonos en

sistemas autónomos; y se asumirá un cambio de coordenadas adecuado tal el punto
crı́tico bajo análisis coincida con el origen del espacio de estados, es decir, f (0) = 0.
EN

En lo que sigue, llamaremos BR a la región esférica (bola) de radio R definida como

kxk < R en el espacio de estados, y SR a la esfera propiamente dicha: kxk = R.

Estabilidad en el Sentido de Lyapunov El punto de equilibrio x = 0 es estable si

para cualquier R > 0 existe un r > 0 tal que, si kx0 k < r resulta que kx(t)k < R para
todo t ≥ 0. En caso contrario el punto de equilibrio es inestable.

versión 0.24 (en construcción) - pág.21

 N
Figura 1.10: Estabilidad según Lyapunov: a) estable, b) asintóticamente estable, c) inestable

IO
En otras palabras la estabilidad en el sentido de Lyapunov implica que las trayectorias
se mantienen arbitrariamente cercanas al punto de equilibrio si la condición inicial está
suficientemente cercana al mismo.
La prueba matemática consiste en demostrar que para alguna una bola BR de radio R

C
hay alguna bola Br de radio posiblemente dependiente del anterior r(R), a partir de la
cual todas las trayectorias se mantendrán dentro de BR para todo t ≥ 0; como se ilustra
en la 1.10.

C
El comportamiento será inestable si no existe ninguna bola Br por más pequeña que
sea, a partir de la cual todas las trayectorias que pasen por ella queden dentro de BR
RU
para todo t ≥ 0; independientemente de lo pequeño que se elija R.

Si además las trayectorias convergen al punto crı́tico se dice que la estabilidad es

asintótica.

Si el dominio de atracción del punto crı́tico es la totalidad del espacio de estados la

ST

estabilidad es global (y en ese caso r = ∞).

Pruebas de Estabilidad
Lyapunov propuso dos métodos para el análisis de estabilidad. El primero de ellos está
basado en las propiedades de la linealización (ver 1.4.1) de las ecuaciones del sistema
N

alrededor de un punto de equilibrio.

El segundo, llamado habitualmente método directo, estudia la estabilidad construyendo
una función escalar de los estados con determinadas caracterı́sticas, y analizando su
O

evolución temporal.

Método directo de Lyapunov La filosofı́a básica del método directo de Lyapunov es

C

una extensión matemática de un concepto fı́sico simple: si la energı́a total E de un

sistema (mecánico o eléctrico por ejemplo) se disipa en forma continua a medida que
transcurre el tiempo (es decir, Ė(t) < 0), entonces el sistema convergerá eventualmente
a un punto de equilibrio, en el cual su energı́a es mı́nima (al menos localmente).
EN

Como ejemplo analicemos el caso de un modelo conceptual compuesto por una masa
con un solo grado de libertad vinculado a un elemento elástico y otro disipativo. Su
aceleración estará dada por:

ẍ = −fd − fe

versión 0.24 (en construcción) - pág.22

 donde fd es la fuerza especı́fica (fuerza por unidad de masa) disipativa y fe la elástica.
Supongamos que estas fuerzas responden a los siguientes modelos no lineales:

fd = ẋ |ẋ| , fe = k0 x + k1 x3

El modelo dinámico resultante es:

ẍ + ẋ |ẋ| + k0 x + k1 x3 = 0 (1.11)

N
Se puede verificar fácilmente que en equilibrio ẋ = ẍ = 0.
Podemos analizar su estabilidad a partir de la energı́a mecánica del sistema. En este
caso esta se compone de energı́a cinética y potencial elástica:

IO
Z x
1 1 1 1
mẋ2 + k0 x + k1 x3 dx = mẋ2 + k0 x2 + k1 x4


E(x) = (1.12)
2 0 2 2 4

C
Comparando las expresiones de energı́a y equilibrio pueden realizarse las siguientes
observaciones

C
El punto de equilibrio se corresponde a energı́a nula (x = 0, ẋ = 0)
Estabilidad asintótica implica la convergencia de la energı́a al valor nulo (sistema
en reposo).
RU
Inestabilidad se corresponde con un aumento de la energı́a total

Estas conclusiones implican una relación entre la estabilidad del sistema y una magnitud
escalar, la energı́a mecánica en este caso, y permiten inferir además propiedades de la
estabilidad a partir de su evolución temporal.
Esta evolución puede determinarse diferenciando la energı́a respecto del tiempo:
ST

∂E(x) ∂x
= mẍ + k0 x + k1 x3 ẋ = (−bẋ|ẋ|) ẋ


Ė(x) =
∂x ∂t
= −bẋ2 |ẋ| = −b|ẋ|3
N

Puede advertirse que Ė(x) es una magnitud siempre negativa, es decir, la energı́a
disminuirá monótonamente hasta anularse. Por lo tanto, el equilibrio es estable y
O

podemos decir que esta estabilidad es asintótica.

C

Funciones Positivas Definidas y Funciones de Lyapunov

La función E(x) en el ejemplo anterior tiene dos propiedades fundamentales. Por una
parte es siempre positiva y sólo se anula en el punto de equilibrio. Por otra, es una
EN

función monótonamente decreciente a medida que el estado evoluciona en el tiempo

siguiendo las trayectorias del sistema analizado.
Debido a la primera propiedad decimos que se trata de una función positiva definida. Por
la segunda observación decimos que para este sistema en una función de Lyapunov.

Función Positiva Definida Una función escalar V (x) es localmente positiva definida si
V (0) = 0, y en una bola BR0 alrededor del origen se verifica que x 6= 0 =⇒ V (x) > 0.

versión 0.24 (en construcción) - pág.23

 Si V (0) = 0 y la propiedad anterior se verifica en todo el espacio de estados, la función
es globalmente positiva definida.
Por ejemplo, la función

1
V (x) = M R2 x22 + M Rg (1 − cos x1 )
2
que es la energı́a mecánica del péndulo, es localmente positiva definida (en el entorno
de {x1 = ±nπ, x2 = 0}, n ∈ N).
En forma similar, V (x) puede definirse como una función negativa definida si −V (x) es

N
positiva definida.
V (x) es positiva semi-definida si V (0) = 0 y V (x) ≥ 0 cuando x 6= 0, es decir, se
permite que V (x) se anule en otros valores diferentes del origen.

IO
Al ser V (x) una función del estado x, es obviamente una función implı́cita del tiempo.
Por lo tanto su derivada temporal es:

C
∂V (x) ∂x ∂V (x)
V̇ (x) = = f (x) = Lf V (x)
∂x ∂t ∂x

C
Esta derivada representa la derivada de la función escalar V (x) a lo largo de la
trayectoria x, coincide con la derivada de Lie de V (x) en la dirección del campo f .
En particular V̇ (x) = 0 en un punto de equilibrio.
RU
Función de Lyapunov Si en una bola BR0 la función V (x) es positiva definida y tiene
derivadas continuas, y si su derivada temporal a lo largo del cualquier trayectoria del
sistema es negativa semi-definida, es decir, V̇ (x) ≤ 0, entonces V (x) es una función
de Lyapunov para ese sistema.
ST

Estabilidad Local Si en una bola BR0 existe una función escalar V (x) con primeras
derivadas continuas tal que:

V (x) es positiva definida (localmente en BR0 ).

N

V̇ (x) es negativa definida (localmente en BR0 )

Entonces el punto de equilibrio es estable. Si la derivada V̇ (x) es negativa definida

O

localmente en VR0 , la estabilidad es asintótica.

El teorema también es válido si V̇ (x) es negativa semi-definida, con la condición de que

C

V̇ (x) no se extinga sobre ninguna trayectoria excepto en el origen.

Para ilustrar estos conceptos analicemos un modelo masa-resorte-amortiguador no

perturbado (caso autónomo):
EN

mv̇ = −bv − kx , v = ẋ

o bien:
mẍ + bẋ + kx = 0

versión 0.24 (en construcción) - pág.24

 Construimos el modelo de estados eligiendo como variables de estado a la posición
x1 = x y a la velocidad x2 = v ; resultando en una expresión de la forma:

ẋ = Ax

donde:
     
x1 x 0 1
x= = , A=
x2 v −k/m −b/m

N
La energı́a mecánica (cinética + potencial elástica) es:

IO
1 1
E(x) = mv 2 + kx2 (1.13)
2 2
Esta función es positiva definida. Su derivada a lo largo de las trayectorias resulta:

C
Ė(x, v) = mv v̇ + kxẋ
= v (−kx − bv) + kxv

C
= −bv 2

la cual se anula en los puntos en donde v = 0 (en todo el eje x), en lugar de hacerlo solo
RU
en el origen. Por lo tanto es negativa semi-definida.
Para considerarla función de Lyapunov para este problema tendrı́amos que demostrar
Ė no se anula en el resto de la trayectoria luego de alcanzar el punto v = 0 (excepto
al llegar al equilibrio). Para este caso es sencillo demostrar que Ë 6= 0 cuando v = 0
(excepto en el origen), lo cual prueba que Ė no se mantiene nula al continuar sobre la
trayectoria.
ST

Pero también podemos proponer un función candidata alternativa a la energı́a mecánica,

como por ejemplo la forma cuadrática:

V (x) = xT Px (1.14)
N

en donde P es una matriz real simétrica arbitraria pero que cumpla la siguiente
desigualdad:
xT Px > 0 si kxk =
O

6 0
En este caso se dice que P es una matriz positiva definida (porque la forma cuadrática
construida con ella resulta positiva definida); y en tal caso se verifica que sus menores
C

principales son todos positivos.

Para este ejemplo, en el cual x ∈ R2 , la forma cuadrática es:
  
p1 p̄ x1
EN

T
= p1 x21 + p2 x22 + p̄ x1 x2 > 0

x Px = x1 x2
p̄ p2 x2

Para verificar que esta es efectivamente una función de Lyapunov para nuestro sistema
primero calculamos su derivada:

V̇ (x) = ẋT Px + xT Pẋ (1.15)

versión 0.24 (en construcción) - pág.25

 Para las trayectorias de nuestro sistema se cumple ẋ = Ax. Entonces, sustituyendo ẋ:
T
V̇ (x) = (Ax) Px + xT P (Ax)
= xT AT Px + xT PAx
 
= xT AT P + PA x

Esta será negativa definida si se cumple:

N
V̇ (x) = −xT Qx

IO
siendo Q una matriz positiva definida, que es lo mismo que decir que la siguiente
ecuación tiene solución:

AT P + PA = −Q (1.16)

C
Esta expresión se denomina ecuación de Lyapunov, y en general se utiliza proponiendo
una matriz Q arbitraria pero positiva definida y calculando P.
El algoritmo para obtener su solución puede obtenerse con el comando lyap().

C
En la figura 1.11 se muestra la función cuadrática para todo el espacio de estados x1 , x2
junto con una trayectoria y su proyección sobre la superficie de energı́a.
RU
En la figura 1.12 se ve a la izquierda la misma trayectoria, y a la derecha la elocución
de la energı́a mecánica y la de la forma cuadrática, en donde se verifica los resultados
obtenidos.
ST
N
O
C

Figura 1.11: Función cuadrática y una trayectoria para el sistema masa-resorte-amortiguador

EN

Invariantes de Lasalle
El concepto de estabilidad puede extenderse a regiones que no sean puntos crı́ticos
aislados, por ejemplo a los ciclos lı́mites.
Una región G del espacio de estados es un conjunto invariante de un sistema dinámico si
toda trayectoria que comienza en G permanece en G para todo tiempo futuro. Podemos
citar como ejemplos:

versión 0.24 (en construcción) - pág.26

 N
IO
Figura 1.12: Función cuadrática y trayectorias para el sistema masa-resorte-amortiguador. Las trayectorias se proyectan tanto
en el espacio de estados como sobre la superficie, para visualizar la evolución de esta “función de energı́a” a lo lardo de la
trayectoria

C
un punto de equilibrio.

C
una trayectoria de un sistema dinámico autónomo.
un ciclo lı́mite (caso particular de lo anterior).
una región de atracción.
RU
la totalidad del espacio de estados (una obviedad).
Los teoremas de conjuntos invariantes, debidos principalmente a Joseph P. LaSalle,
permiten obtener resultados sobre estabilidad asintótica cuando la derivada de la función
de Lyapunov es solo negativa semi-definida, y además permiten extender el concepto de
ST

convergencia a conjuntos invariantes que no sean puntuales.

Modelos Lineales
N

Mientras que no se cuenta con una herramienta matemática para obtener soluciones
analı́ticas para un modelo de estados general, si la hay para el caso en el cual el campo
de velocidades es un operador lineal. Aclaremos primero el concepto de linealidad.
O

1.4.1. Operadores Lineales

C

Un operador matemático (una función, o de forma mas general una aplicación) es un

mapeo que actúa sobre los elementos de un espacio para producir elementos en ese
espacio o en otro.
Como ejemplo podemos citar las funciones trigonométricas, los operadores diferencia-
EN

les, las operaciones algebraicas, etc. El campo f (x) en la ecuación 1.8 establece un
mapeo de Rn → Rn (mapea el espacio de estados x al espacio ẋ ).

Los operadores lineales son aquellos que cumplen las siguientes relaciones:
Ω(x + y) = Ω(x) + Ω(y) (1.17)

Ω(αx) = α Ω(x) (1.18)

versión 0.24 (en construcción) - pág.27

 En estas ecuaciones Ω es un operador lineal, x e y son elementos del espacio sobre el
cual opera Ω, y α es un escalar (α ∈ R).
Podemos apreciar que la suma o el producto por una constante son operadores lineales,
pero también lo son los operadores diferenciales. En la ecuación 1.2 el único operador
no lineal es sin θ (la función exógena u(t) no es un operador en dicha ecuación).

1.4.2. Linealización
Podemos aproximar un modelo de estados no lineal por uno lineal desarrollando el

N
campo en una serie de Taylor truncada en el término de primer orden.

Una serie de Taylor es una aproximación de una función mediante un polinomio de orden

IO
infinito. Para una función escalar f (y) asjuando la aproximación para un entorno del valor
ȳ se tiene:
n=∞
d(n)

X
 (y − ȳ)n = f0 + fy1 (y − ȳ) + fy2 (y − ȳ)2 + · · ·

f (y) ≈ f (y)

C
dy (n) 
n=0 ȳ

en donde las constantes fy1 , fy2 , · · · son:

C
d2 f 
 
df 
f0 = f (ȳ) , fy1 = , fy2 = , ···
dy ȳ dy 2 ȳ
RU
Puede apreciarse que la aproximación se construye primero aportando un valor
constante f0 , luego agregando una variación lineal alrededor del punto ȳ con pendiente
fy1 , en tercer término una variación cuadrática alrededor del punto ȳ con curvatura
fy2 y ası́ sucesivamente. En el caso de funciones de dos variables en lugar de curvas
trabajaremos con planos.
ST

En el caso de funciones vectoriales f (x) se tendrá un desarrollo en serie de Taylor para

cada componente escalar fj (x) del campo. Realizando un desarrollo en serie de Taylor
al campo de velocidades (lado derecho de la ecuación de estados 1.8) obtenemos lo
siguiente:
N

 
∂f  ∂f 
ẋ = f (x, u) ≈ f (x̄, ū) + (x − x̄) + (u − ū) + · · · (1.19)
∂x x̄,ū ∂u x̄,ū
O

Debe notarse que en la ecuación 1.19 las derivadas parciales del campo respecto del
estado y respecto de las entradas evaluadas en las condiciones de equilibrio resultan en
matrices constantes de n × n y n × m respectivamente:
C

 
a11 a12 ··· a1n
 a21 a22 ··· a2n 

∂f 
= .
 
.. .. .. 
∂x x̄,ū  ..
EN

. . . 
an1 an2 · · · ann
 
b11 · · · b1m

∂f   b21 · · · b2m 
= .
 
.. .. 
∂u x̄,ū  .. . . 
bn1 · · · bnm

versión 0.24 (en construcción) - pág.28

 Si se platea el desarrollo en serie de Taylor alrededor de una condición de equilibrio:
f (x̄, ū) = 0.
Por otra parte, podemos realizar la siguientes sustituciones:

∂f 
A= , ∆x = x − x̄
∂x x̄,ū

∂f 
B= , ∆u = u − ū
∂u x̄,ū

N
Con esto el modelo resulta:
ẋ = f (x, u) ≈ A ∆x + B ∆u

IO
Si reciclamos las letras x y u para sustituir a ∆x y ∆u respectivamente llegamos a la
notación habitual de la ecuación de estados lineal:

ẋ = Ax + Bu (1.20)

C
C
Por ejemplo, para el caso del péndulo plano (ecuación 1.7), el modelo es de segundo
orden con un vector de entrada escalar, y tiene la forma:
RU
   
x˙1 f1 (x2 )
=
x˙2 f2 (x1 , x2 , u)
siendo x1 = θ, x2 = ω, u = p, mientras que las componentes del campo son:
ST

f1 ( ) = x2
g
f2 ( ) = −b x2 − sin x1 + u
L
Las matrices jacobianas A y B serán de la forma:
N

 ∂f ∂f1  ∂f1
 
1
∂f  ∂x1 ∂x2  ∂f  ∂u 
A= =  B= = 
∂x  ∂f2 ∂f  ∂u  ∂f2 
O

2
∂x1 ∂x2 ∂u
La linealización alrededor de una cierta condición {ū, θ̄, ω̄} es:
C

   
   ω̄ 0 1 
θ − θ̄
  
0
θ̇

≈ g + g  + {u − ū}
ω̇ −b ω̄ − sin θ̄ + ū − cos θ̄ −b ω − ω̄ 1
L L
EN

Tomando como referencia {ū, θ̄, ω̄} la condición de equilibrio habitual ueq = 0, θeq =
0, ωeq = 0 el resultado es el siguiente:
 
 
x˙1 0 1 x  0
= g  1 + {u} (1.21)
x˙2 − −b x2 1
L

versión 0.24 (en construcción) - pág.29

 donde x1 = θ y x2 = ω . Para el caso invertido (θeq = π ) el resultado es el siguiente:
 
  0 1    
θ̇
= g  x1 + 0 {u} (1.22)
ω̇ −b x2 1
L
donde x1 = θ − π y x2 = ω . Puede notarse que en este caso la única diferencia entre
ambas linealizaciones está en el signo del elemento a21 .

N
1.4.3. Modos Naturales de Respuesta

IO
Autovectores
Los autovalores λj ∈ C de una matriz A de n × n están asociados a autovectores
v j ∈ Cn que verifican la siguiente relación:

C
Av j = λj v j

Esto significa que aplicar la transformación lineal data por A · () a un autovector v j no

C
cambia su dirección; solo cambia su magnitud en un factor λj . En otras palabras, los v j
son las direcciones invariantes del operador A·.
RU
Veremos que ası́ como los autovalores están asociados a la forma de la evolución
temporal de la amplitud del vector de estado x, los autovectores definen su dirección
en el espacio de estados.

Cambio de Coordenadas
La elección de las variables para el vector de estados no es única. Esta lleva implı́cita
ST

la adopción de ejes coordenados en el espacio de estados respecto de los cuales se

proyecta la trayectoria, y desde el punto de vista matemático, esta elección es arbitraria.
Para modelos lineales siempre es posible redefinir estos ejes mediante una transforma-
ción lineal dada por una matriz T no singular (que tenga inversa), y ası́ obtener un nuevo
modelo lineal.
N

Aplicaremos al siguiente modelo lineal

O

ẋ = Ax + Bu

una transformación dada por

C

x = Tz → z = T−1 x

Sustituyendo:
EN

Tż = [AT] z + Bu
ż = T−1 AT z + T−1 B u
   

Llamando Ā = T−1 AT y B̄ = T−1 B tenemos una nueva ecuación de estados lineal

con el vector de estados dado por z .

ż = Āz + B̄u

versión 0.24 (en construcción) - pág.30

 Los autovalores de la matriz dinámica son invariantes ante una transformación lineal T,
es decir, los polinomios caracterı́sticos de A y Ā son iguales. Esto se puede demostrar
evaluando la ecuación caracterı́stica para el sistema en las nuevas coordenadas:

sI − Ā = s T−1 T − T−1 AT 
      

= T−1 (sI − A) T
 

= T−1  |sI − A| |T|

 

= T−1  |T| |sI − A|

 

N
= |sI − A|

en donde se ha tenido en cuenta el hecho de que el determinante es un escalar, y por lo

IO
tanto su producto es conmutativo.

Coordenadas Modales
Podemos combinar los autovectores para formar una matriz a la que denominaremos

C
matriz modal.
Λ = [v 1 v 2 · · · v n ]

C
Una propiedad interesante de la matriz modal es que, si los autovalores son todos
distintos, permite obtener una matriz diagonal con los mismos autovalores que la matriz
original. Esto puede entenderse fácilmente si se tiene en cuenta que cualquier autovector
RU
cumple:
Av j = λj v j
en donde ambos lados de la ecuación son vectores columna. Construyendo una matriz
con estas columnas se tiene que:
ST

[Av 1 |Av 2 | · · · |Av n ] = [λ1 v 1 |λ2 v 2 | · · · |λn v n ]

Sacando factor común:

 
λ1

.
 λ2
N


A [v 1 |v 2 | · · · |v n ] = v 1 |v 2 | . . |v n 
 
.. 
 . 
λn
O

es decir:  
λ1
λ2
C

 
AΛ = Λ 
 
.. 
 . 
λn
Despejando:
EN

 
λ1
 λ2 
Λ−1 AΛ = 
 
.. 
 . 
λn

versión 0.24 (en construcción) - pág.31

 Se concluye que utilizando la matriz modal como transformación de coordenadas T para
el vector de estados, se obtiene un modelo con matriz dinámica Ā = Λ−1 AΛ diagonal,
y cuyos elementos son los autovalores de A.
      
ż1  λ1 0 ··· 0  z1  b̄11 ··· b̄1m  
 u1 

   
 ż2  0 λ2 ··· 0  z2 
  b̄21 ··· b̄2m 
   
..
= .  .. +  .. (1.23)
   
.. .. .. .. .. ..  .
 .   ..
 . . .
.
  . . .  
um

  
  
żn 0 0 ··· λn zn b̄n1 ··· b̄nm
  

N
En estas coordenadas, que llamaremos coordenadas modales, cada variable de estado
es independiente de las demás; ya que desarrollando los productos matriciales puede
verse claramente que el modelo se descompone en n ecuaciones diferenciales de primer

IO
orden desacopladas:

ż1 = λ1 z1 + B̄1 u
ż2 = λ2 z2 + B̄2 u

C
..
.
żn = λn zn + B̄n u

C
en donde B̄k son los vectores fila de la matriz B̄.
Cada coordenada modal responde a una ecuación diferencial de primer orden. Podemos
RU
verificar por sustitución que la solución del caso no perturbado (u = 0) para una
coordenada modal zj es:

zj (t) = zj (0)eλj t

Y como la relación entre las variables de estado originales y estas variables modales es
ST

x = Λz = [v 1 v 2 · · · v n ] z vemos que:
   
 x1 
  
 z1  
 x2 
   z2 
 
.. = [v 1 v 2 · · · v n ] .
 .   .. 
N


   
   

xn zn
 
     

 v11  
 v21   
 vn1 

 v12   v22   vn2 
O

     
= .. z1 + .. z2 + · · · + .. zn


 . 
 
 . 
 
 . 

   
  
v1n v2n vnn
   
C

Mientras que la evolución de cada coordenada modal es condicionada por un único

autovalor, las variables de estado originales tiene como solución:

xj (t) = v1j z2 (t) + v2j z2 (t) + · · · + vnj zn (t)

EN

Los elementos j (filas) de cada autovector vi (columnas de la matriz modal) definen el

peso de la variable modal zi en la variable de estado xj .
Podemos decir entonces que lo observado en la evolución temporal de las variables de
estado originales no es más que una combinación lineal o superposición de la evolución
de las coordenadas modales, y que esta combinación queda definida por la matriz modal
Λ.

versión 0.24 (en construcción) - pág.32

 Consideremos una vez más el modelo linealizado para un péndulo no perturbado,
tomando como estados el ángulo θ y la velocidad angular ω :
    
θ̇ 0 1 θ
=
ω̇ a1 a2 ω

en donde a1 es positivo en el caso inestable y viceversa, mientras que a2 es siempre

negativo.

N
Veamos el espacio de estados para caso inestable:
   

IO
0 1 0,54
A= λ1 = 1,58, v 1 =
3,27 −0,5 0,84
 
−0,43
λ2 = −2,08, v 2 =
0,90

C
En la figura 1.13 podemos ver la proyección del estado en las coordenadas originales x1
y x2 (ángulo y velocidad angular), y en las coordenadas modales z1 y z2 definidas por

C
los autovectores v 1 y v 2 .

Realizamos este cómputo mediante el siguiente código:

RU
A = [ 0 1
3.277 − 0 . 5 ] ;

% c ómputo de a u t o v e c t o r e s y a u t o v a l o r e s
ST

%V : m a t r i z modal [ v1 v2 ]
%D: v e c t o r de a u t o v a l o r e s [ l 1 l 2 ]

[ V , D] = eig ( A , ’ vector ’ ) ;
N

En el caso de matrices dinámicas con coeficientes reales, los autovalores y sus

correspondientes autovectores serán números también reales o pares complejos
conjugados.
O

Esto último significa que algunas coordenadas modales (o todas) podrı́an ser números
complejos; aunque ello no plantea una inconsistencia matemática, porque al aplicar
la transformación Λ sobre el vector de estado modal finalmente arroja solo funciones
C

reales.
Si por ejemplo un autovalor i es complejo: λi = p + jq ; el autovector asociado será
de la forma v i = u + jw donde u, w ∈ Rn ; y la solución para la variable modal es
zi (t) = r(t)+jg(t), con las funciones r, g : R → R. Estos estarán siempre acompañados
EN

por los conjugados correspondientes y podremos combinarlos en un único término real:

x(t) = · · · + v i z i (t) + v̄ i z̄ i (t) + · · ·

= · · · + (u + jw) (r(t) + jg(t)) + (u − jw) (r(t) − jg(t)) + · · ·
= · · · + 2 (u r(t) − w g(t)) + · · ·

Recurriendo a la notación exponencial para los complejos y teniendo en cuenta la

versión 0.24 (en construcción) - pág.33

 N
IO
C
Figura 1.13: Trayectorias para el caso con autovalores reales, uno positivo y otro negativo. Las lı́neas marcan la dirección de los
autovectores.

C
denominada relación de Euler 4 :

zi (t) = r(t) + jg(t) = |zi (t)|ej∠zi (t) = |zi (t)| (cos ∠zi (t) + j sin ∠zi (t))
RU
de lo cual:

r(t) = |zi (t)| cos ∠zi (t) , g(t) = |zi (t)| sin ∠zi (t)

Finalmente el aporte de los modos complejos conjugados será netamente real:

ST

x(t) = · · · + 2 |zi (t)| (u cos ∠zi (t) − w sin ∠zi (t)) + · · ·

p
= · · · + 2 |zi (t)| |u2 + w2 | sin (∠zi (t) + φ) + · · ·

en donde sin es un vector de funciones senoidales con los desfasajes dados por el
vector φ que resulta de los arcos tangente de los cocientes entre las componentes del
N

vector u y del w.
Por lo tanto, los módulos de cada componente del autovector indica el peso de la
variable modal en cada variable de estado, y sus argumentos dan el desfasaje entre cada
O

variable de estado y la variable modal; mientras que sin ∠zi (t) le da un comportamiento
oscilatorio con la misma frecuencia a todos los estados y |zi (t)| una misma modulación
de amplitud.
C

Volviendo al ejemplo del péndulo (subamortiguado) pero ahora para el caso estable,
tanto los autovalores como los autovectores son complejos conjugados. Por ejemplo:
EN

   
0 1 −0,07 − j0,48
A= λ1 = −0,25 + j1,79, v 1 =
−3,27 −0,5 0,86
 
−0,07 + j0,48
λ2 = −0,25 − j1,79, v 2 =
0,86

4 La relación de Euler establece que para un número real θ : ejθ = cos θ + j sin θ

versión 0.24 (en construcción) - pág.34

 En este caso los autovectores no pueden ser representados en el espacio de estados,
como tampoco puede hacerse con las variables modales; dado que residen en otro
espacio C2 .

N
IO
C
C
RU
Figura 1.14: Trayectorias para el caso con autovalores complejos conjugados.

Para los casos en donde se tienen autovalores complejos conjugados es posible

realizar una separación en modos naturales que contengan solo coeficientes reales
transformando la matriz dinámica a una forma diagonal en bloques, en lugar de
ST

diagonalizarla usando como transformación la matriz modal:

 
···
λ1 0 0
···
0
0 p q 0
 


0 −q p .. 0

à =  .
N


. .. .. .. 
. ..
. . . .

. 
0 0 0 ··· λn
O

en donde todas las variables y coeficientes son números reales; y en los bloques p
e q son las partes reales e imaginaria de los autovalores complejos conjugados que
C

corresponden al bloque. Esta forma se obtiene con la transformación J = Re {Λ} +

Im {Λ} sobre el modelo original.

Podemos trabajar de forma aislada con uno de estos bloques, ya que están desacopla-
EN

dos del resto de las variables de estado:

    
ż1 p q z1
=
ż2 −q p z2
el cual puede llevarse a una forma canónica mediante una transformación C adecuada:
    
η̇1 0 1 η1
= (1.24)
η̇2 −ω 2 −2ξω η2

versión 0.24 (en construcción) - pág.35

 en donde ξω = −p y ω 2 = r2 + q 2 . Resulta evidente que η2 es la derivada de η1 , y que
esta es la forma de los modelos lineales de segundo orden habituales para problemas
mecánicos como el del péndulo simple o el sistema masa-resorte-amortiguador.

Como se detalla en [Oga93, cap.10, p. 831], la transformación Tc para llevar cualquier

matriz arbitraria a la forma canónica controlable puede obtenerse mediante la siguiente
composición:
Tc = MW (1.25)

N
donde M se construye de la siguiente forma:

M = B | AB | A2 B | · · · | An−1 B
 
(1.26)

IO
donde B es una matriz columna (en este caso arbitraria pero no nula); y la matriz T se
construye de la forma:
 
an−1 an−2 ··· a1 1

C
an−2
 an−3 ··· 1 0 
W =  ... .. .. .. .. 
(1.27)

 . . . .

C
 a1 1 ··· 0 0
1 0 ··· 0 0
RU
siendo ak los coeficientes del polinomio caracterı́stico de la matriz A:

|sI − A| = s2 + a1 sn−1 + +a2 sn−2 + · · · + an−1 s + an (1.28)

Usando este método, una posible transformación para llevar el bloque de segundo orden
a la forma estándar serı́a:
ST

 
−p 1
Tc = (1.29)
−q 0

1.4.4. Modos No Amortiguados

N

En muchos casos es necesario analizar modelos con modos naturales no amortiguados,

que se corresponden con autovalores imaginarios puros λ = ±jωn .
O

Esto se da por ejemplo en dinámica estructural, en donde los efectos disipativos suelen
ser despreciables frente a los elásticos.
También encontramos este escenario cuando se busca determinar un conjunto de
C

parámetros que generan modos inestables oscilatorios, como se da en los estudios de

inestabilidades aeroelásticas. En esos casos el conjunto crı́tico de parámetros es aquel
que produce modos oscilatorios no amortiguados.
EN

En comportamientos oscilatorios no amortiguados podemos asumir que una evolución

de la forma x(t) = A sin ωn t debe ser solución del modelo dinámico. La amplitud
dependerá de las condiciones iniciales, mientras que la frecuencia ωn deberá ser
determinada a partir del modelo por sustitución.

versión 0.24 (en construcción) - pág.36

 Por ejemplo, en el caso de un sistema masa-resorte:

mẍ + kx = 0

Proponiendo la solución senoidal x(t) = A sin ωn t:

−mA ωn2 sin ωn t + kA sin ωn t = −mωn2 + k A sin ωn t = 0

Como esta igualdad se debe cumplir para cualquier valor de t, la única solución posible

N
es que el paréntesis sea nulo. Por lo tanto:
r
k

IO
ωn =
m

C
1.4.5. Solución General del Modelo Lineal
Matrix Exponencial

C
Siguiendo el razonamiento planteado en [Oga93, sección 4-9: Solución de la Ecuación
de Estado Invariante en el Tiempo, p. 326]; vemos que un camino para resolver una
ecuación diferencial es proponer la forma de la solución y ajustar sus parámetros para
RU
que se verifique dicha ecuación. En el caso de ecuaciones diferenciales lineales suele
utilizarse la función exponencial, dado que esta resulta invariante en relación al operador
derivada; es decir, la derivada de una exponencial sigue siendo una exponencial (que es
una autofunción para los operadores diferenciales).
Si tomamos como ejemplo una ecuación diferencial de primer orden:
ST

ẋ = a x (1.30)

podemos proponer como solución x(t) = b ect , cuya derivada es ẋ = b c ect .

Sustituyendo en 1.30:
N

b c ect = a b ect → b c = a b → c = a

Teniendo en cuenta la condición inicial x(0) = x0 se deduce que:

O

x(0) = b e0 = x0 → b = x0
C

En sı́ntesis la solución es:

x(t) = x0 eat (1.31)
Otro camino serı́a el de proponer un modelo genérico basado en algún desarrollo en
serie. Téngase en cuenta que un desarrollo en serie implica descomponer una función
EN

en una suma de otras funciones con diferentes ”pesos”, lo cual es equivalente a proyectar
un vector ∈ Rn en un sistema de n coordenadas (en este caso el vector a proyectar
serı́a la solución que estamos buscando, y los ejes de la base donde proyectamos el
vector corresponderı́an a los términos de la serie). De hecho, desde el punto de vista
matemático, el conjunto de funciones continuas f (x) : R → R definidas en un intervalo
[a, b] conforman un espacio vectorial.

versión 0.24 (en construcción) - pág.37

 Una base conocida es la de Fourier, en donde las componentes de la base son funciones
armónicas (senoidales). Otra descomposición es la de Taylor, en donde las componentes
de la base son monomios con exponentes enteros positivos:

x(t) = b0 + b1 t + b2 t2 + · · · + bk tk + · · · (1.32)

Derivando 1.32 y sustituyendo en 1.30:

b1 + 2b2 t + 3be t2 + · · · + kbk tk−1 + · · · = a b0 + b1 t + b2 t2 + · · · + bk tk + · · ·

N
de lo cual se deduce que:

b1 = ab0

IO
1 1 2
b2 = ab1 = a b0
2 2
1 1 3
b3 = ab2 = a b0
3 6

C
..
.
1

C
bk = ak b0
k!
y teniendo en cuenta la condición inicial queda claro que x(0) = x0 = b0 .
RU
De las soluciones dadas por las ecuaciones 1.31 y 1.32 se deduce la siguiente identidad:
∞
1 1 X 1
eat = 1 + at + a2 t2 + · · · + a3 t3 + · · · = 1 + ak tk (1.33)
2 3 k!
k=1
ST

Podemos extender todas estas relaciones al caso de orden n:

ẋ = A x (1.34)

en donde x ∈ Rn y A ∈ Rn×n . Ahora los coeficientes bk del desarrollo en serie de la

solución serán vectores columna de orden n:
N

x(t) = b0 + b1 t + b2 t2 + · · · + bk tk + · · ·
O

Procediendo de la misma forma se concluye que:

b1 = Ab0
C

1 1 2
b2 = Ab1 = A b0
2 2
1 1 3
b3 = Ab2 = A b0
3 6
EN

..
.
1
bk = Ak b0
k!
Teniendo en cuenta la condición inicial:

x(0) = b0

versión 0.24 (en construcción) - pág.38

 La solución será entonces (recordar que en el álgebra de matrices el producto no es
conmutativo):
x(t) = eAt x(0) (1.35)
en donde la matriz exponencial queda definida por:
∞
1 1 X 1
eAt = I + At + A2 t2 + · · · + A3 t3 + · · · = 1 + Ak tk (1.36)
2 3 k!
k=1

siendo I es la matriz identidad de orden n × n.

N
Esto provee una solución general para cualquier modelo lineal, pero no da una solución
exacta. Podemos obtener una expresión exacta utilizando la transformada de Laplace.

IO
Solución por Laplace
Toda ecuación diferencial lineal ordinaria puede resolverse usando la transformada de
Laplace. Se trata de un operador matemático (lineal) que convierte una función de

C
variable real y en otra de variable compleja s (ver [Oga93, sección 1-3: La Transformada
de Laplace, p. 14];).
Z ∞

C
L {h(y)} = H(s) = h(y) e−sy dy (1.37)
−∞

En nuestro caso la variable y será el tiempo, y consideraremos funciones nulas para

RU
t < 0: Z ∞
L {f (t)} = F (s) = f (t) e−st dt
0
La transformada inversa viene dada por la siguiente expresión:
γ+jT
ST

Z
1
f (t) = L −1 {F (s)} = lı́m est F (s) ds
2πj T →∞ γ−jT

donde γ , la “abcisa de convergencia”, es una constante real arbitraria pero mayor que
las partes reales de las singularidades de F (s).
La utilidad de esta transformada radica en su linealidad:
N

L {f (t) + g(t)} = L {f (t)} + L {g(t)}

O

L {αf (t)} = αL {f (t)} , α∈R

y en la siguiente propiedad:
C

 
df (t)
L = s F (s) − f (0) (1.38)
dt
Otra de las propiedades de interés es la transformada de la integral de convolución:
EN

Z t
L −1 {F (s) · G(s)} = f (t − τ ) g(τ ) dτ
0

Teniendo en cuenta estas propiedades, al aplicar la transformada de Laplace a ambos

miembros de la ecuación 1.20 surge que:

sX(s) − x(0) = AX(s) + BU (s) X(s) = L {x(t)} , U (s) = L {u(t)}

versión 0.24 (en construcción) - pág.39

 y despejando:
−1
(sI − A)X(s) = x(0) + BU (s) X(s) = [sI − A] [x(0) + BU (s)]
−1
Llamaremos a Φ = [sI − A] a la transformada de Laplace de la matriz de transición
de estados Φ(t), es decir:
n o
−1
Φ(t) = L −1 {Φ(s)} = L −1 [sI − A] (1.39)

N
con esto se llega a que:

IO
X(s) = Φ(s) [x(0) + BU (s)] (1.40)

Esta es la solución de la ecuación de estados en el dominio de la variable s. Anti-

transformando llegamos a la solución general de la ecuación de estados lineal en el

C
dominio del tiempo:
Z t

C
x(t) = Φ(t)x(0) + Φ(t − τ )Bu(τ )dτ (1.41)
0

De las ecuaciones 1.39, 1.41 y 1.35 se concluye que:

RU
n o
−1
Φ(t) = L −1 [sI − A] = eAt (1.42)

Análisis de la Solución
ST

La dinámica del sistema queda encapsulada en la matriz de transición de estados dada

por 1.39. Para obtenerla debemos primero construir su transformada de Laplace:
 T
adj11 adj12 ··· adj1n
T
adj (sI − A) 1  adj21 adj22 ··· adj2n 
N


−1
Φ(s) = [sI − A] = =

 . .. .. .. 
|sI − A| |sI − A|  .. . . . 
adjn1 adjn2 ··· adjnn
O

 
φ11 (s) φ12 (s) · · · φ1n (s)
 φ21 (s) φ22 (s) · · · φ2n (s) 
= .
 
. .. . . .. 
C

 . . . . 
φn1 (s) φn2 (s) · · · φnn (s)

La (1.40) expandida tiene la siguiente forma:

EN

        

 X1 (s) 
 φ11 (s) φ12 (s) · · · φ1n (s) 
 x1 (0) 
 b11 b12 ··· b1m   U1 (s) 

X2 (s)   21 (s) φ22 (s) · · ·
φ φ2n (s)  ···
 x2 (0) 
  b21 b22 b2m  U2 (s) 

   
 

= . + .
 
.. .. .. ..   .. .. .. ..  ..
  ..   ..

 . 

  . . .   
 . 
 . . .  . 
 

Xn (s) φn1 (s) φn2 (s) · · · φnn (s) xn (0) nn1 nn2 ··· bnm Um (s)
     

versión 0.24 (en construcción) - pág.40

 Se observa que para una determinada variable de estado el resultado es una sumatoria
o superposición de efectos:

Xj (s) = φj1 (s) [x1 (0) + b11 U1 (s) + b12 U2 (s) + · · · + b1m Um (s)]
+ φj2 (s) [x2 (0) + b21 U1 (s) + b22 U2 (s) + · · · + b2m Um (s)]
+ ···
+ φjn (s) [xn (0) + bn1 U1 (s) + bn2 U2 (s) + · · · + bnm Um (s)]

La solución en el dominio del tiempo será también una superposición de efectos

N
asociados al valor inicial de cada variable de estado y a cada una de las funciones
de perturbación.

IO
Por otra parte, vemos que cada elemento φij (s) de la matriz Φ(s) es una función
racional, cuyo polinomio denominador coincide con el polinomio caracterı́stico de la
matriz A (de orden n, que resulta del determinante |sI − A|), y cuyo polinomio
numerador será a lo sumo 5 de orden (n − 1):

C
adjj,i [sI − A] b1 sn−1 + · · · + bn−1 s + bn
Φ(i,j) (s) = = n
|sI − A| s + a1 sn−1 + · · · + an−1 s + an

C
Las anti-transformadas de funciones racionales propias 6 de primero, segundo y tercer
orden se encuentran tabuladas en la bibliografı́a. Para denominadores de orden superior
RU
es sencillo obtener la anti-transformada desarrollando la función racional en fracciones
parciales 7 (ver [Oga93, sec. 1-4: Transformación Inversa de Laplace, p. 37]); dado que
la anti-transformada también es un operador lineal:

num(s) num(s)
Φ(i,j) (s) = =
sn + a1 sn−1 + · · · + an−1 s + an (s + p1 )(s + p2 ) · · · (s + pn )
ST

r1 r2 rn
= + + ··· + , rj , pj ∈ C (1.43)
(s + p1 ) (s + p2 ) (s + pn )
En la expresión precedente los números complejos rj son los residuos de la fracción
correspondiente; y los pj son los negativos de las raı́ces del denominador , que resultan
N

ser los autovalores de la matriz A, dado que el polinomio denominador es el polinomio

caracterı́stico de la matriz A.
O

Dinámica de Primer Orden

Para las fracciones asociadas a autovalores reales, los residuos r son números reales;
y la anti-transformada es:
C

 
r r 1
φ(t) = L −1
= k e−t/T , k= , T =
s+p p p
Es evidente que la forma de la evolución temporal solo depende del autovalor −p (o de
EN

su inversa T denominada constante de tiempo), mientras que el residuo define solo un

factor de escala para la amplitud.
5 dado que un elemento de la matriz adjunta de una matriz de dimensión n × n es el determinante de una submatriz matriz

de dimensión (n − 1) × (n − 1)
6 una función racional es estrictamente propia si el orden del polinomio numerador es menor que el del denominador, bi-propia

si los ordenes son iguales, e impropia si el orden del numerador es mayor

7 matlab
R ofrece el comando residue para

versión 0.24 (en construcción) - pág.41

 N
IO
C
Figura 1.15: respuesta temporal de una dinámica de primer orden con |p| = 1 para el caso estable mostrando el tiempo de
establecimiento (izquierda) y para el caso inestable mostrando el tiempo para duplicar la amplitud (derecha)

C
Si p > 0 la función converge a cero y corresponde a una respuesta exponencialmente
estable; mientras que si p < 0 el autovalor se encuentra en el semiplano derecho del
RU
plano complejo C, y en ese caso esta función diverge (caso inestable); como se muestra
en la figura 1.15.

Si k = 1 (caso normalizado) y p > 0 (caso estable) se tienen los siguientes valores de

amplitud:
ST

t φ(t)
0 1
T 0,368
2T 0,135
3T 0,050
N

4T 0,018
Se observa que cuando t = 4T la amplitud es menor al 2 % del valor inicial, y
decimos que el sistema esta nuevamente en equilibrio; aunque desde el punto de vista
O

matemático el tiempo para volver al equilibrio es infinito.

En el caso inestable podemos calcular el tiempo Td que toma la respuesta para duplicar
C

la amplitud:

φ(t + Td ) = 2 φ(t) → k e(t+Td )/T = 2 k et/T

tomando logaritmos a ambos lados:
EN

t + Td t
= ln 2 + → Td = ln 2 · T = 0,693 T
T T
En una dinámica de primer orden (n = 1) habrá una única variable de estados (x ∈ R) y
la matriz A será en realidad un escalar. La matriz B será un vector fila con m columnas:
 
x˙1 = [a] x1 + b1 b2 ··· bm u

versión 0.24 (en construcción) - pág.42

 Podemos usar como ejemplo el modelo 1.1 para el calefón; que podemos llevar a la
forma de una ecuación de estados lineal eligiendo la condición de equilibrio Teq para
una dada temperatura de llama Tcombeq .

k
ce ṁ
M Ṫ = 0 = Tcombeq − Teq − ṁT0 → Teq = Tcombeq − T0
ce k
Sustituyendo en el modelo x = T − Teq y u = Tcomb − Tcombeq :

N
d(x + Teq ) k

M = u + Tcombeq − x − Teq − ṁT0
dt ce

IO
Como Teq es una constante:
 
1 k k

ẋ = (u − x) + Tcombeq − Teq − ṁT0
M ce ce

C
La suma de los últimos dos términos del corchete es nula, por tratarse de valores de
equilibrio, por lo que solo queda:

C
k
ẋ = (u − x)
ce M
RU
Llamando a = −k/ce M y b = ṁ/M llegamos a:

ẋ = ax + bu

La matriz de transición de estados quedará reducida a una función escalar racional de

primer orden:
ST

 
a
Φ(s) = → Φ(t) = eat
s−a

La solución para el caso en el cual la temperatura de llama se mantiene constante en el

N

valor Tcombeq resulta en:

x(t) = Φ(t)x(0) = x(0)eat

O

Debe notarse que la condición inicial x(0) en este modelo corresponde a la diferencia
entre la temperatura inicial T (0) y la temperatura de equilibrio considerada Teq .
C

Dinámica de Segundo Orden Subamortiguada

EN

Si la matriz A tiene todos sus coeficientes reales, sus autovalores serán números reales
(recordar que R ⊂ C) o formarán pares complejos conjugados; y en tal caso los residuos
asociados a las fracciones de los pares complejos conjugados serán a su vez complejos
conjugados. Por lo tanto las fracciones asociadas a polos complejos conjugados se

versión 0.24 (en construcción) - pág.43

 podrán unificar en una única fracción de segundo orden con coeficientes reales:

pk = p̄h pk = a + jb , ph = a − jb
rk = r̄h rk = c + jd , rh = c − jd

rk rh rk (s + ph ) + rh (s + pk )
+ =
(s + pk ) (s + ph ) (s + pk )(s + ph )
(c + jd)(s + a − jb) + (c − jd)(s + a + jb)

N
=
(s + a + jb)(s + a − jb)
cs + ca − jcb + jds + jda − (j)2 db + cs + ca + jcb − jds − jda − (j)2 db
=

IO
s2 + 2as + jbs − jbs − (jb)2 + a2
cs + ca − db
=2 2
s + 2as + a2 + b2
Por conveniencia usaremos para los términos de segundo orden la siguiente notación:

C
r r̄ c1 s + ωn2
+ = c0 2
(s + p) (s + p̄) s + 2ξωn s + ωn2

C
que en el caso en el cual c1 = 0 y c0 = 1 se reduce a la forma estándar normalizada:
RU
ωn2
Φ(s) = (1.44)
s2 + 2ξωn s + ωn2

La anti-transformada de esta función es:

ωn p 
φ(t) = p · e−ξωn t · sin 1 − ξ 2 ωn t (1.45)
ST

1 − ξ2

que tiene la forma de una senoidal “modulada” por una exponencial:

φ(t) = k · e−t/T · sin (ωd t)

N

p
donde ωd = 2 ω es la frecuencia amortiguada que define el perı́odo de la
1 − ξp n
oscilación, k = ωn / 1 − ξ 2 es un factor de amplificación (ganancia) constante y
O

T = (ξωn )−1 es una constante de tiempo equivalente a la de la dinámica de primer

orden.
En la figura 1.16 se muestran curvas para distintos valores del factor de amortiguamiento.
C

Si c1 6= 0 podemos ver que:

c1 s + ωn2 ωn2
 
s
EN

φ(s) = 2 = c1 +
s + 2ξωn s + ωn2 s2 + 2ξωn s + ωn2 s2 + 2ξωn s + ωn2

La anti-transformada del término entre corchetes es igual a la derivada de (1.45)

multiplicada por una constante, resultando en:
 
s ωn p 
L −1
= −p · e−ξωn t · sin 1 − ξ 2 ωn t − β
s2 + 2ξωn s + ωn2 1 − ξ2

versión 0.24 (en construcción) - pág.44

 N
IO
C
C
Figura 1.16: respuesta temporal de una dinámica de segundo orden con cr = 1, cs = 0 y ωn = 1.

p
donde β = tan−1 1 − ξ 2 /ξ . Combinando ambos resultados se tiene finalmente que:
RU
ωn h p  p i
φ(t) = p · e−ξωn t sin 1 − ξ 2 ωn t − c1 sin 1 − ξ 2 ωn t − β
1 − ξ2

que equivale a la expresión (1.45) con el agregado de un ángulo de fase y un ajuste del
término multiplicativo. Por otra parte, si c0 6= 1 solo se introduce un factor de amplificación
ST

(o atenuación en la amplitud), pero no modifica en nada la evolución en el tiempo.

Dado que para una respuesta subamortiguada ωn > 0, solo el signo de ξ definirá el
signo de la constante de tiempo; y con ello si la amplitud crece en el tiempo (en el caso
inestable ξ < 0) o decrece y la oscilación converge a cero (caso exponencialmente
N

estable con ξ > 0).

En el caso no amortiguado (ξ = 0), la amplitud de la oscilación permanece constante y
O

el comportamiento es el de un “centro”.

Aplicando la fórmula de Bhaskara podemos determinar los polos de la ecuación (1.44):

C

p
λ1,2 = −ξωn ± j ωn 1 − ξ2 (1.46)

Vemos entonces que la parte real de los polos es la que define la constante de tiempo,
EN

y nuevamente podemos decir que el comportamiento es asintóticamente estable si los

polos se encuentran en el semiplano izquierdo del plano complejo y viceversa.

La distancia al origen de los polos será:

p p
|λ| = Re(λ)2 + Im(λ)2 = (ξωn )2 + ωn2 (1 − ξ 2 ) = ωn

versión 0.24 (en construcción) - pág.45

 mientras que su argumento será:

Re(λ)
∠λ = cos−1 = cos−1 ξ
|λ|
Vemos entonces que:

todos los polos que se encuentren sobre un cı́rculo centrado en el origen tendrán
el mismo ωn
todos los polos que se encuentren sobre una misma linea que pase por el origen

N
(radial) tendrán el mismo factor de amortiguamiento ξ
todos los polos que se encuentren sobre una misma lı́nea horizontal tendrán el

IO
mismo perı́odo o frecuencia de oscilación.
todos los polos (reales o complejos conjugados) que se encuentren sobre una
misma lı́nea vertical tendrán el mismo tiempo de establecimiento, dado que este
depende solo de la constante de tiempo, y esta queda definida por la parte real

C
todos los polos (reales o complejos conjugados) con parte real negativa
corresponderán a comportamientos exponencialmente estables y viceversa.

C
los polos complejos ubicados en el eje imaginario (imaginarios puros) correspon-
derán a oscilaciones no-amortiguadas
RU
Dinámica de Orden Superior
Dado que cualquier función racional se puede descomponer en fracciones parciales,
y teniendo en cuenta que la anti-transformada de Laplace es un operador lineal;
podemos concluir que independientemente de la complejidad del modelo; sus soluciones
siempre podrán ser descompuestas en una suma de exponenciales y/o senoidales con
ST

modulación exponencial de su amplitud.

N
O
C
EN

versión 0.24 (en construcción) - pág.46

 Queda claro que si cualquiera de estos términos está asociado a una respuesta inestable
(autovalores con parte real positiva), la suma será divergente y diremos que el sistema
es inestable; aunque ello se deba a un solo autovalor.

N
IO
C
C
RU
ST
N
O
C
EN

versión 0.24 (en construcción) - pág.47

EN
C
O
N
ST
RU
C
C
IO
N
 N
2

IO
C
Respuesta a Perturbaciones

C
RU
ST
N
O
C
EN

49
 Funciones de Transferencia
2.1.1. Entradas y Salida
Previamente se han introducido los conceptos de variables de estado y variables de
entradas o perturbaciones. Puede notarse que mientras que las variables de estado son
definiciones absolutamente abstractas, independientemente de que en muchos casos se
elijan con algún sentido fı́sico; las variables de entrada pueden asociarse en general a
efectos observables.

N
Respecto del estado del proceso, en general lo observable son ciertas variables medidas,
a las cuales denominaremos variables de salida.

IO
Las variables de salida a considerar estarán relacionadas de forma algebraica con los
estados (si fuesen relaciones diferenciales, serı́an necesarias mas variable de estado en
el modelo). En general las variables de salida estarán definidas por un mapeo no lineal.
Para el caso general el modelo completo serı́a:

C
ẋ = f (x, u)
y = h (x, u)

C
Al igual que la ecuación de estados, esta expresión se puede linealizar. El modelo
completo linealizado resulta:
RU
ẋ = Ax + Bu (2.1)
y = Cx + Du

Tanto en MatlabTM como en GNU Octave con las librerı́as de control instaladas
ST

se dispone de funciones y estructuras para definir y operar con modelos Lineales

Invariantes en el Tiempo (LTI).
Para construir un modelo de estados LTI se dispone del comando ss().
Por ejemplo, para el péndulo linealizado en el estado {0, 0}:
N

g = 9.81; % a c e l e r a c i ó n g r a v i t a t o r i a
l = 2; % longitud
O

b = 0.1; % d i s i p a c i ó n v i s c o s a

A = [ 0 1 ; −g / l b ] ; % m a t r i z din ámica
B = [0 ; 1 ] ; % m a t r i z de e n t r a d a
C

C = eye ( 2 ) ; % tomamos como s a l i d a s ambos estados

D = 0;

nombres = { ’ \ t h e t a ’ , ’ \omega ’ } ;
EN

M = ss ( A , B , C, D, ’ StateName ’ , nombres , ’ OutputName ’ , nombres )

Los nombres para los estados y las salidas son opcionales.

versión 0.24 (en construcción) - pág.50

2.1.2. Matriz de Transferencia
Aplicando transformada de Laplace a las ecuaciones 2.1 podemos encontrar una
relación entre entradas y salidas, sin incluir variables de estado:
−1
L {ẋ} = L {Ax + Bu} → X(s) = [sI − A] [x(0) + BU (s)]
L {y} = L {Cx + Du} → Y (s) = CX(s) + DU (s)

Sustituyendo:

N
−1 −1
Y (s) = {C [sI − A] B + D}U (s) + C [sI − A] x(0) (2.2)

El término entre llaves es lo que se denomina matriz de transferencia, que relaciona

IO
el efecto de las entradas sobre las salidas partiendo de condiciones iniciales nulas
(equilibrio):
−1
G(s) = C [sI − A] B+D (2.3)

C
En sı́ntesis podemos decir que:

Y (s) = [CΦ(s)] x(0) + G(s)U (s)

C
A diferencia de la matriz de transición de estados, la matriz de transferencia tendrá tantas
filas como elementos tenga el vector de salidas y (filas de la matriz C) y tantas columnas
como elementos tenga el vector de entradas u (columnas de la matriz D).
RU
  
 φ (s) · · · φ1n (s) b11 ··· b1m
c1n  11
  
c11 ··· d ··· b1m
 .. ..  φ21 (s) · · · φ2n (s)   b21 ··· b2m   11

. .. 
.. ..
G(s) =  . ..  +  ..

. .  . .. ..   .. .. . . 
 .. . .  . . . 
cl1 ··· cln dl1 ··· dlm
φn1(s) · · · φnn (s) bn1 ··· bnm
ST

 
G11 (s) · · · G1m (s)
 .. .. ..
= .

. . 
Gl1(s) · · · Gln (s)
N

Es evidente que por superposición se puede agregar el efecto de las otras entradas
sobre una misma salida:
O

 
     U1 (s) 
Y1 (s)
  G11 (s) G12 (s) · · · G1m (s)  
 U2 (s) 

..  .. .. .. ..
. = .

. . . .
 .. 
C


 
Yl (s) Gl1(s) Gl2(s) · · · Gln (s) 
  

Um (s)
 

Yi (s) = Gi1 (s)U1 (s) + Gi2 (s)U2 (s) + · · · + Gim (s)Um (s)
EN

Podemos obtener la matriz de transferencia a partir del modelo de estados con el

comando tf(). Para el ejemplo de la sección precedente:
G = t f (M)

Para ese ejemplo la matriz de transferencia tiene dos filas y una columna.

versión 0.24 (en construcción) - pág.51

 Función de Transferencia
Cada elemento Gij (s) es una función racional cuyo denominador es el polinomio
caracterı́stico de la matriz A, de orden n, y el numerador es un polinomio como máximo
de orden n, si D 6= 0, o a lo sumo n − 1 si D = 0.
Esta función relaciona la transformada de Laplace una determinada variable de salida
Yi (s) respecto de la transformada de Laplace de una entrada Uj (s):

Yi (s) b0 sn + b1 sn−1 + · · · + bn−1 s + bn

Gij (s) = = n (2.4)

N
Uj (s) s + a1 sn−1 + · · · + an−1 s + an

Podemos pensar a la función de transferencia como el cociente de dos polinomios; pero

IO
también podemos notar que esta función queda completamente definida por las raı́ces
de estos polinomios y un factor multiplicativo:

N (s) (s + z1 ) (s + z2 ) · · · (s + zm )
G(s) = =k
D(s) (s + p1 ) (s + p2 ) · · · (s + pn )

C
donde k es un valor constante. Llamamos ceros de la función de transferencia a las
raı́ces del numerador −zk , ya que evaluar la función con uno de estos valores arroja un

C
resultado nulo; y polos a las raı́ces del denominador −pk , que son sus valores singulares.
Se verá más adelante que resulta mucho más significativo analizar una función de
transferencia a través de sus los polos y ceros que considerar los coeficientes de los
RU
polinomios correspondientes.

Al introducir la transformada de Laplace en el capı́tulo precedente se mencionó entre

sus propiedad la relación que se establece entre la transformada de una función y la de
su derivada (1.38).
ST

En el caso de la función de transferencia el valor inicial de la función en el tiempo es nulo,

por lo que para ella puede decirse que la variable compleja s corresponde al operador
derivada en el tiempo d/dt; es decir, el argumento de una función de transferencia es el
operador derivada: F (s) ≡ F (d/dt).
Ası́ una función de transferencia es también una ecuación diferencial que involucra
N

unicamente a la entrada y la salida. Si

Y (s) b0 sn + b1 sn−1 + · · · + bn−1 s + bn

G(s) = = n
O

U (s) s + a1 sn−1 + · · · + an−1 s + an

entonces
C

y (n) (t) + a1 y (n−1) (t) + · · · + an−2 ÿ(t) + an−1 ẏ(t) + an y(t)

= b0 u(n) (t) + b1 u(n−1) (t) + · · · + bn−2 ü(t) + bn−1 u̇(t) + bn u(t)
EN

El comando tf() permite también construir un modelo LTI en forma de función de

transferencia a partir de los polinomios numerador y denominador. Por ejemplo:
G = t f ( [ 1 . 4 1 ] , [1 1.4 1 ] )

También se puede construir una matriz de transferencia en base a un arreglo de

polinomios para los numeradores y denominadores de cada elemento. Por ejemplo:

versión 0.24 (en construcción) - pág.52

 G = t f ( {−5 ; [ 1 −5 6 ] } , { [ 1 −1] ; [ 1 1 0 ] } )

Análogamente con el comando zpk() se puede construir el modelo a partir de ceros,

polos y ganancia; o convertir modelos construidos con tf() o ss() a este formato.
zpk (G ) ;

N
Respuesta al Impulso
Dado que la transformada de Laplace de una entrada impulsiva es una constante, puede
notarse que la función de transferencia coincide con la transformada de Laplace de la

IO
respuesta al impulso, lo cual da otra forma de definir la función de transferencia:

∞ si t = 0
si u(t) = δ(t) , δ(t) = , → U (s) = 1
6 0
0 si t =

C
Y (s) = G(s) → y(t) = L −1 {G(s)} = g(t)

C
Con modelos LTI la respuesta al impulse se puede obtener fácilmente con el comando
impulse():
RU
impulse (G ) ;

Para una perturbación arbitraria se puede recurrir al comando lsim().

Por ejemplo:
G = t f (1 , [1 0.2 1 ] ) ;
t = 0:0.01:10;
ST

u = 0.1 ∗ t . ˆ 2 ;
l s i m (G, u , t ) ;

2.1.3. Diagramas en Bloques

N

Es posible obtener cualquier función de transferencia sin pasar por la ecuación

de estados, aplicado transformada de Laplace directamente al modelo matemático
O

linealizado considerando condiciones iniciales nulas y despejando. En casos complejos

el proceso de despeje puede realizarse de forma gráfica mediante la reducción de
diagramas en bloques.
C

Esta temática se halla extensamente desarrollada en [Oga93, sección 1-7: Diagramas

de Bloques, p. 46].
EN

Análisis de Respuesta Transitoria

2.2.1. Modelos de Perturbaciones Discretas
En muchos casos las perturbaciones son el resultado de eventos puntuales, y su va-
riación temporal queda acotada a un intervalo de tiempo reducido. Frecuentemente las

versión 0.24 (en construcción) - pág.53

 evoluciones temporales asociadas a estos eventos se pueden idealizar matemáticamen-
te mediante funciones como impulsos, escalones, rampas, etc.
La particularidad de estas funciones es que cada una es la integral de la anterior; y como
la transformada de Laplace de la función impulso (delta de Dirac) es una constante, las
transformadas subsiguientes son de la forma 1/sk .
Estas funciones elementales pueden combinarse para construir casos más especı́ficos,
y las respuestas pueden obtenerse como superposición de respuestas elementales.

Por otra parte, teniendo en cuenta que la respuesta al impulso de un sistema dinámico

N
es la antitransformada de su función de transferencia; estas respuestas puede usarse
también como modelos de entrada para otros proceso dinámicos. Por ejemplo, una
senoidal puede pensarse como la respuesta al impulso de un modelo de segundo orden

IO
no amortiguado.
De hecho podemos afirmar que fı́sicamente las perturbaciones o entradas al proceso en
estudio son en realidad salidas de otros sistemas dinámicos. Por lo tanto podemos usar
expresiones como la (2.4) para generar familias de modelos de perturbación.

C
Escalón Unitario
Una forma muy generalizada de evaluar las caracterı́sticas de un proceso dinámico es la

C
de computar valores que parametricen la respuesta a una perturbación de tipo escalón.

1 si t = 0 1
RU
si u(t) = 1(t) , 1(t) = , → U (s) =
0 si t 6= 0 s

Matemáticamente el escalón unitario es la integral del impulso unitario, y como tal es una
idealización ya que fı́sicamente es imposible lograr una derivada infinita.
Pero esta función describe de forma razonable perturbaciones fáciles de generar
ST

experimentalmente. Por otro lado implica únicamente un desequilibrio teóricamente

instantáneo en t = 0 ya que después permanece constante, poniendo en evidencia
la respuesta del sistema de forma limpia.
Esto último podrı́a lograrse también con un impulso, pero fı́sicamente aproximar una
perturbación impulsiva puede ser poco conveniente; dado que un impulso de poca
N

amplitud en general no genera variaciones de intensidad suficiente para ser medidas

con precisión, mientras que un impulso más intenso puede resultar inviable en función
de la integridad del proceso en estudio.
O

2.2.2. Respuesta al Escalón en Estado Estacionario

y Ganancia (a frecuencia 0)
C

En el caso de dinámicas asintóticamente estables, ante entradas constantes no nulas las

salidas convergerán a nuevos valores de equilibrio. Estos se pueden calcular mediante
el Teorema del Valor Final para la Transformada de Laplace, que establece para el valor
EN

de convergencia de una función escalar la siguiente relación:

yss = lı́m y(t) = lı́m s Y (s) , Y (s) = L {y(f )} (2.5)

t→∞ s→0

Para una entrada escalón unitario:


1 si t ≥ 0 1
u(t) = , → U (s) =
0 si t < 0 s

versión 0.24 (en construcción) - pág.54

 se tendrá la siguiente función de salida:

1
Y (s) = G(s)U (s) = G(s)
s
la cual convergerá al valor de estado estacionario:

1 bn
yss = lı́m s G(s) = G(0) =
s→0 s an

N
donde bn y an son los términos independientes del numerador y denominador de la
función de transferencia. A dicho cociente lo denominamos ganancia a frecuencia cero,
o simplemente ganancia.

IO
Podemos afirmar que una función de transferencia queda completamente definida
mediante sus polos, ceros y ganancia a frecuencia cero (o el valor k ) utilizado
previamente, que es directamente proporcional.
Esta ganancia implica solo un factor de escala constante para la amplitud, y no tiene

C
ninguna incidencia en la forma de la evolución temporal de la salida.

Con modelos LTI la respuesta al escalón se puede obtener fácilmente con el comando

C
step():
s t e p (G ) ;
RU
Para una secuencia de pulsos podrı́amos recurrir al comando lsim(). Por ejemplo:
clear ; clc ; c l f

G = t f (1 , [1 0.2 1 ] ) ;
t = 0:0.01:40;
ST

u = sin ( 0 . 5 ∗ t ) ;
u = ( u > 0) − ( u < 0 ) ;
% con e s t o e l r e s u l t a d o es 1 para l o s s e m i c i c l o s p o s i t i v o s
% y −1 para l o s n e g a t i v o s
l s i m (G, u , t ) ;
N

2.2.3. Respuesta Transitoria

O

La respuesta transitoria se puede analizar mediante una descomposición en fracciones

parciales en el dominio de la variable compleja s:
C

 
r1 r2 rn
Y (s) = G(s)U (s) = + + ··· + U (s)
s + p1 s + p2 s + pn
EN

Cada fracción (modo natural) tiene una ganancia a frecuencia cero dada por rk /pk .
Normalmente los residuos rk tienen un mismo orden de magnitud; excepto cuando un
cero zi se encuentra próximo a un polo pj , y en ese caso el residuo es tanto menor
cuando la relación zi /pj se aproxima a 1. En el caso lı́mite los polinomios numerador
y denominador no son coprimos, por lo cual se pueden cancelar estas raı́ces, lo que
equivale a rj = 0 para el polo cancelado pj .

versión 0.24 (en construcción) - pág.55

 N
IO
C
C
Figura 2.1: Respuesta al escalón de los diferentes términos de la (2.6)
RU
Por ejemplo:

10 10/9 10/9 1
= − ≈ (2.6)
(s + 1)(s + 10) s + 1 s + 10 s+1
ST

En la figura 2.1 se muestra la respuesta al escalón para cada fracción (F1 y F2), la
función de transferencia completa (G) y la aproximación considerando solo la dinámica
dominante (G1).

Con Matlab / GNU Octave la descomposición en fracciones parciales puede realizarse

N

mediante el comando residue:

num = 1 0 ;
O

den = [ 1 11 1 0 ] ;

% r : residuos
C

% p : polos
% k : termino constante
[ r , p , k ] = residue ( num , den )
EN

Por lo tanto, salvo en el caso de cancelaciones (parciales o totales), las fracciones

asociadas a los polos más próximos al origen (y por lo tanto más lentos) tendrán una
ganancia relativa mayor, y resultarán dominantes en la respuesta transitoria.

versión 0.24 (en construcción) - pág.56

 Parametrización de la Respuesta Transitoria al Escalón
En la siguiente figura 2.2 se indican los parámetros utilizados normalmente para
caracterizar una respuesta transitoria, donde hemos seguido lo definido en [Oga93,
p. 284]:

N
IO
C
C
RU
Figura 2.2: Parámetros de respuesta transitoria al escalón

Tiempo de Establecimiento tss Una función exponencial alcanza su valor final (o

derivada nula) en tiempo infinito. Por lo tanto, a los fines prácticos se considera que
se ha alcanzado el valor final cuando su variación queda acotada en una cierta banda
ST

de tolerancia. Normalmente se considera un ±2 %.

Tiempo de Retardo tr y Tiempo de Crecimiento tc El tiempo de retardo se define con

el perı́odo transcurrido entre la aplicación del escalón y el instante en el cual la amplitud
alcanza el 50 % de su valor final. El tiempo de crecimiento se define como el tiempo que
N

tarda la respuesta en alcanzar por primera vez su valor final.

También puede considerarse el tiempo que tarda la respuesta en crecer desde el 10 %
hasta el 90 % de su valor final. La ventaja es que evalúa mejor la velocidad de respuesta
O

de un sistema cuando hay retardos, o en casos donde inicialmente la respuesta crece

rápidamente pero luego tarda mucho en alcanzar el valor final.
C

Sobrepaso Mp y Tiempo de Pico tp Muchas respuestas transitorias muestran

sobrepaso (respecto de su valor final).
EN

Retardo de Transporte τ Existen procesos dinámicos en los cuales la entrada no tiene

ningún efecto en la salida durante un determinado tiempo. Esto es común en procesos
que involucran transporte de calor o fluidos.
El retardo de transporte es un operador lineal, pero su función de transferencia no es
una función racional:

L {y(t − τ )} = e−τ s L {y(t)} (2.7)

versión 0.24 (en construcción) - pág.57

 Tiempo para Duplicar la Amplitud En dinámicas inestables no es posible determinar
un tiempo de establecimiento, ni un tiempo de retardo. Sin embargo puede obtenerse
una medida de la velocidad de la inestabilidad determinando el tiempo necesario para
duplicar la amplitud.
En una respuesta inestable la amplitud viene dada por una relación exponencial de la
forma
y(t) = eat
Por lo tanto, luego de un tiempo T2 se tendrá el doble de amplitud si se cumple que

N
y(t + T2 ) = ea(t+T2 ) = 2eat

Tomando logaritmos a ambos lados

IO
ln ea(t+T2 ) = ln 2eat → a(t + T2 ) = ln 2 + at

1
T2 = ln 2 (2.8)

C
a
en donde a = 1/T es la parte real del polo o par complejo conjugado inestable.

C
Respuesta al Escalón de Primer Orden
Para un sistema de primer orden el único parámetro es la constante de tiempo T , que
RU
es la inversa de la distancia a la cual se encuentra el polo respecto del origen:
a 1
G(s) = = (2.9)
s+a Ts + 1
La respuesta al escalón resulta:
ST

y(t) = 1 − e−at = 1 − e−t/T (2.10)

En este caso solo tiene sentido hablar del tiempo de establecimiento, que para un
margen del 2 % alrededor del valor final resulta ser aproximadamente 4T , ya que
y(4T ) = 1 − e−4 = 0,9817.
N

Experimentalmente se puede determinar la constante de tiempo teniendo en cuenta que

y(T ) = 1 − e−1 = 0,3679, o bien determinando la pendiente de la curva de respuesta
ẏ(0) = 1/T .
O

Respuesta al Escalón de Segundo Orden

En el caso de polos complejos conjugados consideramos la función de transferencia es
C

la presentada en la ecuación (1.44):

ωn2
G(s) = (2.11)
s2 + 2ξωn s + ωn2
EN

La respuesta al escalón unitario es directamente la integral de (1.45) (ver figura 2.3):

1
φ(t) = 1 − p · e−ξωn t · sin (ωd t + φ) (2.12)
1 − ξ2
p
p
−1 1 − ξ2
ωd = 1− ξ 2 ωn , φ = tan (2.13)
ξ

versión 0.24 (en construcción) - pág.58

 N
IO
C
C
Figura 2.3: respuesta temporal de segundo orden al escalón con ξωn = 1.

A partir de esta expresión podemos computar los parámetros de respuesta transitoria

RU
(ver [Oga93, p. 286]):

π−β
tc = , β = cos−1 ξ
ωd
π
tp =
ST

ωd
ξ
−√ π
Mp = e 1−ξ2

1
ts ≈ 4T , T =
ξωn
N

Aunque con bajo amortiguamiento el perı́odo de la oscilación (y con ello ωd ) puede

determinarse fácilmente midiendo el tiempo entre dos cruces consecutivos del valor final
en un mismo sentido, la determinación del factor de amortiguamiento no parece tan
O

obvia.
Sin embargo, si y1 e y2 son las amplitudes de dos picos consecutivos y τ es el perı́odo,
se encuentra que:
C

y1 ke−t/T · sin (ωd t) e−t/T

δ = ln = ln −(t+τ )/T = ln −t/T −τ /T = τ /T
y2 ke · sin (ωd (t + τ )) e e
EN

donde los senos se cancelan porque estamos considerando picos (sin(·) = 1).
Llamamos a esta relación δ decremento logarı́tmico. Sustituyendo:

2πξ
δ=p
1 − ξ2
de lo cual se puede determinar el factor de amortiguamiento. Para valores pequeños
δ ∼ 2πξ .

versión 0.24 (en construcción) - pág.59

 2.2.4. Ceros de la Función de Transferencia
A diferencia de los polos, que asociamos a modos naturales de respuesta que dependen
solo de la matriz dinámica A, los ceros dependen no solamente de estos sino también
de las entradas y salidas; es decir, de las cuatro matrices del modelo de estados (2.1).

Resulta obvio que cuando los polinomios numerador y denominador de la función de

transferencia Gij (s) = Yi (s)/Uj (s) tienen factores comunes, existen polos y ceros que
pueden cancelarse mutuamente.

N
Esto puede interpretarse diciendo que en la relación dinámica entre la entrada Uj (s) y
la salida Yi (s) no se observa la dinámica de ciertos modos naturales.
Por ejemplo, en una viga empotrada para pequeñas amplitudes (condición de validez del

IO
modelo lineal) los modos de torsión no se ven en la relación entre tensión y deformación
a flexión y viceversa.

Matemáticamente esto se observa en un desarrollo en fracciones parciales de la función

C
de transferencia, en donde el residuo para la fracción del factor común entre numerador
y denominador se anula.

C
Por ejemplo:

10s + 20 10(s + 2) 10/9 0 10/9

RU
= = + −
s3 2
+ 13s + 32s + 20 (s + 1)(s + 2)(s + 10) s + 1 s + 2 s + 10

que es lo mismo que se obtuvo en la ecuación (2.6) del ejemplo precedente. Esto es
obvio, dado que si eliminamos los términos comunes obtenemos la misma función de
transferencia.
ST

Cuando la cancelación cero/polo no es exacta, el residuo correspondiente no será nulo

pero sı́ muy pequeño. Esto implica que el peso de ese modo natural en la respuesta
transitoria se verá disminuido en función de esa cancelación.
N

Por ejemplo:

10s + 19 10(s + 1,9) 1 0,125 1,125

= = + −
O

s3 + 13s2 + 32s + 20 (s + 1)(s + 2)(s + 10) s+1 s+2 s + 10

C

Cuando existen ceros pero no se observa una cancelación definida, podemos plantear
el siguiente enfoque. Asumamos una función de transferencia con denominador A(s) y
numerador B(s) = as + b con un cero en z = −b/a:
EN

Y (s) B(s) as + b b b  
= G(s) = = = + Ts = Ḡ(s) + T s Ḡ(s)
U (s) A(s) A(s) A(s) A(s)

donde T = 1/|z| = a/b es la constante de tiempo, inversa de la distancia al origen

|z| del cero; mientras que Ḡ(s) corresponde a la función de transferencia con la misma
ganancia pero sin el cero.

versión 0.24 (en construcción) - pág.60

 N
IO
Figura 2.4: Respuesta al escalón de un modelo de segundo orden con ξ = 0,5, ωn = 1, y con un cero a diferentes distancias
del origen

C
La respuesta y(t) a una entrada u(t) arbitraria será:

C
   
b b dȳ(t)
y(t) = L {G(s)U (s)} = L U (s) + T s U (s) = ȳ(t) + T
A(s) A(s) dt
RU
Entonces, la respuesta con el cero se puede pensar como la superposición de la
respuesta sin el cero, con la derivada de esta multiplicada por la constante de tiempo.

Si la entrada es un escalón, la segunda parte coincide con la respuesta al impulso. Esta

componente impulsiva en la respuesta pesará más o menos en función de la constante
ST

de tiempo, que aumenta cuando el cero se acerca al origen.

En la figura 2.4 se ilustra esto superponiendo las respuestas al escalón de un modelo de
segundo orden con un cero a diferentes distancias del origen.
N

Podemos hacer una gráfica de polos y ceros de un modelo LTI con el comando pzmap().
La grilla de radiales correspondientes a factores de amortiguamiento constantes y semi-
circunsferencias correspondientes a frecuencias naturales se construye con el comando
O

sgrid().

Por otra parte es posible hacer un listado de los valores de frecuencia y factor de
C

amortiguamiento de los polos con el comando damp().

Relación de las Cancelaciones entre Ceros y Polos con el Modelo de Estados

EN

Los denominadores de los elementos en la matriz de transferencia se corresponden con

el polinomio caracterı́stico de la matriz A de la ecuación de estado (2.1), es decir, los
modos naturales definen los polos de las funciones de transferencia dentro de la matriz.
Deducimos entonces que la matriz de entradas B en la ecuación de estados y las
matrices C y D de la ecuación de salida solo tiene incidencia en los ceros.

versión 0.24 (en construcción) - pág.61

 Podemos notar que cada componente uj del vector de entradas tiene asociada una
columna bj en la matriz de entradas, y análogamente cada componente yj del vector de
salidas tiene asociada una fila cj en la matriz de C.
Vamos a tratar de analizar la incidencia de estas matrices en la respuesta del sistema.

Efectividad de las Entradas Si llevamos el modelo de estados a coordenadas

modales obtenemos la forma dada por la ecuación (1.23). Es bastante obvio el hecho
de que cada columna de B define la capacidad que tiene cada entrada para afectar
los diferentes modos naturales del sistema (representados aquı́ por las coordenadas

N
modales zi ):
       
ż1  λ1 0 ··· 0 z1  ··· b̄1j ···  . 

IO
 .. 

 
  
 
ż2   0 λ2 ··· 0 z  · · · b̄2j · · ·
  
2
  
= .  .. +  .. u
  
.. .. .. .. .. .. j
  ..

.
 . . .  .  .
 . . .
.. 
  
  
  
żn 0 0 ··· λn zn ··· b̄nj ···
 

C
Podrı́amos decir que la columna bj en B = [b1 b2 · · · bm ] mapea variable de entrada
uj en la derivada del vector de estados ẋ.
En algunos casos ciertas variables de entrada no afectan ciertos modos naturales,

C
lo cual se refleja en coeficientes relativamente chicos en la columna correspondiente.
Por lo tanto en las funciones de transferencia asociadas a dicha entrada los polos
RU
correspondientes a los modos naturales inmunes a dicha perturbación estén cancelados
con ceros. Esta cancelación será parcial cuando exista solo alguna incidencia débil entre
una entrada y un modo natural.
Conceptualmente nos estamos refiriendo a modos naturales no controlables con la
entrada considerada.
ST

Sensibilidad de las Salidas Si el modelo de estados es de orden n y consideramos

una salida yj en la (2.1) tenemos para esta la siguiente relación:
 

 x1 
 
  x2 

N


yj = cj1 cj2 ··· cjn . = Cj x
 .. 

 

xn
 
O

La matriz fila Cj define un hiperplano C en el espacio de estado Rn (CTj es el vector

normal a este plano), y la salida yj es equivalente a la distancia del estado x a dicho
C

plano.
Cuando el estado se mueve sobre cualquier plano paralelo a C la salida se mantiene
constante, y por lo tanto de su observación podrı́a inferirse erróneamente que el proceso
está en equilibrio. También resulta obvio que no será posible identificar
EN

Cualquier modo natural que esté contenido en un plano paralelo a C no será visible
(“observable”) a través de esta salida en particular.
En ese caso, cualquier función de transferencia para esta salida tendrá ceros que
cancelarán los polos correspondientes a los modos naturales restringidos a estos planos.

versión 0.24 (en construcción) - pág.62

 Al linealizar un modelo de cuerpo rı́gido para la dinámica del avión se obtienen dos
modelos de estados desacoplados (ver apéndice A). El correspondiente a la dinámica
longitudinal es de la forma:
      

 u̇  xu xα −we −g cos θe  u xη xτ  
α̇ 
 
α zα ue −g sin θe  α zη zτ 
 η
   
= u  + (2.14)
 q̇ 
  mu mα mq 0  q
   m η mτ  τ
θ̇ 0 0 1 0 θ 0 0
   

N
Las entradas en este modelo son el comando de elevador η y el empuje τ . Al analizar

IO
este modelo tı́picamente encontramos dos modos naturales subamortiguados que se
identifican como perı́odo corto y perı́odo largo o fugoide.
Por ejemplo, para una cierta aeronave de transporte en aproximación final obtenemos:

C
   

 0,032 ± j 0,018 
 0,036
0,999 0,999
   
λc = −1,019 ± j 1,503 , vc = , |vc | =
 −0,003 ± j 0,014  0,014

C
   
0,007 ± j 0,003 0,008
   
   

 0,998 
 
 0,998
−0,060 ± j 0,005 0,060
   
RU
λf = −0,008 ± j 0,112 , vf = , |vf | =

 0,001 
 
 0,001
−0,001 ± j 0,011 0,012
   

Si tomamos como salida el ángulo de ataque:

ST

 
u
 
  α
y= 0 1 0 0
q 
 
θ
 
N

el hiperplano C se corresponderá con α = 0.

Llevando el modelo a la forma de Jordan obtenemos:
O

      
ż1 
  0 1 0 0 
 z1 
 0,332 −0,037  
ż2 −3,297 −2,038 0 0   z2 + −1,957 0,296 η
     
=
C

ż3 
 
 0 0 0 1  
 z3   1 −0,071  τ
 
ż4 0 0 −0,013 −0,016 z4 −0,016 −0,112
  
 
z1 
 
  z2 
y = 33,39 1 −0,49 0,0002 0,0019
EN


z3 
 
z4


Vemos en la ecuación de estado que ambas entradas tiene impacto en ambos modos
naturales, mientras que de la ecuación de salida concluimos que el modo fugoide {z3 , z4 }
tiene muy poco peso en la salida.

versión 0.24 (en construcción) - pág.63

 N
IO
C
Figura 2.5: Polos (cruces) y ceros (cı́rculos) de las funciones de transferencia entre elevador η y empuje τ y ángulo de ataque
α de una aeronave

C
Las funciones de transferencia resultan:
RU
α(s) 0,0141 (s − 57,21)(s2 + 0,024s + 0,017)
= 2
η(s) (s + 0,016s + 0,013)(s2 + 2,038s + 3,297)

α(s) 0,0024 (s + 54,12)(s2 − 0,050s + 0,017)

= 2
τ (s) (s + 0,016s + 0,013)(s2 + 2,038s + 3,297)
ST

En la figura 2.5 vemos que los polos lentos (modo fugoide) están prácticamente
cancelados por los ceros. Por lo tanto no se observará el modo fugoide observando
el indicador de ángulo de ataque.
N

En sı́ntesis concluimos que las cancelaciones entre ceros y polos en las funciones de
transferencia están relacionadas con la “controlabilidad” y “observabilidad” del sistema.
O

2.2.5. Ceros de la Matriz de Transferencia

Los polos de la matriz de transferencia G(s) son aquellos valores de s para los cuales
C

esta tiene una “singularidad”, es decir, su norma es infinito: kG(s)k = ∞. Estos puntos
coinciden con las autovalores de la matriz dinámica A, y por lo tanto con los polos de las
funciones de transferencia que la componen (mı́nimo común denominador entre todas
ellas).
EN

Al multiplicar un vector por un escalar se aplica una operación de “escalado” (ganancia)

sobre su magnitud. Eventualmente también se invierte su dirección (rotación de 1800 ) si
el signo es negativo. La norma para una matriz es similar al valor absoluto en el caso de
un escalar.
Para entender este concepto debemos considerar a una matriz Mn×m como un
“operador” que transforma un vector de entrada x ∈ Rm en uno de salida y ∈ Rn . Esta

versión 0.24 (en construcción) - pág.64

 transformación implica en general un cambio de dirección (rotación) y módulo (escalado),
junto con una contracción o expansión si n 6= m. La magnitud del escalado depende
de la dirección del vector de entradas. Una norma para una matriz es la magnitud del
escalado para la dirección de máxima ganancia.

Ya hemos planteado estos conceptos en la sección 1.4.3, en donde dijimos que en el

caso de matrices cuadradas (n = m) hay ciertas direcciones para el vector de entradas
en las cuales el mapeo a la salida se realiza sin cambios de dirección. Estas direcciones
se corresponden con los autovectores de la matriz, y el escalado en esas direcciones

N
está dado por los autovalores asociados.

IO
Para un cuerpo rı́gido la aceleración angular es:

ω̇ = J−1 τ

donde J es el tensor de inercia. Como J es una matriz simétrica, los autovectores de su

C
inversa coinciden.
Si el vector de entrada τ está alineado con algunos de los autovectores del tensor de
inercia (ejes principales), la aceleración angular tendrá la misma dirección que el vector

C
momento, y el módulo de la aceleración tendrá una amplificación o atenuación dada por
el autovalor correspondiente (que será la inversa del momento principar de inercia en
ese eje).
RU
Si el vector τ no está alineado con un eje principal, la aceleración angular tendrá una
dirección diferente a la del momento.

Por otra parte, en algunas matrices hay ciertas direcciones de entrada para las cuales
el escalado genera como salida un vector nulo. La unión de todas estas direcciones
ST

constituyen el núcleo o espacio nulo (kernel o null space) de la matriz.

En estos casos el rango de la matriz (la dimensión del mayor determinante no nulo) es
menor a la dimensión del vector de salida. En el caso de matrices cuadradas esto ocurre
cuando son “singulares”.
N

Al analizar la matriz de transferencia G(s) : Cm → Cl es conveniente pensar en

esta como un operador matricial que mapea la transformada de Laplace del vector de
entradas U (s) ∈ Cm en la transformada de Laplace el vector de salidas Y (s) ∈ Cl .
O

Para un valor concreto de s la matriz de transferencia es una matriz convencional; con

ciertos autovalores, autovectores y espacio nulo.
Si p es un de sus polos, hay alguna dirección (en el espacio de entrada) en donde kG(p)k
C

es infinito. En el caso de matrices cuadradas esta dirección se corresponderá con algún

autovector.
Si z es un de sus ceros de transmisión se tendrá ganancia cero kG(z)k = 0 para alguna
dirección del espacio de entrada (de hecho para todo el espacio nulo de G(z)).
EN

Se puede profundizar en esos conceptos en [SP01, sec.4, p. 113].

Para una matriz constante se puede obtener su núcleo con el comando null().

versión 0.24 (en construcción) - pág.65

 Respuesta en Frecuencia
2.3.1. Estado Estacionario
Ya se ha dicho que se puede calcular de forma analı́tica la función de salida y(t) ante una
entrada x(t) arbitraria antitransformando el producto entre la función de transferencia
entre ambas y la transformada de Laplace de la entrada X(s):
y(t) = L −1 {Y (s)} , Y (s) = G(s)X(s)

N
Por otra parte la forma general de la función de transferencia para un modelo lineal es:
B(s) bn sn + bn−1 sn−1 + · · · + b1 s + b0
G(s) = = n

IO
A(s) s + an−1 sn−1 + · · · + a1 s + a0
B(s)
=
(s + p1 ) (s + p2 ) · · · (s + pn )

C
donde A(s) y B(s) representan los polinomios denominador y numerador respectiva-
mente, y los −pk son las raı́ces del denominador (polos de la función de transferencia).
Si la transformada de Laplace de la entrada es también una función racional:

C
N (s) N (s)
X(s) = =
D(s) (s + q1 ) · · · (s + qm )
RU
la transformada de la salida también será una función racional
B(s) N (s) B(s)N (s)
Y (s) = · =
A(s) D(s) (s + p1 ) (s + p2 ) · · · (s + pn ) (s + q1 ) · · · (s + qm )
Esta puede descomponerse en fracciones parciales:
ST

r1 r2 rn h1 hm
Y (s) = + + ··· + + + ··· +
s + p1 s + p2 s + pn s + q1 s + qm
en donde los coeficientes rk son los residuos correspondientes a los polos de la función
de transferencia y los hk corresponden a los polos de la entrada. Todos estos residuos
dependen el polinomio numerador, resultante del producto B(s) · N (s).
N

Anti transformando Y (s) en la ecuación 2.3.1 obtenemos la respuesta y(t) a la entrada

x(t):
O

y(t) = L −1 {Y (s)}
= r1 e−p1 t + r2 e−p2 t + · · · + rn e−pn t + h1 e−q1 t + · · · + hm e−qm t (2.15)
C

Si el sistema es asintóticamente estable, la parte real de todos los polos −pk será
negativa, y por lo tanto las exponenciales correspondientes en la ecuación 2.15 decaerán
en el tiempo. Por lo tanto, en régimen o estado estacionario:
yss = lı́m y(t) = h1 e−q1 t + · · · + rm e−qm t (2.16)
EN

t→∞

que es una función con una descomposición similar a la función de entrada. Puede
decirse entonces que en régimen estacionario “la salida tendrá la misma forma que la
entrada”.
Ya se vio previamente que cuando la entrada es constante (escalón), la salida es régimen
constante, pero su amplitud depende de la ganancia de la función de transferencia. A
continuación se analiza el caso de la respuesta a una entrada senoidal.

versión 0.24 (en construcción) - pág.66

2.3.2. Respuesta a una Entrada Senoidal
Es evidente que ante una entrada periódica lo que ocurra en el transitorio es irrelevante,
si el perı́odo de análisis es mayor que el tiempo de establecimiento. Esto se da por
ejemplo en todos los estudios de vibraciones. Por lo tanto analizaremos la respuesta a
una senoidal en estado estacionario.

Para una función de entrada senoidal x(t) = A sin ωt con amplitud A y frecuencia
angular ω , la transformada de Laplace es:

N
Aω 2 Aω 2
L {x(t)} = X(s) = =
s2 + ω 2 (s + jω) (s − jω)

IO
La respuesta a esta senoidal para un caso general será:

N (s) Aω 2 Aω 2 N (s)
Y (s) = · 2 =
D(s) s + ω 2 (s + p1 ) (s + p2 ) · · · (s + pn ) (s + jω) (s − jω)

C
y su descomposición en fracciones parciales resulta:
r1 r2 rn rω r̄ω

C
Y (s) = + + ··· + + + (2.17)
s + p1 s + p2 s + pn s + jω s − jω
donde debe notarse que los residuos rω y r̄ω correspondientes a los polos jω y −jω
RU
formarán un par complejo conjugado.

La respuesta en régimen estacionario dada por (2.16) en este caso resulta:

yss = lı́m y(t) = rω ejωt + r̄ω e−jωt (2.18)

t→∞
ST

Para calcular el residuo correspondiente a un polo pk de una función racional F (s)

usamos la siguiente expresión:

rk = lı́m F (s) · (s − pk )
s → pk
N

Por lo tanto, para el residuo rω correspondiente al polo jω se tiene que:

Aω 2
O

rω = lı́m Y (s) · (s − jω) = lı́m G(s) · (s − jω)

s → jω s → jω (s + jω) (s − jω)

con lo cual:
C

ω ω
rω = AG(jω) , r̄ω = −AG(−jω)
2j 2j

Cualquier número complejo puede expresarse en forma exponencial en función de su

EN

módulo y su argumento. Por lo tanto:

G(jω) = |G(jω)| ej∠G(jω)

G(−jω) = |G(−jω)| ej∠G(−jω) = |G(jω)| e−j∠G(jω)

versión 0.24 (en construcción) - pág.67

 Sustituyendo en 2.18:
ω jωt ω
yss = AG(jω) e − AG(−jω) e−jωt
2j 2j
1 h j∠G(jω) jωt i
= A |G(jω)| e e − ej∠G(−jω) e−jωt
2j
A h j[ωt+∠G(jω)] i
= |G(jω)| e − e−j[ωt+∠G(jω)]
2j

N
y teniendo en cuenta la relación de Euler:

ejθ = cos θ + j sin θ

IO
se tiene que:

ejθ − e−jθ = cos(θ) + j sin(θ) − cos(−θ) − j sin(−θ)

= cos(θ) + j sin(θ) − cos(θ) + j sin(θ)

C
= 2j sin(θ)

C
Por lo tanto:
A
yss = |G(jω)| · [2j sin {ωt + ∠G(jω)}]
2j
RU
Simplificando:

yss = B sin (ωt + φ) , B = |G(jω)| A , φ = ∠G(jω)

ST

Esto significa que la respuesta en estado estacionario de cualquier sistema lineal ante
una entrada senoidal será otra senoidal con la misma frecuencia ω pero amplificada o
atenuada en un factor |G(jω)| y desfasada un ángulo ∠G(jω).
N
O
C
EN

A la expresión G(jω) se la denomina función de respuesta en frecuencia, y por lo antes

dicho su módulo |G(jω)| define la ganancia entre la amplitud de la senoidal de entrada
y la de salida, mientras que su argumento ∠G(jω) define el ángulo de fase entre ambas
senoidales; vemos que claramente que ambos dependen de la frecuencia de la senoidal
de entrada.

versión 0.24 (en construcción) - pág.68

2.3.3. Diagramas de Bode
Existen diferentes formas de representar gráficamente la respuesta en frecuencia.
Siendo la propuesta por Bode la más usada.

Ante todo debe notarse que la respuesta en frecuencia es algo que no puede observarse
en ”tiempo real”. Para relevar la respuesta en frecuencia deberı́amos realizar una
sucesión de experimentos, eligiendo para cada uno una cierta frecuencia.
Cada ensayo consistirı́a en inyectar una entrada senoidal con la frecuencia elegida,

N
esperar un tiempo mayor al de establecimiento para alcanzar, y medir la relación de
amplitudes y desfazajes entre la respuesta y la entrada.
De todos los ensayos para los diversos valores ωk se obtendrá una tabla de la forma:

IO
frecuencia ganancia fase
ω1 ··· ···
ω2 ··· ···
.. .. ..

C
. . .
ωk ··· ···
.. .. ..
. . .

C
Podemos realizar dos gráficos cartesianos tomando como abscisas la columna de
frecuencia y como ordenadas la ganancia y la fase respectivamente.
RU
Escala logarı́tmica Existen diversas razones en diferentes contextos para utilizar
escalas logarı́tmicas; pero invariablemente estas razones están asociadas al hecho de
que un desplazamiento en una escala logarı́tmica no representa un valor absoluto sino
una relación.
ST

Por ejemplo la distancia en la gráfica entre los valores 0.8 y 6.4 es la misma que habrı́a
entre los valores 3.2 y 25.6 (un factor 8).
N
O
C

En música la nota LA es por definición una senoidal con frecuencia 440Hz . Sin embargo,
en un piano de 88 teclas hay ocho afinadas a la nota LA, pero con frecuencias
desde 27,5Hz (LA−1 ) hasta los 3520Hz (LA7 ), pasando por los valores intermedios
EN

55(LA1 ), 110(LA2 ), 220(LA3 ), 440(LA4 ), 880(LA5 ) y 1760Hz(LA6 ).

Esto es ası́ porque cada vez que duplicamos la frecuencia, la percepción humana
reconoce la misma nota musical.

Al factor 2 se lo denomina octava, mientras que al factor 10 se lo denomina década.

versión 0.24 (en construcción) - pág.69

 En acústica esto justificarı́a usar escalas logarı́tmicas para representar frecuencias, pero
no es la única razón. La percepción del sonido se encuentra ı́ntimamente ligada a la
respuesta en frecuencia del oı́do, que es básicamente un sistema elástico compuesto por
una membrana, un conducto de sección variable, una trasmisión mecánica constituida
por un conjunto de pequeños huesos; y un conjunto de pelitos que generan estı́mulos
eléctricos en las diferentes secciones del conducto.
Debido a la variación de la sección del conducto, la respuesta en frecuencia entre la
vibración del tı́mpano y cada pelito posee una resonancia en frecuencias diferentes.

N
Tratándose de un sistema mecánico, el modelo dinámico mas simple para esta dinámica
serı́a uno lineal de segundo orden:

IO
a0
G(s) = k
s2 + a1 s + a0
donde k es la ganancia a frecuencia cero.

C
El módulo y la fase en función de la frecuencia resultan de la forma (2.20):

1
|G(ω)| = k q

C
2 2
(1 − ω̄ 2 ) + (2ζ ω̄)
 
−1 ω̄
∠G(ω) = tg 2ζ
RU
1 − ω̄ 2
√ √
en donde se usó la sustitución ω/ωn = ω̄ , siendo ωn = a0 , y ζ = a1 /(2 a0 ).
De esta expresión puede observarse lo siguiente:

la ganancia a frecuencia cero k no afecta la fase

ST

la forma de la respuesta en frecuencia usando la frecuencia adimensional ω̄ solo

depende del factor de amortiguamiento ζ .
usando una escala logarı́tmica para la frecuencia ω , cambiar el valor de ωn serı́a
equivalente a aplicar un factor constante al eje de abcisas; lo cual solo produce
N

un desplazamiento lateral de la gráfica de ganancias y fases, como se muestra en

la figura 2.6.
O

Decibeles Dado que la ganancia establece una relación entre amplitudes de entrada y
C

de salida, resulta común utilizar una escala logarı́tmica también para el eje de ganancia.
En el campo de la electrónica se usan logaritmos con base 10 multiplicados por un factor
20, y con lo cual se define el decibel (db). En otras palabras, para obtener una magnitud
en decibeles aplicamos el operador {db}20 · log10 ({g}), y para extraer la relación original
EN

a partir de su valor en decibeles aplicamos el operador {g} = 10({db}/20) .

versión 0.24 (en construcción) - pág.70

 N
IO
C
Figura 2.6: desplazamiento en frecuencia

C
decibeles ganancia
RU
−40db 1/100
−20db 1/10
−6db ≈ 0,5√
−3db ≈ 1/ 2
0db 1 √
3db ≈ 2
ST

6db ≈2
20db 10
40db 100
Puede notarse que los valores positivos en decibeles implican amplificación, mientras
N

que los valores negativos correspondientes implican atenuación en la misma proporción

(20 · log 1/g = −20 · log g ).
O

Cuando lo que se grafican son relaciones entre energı́as de entrada y salida (en general
asociadas a valores cuadráticos de las amplitudes) el decibel se define como 10·log10 (e).
C

En muchos casos se usan los decibeles para representar cantidades absolutas. En esos
casos se calcula el decibel sobre la relación entre el valor a representar y un valor de
referencia estandarizado.
EN

Por ejemplo, en el caso del sonido el valor de referencia es la presión sonora mı́nima
detectable por el oı́do humano. El nivel máximo tolerable es 120db, que corresponde a
106 veces el mı́nimo audible.
Otro uso similar se da en la electrónica, en donde se define la unidad dbm para niveles
de tensión eléctrica tomando como referencia 1mV .

versión 0.24 (en construcción) - pág.71

 2.3.4. Aproximación de los Diagramas de Bode
La mecánica para la construcción aproximada de diagramas de Bode para funciones
complejas se halla extensamente desarrollada en [Oga93, sección 6-2: Diagramas de
Bode, p. 462].

El uso de escalas logarı́tmicas simplifica la interpretación de la respuesta en frecuencia

de sistemas complejos.
Toda función de transferencia siempre puede descomponerse como producto de

N
términos simples:

G(s) = G1 (s) · G2 (s) · · · Gn (s)

IO
Estos términos simples pueden ser constantes, funciones de primer orden (polos y ceros
reales) o de segundo orden (polos y ceros complejos conjugados):
 ±1
±1 1 2 2ξ

C
k , (T s + 1) , s + s+1
ωn2 ωn

Como caso particular de lo anterior tenemos los polos y ceros en el origen s±1 .

C
Por ejemplo:
RU
0,1s (s + 0,2) (s + 40)
G(s) =
(s + 2) (s + 0,02) (s2 + 0,5s + 4)
1 1 1
= 5 × s × (5s + 1) × (0,025s + 1) × × × 2
0,5s + 1 50s + 1 s 0,5
+2 s+1
4 2
ST

De esta forma se puede computar ganancia y fase de una respuesta en frecuencia

compleja como “superposición” de respuestas simples:
N

log |G(jω)| = log |G1 (jω)| + log |G2 (jω)| + · · · log |Gn (jω)|

∠G(jω) = ∠G1 (jω) + ∠G2 (jω) + · · · ∠Gn (jω)

O

Debe notarse también que si:

G(jω) = |G(jω)|e∠G(jω)
C

entonces
1
= G(jω)−1 = |G(jω)|−1 e−∠G(jω)
G(jω)
EN

y por lo tanto
   
 1  1
log  = − log |G(jω)| , ∠ = −∠G(jω)
G(jω)  G(jω)

Esto significa que el diagrama de Bode para la inversa de una determinada función de
transferencia serán iguale al original “reflejados” respecto del eje de abscisas.

versión 0.24 (en construcción) - pág.72

 Respuesta en Frecuencia de Primer Orden
Un término de primer orden se escribe de la forma:
1
G(s) =
Ts + 1
Sustituyendo s por jω y multiplicando y dividiendo por el complejo conjugado del
denominador podemos separar la parte real de la imaginaria:

1 1 − jωT 1 1

N
G(jω) = = = (1 − jT ω)
jωT + 1 1 − jωT 1 + jωT 1 + T 2 ω2
De esto surge que:

IO
1
|G(jω)| = √ , ∠G(jω) = − tan−1 T ω (2.19)
1 + T 2 ω2

C
C
RU
ST
N

Figura 2.7: respuesta en frecuencia de primer orden

O

Ası́ntotas Puede notarse que si ω  1/T entonces log |G(jω)| → 0; es decir, coincide
con el eje de abscisas. Por otra parte, si ω  1/T entonces log |G(jω)| → − log ω ; es
C

decir, una recta con pendiente −1 (o −20 con ganancias en decibeles).

Ambas ası́ntotas se cruzan entre sı́ (frecuencia de esquina) en ω = 1/T , como se
muestra en 2.7.
EN

La diferencia entre estas curvas asintóticas y la curva exacta es máxima en ω = 1/T

(diferencia de 3db), un poco menor una octava por debajo ω = 1/2T o por encima
ω = 2/T (diferencia de 1db) y despreciable con diferencias en frecuencia de más de una
década. Por lo tanto la curva de ganancia se puede aproximar por sus ası́ntotas.

Por otra parte la gráfica asintótica para la fase no da una buena aproximación. Solo
podemos decir que:

versión 0.24 (en construcción) - pág.73

 ω  1/T ∠G(jω) → 0o
ω = 1/T ∠G(jω) = −45o
ω = 0,1/T ∠G(jω) = −5,7o
ω = 10/T ∠G(jω) = −84,3o
ω  1/T ∠G(jω) → −90o

Polos y Ceros en el Origen Un caso particular de dinámica de primer orden son los
polos y ceros en el origen, ya que:
1 1 T 1

N
G(s) = = lı́m = lı́m , T =
s p→0 s + p T →∞ T s + 1 p
En este caso el quiebre de la curva de ganancia se da a frecuencia cero, con lo cual la

IO
respuesta en frecuencia se convierte en la curva asintótica del caso de primer orden con
ω → ∞ y con ganancia k → ∞.
El resultado es una recta que cruza el eje de frecuencias en ω = 1.

1 1

C
G(jω) = = e−π/2 , log |G(jω)| = − log ω
jω ω
lo que equivale a un diagrama de bode cuya curva de ganancia es una recta con

C
pendiente −1 (−20db) que cruza el eje de abscisas en ω = 1; y una curva de fase
constante de −90o .
RU
ST
N
O
C

Figura 2.8: respuesta en frecuencia de un integrador y un derivador

EN

Respuesta en Frecuencia de Segundo Orden

Un término de segundo orden con raı́ces complejas conjugadas puede expresarse de la
forma:
ωn2 1
G(s) = =
2 2
s + 2ζωn s + ωn 1 2ζ
2
s2 + s+1
ωn ωn

versión 0.24 (en construcción) - pág.74

 donde |ζ| < 1. Reemplazando s = jω :

1 1
G(jω) = 2 = 2

ω 2ζ ω 2ζ
j2 2 + j +1 1− 2 +j
ωn ωn ωn ωn

Como en el caso anterior, multiplicando y dividiendo por el complejo conjugado del

denominador podemos separar la parte real de la imaginaria:

ω2 ω

N
1− 2 2ζ
ωn ωn
G(jω) =  2  2 − j  2  2
ω2 ω ω2 ω
1− 2 − 2ζ 1− 2 − 2ζ

IO
ωn ωn ωn ωn
De donde surge que:

C
|G(ω)| = q (2.20)
2 2
(1 − ω̄ 2 ) + (2ζ ω̄)
 
ω̄

C
−1
∠G(ω) = − tan 2ζ (2.21)
1 − ω̄ 2
RU
en donde se usó la sustitución ω/ωn = ω̄ .

Ası́ntotas Puede notarse que si ω  ωn entonces log |G(jω)| → 0; es decir, coincide

con el eje de abscisas.
Por otra parte, si ω  ωn entonces log |G(jω)| → −2 log ω ; es decir, una recta con
pendiente −2 (o −40 con ganancias eb decibeles).
ST

Ambas ası́ntotas se cruzan entre sı́ en ω = ωn .

La diferencia entre estas curvas asintóticas y la curva exacta depende del factor de
amortiguamiento. Si ζ = 0,7 la diferencia es máxima en ω = ωn (diferencia de 3db), un
poco menor una octava por debajo ω = ωn /2 o por encima ω = 2ωn (diferencia de 1db).
N

Las diferencias son despreciables con diferencias en frecuencia de más de una década.
Por lo tanto la curva de ganancia se puede aproximar por sus ası́ntotas como en el caso
de primer orden.
O

Y al igual que en el caso de primer orden, la gráfica asintótica para la fase no da una
buena aproximación. Solo podemos decir que:
C

ω  1/T ∠G(jω) → 0o
ω = 0,1/T ∠G(jω) = −5,7o
ω  1/T ∠G(jω) → −180o
EN

2.3.5. Caracterización de la Respuesta en Frecuencia

Frecuencia de Paso, Frecuencia de Corte y Ancho de Banda
En la figura 2.10 se muestran las definiciones de frecuencia de paso, frecuencia de
corte y ancho de banda. Para ello
√ se evalúan las frecuencias en donde la ganancia es
aproximadamente 3db menor (1/ 2) a la ganancia media de la zona ”amesetada”. Esto

versión 0.24 (en construcción) - pág.75

 N
IO
C
C
RU
ST
N

Figura 2.9: respuesta en frecuencia de segundo orden sub-amortiguada

O

implica atenuar una atenuación de la energı́a en un 50 %. Por debajo de la frecuencia

de paso, y por encima de la frecuencia de corte la ganancia decae sensiblemente. La
C

diferencia entre ambas frecuencias define el ancho de banda.

En filtros pasa-bajos la frecuencia de paso es cero, mientras que en filtros pasa-altos la
frecuencia de corte es nula.
EN

Resonancias
Los sistemas con modos naturales oscilatorios poco amortiguados presentan picos en
las curvas de ganancia de su respuesta en frecuencia, como se observa en el caso de
la figura 2.10 alrededor de los 10s−1 .
La amplitud de esos picos tienen una relación inversa con el amortiguamiento de esos

versión 0.24 (en construcción) - pág.76

 N
IO
C
Figura 2.10: ancho de banda

C
modos. Para un modelo de segundo orden:
ωn2
G(s) =
s2 + 2ζωn s + ωn2
RU
la respuesta en frecuencia G(jω) = M ejφ tiene ganancia M y fase φ dadas por la
siguiente expresión:
ω
2ζ
1 −1 ωn
M = s , φ = − tan (2.22)
ST

ω 2 2

ω
2 ω2
1− 2 + 2ζ 1− 2
ωn ωn ωn
√
Si 0 ≤ ζ ≤ 1/ 2 = 0,7071 la respuesta en frecuencia tiene un máximo en:
p
ωr = ωn 1 − 2ζ 2
N

(2.23)
y la magnitud de este máximo o pico resonante resulta ser:
O

1
Mr = p (2.24)
2ζ 1 − 2ζ 2
El factor de amortiguamiento es igual al coseno del ángulo entre los polos y el semieje
C

real negativo del plano s: ζ = cos β . Por lo tanto puede notarse que:
1 p
Mr = , ωr = ωn cos 2β (2.25)
sin 2β
EN

Podemos plantear dos miradas sobre esto. Por un lado los modos poco amortiguados
están asociados a picos de amplificación para las señales armónicas de frecuencias
próximas a la de resonancia. Cada par complejo conjugado con amortiguamiento bajo
agregará un pico resonante a la respuesta en frecuencia.
De forma inversa, una dinámica cuya respuesta en frecuencia presenta picos resonantes
incluye modos naturales poco amortiguados. Cada pico resonante implicará un par
complejo conjugado poco amortiguado en la dinámica del sistema.

versión 0.24 (en construcción) - pág.77

 N
IO
C
C
Figura 2.11: Descomposición en serie de Fourier de una onda cuadrada truncada en el séptimo armónico
RU
Análisis Espectral
2.4.1. Señales Periódicas
Serie de Fourier
ST

Cualquier señal periódica puede descomponerse en una serie de Fourier.

En esta descomposición se utiliza una base de funciones ortogonales de tipo senoidal,
a las que llamamos “armónicas”:
∞
1 X
y(t) = a0 + [an cos (nω0 t) + bn sin (nω0 t)] (2.26)
N

2 n=1

donde ω0 el la frecuencia de la señal periódica y(t), que da la frecuencia base para

O

la descomposición armónica. El ejemplo clásico es el de la onda cuadrada, cuya

descomposición de Fourier es:
C

 
4 1 1
y(t) = sin(ω0 t) + sin(3ω0 t) + sin(5ω0 t) + · · · (2.27)
π 3 5

En la 2.11 se muestra esta descomposición truncada en el séptimo armónico.

EN

Antes de continuar tengamos en cuenta que el conjunto de funciones continuas f (x) :

R → R definidas en un cierto intervalo [a, b] constituyen un espacio vectorial, con las
mismas propiedades de un “espacio vectorial” como el de los vectores en Rn , que son
más familiares para un ingeniero (especialmente si n = 2 o n = 3).
Una de estas propiedades es la de incluir una operación denominada producto interno
o producto escalar. Para el espacio de las funciones continuas en el intervalo [a, b], el

versión 0.24 (en construcción) - pág.78

 producto escalar se define como:
Z b
p= f (t) · g(t) dt (2.28)
a

donde f y g son dos elementos de este espacio de funciones. El producto escalar da la

magnitud de la proyección de un vector sobre el otro, y puede ser interpretada como una
medida de “similitud” entre ambos.

N
La función periódica y las armónicas son elementos de un espacio de funciones definidas
en el intervalo [−T /2, T /2]. El peso de cada armónica en la descomposición de Fourier,
dado por los coeficientes an y bn , se obtiene a través del producto escalar de la función

IO
con la armónica correspondiente, lo cual dará una cierta medida cuantitativa de similitud
entre la forma de onda analizada y dicha senoidal:
Z T /2
2
a0 = y(t)dt (2.29)
T

C
−T /2
Z T /2
2
an = y(t) cos (nω0 t) dt (2.30)
T −T /2

C
Z T /2
2
bn = y(t) sin (nω0 t) dt
T −T /2
RU
El coeficiente a0 es el valor medio de la señal, que puede analizarse por separado y por
lo tanto en lo sucesivo lo consideraremos nulo.

Las funciones seno y coseno pueden combinarse en una misma senoidal desfasada:
∞
ST

X
y(t) = rn sin (nω0 t + φn )
n=1

donde
p bn
rn = a2n + b2n , φn = tan−1 −
an
N

Todo esto puede expresarse de forma mas compacta utilizando números complejos.
Teniendo en cuenta la relación de Euler:
O

ejφ = cos φ + j sin φ (2.31)

se puede realizar la siguiente sustitución:

C

1 jφ 1 jφ
e − e−jφ e − e−jφ



cos φ = , sin φ = (2.32)
2 2j
y con esto se pueden combinar los senos y cosenos de una misma frecuencia en una
EN

única exponencial compleja. La expresión compleja para la serie de Fourier es:

∞
X
y(t) = cn ejnω0 t (2.33)
n=−∞

en donde se incluyen frecuencias positivas y negativas (se suma desde n = −∞) para
cancelar los términos imaginarios (tener en cuenta que sin(−φ) = − sin φ).

versión 0.24 (en construcción) - pág.79

 Los coeficientes cn ahora son números complejos que incluye tanto el módulo dado por
rn como el ángulo de fase φn ; y se obtienen del producto escalar entre la señal periódica
y la exponencial completa correspondiente:

1 T /2
Z
cn = y(t) e−jnωt dt (2.34)
T −T /2

Se puede demostrar que:

rn −jφn 1

N
cn = e = (an − jbn )
2 2

Identidad de Parseval

IO
Para cualquier señal podemos definir “energı́a” (en sentido matemático) en un intervalo
[a, b] como:
Z b
E= y 2 (t)dt (2.35)

C
a
Podemos calcular la “potencia media” de una señal periódica mediante su descomposi-
ción en serie de Fourier:

C
∞ ∞
" #" #
Z T /2 Z T /2
1 2 1 X
jnω0 t
X
jmω0 t
y (t)dt = cn e cm e dt
T −T /2 T −T /2
RU
n=−∞ m=−∞
∞ ∞ Z T /2
1 X X
= |cn ||cm | ej(nω0 t+φn ) ej(mω0 t+φm ) dt
T n=−∞ m=−∞ −T /2

Los términos correspondientes a n 6= m se cancelan, quedando como resultado que:

ST

Z T /2 ∞
1 X 2
y 2 (t)dt = |cn | (2.36)
T −T /2 n=1

Espectro de Lı́neas
N

De la 2.36 puede interpretarse que la energı́a total de la señal se distribuye en las

diferentes armónicas según la magnitud de sus coeficientes. Podemos graficar esta
distribución de energı́a en función de la frecuencia mediante un espectro de lı́neas.
O

En telefonı́a se utilizan señales acústicas compuestas de dos armónicas (tonos) con

C

frecuencias especı́ficas para transmitir dı́gitos. Esta modulación se conoce como DTMF
(dual-tone multi-frequency) y se utiliza con la siguiente estandarización:

1209 Hz 1336 Hz 1477 Hz 1633 Hz

697 Hz 1 2 3 A
EN

770 Hz 4 5 6 B
852 Hz 7 8 9 C
941 Hz * 0 # D

Puede notarse que la mayorı́a de las frecuencias de la modulación DTMF son co-primas,
por lo cual la superposición genera una señal periódica de frecuencia 1Hz.

versión 0.24 (en construcción) - pág.80

 Al presionar las teclas [1] y [4] de forma simultánea se producirı́a una señal de la forma:

1209 697 770

y(t) = 2 sin t + sin t + sin t (2.37)
2π 2π 2π
En la siguiente figura se observa la señal resultante:

N
IO
C
C
En la próxima figura se observa el espectro de lı́neas de esta señal:
RU
ST
N
O

De este análisis espectral pueden identificarse claramente las armónicas constituyentes

C

y sus energı́as.

2.4.2. Transformada de Fourier

EN

En la banda definida entre cero y una cierta frecuencia ωmax la cantidad de lı́neas
espectrales de una señal periódica de frecuencia ω0 será N = ωmax /ω0 . A medida
que ω0 → 0 (o bien T → ∞), esta cantidad tiende a infinito y el espectro de lı́neas se
convierte en una función continua.

Podemos considerar que una señal no-periódica equivale a una señal periódica con

versión 0.24 (en construcción) - pág.81

 perı́odo infinito (o frecuencia cero). Si evaluamos esto a través de la serie de Fourier
tendrı́amos lo siguiente:
∞ ∞
" #
Z T /2
X X 1
y(t) = lı́m cn ejnω0 t = lı́m y(t)e−jωt dt ejωt
T →∞
n=−∞
T →∞
n=−∞
T −T /2

en donde ω = nω0 . Y como:

∞ Z ∞
1 1 1 1 X 1 1
→ →

N
= ω lı́m = dω lı́m = dω
T 2π T →∞ T 2π T →∞
n=−∞
T 2π −∞

Sustituyendo:

IO
Z ∞ Z ∞ 
1
y(t) = y(t)e jωt
dt e−jωt dω (2.38)
2π −∞ −∞

C
El término entre corchetes define la Transformada de Fourier de la señal y(t):
Z ∞
Y (ω) = F {y(t)} = y(t)ejωt dt (2.39)

C
−∞

Debe remarcarse que para que una función f : R → R tenga transformada de Fourier,
RU
esta debe ser integrable en el eje real; y que su transformada es una función compleja:
F : R → C.
Esta transformada existe solo si la función y(t) se extingue para |t| → ∞.

Resulta obvio que la expresión 2.38 e la operación que permite recuperar la señal original
a partir de su transformada, y por lo tanto constituye la transformada inversa de Fourier :
ST

Z ∞
1
y(t) = F −1 {Y (ω)} = Y (ω)e−jωt dω (2.40)
2π −∞

Puede notarse que la transformada de Fourier es un caso particular de la transformada

N

Laplace dada por (1.37), en la cual se sustituye el exponente complejo s por uno
imaginario puro jω .
O

La transformada de Fourier también se puede expresar en términos de la frecuencia f

(ciclos por unidad de tiempo) en lugar de la frecuencia angular ω = 2πf :
C

Z ∞
Y (f ) = F {y(t)} = y(t)ej2πf t dt (2.41)
−∞
Z ∞
y(t) = F −1 {Y (f )} = Y (f )e−j2πf t df (2.42)
EN

−∞

Puede afirmarse entonces que Y (f ) es una forma alternativa de definir la función y(t).
Mientras que y(t) es la proyección de una señal en el dominio del tiempo, Y (f ) es su
proyección en el dominio de la frecuencia.

Finalmente mencionemos que al igual que la serie de Fourier, esta transformada también
se puede aplicar a funciones vectoriales o matriciales.

versión 0.24 (en construcción) - pág.82

 Relación de Parseval
En la sección 2.4.1 se determinó la relación entre potencia media de una función
periódica con su descomposición armónica. En el caso de señales no periódicas puede
computarse “la energı́a” mediante su transformada de Fourier:
Z ∞ Z ∞ Z ∞ Z ∞ 
2 −1 j2πf t
y (t)dt = y(t)F {Y (f )} dt = y(t) Y (f )e df dt (2.43)
−∞ −∞ −∞ −∞

Como las integrales son conmutativas:

N
Z ∞ Z ∞ Z ∞  Z ∞
y 2 (t)dt = Y (f ) y(t)ej2πf t df df = Y (f )Y ∗ (f )df (2.44)
−∞ −∞ −∞ −∞

IO
donde Y ∗ (f ) es el complejo conjugado de Y (f ) (notar el signo de la exponencial). Por
lo tanto:
Z ∞ Z ∞ Z ∞
1

C
2 2
y 2 (t)dt = |Y (f )| df = |Y (ω)| dω (2.45)
−∞ −∞ 2π −∞

Se deduce entonces que el área bajo la curva |Y (f )|2 es la energı́a de la señal; que

C
estará definida solo si la función se extingue cuando |t| → ∞. De no ser ası́ el resultado
serı́a ∞, pero de todas formas por lo dicho anteriormente su transformada no estarı́a
RU
definida.

Señales Aleatorias
2.5.1. Análisis Estático
ST

Funciones de Distribución de Probabilidad

densidad de probabilidad Para variables o eventos discretos podemos establecer
una cierta probabilidad de ocurrencia. Por ejemplo, la probabilidad de que salga un
determinado número al arrojar un dado no cargado es 1/6. Este tipo de situaciones es
N

común en los juegos de azar. Sin embargo, para variables definidas en el dominio de los
números reales, la probabilidad de obtener un determinado valor dentro de los infinitos
O

posibles dentro de cualquier intervalo es necesariamente nula. Pero en estos casos

podemos asignar una probabilidad concreta de ocurrencia a un intervalo de valores.
Esta probabilidad resultará de la integral de la función de densidad de probabilidad en el
C

intervalo seleccionado.

La función de densidad de probabilidad mas conocida es la distribución normal de

Gauss. Su popularidad radica en el hecho establecido por el teorema del lı́mite central,
el cual establece que si Sn es la suma de n variables aleatorias independientes y de
EN

varianza no nula pero finita, entonces la función de distribución de Sn tiende a una

distribución normal.
La distribución de Gauss queda definida por dos parámetros, el valor medio x̄ y la
desviación standard σ :
2
1 (x − x̄)
f (x) = √ e− (2.46)
σ 2π 2σ 2

versión 0.24 (en construcción) - pág.83

 frecuencia acumulada La densidad acumulada es la probabilidad de que un número
sea menor o igual a un determinado valor, y está dada por la integral de la función de
densidad. Z x
F (x) = f (x)dx (2.47)
−∞

En el caso de la distribución normal:

 
x − x̄
F (x) = Φ (2.48)
σ

N
donde   
1 x
Φ(x) = 1 + erf √ (2.49)

IO
2 2
siendo erf la función de error dada por:
Z x
2 2
erf (x) = √ e−t dt (2.50)

C
π 0

Momentos Estadı́sticos

C
valor medio Es el valor esperado de una muestra:

x̄ = E {x} (2.51)
RU
varianza Es el valor esperado del cuadrado del apartamiento de una muestra respecto
del valor medio: n o
2
var = E (x − x̄) (2.52)
ST

En el caso de la distribución normal la varianza es el cuadrado de la desviación standard.

sesgo El sesgo es el valor esperado del apartamiento entre una muestra y su valor
medio elevado al cubo:
n o
3
sesgo = E (x − x̄) (2.53)
N

Un valor positivo indica una distribución inclinada hacia la derecha respecto de su valor
O

medio y viceversa. Para la distribución normal el sesgo es nulo.

aplanamiento El aplanamiento o curtosis está definido como:

C

n o
4
curtosis = E (x − x̄) (2.54)

Para la distribución normal se obtiene un valor de 3σ 4 . Un valor mayor indica una

EN

distribución más aplanada que la normal y viceversa.

versión 0.24 (en construcción) - pág.84

 covarianza La covarianza es el valor esperado de la desviación simultánea de dos
variables aleatorias respecto de sus valores medios:
cov(x, y) = E {(x − x̄) (y − ȳ)} = E {x · y} − x̄ȳ (2.55)
Cuando las variables son vectores de media nula:
cov(x, y) = E x y T

(2.56)
lo cual da como resultado una matriz simétrica. En el caso de un único vector, la varianza
es la matriz de covarianza dada por:

N
cov(x) = E x xT

(2.57)

IO
en donde los elementos de la diagonal se corresponden a las varianzas de cada
componente del vector; y los elementos restantes corresponden a covarianzas entre
las componentes del vector.
Si no hay relación estadı́stica entre las diferentes componentes del vector, los elementos

C
no diagonales serán nulos. Es fácil por lo tanto intuir el significado de los autovalores y
autovectores de dicha matriz.

C
Procesos Estacionarios y Procesos Ergódicos
Un proceso estocástico es estacionario si sus propiedades estadı́sticas no dependen del
tiempo.
RU
Un proceso estocástico es ergódico si sus propiedades estadı́sticas pueden obtenerse
analizando un conjunto de muestras de una única realización de dicho proceso.

histograma Si el proceso estocástico es ergódico, para determinar la función de

densidad de probabilidad para una variable aleatoria a partir de un muestreo podemos
ST

construir un histograma.

2.5.2. Análisis Dinámico

Función de Correlación
N

La función de correlación entre dos variables aleatorias es el valor esperado del producto
entre el valor que toma una de ellas en un instante de tiempo t y el valor de la otra en el
instante diferente t + τ para diferentes valores del retardo τ :
O

Rxy (τ ) = E {x(t) · y(t + τ )} (2.58)

Si el proceso es ergódico:
C

Z T /2
1
Rxy (τ ) = lı́m x(t)y(t + τ )dt (2.59)
T →∞ T −T /2
EN

Autocorrelación La función de autocorrelación es la función de correlación de una

señal con sı́ misma:
Z T /2
1
R(τ ) = lı́m x(t)x(t + τ )dt (2.60)
T →∞ T −T /2

Es evidente que para la función de autocorrelación se cumple que R(τ ) = R(−τ ), y que
la autocorrelación para τ = 0 se corresponde con la varianza.

versión 0.24 (en construcción) - pág.85

 Distribución Espectral de Potencia
Para un proceso ergódico con valor medio nulo:
Z T /2
1
var = lı́m y 2 (t)dt (2.61)
T →∞ T −T /2

Usando la identidad de Parseval:

Z ∞
1 1
var = Y (ω)Y ∗ (ω)dω
lı́m (2.62)

N
2π −∞ T →∞ T

Llamamos función de densidad espectral de potencia al núcleo de esta integral:

IO
1 1
S(ω) = lı́m Y (ω)Y ∗ (ω) = lı́m |Y (ω)|2 (2.63)
T →∞ T T →∞ T

con lo cual

C
Z ∞
1
var = S(ω)dω (2.64)
2π −∞

C
Densidad Espectral y Autocorrelación
Existe una relación biunı́voca entre las funciones de densidad espectral Y (ω) y
RU
autocorrelación R(τ ) de un proceso estocástico:
Z T /2
1
R(τ ) = lı́m y(t)y(t + τ )dt
T →∞ T −T /2
Z ∞
1 T /2
Z  
1
= lı́m y(t) Y (ω)ejω(t+τ ) dω dt
ST

T →∞ T −T /2 2π −∞
Z ∞ Z ∞ 
1 1
= lı́m y(t)e dt Y (ω)ejωτ dω
jωt
2π −∞ T →∞ T −∞
Z ∞
1 1 ∗
= lı́m Y (ω)Y (ω)ejωτ dω
N

2π −∞ T →∞ T

Teniendo en cuenta el Teorema de Parseval (ec. 2.45):

O

Z ∞
R(τ ) = S(ω)ejωτ dω = F −1 {Y (ω)} (2.65)
−∞
C

Observamos que la función de autocorrelación es la transformada inversa de Fourier de

la función de densidad espectral de potencia, y por lo tanto:

∞
EN

Z
1
S(ω) = R(τ )e−jωτ dω = F {R(τ )} (2.66)
2π −∞

Estas últimas dos ecuaciones se denominan ecuaciones Wiener-Khintchine.

versión 0.24 (en construcción) - pág.86

2.5.3. Respuesta a Señales Aleatorias
Podemos encontrar relaciones dinámicas estadı́sticas entre entradas y salidas aleatorias
en procesos dinámicos siguiendo un procedimiento similar al utilizado en la subsección
2.4.2.

2
Sy (ω) = |G(jω)| Sx (ω) (2.67)

donde Sx (ω) es la densidad espectral de la entrada y Sy (ω) la de la salida.

N
Procesamiento Digital de Señales

IO
Desde el punto de vista práctico, las señales se procesan mediante computadores
digitales operando sobre ”muestreos” de las mismas.
Para tomar o registrar datos de sensores analógicos con un sistema digital se

C
utilizan conversores analógico/digitales (ADC: analog digital converter ). Cuando es
necesario generar señales continuas desde la computadora se utilizan conversores
digitales/analógico (DAC: digital analog converter ). Un ejemplo común es el hardware

C
de sonido presente en computadoras de escritorio y teléfonos celulares.
Un ADC es básicamente un circuito de muestreo y retención (sample & hold) seguido
de un codificador, como el que se esquematiza en la figura 2.12. Una llave (transistor
RU
JFET o MOSFET) conecta un capacitor con la señal analógica a muestrear durante un
breve intervalo de tiempo. En general se incluyen “buffers” a la entrada y a la salida del
circuito S/H para compensar las pérdidas. Un vez cargado el capacitor se abre la llave y
comienza el proceso de digitalización.

Existen sensores que operan intrı́nsecamente en tiempo discreto. Es el caso de los

ST

codificadores incrementales (encoders) para el sensado de posición o los tacómetros

con captores inductivos o de efecto Hall para motores. La diferencia es que en esos
N
O
C
EN

Figura 2.12: Esquema funcional de un conversor A/D

versión 0.24 (en construcción) - pág.87

 casos no se tiene control del tiempo entre muestras (cuya inversa da la frecuencia de
muestreo).
Por otra parte, en disciplinas como la economı́a o la sociologı́a el sensado es un proceso
de cómputo estadı́stico que tampoco implica conversión A/D.

2.6.1. Muestreo
El muestreo de una señal es una secuencia de valores que se corresponde con los de
la señal en ciertos instantes de tiempo. Si el tiempo entre muestras ts es uniforme:

N
y ∗ = {y0 , y1 , y2 , · · · yN } , y ∗ (n) = y(n · ts) (2.68)

IO
en donde n es un tiempo discreto adimensional y N es el tamaño del muestreo.
EL muestreo se puede concebir como un proceso en el cual una señal continua es
“convolucionada” con un tren de impulsos unitarios para dar la secuencia de muestras
(ver figura 2.13). También se podrı́a decir que el muestreo es un tren de impulsos

C
“modulado” por la señal a muestrear.
Un tren de impulsos unitarios separados entre sı́ a intervalos ts se puede expresar
matemáticamente como:

C
∞
X
s(t) = δ(t − nts ) (2.69)
n=0
RU
La señal muestreada y ∗ en el dominio del tiempo continuo resulta:
∞
X ∞
X
∗
y (t) = y(t)δ(t − nts ) = y(nts )δ(t − nts ) (2.70)
n=0 n=0
ST

Aunque el muestreo retiene información de la señal muestreada solo en los instantes

nts , esta es suficiente para reconstruir la señal original de forma completa si se cumplen
con el teorema del muestreo, que veremos en la próxima sección.
De todas formas esto no se puede hacer en tiempo real, ya que en ese caso solo se
cuenta con las muestras para tiempos pasados. Si esto último fuese necesario es posible
N

realizar reconstrucciones aproximadas adoptando alguna hipótesis para la evolución

de la señal entre muestras. En la gráfica inferior de la figura 2.13 se muestra una
reconstrucción con retención de orden cero, que consiste en mantener el valor de la
O

última muestra hasta contar con un nuevo muestreo.

Teorema del Muestreo o de Nyquist/Shannon

C

Si la señal a muestrear es una senoidal, el muestreo será de la forma:

 
∗ 2π
y (n) = sin (ω · n · ts) = sin ω · n · (2.71)
ωs
EN

donde ωs es la frecuencia de muestreo fs = 1/ts en forma angular.

Llamaremos frecuencia de Nyquist a la mitad de la frecuencia de muestreo: ωnq = ωs /2.
Si dividimos la frecuencia de la señal por la de Nyquist se tendrı́a ω = ω̄ + h · ωnq , donde
h es el cociente y ω̄ el resto de la división. Sustituyendo:

y ∗ (n) = sin (nπ ω̄ + nhπ) = sin (nπ ω̄) (2.72)

versión 0.24 (en construcción) - pág.88

 N
IO
C
C
RU
ST

Figura 2.13: muestreo y reconstrucción

Queda claro que todas las senoidales cuyas frecuencias den el mismo resto tendrán el
N

mismo muestreo. La condición para poder reconstruir de forma exacta una senoidal a
partir de su muestreo es que se cumpla la condición:
O

ωs
ωnq = >ω (2.73)
2

Si no se respeta esta relación, no será posible discriminar entre una senoidal de baja
C

frecuencia respecto de sus ”alias” con frecuencias superiores en una cantidad entera
de la frecuencia de Nyquist, como se muestra en la figura 2.14a. Este problema es
denominado comúnmente como aliasing.
EN

Si la señal a muestrear no es senoidal, deberá elegirse una frecuencia de Nyquist

superior a la frecuencia en donde la densidad espectral resulta despreciable (en general
unas 5 o 10 veces su ancho de banda).

El aliasing no es exclusivo del muestreo de señales escalares. Este fenómeno se aprecia

habitualmente en el cine y la televisión, cuando se representan movimientos oscilatorios

versión 0.24 (en construcción) - pág.89

 N
(a) alisasing para una señal escalar (b) alisasing para una imágen

IO
con frecuencias mayores a la de muestreo (habitualmente 24Hz). Es notable al ver
hélices y rotores de helicópteros, o ruedas con rayos por ejemplo.

La aparición del aliasing tampoco está asociado únicamente al muestreo temporal. Por

C
ejemplo, en fotografı́a digital se realiza un muestreo “espacial” de una escena. En este
caso el intervalo de muestreo está determinado por el tamaño del pixel. En muchos casos
se observan distorsiones como en la figura 2.14b, donde se muestra una secuencia de

C
anillos con centro en el vértice superior izquierdo que por efecto de muestreo lleva a
nuestro cerebro a reconstruir anillos inexistentes.
RU
Lı́mite Superior para la Frecuencia de Muestreo
Desde el punto de vista teórico no existe lı́mite superior para la frecuencia de muestreo.
Pero en el análisis teórico no se considera la “cuantización” de las muestras implı́cita en
todo proceso de digitalización, en el cual es necesario convertir los valores muestreados,
que matemáticamente se modelan como números reales (y por lo tanto con resolución
ST

infinita) en cantidades digitales que se almacenan como números enteros.

Por ello, si la frecuencia de muestreo es lo suficientemente alta, no se apreciarán
diferencias entre conjuntos de muestras consecutivas y será difı́cil detectar la evolución
temporal del proceso observado.
N

Lo mismo ocurre aunque sin digitalizar el muestreo cuando la observación se realiza con
sistemas sensoriales de resolución acotada.
Experimentamos esto a diario cuando observamos procesos lentos de nuestro entorno
O

fı́sico. Por ejemplo, nos resulta imposible detectar los cambios producidos por las mareas
en una zona portuaria mirando de forma continua la superficie del agua.
Tampoco vemos los procesos de desarrollo en una planta y mucho menos el desgaste
C

de una roca expuesta a la acción del viento.

Para visualizar procesos lentos recurrimos a filmaciones de tipo time-lapse o de cámara
rápida, que son grabaciones con una frecuencia de muestreo mucho más baja de lo
habitual.
EN

El problema no está en la pérdida de información. De hecho este problema se podrı́a

resolver descartando muestras (decimación). La dificultad radica en la imposibilidad
práctica de realizar la reconstrucción.

En sı́ntesis podemos decir que la frecuencia de muestreo tiene que ser lo suficiente-
mente alta como para poder reconstruir correctamente el proceso observado, pero lo

versión 0.24 (en construcción) - pág.90

 suficientemente lenta como para poder apreciar cambios entre muestras sucesivas. Ra-
pidez en este caso es un concepto relativo a la velocidad con la cual evoluciona el pro-
ceso observado.

2.6.2. Transformada Discreta de Fourier

La transformada de Fourier también se puede definir para funciones de tiempo discreto:

N −1

N
n
X
Yk = yn e−j2π N k (2.74)
n=0

IO
La transformada inversa queda definida por la siguiente expresión:

N −1
1 X k
yn = Yk ej2π N n (2.75)
N

C
k=0

El cómputo de la transformada para una secuencia de N muestras requiere una carga

de cómputo de orden N 2 . Existe un algoritmo ampliamente difundido para realizar este

C
cómputo con una carga de orden N log N denominado Transformada Rápida de Fourier,
o FFT por sus siglas en inglés (Fast Fourier Transform). Este algorı́tmo requiere que el
RU
muestreo tenga una dimensión equivalente a N = 2k , k ∈ N (una potencia entera de 2).

La relación de Parseval también se aplica al caso discreto:

N −1 N −1
1 X
ST

X
|xn |2 = |Xk |2 (2.76)
n=0
N
k=0

De esto resulta que:

N −1 N −1
N

1 X 1 X
var = |xn |2 = 2 |Xk |2 (2.77)
N n=0 N
k=0
O

Para expresar la densidad espectral en unidades de ingenierı́a hay que aplicar los
factores de conversión para llevar las frecuencias adimensionales a valores reales:
C

1 fs
Φ(fk ) = |Xk |2 , fk = k (2.78)
N · fs N

2.6.3. Procedimiento de Welch para Señales Aleatorias

EN

Es posible obtener una estimación de la densidad espectral de potencia de una señal

aleatoria a partir de un muestreo lo suficientemente grande de la misma.
El procedimiento consiste en dividir este muestreo en bloques de N muestras, obtener
la transformada de Fourier discreta de cada uno de ellos y promediar estos resultados.
Estos bloques pueden obtenerse particionando un único muestreo, o utilizando
muestreos diferentes del mismo proceso.

versión 0.24 (en construcción) - pág.91

 La máxima frecuencia en el análisis será la frecuencia de Nyquist fnq = fs /2, mientras
que la mı́nima estará definida por el tamaño N de los bloques: fmin = fs /N . A su vez,
el intervalo entre muestras de PSD en el eje de frecuencia será ∆f = fs /N .
Cuanto mayor sea la cantidad de bloques, mas suave resultará la PSD resultante pero
mas alta será la mı́nima frecuencia.

Este procedimiento se puede utilizar en GNU Octave y Matlab con el comando pwelch:

clear ; c l f ; clc

N
ts = 0.01; % tiempo de muestreo
t = 0: ts :3600; % v e c t o r de tiempo
u = randn ( s i z e ( t ) ) ; % v e c t o r de e n t r a d a

IO
% co n t r u i m o s un f i l t r o de ejemplo
[B, A] = butter ( 3 , 0 . 2 ) ;
F = t f (B,A, ts ) ;

% simulamos l a r es p u e s t a d e l f i l t r o a l r u i d o de e n t r a d a
y = lsim (F, u , t ) ;

C
% hay 360.000 muestras
nw = 2 ˆ 9 ; % tama ño d e l bloque para p a r t i c i o n a r e l muestreo
f s = 1 / t s ; % f r e c u e n c i a de muestreo

C
% calculamos l a s d i s t r i b u c i o n e s e s p e c t r a l e s con e l p r o c e d i m i e n t o de Welch
% dejamos e l v a l o r por omisi ón para e l t i p o ( ’ psd ’ )
Su = pwelch ( u , nw , nw / 2 , nw , f s ) ;
Sy = pwelch ( y , nw , nw / 2 , nw , f s ) ;
RU
Df = f s / nw ; % i n t e r v a l o en e l e j e de f r e c u e n c i a
f = ( 1 : length ( Su ) ) ∗ Df ; % v a l o r e s para e l e j e de f r e c u e n c i a

% dibujamos l a s se ñales temporales

subplot ( 2 1 1 ) ;
p l o t ( t , u ) ; hold on ;
p l o t ( t , y ) ; g r i d on ;
ST

xlim ([100 110])

ylabel ( ’ u , y ’ ) ;
x l a b e l ( ’ tiempo [ s ] ’ ) ;
legend ( ’ e n t r a d a ’ , ’ s a l i d a ’ ) ;

% dibujamos l a s d i s t r i b u c i o n e s e s p e c t r a l e s
subplot ( 2 1 2 ) ;
semilogx ( f , Su ) ; hold on ;
N

semilogx ( f , Sy ) ; g r i d on ;

y l a b e l ( ’PSD ’ ) ;
x l a b e l ( ’ f r e c u e n c i a [ hz ] ’ ) ;
O

legend ( ’ e n t r a d a ’ , ’ s a l i d a ’ , ’ L o c a t i o n ’ , ’ southwest ’ ) ;

% calculamos l a v a r i a n z a a t r a v é s d e l área b a j o l a curva de l a s PSDs

v a r u = sum( Su) ∗ Df ;
v a r y = sum( Sy) ∗ Df ;
C

% calculamos l a v a r i a n z a como promedios

v a r u c h e c k = sum( u . ˆ 2 ) / length ( u ) ;
v a r y c h e c k = sum( y . ˆ 2 ) / length ( y ) ;

s p r i n t f ( s t r c a t ( ’ v a r i a n z a de l a e n t r a d a seg ún l a PSD: %f , v a l o r computado : %f \n ’ , . . .

EN

’ v a r i a n z a de l a s a l i d a seg ún l a PSD: %f , v a l o r computado : %f ’ ) , . . .

var u , v a r u c h e c k , v a r y , v a r y c h e c k )

Puede notarse que la estimación en baja frecuencia es defectuosa (puede mejorarse

tomando bloques más grandes), por lo cual no debe tomarse como estrictamente algo
cierto.
En este caso la señal de entrada es ruido blanco, por lo cual sabemos que con muestreos
más grandes la PSD deberı́a aplanarse.

versión 0.24 (en construcción) - pág.92

 N
3

IO
C
Modelado de Sistemas Mecánicos

C
RU
ST
N
O
C
EN

93
 Modelos de Parámetros Concentrados
Cuando estudiamos el movimiento de un sólido cuya distribución de masas no cambia
utilizamos modelos de “cuerpo rı́gido”.
Un cuerpo rı́gido se caracterizan completamente con sus propiedades másicas: masa
y mementos de inercia. El resto de sus caracterı́sticas fı́sicas son irrelevantes para
el análisis dinámico, y para este estudio resulta conveniente utilizar las ecuaciones
cardinales de la dinámica.
Si además el cuerpo no rota (o no nos interesa estudiar ese aspecto), usamos un modelo

N
de “masa puntual” considerando únicamente su masa concentrada en su baricentro. En
este caso podemos realizar el estudio de forma sencilla a través de la ecuaciones de
Newton.

IO
La situación se torna un poco más compleja cuando se trata de sistemas de cuerpos
rı́gidos vinculados entre sı́, como veremos a continuación.

3.1.1. Ecuación de Movimiento

C
Frecuentemente encontramos problemas en los cuales elementos “rı́gidos” se conectan
entre sı́ a través de vı́nculos elásticos y/o amortiguadores. Los elementos rı́gidos

C
concentran las propiedades másicas, mientras que los vı́nculos proveen rigidez y
disipación.
También es frecuente encontrar modelos de este tipo como aproximación de estructuras
RU
con parámetros distribuidos, como veremos más adelante (ver [Mei97, capı́tulo 8:
Approximate Methods for Distributed-Parameter Systems, p. 501])

El estado de los elementos rı́gidos queda definido por sus desplazamientos r (incluyendo
giros) y las velocidades ṙ correspondientes.
Sumando a las propiedades másicas las correspondientes a los elementos disipativos
ST

y elásticos de los vı́nculos que los conectan obtenemos una definición de las
caracterı́sticas del sistema mecánico.
Un ejemplo clásico es el modelo de parámetros concentrados para la suspensión de un
automóvil, el cual se ilustra en las figuras 3.1 y 3.2.
N

Con estas caracterizaciones podemos obtener las ecuaciones de movimiento mediante

las formulaciones de Newton-Euler, Lagrange o Hamilton (ver [Kel12, capı́tulo 7:
Modeling of MDOF Systems, p. 459] o [Rao11, capı́tulo 6: Multidegree-of-Freedom
O

Systems, p. 553]).

Formulación de Newton-Euler
C

Para cada elemento inercial se puede plantear una ecuación de conservación de

momento (lineal o angular):
X X
mi r̈i = hij + fik (3.1)
EN

j k

donde se incluyen acciones externas fik aplicadas al elemento mi . Las fuerzas o

momentos hij de los vı́nculos dependerán del desplazamiento del elemento mi y de los
correspondientes a los elementos mj vinculados mediante elásticos kj y amortiguadores
bj (lineales o torsionales).
hij = kj (ri − rj ) + bj (ṙi − ṙj ) (3.2)

versión 0.24 (en construcción) - pág.94

 N
Figura 3.1: Suspensión de un automóvil

IO
C
C
RU
Figura 3.2: Modelo conceptual para la suspensión de un automóvil

El modelo serı́a de la forma:

X
ST

mi r̈i + kij (rj − ri ) + bij (ṙj − ṙi ) = fik (3.3)

k

Consideremos como ejemplo el caso del análisis de cabeceo y desplazamiento vertical

N

de un automóvil. El modelo conceptual está representado en la figura 3.3, en el cual se

definen cuatro grados de libertad: giro y desplazamiento vertical de la carrocerı́a, y de
las dos ruedas.
O

Para cada uno de ellos podemos plantear el correspondiente principio de conservación

de cantidad de movimiento:

mz̈c = −k1 1 − k2 2 − b1 ˙1 − b2 ˙2

C

mf z̈f = k1 1 − k3 3 + b1 ˙1 − b3 ˙3

mr z̈r = k2 2 − k4 4 + b2 ˙2 − b4 ˙4
J θ̈ = (k1 1 + b1 ˙1 ) l1 − (k2 2 + b2 ˙2 ) l2
EN

en donde los j representan las deformaciones de cada elemento elástico (considerando

versión 0.24 (en construcción) - pág.95

 positivo el estiramiento y negativa la compresión):

1 = zc − zf − l1 θ
2 = zc − zr + l2 θ
3 = zf − hf
4 = zr − hr

N
Ternas no inerciales Debe tenerse presente que los principios de conservación de

IO
cantidad de movimiento en general se formulan tomando como referencia un sistema de
coordenadas inerciales.
Sin embargo, en el caso de cuerpos rı́gidos es más práctico considerar un sistema de
coordenadas solidario al cuerpo, y por lo tanto no inercial.

C
En ese caso a las derivadas de cantidades vectoriales definidas en esta terna del cuerpo
hay que agregar los cambios debidos al movimiento de dicha terna:

dai dab

C
= + ω b × ab
dt dt
En el caso de cantidades compuestas del tipo a = b + c:
RU
dai dbb dcb  
= + + ω b × b b + cb
dt dt dt

Coordenadas generalizadas Para que la realización de este modelo sea mı́nima es

necesario encontrar un conjunto de desplazamientos que definan de forma unı́voca su
ST

configuración geométrica en un determinado instante de tiempo.

Este conjunto de coordenadas será mı́nimo. Su dimensión será igual a la cantidad de
grados de libertad del sistema, y a la mitad del orden del modelo dinámico.
Llamamos a estas variables coordenadas generalizadas {qi } y decimos que cada una
corresponde a un grado de libertad del sistema mecánico.
N
O
C
EN

Figura 3.3: Modelo conceptual para la suspensión de un automóvil con GL

versión 0.24 (en construcción) - pág.96

 N
IO
C
Figura 3.4: modelo de parámetros concentrados con N grados de libertad

En muchos casos los desplazamientos geométricos rj pueden usarse como coordena-

C
das generalizadas (ver fig.3.4), pero en el caso general serán funciones de las coorde-
nadas generalizadas rj = Rj (q1 , q2 , · · · , qN ).
RU
En otras palabras, las coordenadas generalizadas no necesitan ser desplazamientos
geométricos.

Linealizando podremos sustituir:

N
X
ST

ri = cij qj (3.4)
j=1

Esta transformación lineal del vector de desplazamientos también se puede expresar de

forma matricial:
r = Cq (3.5)
N

Con esto, la ecuación de conservación para cada desplazamiento ri en términos de

coordenadas generalizadas tendrá la forma:
O

N
X N
X N
X
mij q̈i + kij (qj − qi ) + bij (q̇j − q̇i ) = fi (3.6)
j=1 j=1 j=1
C

Formulación de Lagrange
Es posible obtener las ecuaciones dinámicas para un sistema mecánico utilizando la
EN

formulación de Lagrange. Esta surge del principio de mı́nima acción; según el cual las
trayectorias de un sistema mecánico son aquellas de mı́nima energı́a.
Para obtener las ecuaciones del movimiento se construye la función de Lagrange
L = T − V , donde T es la energı́a cinética total del sistema y V la potencial, equivalente
al trabajo realizado por las fuerzas conservativas (las que surgen de un campo potencial
como el gravitatorio, el electromagnético o la deformación elástica).

versión 0.24 (en construcción) - pág.97

 Si el movimiento se describe en términos de un conjunto de coordenadas generalizadas
qi , las trayectorias de mı́nima energı́a verificarán la ecuación de Lagrange:
 
d ∂L ∂L
− = Qi (3.7)
dt ∂ q̇i ∂qi
en donde Qi es la fuerza generalizada correspondiente a la coordenada generalizada qi ,
que representa el efecto de todas las fuerzas no conservativas sobre esta coordenada.
Esta fuerza virtual se puede determinar a partir del trabajo δ W̄ producido por todas
las fuerzas no-conservativas (o no incluidas en V ) ante un desplazamiento virtual en la

N
coordenada generalizada qi :
δ W̄ = Qi · δqi

IO
en donde los δqi son desplazamientos virtuales, es decir, desplazamientos infinitesima-
les compatibles con las condiciones de borde. Las contribuciones serán positivas para
aquellas fuerzas en la misma dirección que el desplazamiento y viceversa.

C
En el caso general el lagrangiano será una función L(qi , q̇i , t), porque el modelo podrı́a
incluir parámetros que dependan explı́citamente del tiempo (masa variable por ejemplo).

C
Como ejemplo vamos a considerar el caso de un péndulo doble.
Podemos describir la configuración geométrica con solo dos variables θ1 y θ2 , por lo que
pueden usarse estas como como coordenadas generalizadas.
RU
ST
N
O

Asumimos que las barras son rı́gidas y consideramos masas “equivalentes” localizadas
en los extremos de las mismas.
C

En primer término planteamos las expresiones para la energı́a cinética T y potencial V

(en este caso solo gravitatoria):
1
m1 v12 + m2 v22


T =
2
EN

V = g (m1 δh1 + m2 δh2 )

donde δhj son variaciones de altura de las masas mj , y vj el módulo de sus velocidades.
Esta velocidades son:
     
cos θ1 cos θ2 l1 ω1 cos θ1 + l2 ω2 cos θ2
v1 = l1 ω1 , v2 = v1 + l2 ω2 =
sin θ1 sin θ2 l1 ω1 sin θ1 + l2 ω2 sin θ2

versión 0.24 (en construcción) - pág.98

 donde ω1 = θ̇1 y ω2 = θ̇2 . Los módulos al cuadrado resultan:

v12 = l12 ω12

2 2
v22 = (l1 ω1 cos θ1 + l2 ω2 cos θ2 ) + (l1 ω1 sin θ1 + l2 ω2 sin θ2 )
= l12 ω12 cos2 θ1 + l22 ω22 cos2 θ2 + 2l1 l2 ω1 ω2 cos θ1 cos θ2

N
+ l12 ω12 sin2 θ1 + l22 ω22 sin2 θ2 + 2l1 l2 ω1 ω2 sin θ1 sin θ2
v22 = l12 ω12 + l22 ω22 + 2l1 l2 ω1 ω2 cos (θ1 − θ2 )

IO
Para las variaciones de altura tenemos que:

δh1 = l1 (1 − cos θ1 )
δh2 = δh1 + l2 (1 − cos θ2 ) = l1 (1 − cos θ1 ) + l2 (1 − cos θ2 )

C
Sustituyendo:

C
1
m1 v12 + m2 v22 − g (m1 δh1 + m2 δh2 )


L=
2
1 1
RU
= m1 l12 ω12 + m2 l12 ω12 + l22 ω22 + 2l1 l2 ω1 ω2 cos (θ1 − θ2 )
 
2 2
− m1 g l1 (1 − cos θ1 ) − m2 g [l1 (1 − cos θ1 ) + l2 (1 − cos θ2 )]
1 1
L= (m1 + m2 ) l12 ω12 + m2 l22 ω22 + m2 l1 l2 ω1 ω2 cos (θ1 − θ2 )
2 2
− (m1 + m2 ) g l1 (1 − cos θ1 ) − m2 g l2 (1 − cos θ2 )
ST

Si las coordenadas generalizadas son q1 = θ1 y q2 = θ2 , se tiene que q̇1 = ω1 y q̇2 = ω2 .

Las ecuaciones del movimiento surgen de aplicar la expresión de Lagrange para q1 y q2 :
 
d ∂L ∂L
N

− =0
dt ∂ q̇1 ∂q1
 
d ∂L ∂L
− =0
O

dt ∂ q̇2 ∂q2

Los términos en estas expresiones son:

C

∂L
= (m1 + m2 ) l12 ω1 + m2 l1 l2 ω2 cos (θ1 − θ2 )
∂ q̇1
∂L
= −m2 l1 l2 ω1 ω2 sin (θ1 − θ2 ) − (m1 + m2) g l1 sin θ1
EN

∂q1

∂L
= m2 l22 ω2 + m2 l1 l2 ω1 cos (θ1 − θ2 )
∂ q̇2
∂L
= m2 l1 l2 ω1 ω2 sin (θ1 − θ2 ) − m2 g l2 sin θ2
∂q2

versión 0.24 (en construcción) - pág.99

 Por lo tanto, sustituyendo se tiene que:

(m1 + m2 ) l12 ω̇1 + m2 l1 l2 [ω̇2 cos (θ1 − θ2 ) − ω2 sin (θ1 − θ2 ) (ω1 − ω2 )]

−m2 l1 l2 ω1 ω2 sin (θ1 − θ2 ) − (m1 + m2) g l1 sin θ1 = 0
m2 l22 ω̇2 + m2 l1 l2 [ω̇1 cos (θ1 − θ2 ) − ω1 sin (θ1 − θ2 ) (ω1 − ω2 )]
−m2 l1 l2 ω1 ω2 sin (θ1 − θ2 ) + m2 g l2 sin θ2 = 0

Dividiendo todos los términos por m2 l1 l2 :

N
m1 + m2 l1
ω̇1 + [ω̇2 cos (θ1 − θ2 ) − ω2 (ω1 − ω2 ) sin (θ1 − θ2 )]
m2 l2

IO
m1 + m2 g
−ω1 ω2 sin (θ1 − θ2 ) − sin θ1 = 0
m2 l2
l2
ω̇2 + [ω̇1 cos (θ1 − θ2 ) − ω1 (ω1 − ω2 ) sin (θ1 − θ2 )]
l1

C
g
−ω1 ω2 sin (θ1 − θ2 ) + sin θ2 = 0
l1

C
m 1 + m 2 l1 l1
Obtenemos expresiones más concisas con las sustituciones = λ, = ¯l y
m2 l2 l2
g
= ḡ :
RU
l1

λ ω̇1 + [ω̇2 cos (θ1 − θ2 ) − ω2 (ω1 − ω2 ) sin (θ1 − θ2 )] − ω1 ω2 sin (θ1 − θ2 ) − λḡ sin θ1 = 0
¯l ω̇2 + [ω̇1 cos (θ1 − θ2 ) − ω1 (ω1 − ω2 ) sin (θ1 − θ2 )] − ω1 ω2 sin (θ1 − θ2 ) + ḡ sin θ2 = 0
ST

Este modelo es claramente no-lineal, y de hecho arroja soluciones caóticas.

Linealizando para una condición de equilibrio con θ10 = θ20 = 0 obtenemos:

       
λ 1 ω̇1 −λḡ 0 θ1 0
¯l + = (3.8)
1 ω̇2 0 ḡ θ2 0
N
O

Para un modelo de parámetros concentrados se tendrá para la energı́a cinética:

1X
T = mi ṙi2
C

2 i

en donde ri corresponde con el desplazamiento del elemento i y mi es la inercia

correspondiente a este desplazamiento ri (ya sea que se trate de movimiento lineal o
giro). Si estas masas se vinculan mediante con elementos elásticos lineales se tendrá
EN

para la energı́a potencial elástica que

1 XX 2
V = kij (ri − rj )
2 i j

donde kij es rigidez del elemento elástico que vincula el desplazamiento ri con el rj
(que será nulo si tal vı́nculo no existe).

versión 0.24 (en construcción) - pág.100

 Con esto el lagrangiano resulta:
1X 1 XX 2
L=T −V = mi ṙi2 − kij (ri − rj )
2 i 2 i j

Y si tomamos los desplazamientos como coordenadas generalizadas:

∂L ∂L X
= mi q̇i , = kij (qi − qj )
∂ q̇i ∂qi j

N
Reemplazando en la ecuación 3.7:
X

IO
mi q̈i + kij (qi − qj ) = fi (3.9)
j

siendo fi el trabajo realizado por las fuerzas no conservativas ante un desplazamiento

infinitesimal δqi .

C
En el caso más general, cuando los elemento de masa mi tiene una posición ri que no
coinciden con alguna coordenada generalizada qj , dicha posición puede expresarse en
términos de estas mediante la ecuación (3.4). La velocidad de este elemento será:

C
N
X ∂ri
vi = q̇j
∂q
RU
i=1 j

donde debe notarse que ∂ri j/∂qj = cij en la ecuación (3.4).

La energı́a cinética del elemento será mi vi . Por lo tanto la energı́a cinética total resulta:
 
N N N N
1X 1X X ∂rk X ∂rk
T = mk vk2 = mk  q̇i q̇j 
ST

2 2 i=1
∂qi j=1
∂qj
k=1 k=1
N N N
!
1 XX X ∂rk ∂rk
= mk q̇i q̇j
2 i=1 j=1 ∂qi ∂qj
k=1
N

Definiendo las masas generalizadas como:

N
∂ri ∂ri
O

X
mij = mi
i=1
∂qi ∂qj

la energı́a cinética resulta:

C

N N
1 XX
T = mij q̇i q̇j
2 i=1 j=1
EN

que en forma matricial resulta:

1 T
T = q̇ Mq̇ (3.10)
2

La matriz de inercia M es simétrica y positiva definida, dado que la energı́a cinética

también lo es.

versión 0.24 (en construcción) - pág.101

 De la misma forma pueden analizarse los elementos elásticos cuyas deformaciones j
no se correspondan con coordenadas generalizadas.
N N
1 XX
V = kij qi qj
2 i=1 j=1

En notación matricial:
1 T
V = q Kq (3.11)
2

N
La matriz de rigidez K también es son positivas definida, y se demostrará que también
es simétrica.

IO
Entre las fuerzas no conservativas en los sistemas mecánicos es habitual encontrar
disipación.
Si esta disipación es “viscosa”, estas fuerzas disipativas son proporcionales a la
velocidad pero de dirección opuesta. En esos casos para derivar las ecuaciones del

C
movimiento a partir de la formulación de Lagrange es conveniente introducir un término
R conocido como función de disipación de Rayleigh [Rao11, p. 610], definida como:

C
1 T
R= q̇ Cq̇ (3.12)
2
RU
donde C la “matriz de amortiguamiento”, positiva definita como las matrices de masa y
rigidez.
Con esto la ecuación de Lagrange se reescribe de la siguiente forma:
 
d ∂T ∂T ∂R ∂V
− + + = Qi (3.13)
dt ∂ q̇i ∂qi ∂ q̇i ∂qi
ST

Matrices de Rigidez y Flexibilidad

El modelado con parámetros concentrados de sistemas con múltiples grados de libertad
requiere fundamentalmente de una forma sistemática de construir las matrices de
rigidez. Para ello, siguiendo a [Tho82, cap.6.1, p. 174], definimos como coeficiente de
N

influencia de flexibilidad aij al desplazamiento qi producido en un nodo i por una fuerza

unitaria pj aplicada en el nodo j .
O

Si las relaciones entre tensión y deformación son lineales, el desplazamiento en un nodo

i se obtiene por superposición:

qi = ai1 p1 + ai2 pi + · · · + aiN pN

C

En forma matricial esto serı́a:

    
 q1  a11 a12 ··· a1N  p1 
EN

   
 q2   a21 a12 ··· a2N   p2 
  
= .
 
.. .. .. ..  ..


 .   ..
 . . .  . 

  
 
qN aN 1 aN 2 ··· aN N pN
 

o bien:
q =F·p

versión 0.24 (en construcción) - pág.102

 donde F es una matriz de flexibilidad. La relación inversa está dada por la matriz de
rigidez:
p=K·q
siendo obvio que K = F−1 .

Es posible demostrar, mediante el teorema recı́proco ([Tho82, cap.6.2, p. 182]), que la

matriz de flexibilidad (y por lo tanto también la de rigidez) es simétrica.
Si aplicamos una fuerza pi en el nodo i se producirı́a un desplazamiento aii pi , y con
ello un trabajo 1/2aii p2i . Si luego se aplica una fuerza pj en el nodo j habrı́a un trabajo

N
1/2ajj p2j , pero esto también producirı́a un desplazamiento en el nodo i igual a aij pj ,
produciendo un trabajo adicional aij pj pi . El trabajo total serı́a:

IO
1 1
W = aii p2i + ajj p2j + aij pj pi
2 2
Si invertimos el orden en el que aplicamos las cargas tendremos

C
1 1
W = aii p2i + ajj p2j + aji pi pj
2 2

C
Pero como el orden no altera el trabajo neto realizado, se deduce que aij = aji .
Esto es útil para realizar una primer verificación al calcular la matriz de rigidez.
RU
Formas Prácticas
Una forma alternativa para obtener la matriz de rigidez es la de considerar las fuerzas
ejercidas por cada elemento de vı́nculo en las ecuaciones de conservación, y luego
relacionar estas con las coordenadas generalizadas estableciendo desplazamientos
unitarios en cada una por separado. Ası́ primero planteamos:
ST

Mq̈ = F1 f

y luego sustituimos por la relación:

N

f = F2 q

La matriz de rigidez será:

K = F1 F2
O

Ilustramos esta idea con el siguiente ejemplo.

C

Volviendo al ejemplo representado en la figura 3.3, por simplicidad sin considerar

variaciones en el terreno, podemos plantear que:

mz̈c = f1 + f2
EN

mf z̈f = f3 − f1
mf z̈r = f4 − f2
J θ̈ = f1 l1 − f2 l2

versión 0.24 (en construcción) - pág.103

 donde f1 y f2 son las fuerzas delantera y trasera de la suspensión (elástica
más amortiguamiento), f3 y f4 son las fuerzas de las ruedas delantera y trasera
respectivamente. Podemos reescribir esto como:
     
m 0 0 0   z̈c  1 1 0 0  f1 
z̈  
 
0 mf 0 0 −1 0 1 0
 f2
  
f
  =
0 0 mr 0  z̈r 

 0 −1 0 1 
 f3 
 
0 0 0 J θ̈ l1 −l2 0 0 f4
  

N
Entonces en este caso
 
1 1 0 0

IO
 −1 0 1 0
F1 =  
 0 −1 0 1
l1 −l2 0 0

C
Luego encontramos la matriz de rigidez entre estas fuerzas y las coordenadas
generalizadas, considerando un desplazamiento unitario en cada una de ellas por
separado.

C
Si por ejemplo consideramos un desplazamiento en zc , aparecerá una fuerza f1 = −k1 zc
y una f2 = −k2 zc , con lo cual completamos la primer columna.
Realizando lo mismo con los otros desplazamientos y con las velocidades tenemos que:
RU
    
f1 
  −k1 k1 0 −k1 l1   zc  
f2 −k 0 k k l  zf 
  
2 2 2 2
=
 0 −k3

f3 
  0 0 
 
 zr 
f4 0 0 −k4 0 θ
  
ST

  
−b1 b1 0 −b1 l1   żc 
−b2 0 b 2 b 2 l 2
 żf 
+
 0 −b3
 = F2 q + F3 q̇
0 0   żr 
0 0 −b4 0 θ̇
 
N

Recordemos que cada columna corresponde a un desplazamiento aislado.

Luego, combinando ambas expresiones:
O

Mq̈ + Bq̇ + Kq = 0

donde K = −F1 F2 y B = −F1 F3 .

C

Por otra parte, de las ecuaciones 3.10 y 3.11 vemos que la energı́a cinética y potencial
elástica surgen de formas cuadráticas construidas con las matrices de inercia y rigidez
respectivamente. Por lo tanto, expresando estas energı́as en función de las coordenadas
EN

generalizadas es posible obtener dichas matrices por inspección.

Veamos un ejemplo:

Supongamos que analizamos la dinámica de un tren compuesto por tres vagones

vinculados entre sı́ mediante elementos elásticos. Denotamos con xi la posición del

versión 0.24 (en construcción) - pág.104

 vagón i de masa mi . Los elásticos k1 y k2 vinculan los vagones 1 − 2 y 2 − 3
respectivamente. La energı́a cinética será:
  
m1 0 0 x1 
2T = m1 ẋ21 + m2 ẋ22 + m3 ẋ23 = x1

x2 x3  0 m2 0  x2
0 0 m3 x3
 

Para la energı́a potencial:

N
2V = k1 (x1 − x2 )2 + k2 (x2 − x3 )2
= k1 x21 + k1 x22 − 2k1 x1 x2 + k2 x22 + k2 x23 − 2k2 x2 x3

IO
  
 k1 −k1 0 x 1 
= x1 x2 x3 −k1 k1 + k2 −k2  x2
0 −k2 k2 x3
 

C
Para el armado de la forma matricial tenemos en cuenta que en una forma cuadrática el
coeficiente de x2k ocupa el lugar k en la diagonal principal, mientras que el coeficiente de
xi xj corresponde a los elementos ij y ji (la matriz es simétrica).

C
Como 2V = xT K x y 2T = ẋT M ẋ se deduce que
 
m1 0 0
RU
M =  0 m2 0 
0 0 m3
 
k1 −k1 0
K = −k1 k1 + k2 −k2 
0 −k2 k2
ST

En el caso de fuerzas no conservativas se puede hacer un planteo similar considerando

el trabajo realizado por dichas fuerzas.
N

3.1.2. Ecuación Matricial de Movimiento

Las ecuaciones de conservación planteadas para cada grado de libertad pueden
escribirse de forma compacta como una ecuación diferencial matricial de segundo orden:
O

M q̈ + B q̇ + K q = F u (3.14)
C

En donde M es una matriz de inercia y K la matriz de rigidez; mientras las fuerzas

no conservativas quedan representadas por B que corresponde a los amortiguamientos
(que puede construirse como la matriz K considerando velocidades unitarias para las
EN

coordenadas generalizadas) y F al efecto de las perturbaciones.

Esta ecuación puede escribirse como:

q̈ + [M−1 B] q̇ + [M−1 K] q = [M−1 F] u (3.15)

o como:
[A M] q̈ + [A B] q̇ + q = [A F] u (3.16)

versión 0.24 (en construcción) - pág.105

 en donde A = K−1 es la matriz de elasticidad.

Definiendo el siguiente vector de estados:

 
q
x= (3.17)
q̇

podemos obtener una ecuación de estado equivalente a 3.14:

N
      
q̇ 0 I q 0 
ẋ = = + u (3.18)
q̈ −K̄ −B̄ q̇ F̄

IO
donde
K̄ = M−1 K , B̄ = M−1 B , F̄ = M−1 F (3.19)

3.1.3. Sistemas No Amortiguados

C
En estructuras elásticas normalmente los amortiguamientos son muy bajos (1 % o
menos). El caso no amortiguado surge de despreciar estos efectos, es decir en la

C
ecuación 3.14 tomar B = 0.

q̈ + K̄ q = F̄ u (3.20)
RU
La ecuación de estados queda:
      
q̇ 0 I q 0 
= + u (3.21)
q̈ −K̄ 0 q̇ F̄

donde I es una diagonal unitaria de N × N , siendo N el número de grados de libertad.

ST

Frecuencias Naturales
La ecuación caracterı́stica para la matriz dinámica en ese caso resulta:
      
N

 I 0 0 I   sI −I 
 0 I − −K̄
s = =0
0   K̄ sI 

Para una matriz en bloques de la forma:

O

 
A B
M=
C D
C

con A de n×n, B de n×m, C de m×n y D de m×m, se verifica que si A es invertible:

|M| = |A||D − CA−1 B|

EN

y si D es invertible:
|M| = |D||A − BD−1 C|
Tendiendo en cuenta que si α ∈ R, A ∈ Rn×n se verifica que |αA| = αn |A|, y teniendo
en cuenta que en este caso:

A = sI , B = −I , C = K̄ , D = sI

versión 0.24 (en construcción) - pág.106

 con la última expresión para el determinante podemos desarrollar la ecuación carac-
terı́stica de la siguiente forma:
|sI||sI + I[sI]−1 K̄| = sN |sI + s−1 K̄|
= sN |s−1 s2 I + K̄ |

= |s2 I + K̄| = 0
donde en este caso N son los grados de libertad.
Si sustituimos s2 = −λ:

N
|λI − K̄| = 0
√
En sı́ntesis se tendrán autovalores imaginarios puros s = ±j λi .

IO
Entonces las respuestas asociadas a los modos naturales para sistemas el
Çsticos no
amortiguados serán movimientos armónicos simples con frecuencias ωi = λi , siendo
λi los autovalores de la matriz M−1 K.

C
Formas Modales
Es evidente que para sistemas no-amortiguados no es necesario trabajar con el modelo
de estados, dado que toda la información dinámica puede deducirse a partir de la matriz

C
K̄ = M−1 K.

Un cambio de coordenadas definido por la matriz modal Λ = [v 1 v 2 · · · v n ] de

RU
K̄ diagonaliza el lado izquierdo de (3.20), mientras que el vector de coordenadas
generalizadas con esta transformación queda expresado como combinación lineal de
los autovectores v i de esta matriz:
q = Λη (3.22)

es decir
ST

q = v 1 η1 + v 2 η2 + · · · + v n ηn
Esto equivale a proyectar el vector de coordenadas generalizadas q en un sistema
de coordenadas definidos por los autovectores v i , los cuales se corresponden con
la configuración de desplazamientos compatibles con el movimiento armónico de
N

frecuencia ωi .
Decimos que el autovector v i da la forma modal para el movimiento armónico de
frecuencia ωi .
O

Podemos ver que a diferencia de un caso dinámico más general, para sistemas
mecánicos no amortiguados la forma modal tiene una representación geométrica real.

Con este cambio de coordenadas obtenemos un modelo dinámico con N ecuaciones

C

desacopladas. Sustituyendo 3.22 en 3.20 tendremos:

Λη̈ + K̄Λη = 0 → η̈ + λη = 0
donde η es el vector de coordenadas modales y λ = Λ−1 K̄Λ resulta ser una matriz
EN

diagonal construida con los autovalores correspondientes. En forma expandida:

η̈1 + λ1 η1 = 0
η̈2 + λ2 η2 = 0
···
η̈n + λn ηn = 0

versión 0.24 (en construcción) - pág.107

 Esto muestra claramente que cada modo natural es independiente de los demás.
Si partimos del reposo (q̇ = 0), y la deformada inicial coincide con un autovector
en particular (q(0) = v i ), el movimiento que observaremos será unicamente el
correspondiente a esa forma modal; dado que la condición inicial para las otras
coordenadas modales será nula:

q(t) = v 1 0 + v 2 0 + · · · + v i ηi (t) + · · · + v n 0

Entonces excitando solo un modo natural i, el vector de coordenadas generalizadas

N
evolucionará en el tiempo según la siguiente expresión:

q(t) = v i ηi (0) sin ωj t

IO
mientras que las velocidades serán:

q̇(t) = ωi v i ηi (0) cos ωi t

C
Puede notarse que cuando la amplitud del desplazamiento alcanza un valor máximo,
la velocidad es nula y viceversa. Con amplitud de desplazamiento máxima la energı́a
potencial elástica alcanza su valor máximo Vimax al tiempo que la energı́a cinética resulta

C
nula. Esta a su vez tendrá una máximo Timax cuando la elástica sea nula, y como se trata
de sistemas conservativos estos valores máximos serán iguales.
RU
Timax = Vimax (3.23)

Debe notarse que esto se corresponde con las energı́as cinética y potencial asociadas
a un determinado modo natural i.
ST

Para el caso del péndulo doble se obtuvo el modelo linealizado (3.8).

Asumiendo barras con densidad uniforme y longitudes l1 = 1m y l2 = 0,5m,
computamos las formas modales con el siguiente script:
clear ; clc

l1 = 1;
N

l2 = 0.5;

g = 10/ l 1 ;
l = l1 / l2 ;
O

m = ( l1+l2 ) / l2∗ l ; % masas p r o p o r c i o n a l e s a l a s l o n g i t u d e s

M = [m 1 ; 1 l ] ; % m a t r i z de i n e r c i a
K = [m∗g 0 ; 0 g ] ; % m a t r i z de ” r i g i d e z ”
C

[ V , D] = eig (M\\K , ’ v e c t o r ’ ) ; % c ómputo de a u t o v e c t o r e s y a u t o v a l o r e s

W = s q r t (D) / ( 2 ∗ p i ) % f r e c u e n c i a s n a t u r a l e s en Hz
U = V . / repmat (V ( 1 , : ) , 2 , 1 ) % normalizamos l o s a u t o v e c t o r e s con e l p r i m e r elemento
% ( ángulo de l a p r i m e r b a r r a )

Q = 0.15 ∗U − p i ; % c o n v e rt i m o s l o s a u t o v e c t o r e s en ángulos tomando

EN

% e l de l a p r i m e r b a r r a i g u a l a 0.15 rad
L = repmat ( [ l 1 ; l 2 ] , 1 , 2 ) ;
X = [ 0 0 ; sin (Q) . ∗ L ] ; % coordenadas X de l o s nodos
X(3 ,:) = X(2 ,:) + X(3 ,:)
Y = [ 0 0 ; cos (Q) . ∗ L ] ; % coordenadas Y de l o s nodos
Y(3 ,:) = Y(2 ,:) + Y(3 ,:)

l = l1+l2 ; % escala v e r t i c a l
clf ;

versión 0.24 (en construcción) - pág.108

 f o r N=1:2
subplot (120+N ) ;
p l o t ([ − 1 1] ∗ l / 2 , [ 0 0 ] , ’ k ’ , ’ LineWidth ’ , 8 ) ; hold on ; % g r á f i c o d e l techo
p l o t(−X ( : , N) , Y ( : , N) , ’−o ’ , ’ LineWidth ’ , 2 ) ; % g r á f i c o de l a s b a r r a s
t i t l e ( s p r i n t f ( ’ %1.2g hz ’ , W(N ) ) ) ;
axis ([ − l / 3 l / 3 − l 0 ] ) ; % ajustamos l a e s c a l a
axis o f f ; % eliminamos l o s e j e s
end

Podemos describir la configuración geométrica con solo dos variables θ1 y θ2 , por lo que
pueden usarse estas como como coordenadas generalizadas.

N
IO
C
C
RU
Cociente de Rayleigh
ST

 −1 
Los autovalores λi y autovectores v i de K̄ = M K por definición verifican la
siguiente relación:
M−1 K v i = λi v i
 

y de esto es evidente que:

N

Kv i = λi Mv i (3.24)

En esta expresión ambos lados de la igualdad son vectores de orden n, por lo cual
O

pre-multiplicando por v Ti obtenemos una cantidad escalar:

v Ti Kv i = λi v Ti Mv i
C

de lo cual se deduce que:

v Ti Kv i
λi = ωi2 = (3.25)
v Ti Mv i
EN

También se llega a esta relación a partir de (3.23) cuando se considera la excitación de

un determinado modo natural.
Si la amplitud máxima del desplazamiento es q̄r , para la velocidad será ωi q̄r . Con (3.10) y
(3.11) las energı́a cinética y potencial elástica máximas para este modo natural resultan:
1 2 T 1 T
Timax = ω q̄ M q̄ = ωi2 Ti∗ , Vimax = q̄ K q̄ (3.26)
2 i 2

versión 0.24 (en construcción) - pág.109

 donde Ti∗ es una “pseudo-energı́a cinética de referencia”, que surge de dividir la energı́a
cinética máxima por el cuadrado de la frecuencia: T ∗ = Tmax /ω 2 .

Por lo tanto:
Vimax
ωi2 = (3.27)
Ti∗
Si ahora elegimos un vector v arbitrario en lugar de una forma modal, obtendremos una
cantidad escalar caracterı́stica del sistema que solo depende de esta elección:

N
v T Kv
λ = ω 2 = R(v) = (3.28)
v T Mv

IO
Esta cantidad R(v) se denomina cociente de Rayleigh, y coincide con el cuadrado de
una frecuencia natural en caso que el vector v elegido corresponda a una forma modal.

C
En el ejemplo precedente se consideró un péndulo doble con:
   
6 1 60 0
M= , K=

C
1 2 0 10

Se obtuvo la matriz modal:

RU
 
0,7533 0,1440
Λ=
−0,6576 0,9896

Continuando con el código del ejemplo tomamos el primer autovector (primera columna
de la matriz modal) y computamos el cociente de Rayleigh:
ST

v1 = V ( : , 1 ) ;
R1 = v1 ’ ∗ K∗ v1 / ( v1 ’ ∗M∗ v1 ) ;
w1 = s q r t ( R1 ) / ( 2 ∗ p i ) ;

Se constata que el resultado coincide con el primer elemento del vector de frecuencias
naturales:
N

>> w1 − W( 1 )

ans =
O

>>
C

Un aspecto interesante es que esta función tiene un punto estacionario1 en proximidad

a los autovectores del sistema.
Se puede demostrar que se trata de un mı́nimo. Para ello tengamos en cuenta que
EN

siempre podemos expresar un vector arbitrario v como una combinación lineal de los
autovectores del sistema (ya que como hemos dicho, estos forman una “base”):
n
X
v= cr v r = Λc
r=1
1 Un punto estacionario de una función f (x) es un valor del argumento x en donde se anula la derivada, lo que implica que

se trata de un mı́nimo o máximo local

versión 0.24 (en construcción) - pág.110

 donde Λ es la matriz modal y c es un vector de coeficientes. Es posible normalizar los
autovectores de forma tal que:

ΛT MΛ = I , ΛT KΛ = λ

donde λ es una matriz diagonal construida con los autovalores. Sustituyendo:

n
λi c2i
P
T T T
c Λ KΛ c c λc i=1
R(v) = = T = Pn
cT ΛT MΛ c c Ic

N
c2i
i=1

Si el vector v es próximo a un autovector v r , los coeficientes de la combinación lineal

IO
ci serán pequeños si i 6= r. Entonces puede decirse que ci = i cr para i 6= r, donde
i  1. Luego, dividiendo numerador y denominador por c2r :
n
λi (1 − δir ) 2i
P
λr + n

C
i=1
X
R(v) = n ≈ λr + (λi − λr ) 2i
δir ) 2i
P
1+ (1 − i=1
i=1

C
donde δir es el delta de Kronecker (1 si i 6= r, 0 si i = r). El segundo término del
lado derecho es una cantidad de segundo orden, lo que indica que en proximidad de un
RU
autovector el cociente de Rayleigh tiene un punto estacionario.
Si se considera un vector próximo al primer modo:
n
X
R(v) ≈ λ1 + (λi − λ1 ) 2i
i=2
ST

Y como λ1 < λr (r = 2, 3, ..., n):

R(v) ≥ λ1

Es implica que el cociente de Rayleigh nunca es menor que el primer autovalor, y por lo
tanto su mı́nimo se corresponde a este.
N

Esto lleva a considerar que es posible obtener una buena aproximación para la
frecuencia del modo fundamental utilizando como vector de prueba la deformada estática
del sistema bajo la acción de un campo gravitatorio; hecho que puede ser útil cuando la
O

cantidad de grados de libertad es elevada y solo interesa este modo.

Por otra parte, de la ecuación 3.25 puede observarse que aumentando la rigidez
C

del sistema o disminuyendo su inercia se incrementa la magnitud de las frecuencias

naturales y viceversa, de la misma forma que se observa con un sistema de un solo
grado de libertad.
EN

Ortogonalidad de los autovectores Supongamos que en la ecuación 3.24 multiplica-

mos ambos miembros por la traspuesta de un autovector v j 6= v i :

v Tj Kv i = λi v Tj Mv i

Podemos también decir que:

v Ti Kv j = λj v Ti Mv j

versión 0.24 (en construcción) - pág.111

 Como M y K son matrices simétricas se cumple que:

v Tj Kv i = v Ti Kv j
v Tj Mv i = v Ti Mv j
Por lo tanto, en las dos ecuaciones anteriores el lado izquierdo es el mismo; y en el lado
derecho solo difieren en el valor de λ. Restando ambas ecuaciones:

0 = (λi − λj ) v Ti Mv j

N
Dado que hemos asumido λi 6= λj , necesariamente se cumple que:

v Ti Mv j = 0 (3.29)

IO
y por lo tanto también se cumple que

v Ti Kv j = 0 (3.30)

Podemos afirmar entonces que los autovalores o formas modales son ortogonales

C
respecto de las matrices M y K.

Aproximaciones para el Primer Modo

C
En muchos problemas de ingenierı́a resulta crı́tico establecer la frecuencia del primer
modo natural. Existen al menos dos formas de obtener aproximaciones para esta
frecuencia:
RU
Método de Rayleigh El método de Rayleigh consiste simplemente en evaluar el
cociente de Rayleigh usando como vector de prueba el correspondiente a la deformada
estática obtenida aplicando como carga el peso propio de cada elemento.
ST

Método de Dunkerley Este método permite obtener una lı́mite inferior para la
frecuencia del primer modo natural para modelos con mas de tres grados de libertad.
En lo sucesivo seguiremos el planteo de [Rao11, cap.7.2, p. 656].

Sabemos que las frecuencias naturales están dadas por las raı́ces de la siguiente
N

ecuación caracterı́stica de M−1 K:

λI − M−1 K = 0
 
O

como los autovalores de la inversa de una matriz son la inversa de los autovalores de la
matriz original, lo anterior se puede reescribir como:
 
C

 1 
− I + AM = 0
 λ 

donde hemos llamado A = K−1 a la matriz de flexibilidad.

EN

En un modelo de parámetros concentrados normalmente la matriz de inercia es diagonal.

En ese caso, expandiendo la expresión precedente:
     

 1 0 ··· 0 a11 a12 ··· a1N m1 0 ··· 0 

 1 0 1 ··· 0  a21 a22 ··· a2N   0 m2 ··· 0
−  .. ..  +  ..  = 0
     
.. .. ..   .. .. ..
 λ . . .  . . .  . . .

 
 0 0 ··· 1 aN 1 aN 2 ··· aN N 0 0 ··· mN 

versión 0.24 (en construcción) - pág.112

 que equivale a:

 1
 
− + a11 m1 ···

a12 m2 a1N mN 
 λ 
 1 
 a21 m1 − + a22 m2 ··· a2N mN 
 λ =0

 .. .. ..
.
 
 . . 
 1 
 aN 1 m1 aN 2 m2 · · · − + aN N mN 
 
λ

N
Llamando 1/λi a las raı́ces de este determinante, podrı́amos expresar la ecuación
caracterı́stica como:

IO
λ−1 − λ−1 λ−1 − λ−1 · · · λ−1 − λ−1




1 2 N =0

que expandiendo resulta:

λ−N − λ−1 −1 −1

C

−(N −1)
1 + λ2 + · · · + λN λ − ··· = 0

Igualando el coeficiente de λ−(N −1) con la expansión del determinante resulta que:

C
λ−1 −1 −1
1 + λ2 + · · · + λN = a11 m1 + a22 m2 + · · · + aN N mN
RU
En la mayorı́a de los casos las frecuencias altas son significativamente mayores a la
del primer modo, por lo cual sus valores al cuadrado lo serán mucho más. Entonces se
puede aproximar esta expresión por:

λ−1
1 ≈ a11 m1 + a22 m2 + · · · + aN N mN
ST

que es la denominada ecuación de Dunkerley y que en ocasiones se escribe,

sustituyendo λ1 por ω12 , como:

1 1 1 1
≈ 2 + 2 + ··· + 2
ω12 ω11 ω12 ω1N
N

donde ω1i es la frecuencia natural obtenida como (aii mi )1/2 .

O
C
EN

versión 0.24 (en construcción) - pág.113

 Modelos de Parámetros Distribuidos
3.2.1. Deformaciones Unidireccionales
En elementos estructurales las propiedades másicas y elásticas se encuentran
distribuidas, por lo cual la aproximación por parámetros concentrados resulta un tanto
forzada. Pero en ciertos casos es posible obtener las frecuencias de forma analı́tica.

Cuerdas

N
IO
C
C
RU
ST
N

Figura 3.5: solicitaciones sobre un elemento diferencial de una cuerda

O

Analizamos el balance de fuerzas en el eje transversal y en un elemento diferencial de

una cuerda bajo una tensión T y una carga distribuida f . Se asume que la deformación
C

w es pequeña en relación a la longitud de la cuerda.

De la figura 3.5(b) podemos ver que si planteamos la suma de fuerzas en un eje z
transversal a la cuerda:

∂2w
EN

(T + dT ) sin (θ + dθ) + f dx − T sin θ = ρ dx (3.31)

∂t2
Y como:

∂T ∂w ∂w ∂ 2 w
dT = dx , sin θ ≈ , sin (θ + dθ) ≈ + dx
∂x ∂x ∂x ∂x2

versión 0.24 (en construcción) - pág.114

 tenemos que:

∂ 2 w(x, t)
 
∂ ∂w(x, t)
T + f (x, t) = ρ(x) (3.32)
∂x ∂x ∂t2

Oscilaciones libres Para vibraciones libres f (x, t) = 0 proponemos una solución por
separación entre una variación temporal y una espacial:

w(x, t) = y(x)q(t) (3.33)

N
Sustituyendo:
∂ 2 q(t)
 
∂ ∂y(x)
q(t) T = ρ(x)y(x) (3.34)

IO
∂x ∂x ∂t2
Si además la tensión es constante en el tiempo, agrupando variaciones temporales a la
derecha y espaciales a la izquierda:
1 d2 q(t)
 
1 d dy(x)

C
T = (3.35)
ρ(x)y(x) dx dx q(t) dt2
Como ambos las dos de la ecuación dependen de variables diferentes, la igualdad

C
solo puede verificarse para cualquier par {x, t} si ambos miembros son iguales a una
constante que llamaremos λ = ω 2 . Por lo tanto tenemos para las variaciones espaciales
que:
RU
 
d dh(x)
T + ω 2 ρ(x)y(x) = 0 (3.36)
dx dx
mientras que para la evolución temporal:
d2 q(t)
+ ω 2 q(t) = 0 (3.37)
ST

dt2
Antes de proponer una solución veremos que lo mismo puede decirse para el caso de
deformaciones longitudinales o torsionales.

Vibraciones Longitudinales
N
O
C
EN

Figura 3.6: solicitaciones longitudinales sobre un elemento diferencial de una barra

La carga longitudinal P sobre un elemento diferencial de una barra ubicado en una

posición x estará dada por:
∂u(x)
P (x) = σ(x)A(x) = EA(x)(x) = EA(x) (3.38)
∂x

versión 0.24 (en construcción) - pág.115

 donde A es el área de la sección, σ es la tensión por deformación, y u el desplazamiento
longitudinal del elemento.
Por conservación de cantidad de movimiento:

∂ 2 u(x, t)
(P (x, t) + dP ) − P (x, t) + f (x, t)dx = ρA(x)dx
∂t2
donde f (·) es una distribuida fuerza externa, y ρ la densidad lineal de masa.
∂P
Con la sustitución dP = dx se llega a que:
∂x

N
∂P (x, t) ∂ 2 u(x, t)
+ f (x, t) = ρA(x)
∂x ∂t2

IO
y teniendo en cuenta la ecuación 3.38:

∂ 2 u(x, t)
 
∂ ∂u(x, t)
EA(x) + f (x, t) = ρA(x) (3.39)

C
∂x ∂x ∂t2

Oscilaciones libres Para vibraciones libres (f (·) = 0) proponemos una solución de la

C
forma:
u(x, t) = v(x)q(t) (3.40)
RU
Entonces:
d2 q(t)
 
d dv(x)
EA(x) q(t) = ρA(x) v(x)
dx dx dt2
de lo que surge:

1 d2 q(t)
 
1 d dv(x)
ST

EA(x) =
ρA(x)v(x) dx dx q(t) dt2

Dado que el lado izquierdo es solo función de x y el lado derecho solo depende de t,
ambos deben ser constantes. Por lo tanto:
N

 
1 d dv(x)
EA(x) = −ω 2
v(x)ρA(x) dx dx
1 d2 q(t)
O

= −ω 2
q(t) dt2

que puede reescribirse como:

C

 
d dv(x)
EA(x) + ω 2 ρA(x)v(x) = 0 (3.41)
dx dx
EN

y
d2 q(t)
+ ω 2 q(t) = 0 (3.42)
dt2
De esta última ecuación puede verse que el movimiento libre será armónico simple:

q(t) = a cos ωt + b sin ωt

versión 0.24 (en construcción) - pág.116

 Oscilaciones libres para una viga uniforme En una viga con productos EA y ρA
constantes, la forma modal deberá cumplir con:

d2 v(x)
+ α2 v(x) = 0
dx2
en donde:
ρ
α2 = ω 2 (3.43)
E
Proponemos la solución:

N
v(x) = A cos αx + B sin αx (3.44)

IO
en donde las constantes deben ajustarse en función de las condiciones de borde.

Para un una condición inicial arbitraria proponemos como solución una serie infinita de
estas posibles soluciones.

C
∞
X  x x
u(x, t) = (ai cos ωi t + bi sin ωi t) · ci cos ωi + di sin ωi (3.45)
i=1min
c c

C
donde c = E/ρ es la velocidad de propagación de las ondas longitudinales en el sólido.
RU
Tomemos como ejemplo el caso de vibraciones longitudinales en el árbol de transmisión
de un motor naval.
El timón de una embarcación interfiere con el volumen de agua empujado por la hélice,
generando fluctuaciones en el empuje cada vez que una de las aspas pasa por el timón.
Por lo tanto resultarı́a de interés conocer cuáles pueden ser las frecuencias naturales del
ST

sistema de transmisión para identificar las velocidades de rotación del eje que lo puedan
inducir a la resonancia.
N
O
C
EN

En este caso, la masa del eje (≈ 22 kg ) no resulta despreciable en comparación con la

masa de la hélice. Surge entonces la necesidad de concebir un modelo que considere la
distribución de masa a lo largo del eje.
Para el eje resulta adecuado un modelo de parámetros distribuidos, que puede
resolverse de forma analı́tica dado que material y la sección son uniformes. Agregamos

versión 0.24 (en construcción) - pág.117

 una masa concentrada en un extremo correspondiente a la hélice y por simplicidad
un vı́nculo rı́gido en el otro extremo; aunque allı́ deberı́amos considerar uno elástico
(concentrado) asociado a la rigidez del acople elastomérico (“machón”).

N
IO
C
El problema de hallar las frecuencias y modos normales requiere identificar las
condiciones de borde adecuadas para el problema.
El vı́nculo en x = 0 restringe el desplazamiento longitudinal, por lo que cualquier forma

C
modal vi (x) debe anularse en ese punto.
Por otro lado, al perderse la condición de extremo libre por la presencia de la masa de
la hélice, el esfuerzo axil N (L) = EA(L) en ese punto debe ser igual a la variación del
RU
impulso lineal de la misma:
ST

Matemáticamente, las condiciones de borde se pueden escribir de la siguiente manera:

N


 u(0, t) = 0
2
−EA ∂u(L, t) = M d u(L, t)
∂x dt2
O

La solución está dada por la ecuación (3.45). Aplicando la primer condición de borde
sobre las funciones modales vi (x), se deduce que ci = 0.
C

Con este resultado, y realizando las derivadas correspondientes se tiene:

ω     
i ωL ωL
EA qi (t) di cos = M ω 2 qi (t) di sen
c c c
EN

     
EA ωL ωL
=⇒ cos = M ω sen
c c c
La expresión que obtuvimos anteriormente se corresponde con la ecuación de
frecuencias del problema.
Si llamamos G(ω) a la diferencia entre los dos miembros de la igualdad anterior, los
valores ωn que verifican G(ωn ) = 0 representan las frecuencias naturales del sistema.

versión 0.24 (en construcción) - pág.118

 Graficando la función G(f ) (donde ω = 2π f ) podemos determinar rápidamente
soluciones aproximadas:

N
IO
C
Con las frecuencias naturales y la ecuación (3.44) obtenemos las formas modales vi (x):

C
RU
ST
N

En esta gráfica el eje de ordenadas se corresponde con el desplazamiento axial de las

O

secciones del eje.

C

Para encontrar los cruces por cero de una serie de puntos {x, y} podemos usar el
siguiente código:
EN

% x : abcisas
% y : ordenadas
% z : coordenadas x de l o s cruces por cero
% k : ı́ n d i c e s de l o s puntos donde se d e t e c t a r o n cambios de s i g n o
function [ z , k ] = z e r o s c r o s s i n g s ( x , y )
c = y > 0; % puntos con y > 0
k = f i n d ( c ( 2 : end ) ˜= c ( 1 : end − 1 ) ) ; % t r a n s i c i o n e s 0/+ y +/0

versión 0.24 (en construcción) - pág.119

 i f k ( end ) == length ( x )
k = k ( 1 : end − 1);
end
i f isempty ( k )
z = [];
k = [];
else
% i n t e r p o l a c i ó n l i n e a l para computar l a coordenada x d e l cruce
dx = x ( k +1) − x ( k ) ;

N
dy = y ( k +1) − y ( k ) ;
z = x ( k ) − y ( k ) . ∗ dx . / dy ;
end

IO
end

Vibraciones Torsionales

C
C
RU
ST

Figura 3.7: solicitaciones torsionales sobre un elemento diferencial de una barra

Para vibraciones torsionales por conservación de cantidad de movimiento angular,

teniendo en cuenta la nomenclatura de la figura 3.7:
N

∂ 2 θ(x, t)
(M (x, t) + dM ) − M (x, t) + f (x, t)dx = IO (x)dx
∂t2
O

siendo IO el momento de inercia respecto del centro de giro de la sección transversal

por unidad de longitud.
El modelo de deformación lineal es:
C

∂θ
M = GJ (3.46)
∂x
siendo GJ la rigidez torsional por unidad de longitud. Procediendo igual a los casos
EN

previos se obtiene el mismo resultado, pero sustituyendo EA por GJ y ρA por IO .

∂ 2 θ(x, t)
 
∂ ∂θ(x, t)
GJ(x) + IO (x) = f (x, t) (3.47)
∂x ∂x ∂t2

versión 0.24 (en construcción) - pág.120

3.2.2. Vibraciones Transversales
Solución de Euler
Para vigas de sección transversal pequeña en relación a su longitud se puede despreciar
los efectos de inercia en el giro y deformación por corte. El tratamiento para el caso de
secciones gruesas puede verse en [Rao11, 8.5.8, p. 734].

N
IO
C
C
Figura 3.8: solicitaciones sobre un elemento diferencial de una barra a flexión
RU
En la figura 3.8 se destaca un elemento diferencial ubicado en la coordenada x de masa
dm = ρA(x)dx. Planteando suma de fuerzas de corte en el elemento diferencial:

∂ 2 w(x, t)
ρA(x)dx = − (Q(x, t) + dQ) + f (x, t)dx + Q(x, t)
∂t2
ST

Si despreciamos la energı́a cinética por rotación del elemento diferencial (válido para
vigas esbeltas) podemos asumir que hay equilibrio de momentos. Tomando momentos
respecto del extremo izquierdo como se ve en la figura 3.8:

dx
(M (x, t) + dM ) − (Q(x, t) + dQ) dx + f (x, t)dx −M =0
N

2
Y escribiendo:
O

∂Q ∂M
dQ = dx , dM = dx
∂x ∂x
C

se obtiene:

∂ 2 w(x, t) ∂Q(x, t)
ρA(x) + = f (x, t)
∂t2 ∂x  
∂M (x, t) ∂Q(x, t) 1
EN

− Q(x, t) = + f (x, t) dx ≈ 0
∂x ∂x 2

en donde en la segunda ecuación el lado derecho se desprecia por estar multiplicado

por dx. De dicha ecuación surge que:

∂2M ∂Q
=
∂x2 ∂x

versión 0.24 (en construcción) - pág.121

 y sustituyendo en la primera:

∂ 2 w(x, t) ∂ 2 M (x, t)
ρA(x) + = f (x, t)
∂t2 ∂x2
De la teorı́a de Euler-Bernoulli la relación entre momento y deformación (o giro) está
dada por:
∂θ ∂2w
M = EI = EI (3.48)
∂x ∂x2

N
donde E es el módulo de Young e I es el momento de inercia (de área) de la sección
transversal respecto del eje y . Sustituyendo:

IO
∂2 ∂ 2 w(x, t) ∂ 2 w(x, t)
 
EI(x) + µ(x) = f (x, t) (3.49)
∂x2 ∂x2 ∂t2

donde µ = ρA es la densidad lineal de masa.

C
Oscilaciones libres Para vibraciones libres (f (·) = 0) proponemos una solución de la
forma:

C
w(x, t) = y(x)q(t) (3.50)
Entonces:
RU
d2 d2 y(x) d2 q(t)
 
EI(x) q(t) + ρA(x) y(x) = 0
dx2 dx2 dt2

de lo que surge:

d2 d2 y(x) 1 d2 q(t)
 
1
ST

EI(x) = −
y(x)ρA(x) dx2 dx2 q(t) dt2

Dado que el lado izquierdo depende solo de x y el lado derecho solo depende de t,
ambos deben ser constantes. Por lo tanto:
N

d2 d2 y(x)
 
1
EI(x) = ω2
ρA(x)y(x) dx2 dx2
1 d2 q(t)
O

= −ω 2
q(t) dt2

que puede reescribirse como:

C

d2 d2 y(x)
 
EI(x) − ω 2 ρA(x)y(x) = 0 (3.51)
dx2 dx2
EN

y
d2 q(t)
+ ω 2 q(t) = 0 (3.52)
dt2
De esta última ecuación puede verse que el movimiento libre será armónico simple:

q(t) = a cos ωt + b sin ωt

versión 0.24 (en construcción) - pág.122

 Oscilaciones libres para una viga uniforme Si los productos EI y ρA son
constantes, la forma modal deberá cumplir con la siguiente ecuación:
d4 y
(x) − β 4 y(x) = 0
dx4
en donde:
ω2
β4 = ρ (3.53)
EI
Para este caso se propone la solución:

N
y(x) = A cosh βx + B sinh βx + C cos βx + D sin βx (3.54)
en donde las constantes deben ajustarse en función de las condiciones de borde.

IO
Como ejemplo realizaremos un análisis de vibraciones transversales libres de una pala
del rotor principal del Westland Lynx (figura 3.9a).
Estas son de fibra de carbono y presentan las siguientes caracterı́sticas:

C
Parámetro Valor
Largo de pala 4,8 m

C
Cuerda 22 cm
Perfil NACA 0020
E efectivo 151 GP a
RU
Densidad 1550 kg/m3

La vinculación de las palas al rotor principal se realiza a través de un elastómero

(flexible), como se muestra en la figura 3.9b.
Nos proponemos determinar:
ST

1. Un modelo conceptual para el análisis de las vibraciones transversales libres de una

pala sin considerar rotación;
2. A partir del modelo, las primeras frecuencias y modos normales.

Abordamos el problema por medio de un modelo de parámetros distribuidos, asumiendo

N

(para este ejemplo) que la pala es homogénea. El elastómero que vincula la raı́z de
la pala al cubo del rotor se modela como un elemento elástico concentrado de rigidez
K = 63000 N m. El modelo conceptual serı́a el siguiente:
O
C
EN

(a) Westland Lynx (b) Esquema del cubo del rotor semi-rı́gido del Linx

versión 0.24 (en construcción) - pág.123

 N
La solución para las deformaciones está dada por la (3.50), en donde para este caso la
función espacial estará dada por (3.54). Las frecuencias y las formas modales surgen de

IO
plantear condiciones de borde sobre esta función espacial.
Para nuestro modelo conceptual, en el empotramiento (x = 0) no hay desplazamiento y
el momento flector de la viga coincide con el del elastómero:

EIy 00 (0) = Ky 0 (0)

C
y(0) = 0 , (3.55)

mientras que en el extremo libre (x = L) no hay corte ni momento:

C
y 000 (L) = 0 , y 00 (L) = 0 (3.56)

Imponiendo las condiciones para el extremo x = 0 sobre nuestra solución y(x), se tiene:
RU

 A cosh 0 + B senh 0 + C cos 0 + D sen 0 = 0
EJβ 2 (A cosh 0 + B senh 0 − C cos 0 − D sen 0) =
−Kβ (A senh 0 + B cosh 0 − C sen 0 + D cos 0)


De las ecuaciones anteriores se puede deducir que:

ST

−K
A= (B + D) (3.57)
2EIβ
Por otro lado, las condiciones de borde para x = L aplicadas a la solución (3.54) generan
dos ecuaciones complementarias:
N

( 2
β (A cosh 0 + B senh 0 − C cos 0 − D sen 0) = 0
β 3 (A senh 0 + B cosh 0 + C sen 0 − D cos 0) = 0
O

Utilizando las expresiones (3.57) las ecuaciones anteriores se pueden reescribir de la

siguiente manera:
C

(
(senh βL − aF1 ) B − (sen βL − aF1 ) D = 0
(3.58)
(cosh βL − aF2 ) B − (cos βL − aF2 ) D = 0
EN

siendo:
K
a=
2EIβ
F1 = cosh βL + cos βL
F2 = senh βL − sen βL

versión 0.24 (en construcción) - pág.124

 Finalmente, de las ecuaciones (3.58) obtenemos la “ecuación de frecuencias”:

G(β) = (senh βL − aF1 ) (cos βL + aF2 ) − (sen βL + aF1 ) (cosh βL − aF2 ) = 0 (3.59)

Resolver la ecuación (3.59) es encontrar los valores de β que anulan el miembro

izquierdo, y por lo tanto a partir de (3.53) las frecuencias naturales del sistema. A

N
continuación se grafica dicho término en función de la frecuencia, indicándose en
cı́rculos rojos las frecuencias naturales para la condición de empotrado libre (K → ∞)
[Se ha distorsionado la escala vertical para poder notar con mayor claridad los cruces por cero]:

IO
C
C
RU
Una vez obtenidas las frecuencias, es posible usar la relación (3.57) y las ecuaciones
ST

(3.58) en expresión (3.54) para obtener la forma modal:

y(x) = B [−a(1 + m) cosh βx + senh β x + a(1 + m) cos βx + m sen βx] (3.60)

N

siendo
O

senh βL − a (cosh βL + cos βL)

m= (3.61)
sen βL + a (cosh βL + cos βL)
C

En la próxima figura se muestra en color azul los primeros cuatro modos naturales,
superpuestos con el modo correspondiente para la condición k → ∞ en rojo.
EN

La grafica de la curva de frecuencias y las de formas modales dejan ver la aparición de

un nuevo modo fundamental de frecuencia próxima al cero que se relaciona con el modo
rı́gido para la condición de articulado-libre (K → 0).
A medida que la rigidez a flexión del elastómero se hace notablemente menor a la propia
de la viga, las deformaciones atribuibles a este modo se darán principalmente en el
vı́nculo, mientras que la pala no se flexionará.

versión 0.24 (en construcción) - pág.125

 N
IO
C
C
RU
Métodos Aproximados
3.3.1. Aproximación de Rayleigh para el Primer Modo
De forma análoga a lo visto en la sección 3.1.3 para sistemas de N grados de libertad,
se puede aproximar la frecuencia del primer modo calculando el cociente de Rayleigh
ST

con una deformada estática bajo carga de peso propio.

La energı́a cinética máxima será:

Z L
1
Tmax = µ(x)v̄ 2 (x)dx
N

2 0

donde v̄(x) es la velocidad de desplazamiento máxima del elemento diferencial ubicado

en x y con inercia µ (masa o momento según el caso).
O

Como se trata de un movimiento armónico simple v̄(x) = ω ȳ(x), siendo ȳ(x) la forma
modal. Entonces:
C

Z L
1
Tmax = ω 2 T ∗ , T∗ = µ(x)ȳ 2 (x)dx
2 0

siendo T ∗ la energı́a cinética de referencia, que constituye el divisor del cociente de

Rayleigth.
EN

Para el numerador debemos calcular la energı́a potencial elástica, que depende del tipo
de deformación considerada.

Vibraciones longitudinales En este caso, llamando u a la deformación longitudinal:

Z L
1 2
V = EA(x) [u0 (x)] dx (3.62)
2 0

versión 0.24 (en construcción) - pág.126

 Con esto el cociente de Rayleigth resulta:
Z L
2
EA(x) [ū0 (x)] dx
ω2 = 0
Z L
(3.63)
ρA(x)ū2 (x)dx
0

Vibraciones torsionales Este caso es matemáticamente igual al anterior, sustituyen-

do EA por GJ y considerando como deformación el ángulo de torsión φ:

N
Z L
1 2
V = GJ(x) [φ0 (x)] dx (3.64)
2 0

IO
El cociente de Rayleigth, considerando que ahora la energı́a cinética depende del
momento de inercia y no de la masa, queda:
Z L 2
GJ(x) φ̄0 (x) dx


C
ω2 = 0
Z L
(3.65)
J(x)φ̄2 (x)dx
0

C
Vibraciones flexionales En este caso consideramos el trabajo realizado por el
momento elástico, para el cual la deformación correspondiente es el giro:
RU
dy
θ=
dx
La energı́a potencial elástica de un elemento diferencial es
∂θ
dV = M · dθ = EI · dθ
∂x
ST

Y como
∂θ ∂2y
= = y 00 → dθ = y 00 dx
∂x ∂x2
resulta que
1 L
Z
2
N

V = EI(x) [y 00 (x)] dx (3.66)

2 0
El cociente de Rayleigth queda:
O

Z L
2
EI(x) [ȳ 00 (x)] dx
ω 2 = 0Z L (3.67)
C

ρA(x)ȳ 2 (x)dx
0

3.3.2. Discretización con Masas Concentradas

EN

Un primer enfoque obvio para resolver modelos continuos cuando no se conoce una
solución exacta es la de distribuir su masa en elementos puntuales conectados entre
sı́ mediante vı́nculos elásticos sin masa; y analizarlos como sistemas de N grados de
libertad.
Una vez construidas las matrices de masa M y rigidez K se obtienen los modos
naturales (formas
 y frecuencias) resolviendo el problema de autovalores y autovectores
para la matriz M−1 K .


versión 0.24 (en construcción) - pág.127

 N
IO
C
C
RU
Figura 3.10: Modelos estructurales de parámetros concentrados

Masa Equivalente para Elementos Deformables

ST

Es evidente que la masa de los elementos deformables se encuentra distribuida, y que

la aceleración es diferente a lo largo de su extensión.
En primer término se puede optar por repartir su masa entre los extremos, pero
puede lograrse una mejor aproximación si se busca una masa equivalente concentrada
que posea la misma energı́a cinética del elemento asumiendo una cierta función de
N

deformación con amplitud definida por el desplazamiento del elemento concentrado.

La energı́a cinética del elemento es:

O

Z L
1
Tr = ẏ(x, t)2 µ(x)dx
2 0
C

donde y es el desplazamiento y µ la densidad de masa por unidad de longitud.

Si proponemos y(x, t) = f (x)q(t), siendo q(t) el desplazamiento del punto en el que se
concentra la masa; la función de velocidad a lo largo del elemento será:
EN

ẏ(x, t) = f (x)q̇(t)

Sustituyendo:
Z L Z L
1 1 2
Tr = µ(x)f 2 (x)q̇ 2 dx = q̇ µ(x)f 2 (x)dx
2 0 2 0

versión 0.24 (en construcción) - pág.128

 La masa equivalente en el extremo que tendrı́a la misma energı́a cinética será:
Z L
Me = µ(x)f 2 (x)dx
0

En general una elección razonable para f es la función de desplazamiento estática

cuando se aplica una carga unitaria en el extremo.

N
Por ejemplo, para el caso de un sistema masa-resorte fijo en un extremo en donde el
resorte tiene propiedades constantes (µ = m/L) podemos asumir una deformación
lineal en su extensión: f = x/L. Entonces:

IO
L
µL3
Z
1
Me = µ x2 dx = 2
= m
0 3L 3

C
Por lo tanto deberı́amos agregar a la masa en el extremo la tercera parte de la masa del
resorte.

C
Solución del Problema de Autovalores
Existen diferentes métodos numéricos para resolver el problema de autovalores. En
RU
[Rao11] e presentan varias alternativas: Método Matricial Iterativo (sec.7.5), Método de
Jabcobi (sec.7.6) y Problema Estándar (sec. 7.7).
Actualmente se cuenta con programas que resuelven esto rápidamente, como Matlab y
Octave mediante el comando eig().
Pero para el caso de vigas y ejes se dispone de algunas formas ventajosas cuando solo
ST

se desean conocer los primeros modos naturales.

Método de Holzer
El método de Holzer permite calcular modos naturales para deformaciones unidireccio-
nales usando modelos de parámetros concentrados con acoplamiento adyacente.
N

El tema se puede consultar en [Tho82, sección 10.1: Método de Holzer, p. 296].

O

Método de Myklestad
El método de Myklestad es una extensión del de Holzer para vibraciones flexionales.
C

El tema se puede consultar en [Tho82, sección 10.4: Método de Myklestad para Vigas,
p. 304].

Flexo-Torsión
EN

Existen muchos casos de estructuras tipo viga en donde la deformación libre es una
combinación de flexión y torsión. Esto ocurre por ejemplo en una viga recta cuando el
centro de gravedad de las secciones no coincide con sus centros de torsión (eje elástico),
o en el caso general cuando el eje elástico no es recto. Un ejemplo de ello es el caso del
ala de una aeronave.

versión 0.24 (en construcción) - pág.129

 Podemos plantear una discretización con masas concentradas en ciertas secciones de
la viga, y considerar que en cada estación hay una deformada por flexión en un plano
que contiene al eje elástico y otra por torsión en el plano perpendicular a dicho eje.
El momento de inercia para la torsión será de la forma Ji = J¯i + mi c2i , donde J¯i es el
momento de inercia respecto del centro de gravedad de la sección, mi su masa y c2i la
posición de este respecto del eje elástico.

Este problema se puede encarar como una extensión del método de Miklestad, como se
plantea en [Tho82, sección 10.6: Vibración Acoplada Flexión-Torsión, p. 311].

N
3.3.3. Discretización con Parámetros Distribuidos

IO
La alternativa al modelo de masas concentradas para modelar sistemas continuos es la
de proponer una aproximación para las funciones de deformación con suficientes grados
de libertad como para obtener la precisión requerida en la determinación de los modos
naturales de respuesta.

C
Los parámetros de ajuste de esta función terminan adoptando el rol de coordenadas
generalizadas para la aproximación discreta del modelo continuo.

C
Método de Rayleigh-Ritz
Sabemos que el cociente de Rayleigh siempre arroja un valor igual o superior a la
frecuencia del primer modo natural para cualquier deformada propuesta que cumpla las
RU
condiciones de borde.
Ritz propuso utilizar como función de deformación w(x) una suma de funciones de
interpolación wi (x) multiplicadas por coeficientes a determinar.
N
X
w(x) = c1 w1 (x) + c2 w2 (x) + · · · + cN wN (x) = ci wi (x) (3.68)
ST

i=1

La idea es determinar los coeficientes ci que minimizan el valor del cociente de Rayleigh.
Teniendo en cuenta que este cociente nunca será menor a la frecuencia del primer
modo, el ajuste resultante será el más próximo posible a la deformada real con la forma
N

propuesta.
Para realizar el proceso de minimización buscamos el conjunto de coeficientes que
verifiquen:
O

∂R(w)
=0 , i = 1, 2, ..., N (3.69)
∂ci
Esto resulta en un sistema de N ecuaciones para determinar los valores de los ci .
C

Siguiendo el planteo de [Mei86], notemos que el cociente de Rayleigh es una función

racional que da un resultado escalar positivo que podemos llamar ω 2 :
EN

U (w)
R(w) = = U (w)T (w)−1 = ω 2 (3.70)
T (w)

Al derivar este cociente respecto de uno de los parámetros de w(x) se tendrı́a usando
la regla de la cadena:

∂R(w) ∂U (w) ∂T (w)

= T (w)−1 − U (w) T (w)−2 = 0
∂ci ∂ci ∂ci

versión 0.24 (en construcción) - pág.130

 de lo cual:
∂U (w) ∂T (w)
− U (w)T (w)−1 =0
∂ci ∂ci
w teniendo en cuenta la ecuación 3.70 :
∂U (w) ∂T (w)
− ω2 =0 (3.71)
∂ci ∂ci
Esta expresión da las filas de un sistema de ecuaciones lineales de la forma:

N
Rc (ω 2 ) c = 0 (3.72)

donde Rc (ω 2 ) ∈ RN ×N y c ∈ RN . La solución no trivial implica obtener los valores de ω

IO
que anulan el determinante de Rc (ω 2 ), y para cada uno de ellos obtener el espacio nulo
2
de la matriz resultante.

C
Por ejemplo, para un problema de vibraciones transversales en una viga para el cociente
de Rayleigh (ver 3.3.1) se tiene:
2

C
L
d2 y(x)
Z 
U (y) = EJ(x) dx
0 dx2
Z L
RU
2
T (y) = ρ(x) {y(x)} dx
0

Sustituyendo y(x) por la ecuación 3.68:

( N
)2
Z L X
U (y) = EJ(x) ci wi00 (x) dx
ST

0 i=1
Z L N
X N
X
= EJ(x) ci wi00 (x) cj wj00 (x)dx
0 i=1 j=1
N X
N
N

X Z L
= ci cj EJ(x)wi00 (x)wj00 (x)dx
i=1 j=1 0
O

N X
X N
= ci cj ki j
i=1 j=1
C

donde Z L
kij = EJ(x)wi00 (x)wj00 (x)dx
0
EN

2 el subespacio nulo (null space) o núcleo (kernel) de una matriz A ∈ Rn×n es el conjunto de vectores u ∈ Rn tales que

A · u = 0. Para una determinada matriz con determinante nulo, estos vectores pueden obtener en Matlab con el comando
null()

versión 0.24 (en construcción) - pág.131

 mientras que
(N )2
Z L X
T (y) = ρ(x) ci wi (x) dx
0 i=1
Z L N
X N
X
= ρ(x) ci wi (x) cj wj (x)dx
0 i=1 j=1

N
N X
X N Z L
= ci cj ρ(x)wi (x)wj (x)dx
i=1 j=1 0

IO
N X
X N
= ci cj mij
i=1 j=1

donde

C
Z L
mij = ρ(x)wi (x)wj (x)dx
0

C
Con estos resultados podemos decir que:
N N
∂U (y) X ∂T (y) X
= cj kij , = cj mij
RU
∂ci j=1
∂ci j=1

Con esto la ecuación 3.71 se convierte en:

N
X N
X
cj kij = ω 2 cj mij
ST

j=1 j=1

que en notación matricial puede escribirse como:

λI − M−1 K c = 0
 

K c = λM c →
N

 −1 
siendo c y λ autovalores y autovectores de la matriz M K que deben ser
determinados.
O

Concluimos que el método de Rayleigh-Ritz en última instancia termina siendo una

técnica de discretización para un modelo conservativo de parámetros distribuidos, y que
C

su solución implica resolver un problema de autovalores.

Los autovalores λ dan una aproximación a los valores de ω 2 para los diferentes modos,
mientras que los autovectores c combinados con la ecuación 3.68 definen autofunciones
que aproximan a las formas modales.
EN

Se puede demostrar [Mei01, pág.503] que al aumentar N estas aproximaciones

convergen a los valores exactos.

Método de Elementos Finitos (FEM)

Según L. Meirovich “...El Método de Elementos Finitos es sin dudas el desarrollo más
importante en el análisis estático y dinámico de estructuras de la segunda mitad del siglo

versión 0.24 (en construcción) - pág.132

 XX...” [Mei01, cap.10: The Finite Element Method, p. 549].

Este método se encuentra desarrollado en la cita antes mencionada, y en casi toda la

bibliografı́a moderna sobre dinámica estructural: [Kel12, cap.11: Finite Element Method,
p. 987], [Rao11, cap.12: Finite-Element Method, p. 987], [Mei97, cap.9: The Finite
Element Method, p. 585] y en [Mei86, cap.8: The Finite Element Method, p. 300] entre
otros.
De forma similar al método de Ritz se propone una deformada construida como
superposición de deformadas elementales. Pero en lugar de usar funciones definidas

N
en todo el dominio espacial, en FEM la estructura se divide en elementos, y se utiliza
una única función elemental o de interpolación en cada uno de ellos, lo “suficientemente
continua” en el elemento y nula en el resto del dominio.

IO
Normalmente esta función de interpolación es la misma para todos los elementos, pero
con diferentes ajustes de sus coeficientes en cada uno. Y cualquiera sea la elección,
finalmente estos coeficientes se determinan en función de las deformaciones en los
nodos del elemento.

C
Se busca que las funciones de interpolación sean del menor orden posible, pero deben
ser compatibles con las deformaciones que experimentará el elemento.

C
Funciones de Interpolación Por ejemplo, para deformaciones longitudinales estáticas
u(x) en una viga se tiene para la elástica que:
RU
d2 u(x)
EA =0
dx2
Integrando

du(x)
= c2
ST

dx
u(x) = c1 + c2 x

Podemos entonces proponer como función de interpolación una recta (figura 3.11).
N

Para una viga a flexión:

d4 y(x)
EI=0
dx4
O

Formulando el mismo planteo la función de interpolación resulta:

y(x) = c1 + c2 x + c3 x2 + c4 x3 (3.73)
C
EN

Figura 3.11: Funciones de interpolación para una barra sometida a deformaciones unidimiensionales (torsión o tracción)

versión 0.24 (en construcción) - pág.133

 Podrı́an usarse otras funciones de interpolación, en tanto sean admisibles para la
ecuación de la elástica.

Resulta conveniente utilizar una coordenada adimensional dentro del elemento ξ = x/l.
Con esto la forma genérica para el desplazamiento en un elemento e serı́a:

ue (ξ) = ce1 φ1 (ξ) + ce2 φ2 (ξ) + · · · + cen φn (ξ) (3.74)

en donde los coeficientes cek absorben el factor de escala del cambio de coordenadas.
Esto se puede expresar en forma vectorial:

N
ue (ξ) = φT (ξ) ce = cTe φ(ξ) (3.75)

IO
donde:    

 φ1 (ξ) 
 
 ce1 
 
φ2 (ξ) ce2
  
φ(ξ) = , ce =

 ···   
 · · ·
 
φn (ξ) cen
  

C
siendo c un vector de coeficientes que dependen deben ajustarse en función de las
condiciones de borde.

C
Para las funciones de interpolación antes mencionadas las φk (ξ) serı́an monomios de
orden k .
RU
Ajuste de Coeficientes Aunque en todos los elementos se use el mismo conjunto
de funciones φ, en cada tendrá su propio vector de coeficientes c. Para el caso de
deformaciones longitudinales o de torsión, las condiciones de borde están establecidas
por los desplazamientos de los nodos:

ue (0) = wa = φT (0) ce = ce1

ST

ue (1) = wb = φT (1) ce = ce1 + ce2

lo cual equivale a:
         
wa 1 0 ce1 ce1 1 0 wa
= → =
N

wb 1 1 ce2 ce2 −1 1 wb
que puede escribirse de forma compacta como:
O

 
T 1 −1
ce = H w e , H=
0 1
C

donde we = {wa wb }T es un vector con las deformaciones de los nodos adyacentes.

Sustituyendo en 3.75:

T
ue (ξ) = φT (ξ) HT we = [H φ(ξ)] we = wTe [H φ(ξ)] (3.76)
EN

Es evidente que si se usa una función de interpolación de orden n > 2 es necesario

definir desplazamientos en puntos adicionales dentro del elemento; aunque para el caso
de la viga a flexión (N = 4) se tienen también los giros en los nodos. Y como para el giro
se cumple que:
dy dy dξ dξ 1
θ= = , =
dx dξ dx dx l

versión 0.24 (en construcción) - pág.134

 las condiciones de borde son:

u(0) = φT (0)c
u(1) = φT (1)c
l θ(0) = φ0 T (0)c
l θ(1) = φ0 T (1)c

donde

N
ξ2 ξ3

φ= 1 ξ
φ0 = 0 3ξ 2

1 2ξ

IO
En notación matricial:
     
1 0 0 0  wa  1 0 0 0  c1 
  
 

C
0 l 0 0 θa = 0 1 0 0 c2
  

0 0 1 0  wb  1 1 1 1  c3 

  
 
0 0 0 l θb 0 1 2 3 c4
 

C
Finalmente para una viga a flexión usando una función de interpolación cúbica:
  
1 0 0 0 1 0 −3 2
RU
0 l 0 0 0 1 −2 1
H=   = Hl H̄ (3.77)
0 0 1 0 0 0 3 −2
0 0 0 l 0 0 −1 1

donde H̄ no depende de las dimensiones del problema en particular.

ST

Si para los giros tomamos un pseudo-desplazamiento v = lθ en lugar del giro θ, se

tendrı́a Hl = I.

Usando la ecuación (3.76) eliminamos lo coeficientes, dejando la función de interpolación

definida solo en términos de los desplazamientos de los nodos, que pasan a constituir
N

las incógnitas del problema.

Matrices de Masa y Rigidez del Elemento Para el movimiento se puede plantear la

O

formulación de Lagrange. La energı́a cinética de un elemento será:

Z l
1
Te = ρA(x)u̇(x)2 dx
C

2 0

Sustituyendo con 3.76, y teniendo en cuenta que las funciones de interpolación no

dependen del tiempo:
EN

Z l
1
Te = ρA(x)u̇(x)u̇(x)dx
2 0
1 l
Z
T
= ρA(x) ẇTe [H φ(x)] [H φ(x)] ẇe dx
2 0
1
= ẇTe Me ẇe
2

versión 0.24 (en construcción) - pág.135

 donde
"Z #
Z l l
T T
Me = ρA(x) [Hφ(x)] [Hφ(x)] dx = H ρA(x)φ(x)φ (x)dx HT
0 0

es una matriz de masas para el elemento. Como dx = l dξ :

Z 1 
T
Me = l H ρA(ξ)φ(ξ)φ (ξ)dξ HT (3.78)

N
0

Para la energı́a potencial se tendrá en el caso de deformaciones longitudinales:

IO
Z l  2
1 ∂u
Ve = EA(x) (x, t) dx
2 0 ∂x

Sustituyendo:

C
Z L iT h
1 h T T i
Ve = EA(x) Hφ0 (ξ) we Hφ0 (ξ) we dx
2 0

C
1 L
Z
T
EA(x) wTe Hφ0 (ξ) Hφ0 (ξ) we dx
 
=
2 0
RU
1
= wTe Ke we
2
donde
Z l T
Z l h i
EA(x) Hφ0 (x) Hφ0 (x) dx = H EA(x) φ0 (x)φ0T (x)dx HT
 
Ke =
ST

0 0

es una matriz de rigidez para el elemento. Como dx = ldξ puede notarse que:

dφ(x) dφ(ξ) dξ dφ(ξ) 1

φ0 = = =
dx dξ dx dξ l
N

Sustituyendo:

1
O

Z 
1
Ke = H EA(x) φ0 (ξ)φ0T (ξ)dξ HT (3.79)
l 0
C

Para torsión el resultado es el mismo sustituyendo el producto EA por GJ , mientras que

para cuerdas habrá que hacerlo con T A.

Para deformaciones flexionales (ver (3.66) en sección 3.3.1):

EN

L 2
∂2u
Z 
1
Ve = EI(x) (x, t) dx
2 0 ∂x2

es una matriz de rigidez para el elemento, y como:

d2 φ(x) d2 φ(ξ) d2 ξ d2 φ(ξ) 1

φ00 = 2
= 2 2
=
dx dξ dx dξ 2 l2

versión 0.24 (en construcción) - pág.136

 se llega a que:
Z 1 
1
Ke = H EI(x) φ00 (ξ)φ00T (ξ)dξ HT (3.80)
l3 0

En el caso de una interpolación lineal:

   
1 −1 1
H= , φ=

N
0 1 ξ

IO
   
1  1 ξ
φ(ξ)φT (ξ) =

1 ξ =
ξ ξ ξ2
   
0  0 0
φ(ξ)0 φ0T (ξ) =

0 1 =
1 0 1

C
Si la densidad por unidad de longitud es constante:
 Z 1 

C
     
1 −1 1 ξ 1 0 ρAl 2 1
Me = ρAl 2 dξ =
0 1 0 ξ ξ −1 1 6 1 2
RU
Para la rigidez, si EA fuese constante:
  Z 1      
1 −1 0 0 1 0 EA 1 −1
Ke = EAl dξ =
0 1 0 0 1 −1 1 l −1 1
ST

En el caso de una interpolación cúbica:

       
1 0 −3 2 
 1  0   0
   
  

0 1 −2 1 ξ 1 0
  
φ0 = φ00 =
N

H̄ =   , φ= 2 , ,
0 0 3 −2 
ξ   2ξ   2
 3  2
  

0 0 −1 1 ξ 3ξ 6ξ
  
O

ξ2 ξ3
   
1 ξ 0 0 0 0
ξ ξ2 ξ3 ξ4 0 1 2ξ 3ξ 2 
φφT =  φ0 φ0T

, =
C

 
ξ 2 ξ3 ξ4 ξ5 0 2ξ 4ξ 2 6ξ 3 
ξ3 ξ4 ξ5 ξ6 0 3ξ 2 6ξ 3 9ξ 4

 
0 0 0 0
EN

0 0 0 0 
φ00 φ00T =
0

0 4 12ξ 
0 0 12ξ 36ξ 2

versión 0.24 (en construcción) - pág.137

 Integrando para parámetros constantes:
   
1 1/2 1/3 1/4 420 210 140 105
Z 1
1/2 1/3 1/4 1/5 1 210 140 105 84 
φ(ξ)φT (ξ)dξ = 
  
1/3 1/4 1/5 1/6 = 420 140
 
0 105 84 70 
1/4 1/5 1/6 1/7 105 84 70 60

   
0 0 0 0 0 0 0 0

N
Z 1
0 0T
0 1 2/2 3/3 1 
0 30 30 30
φ (ξ)φ (ξ)dξ = 
0
 = 
0 2/2 4/3 6/4 30 0 30 40 45

IO
0 3/3 6/4 9/5 0 30 45 54

   
0 0 0 0 0 0 0 0
Z 1 0
00 00T 0 0 0  0 0 0 0
φ (ξ)φ (ξ)dξ =  = 360 

C
 
0 0 4 12/2 0 0 4 6
0
0 0 12/2 36/3 0 0 6 12

C
Con esto se obtiene:
   
156 22 54 −13 12 6 −12 6
RU
ρAl 
 22 4 13 −3  EI  6 4 −6 2
Me =  , Ke = 3  
420  54 13 156 −22 l −12 −6 12 −6
−13 −3 −22 4 6 2 −6 4

que son válidas si usamos como coordenadas generalizadas los desplazamientos y los
giros multiplicados por las longitudes de los elementos (θl). Si usamos directamente los
ST

giros θ tenemos que escalar estas matrices usando Hl definida en (3.77); por ejemplo
para la rigidez K0 = Hl KHTl .

Matrices de Masa y Rigidez del Sistema Para obtener las ecuaciones dinámicas a
N

partir de la formulación de Lagrange necesitamos obtener una expresión de las energı́as

totales de todo el sistema, que surgen de sumar las de cada elemento:
O

E E
X 1X T
T = Te = ẇ Me ẇe
e=1
2 e=1 e
C

E E
X 1X T
V = Ve = w Ke we
e=1
2 e=1 e

Las energı́as de cada elemento dependen de las deformaciones de los nodos que
EN

definen dicho elemento, y en general esos nodos son compartidos por más de un
elemento.
Podemos coleccionar las deformaciones we de cada nodos en un único vector global w,
y poner las energı́as en función de este.
Entonces para cada elemento el vector de deformaciones será:

w e = Ce w

versión 0.24 (en construcción) - pág.138

 donde Ce será una matriz rectangular dispersa de unos y ceros. Sustituyendo:
E E
1 X T T 1 TX 1
T = ẇ Ce Me (Ce ẇ) = ẇ M̄e ẇ = ẇT Mẇ
2 e=1 2 e=1
2
E E
1 X T T 1 X 1
V = w Ce Ke (Ce w) = wT K̄e w = wT Kw
2 e=1 2 e=1
2

donde M y K son matrices de rigidez para todo el sistema, mientras que M̄e y K̄e

N
son las que corresponden a cada elemento expandidas para trabajar con el vector de
deformaciones globales:

IO
M̄e = CTe Ke Ce , K̄e = CTe Me Ce

Por ejemplo, para deformaciones longitudinales o torsionales en vigas usando polinomios

de primer orden (matrices de 2 × 2) se tendrı́a:

C
.. 
 
. 



 

w

C
 
a

 
    
u1 ··· 0 1 0 ··· 0 0 0 ···

..
= . 
u2 ··· 0 0 0 ··· 0 1 0 ··· 
 wb 

 
RU 
 
 .. 

 
.


En un caso general los nodos podrı́an no estar ordenados de forma consecutiva.

Las matrices expandidas serán de la forma:
ST

.. ..
 
..
. . ··· . · · ·

· · · m̄11 ··· m̄12 · · ·
 
M̄e =  ... .. .. .. .. 

 . . . . 
· · · m̄21 ··· m̄22 · · ·
N

 
.. .. ..
··· . ··· . .
O

Dado que solo unos pocos elementos de estas matrices expandidas serán no nulos,
es posible resolver esta expansión al momento de construir las matrices M y K
C

distribuyendo adecuadamente los elementos de las matrices individuales sin expandir,

en lugar de realizar la expansión y posterior sumatoria de forma explı́cita.

Referencias Locales Si los elementos no se encuentran alineados respecto de un

EN

mismo sistema de coordenadas es necesario definir uno local para cada elemento y
proyectar los desplazamientos locales en dicho sistema global. Para ello utilizamos la
matriz de rotación correspondiente:

r ei = Re r̄ i (3.81)

en donde r ei es el vector de desplazamiento del nodo i en coordenadas locales del

elemento e, mientra que r̄ i es este mismo vector en coordenadas globales.

versión 0.24 (en construcción) - pág.139

 Las matrices de masa y rigidez en términos de las coordenadas globales para el
elemento e resultan:

M̄e = CTe RTe Me Re Ce , K̄j = CTe RTe Ke Re Ce

N
IO
C
C
RU
Figura 3.12: estructura reticulada discretizada por elementos viga

En el caso de barras en un plano rotadas un ángulo β (en sentido anti-horario), los

desplazamientos en los nodos en coordenadas locales serı́an:
ST

    
x cos β sin β x̄
=
y − sin β cos β ȳ

Por ejemplo, en la figura 3.12 para las barras 3 y 7 se tiene β = −π/4

N

 
1 1 −1
R3 = R7 = √
2 1 1
O

Y como solo interesan los desplazamientos longitudinales usamos unicamente la primer

fila, la repetimos una vez para cada nodo:
C

 
1 1 −1 0 0
C 3 R3 = √
2 0 0 1 −1

Con esto:
EN

 

 x̄1 
  
1 1  
x1 −1 0 0 ȳ1

=√
x2 2 0 0 1 −1 
x̄2 
ȳ2
 

versión 0.24 (en construcción) - pág.140

 Ecuaciones de Movimiento Planteamos la ecuación de Lagrange ((3.7)) para todo el
sistema tomando las deformaciones de los nodos como coordenadas generalizadas:
 
d ∂L ∂L ∂W
− = Qi =
dt ∂ ẇi ∂wi ∂wi

Para ello construimos el Lagrangiano L = T − V sumando todas las energı́as cinéticas

y potenciales de los elementos expresadas en coordenadas globales:

1 T 1 T

N
T = ẇ Mẇ , V = w Kw
2 2
El trabajo virtual de las fuerzas no conservativas se puede incluir de forma similar:

IO
F
X
δW = f Tk δwk = FT δw
k=1

C
donde
F
X
F = fk

C
k=1

Con esto:
RU
∂L ∂L ∂W
= Mẇ , = −Kw , =F
∂ ẇi ∂wi ∂wi
Si incluimos fuerzas de roce viscoso en el lado derecho, reemplazando en la ecuación
de Lagrange se obtiene finalmente:
ST

Mẅ + Dẇ + Kw = F (3.82)

en donde F incluye las fuerzas no conservativas excluyendo amortiguamiento viscoso;

y la matriz de disipación D se puede obtener de forma similar a las de masa y rigidez.
Las restricciones de desplazamiento de nodos pueden considerarse eliminando las filas
N

y columnas correspondientes a los nodos restringidos en las matrices de masa, rigidez

y amortiguamiento según corresponda.
O

Resulta evidente que la ecuación 3.82 se reduce al problema de autovalores similar al de

Rayleigh-Ritz cuando se consideran vibraciones libres sin amortiguamiento; por lo cual
este método se convierte solo en una forma alternativa de discretizar el modelo.
C

Vı́nculos Elásticos y Otros Elementos Concentrados Si hubiera elementos elásti-

cos concentrados habrı́a que colocar un nodo en ellos y agregar la energı́a potencial
correspondiente, que será función de la deformación de ese nodo.
EN

Si hubiera masas concentradas serı́a necesario agregar la energı́a cinética asociada a

la velocidad de dicho nodo.

El resultado será equivalente a sumar los valores de masa y rigidez de los elementos
concentrados al elemento de la diagonal principal de las matrices de masa y rigidez
global correspondientes a los nodos asociados a dichos elementos.

versión 0.24 (en construcción) - pág.141

 Condiciones de Borde En general por condiciones de borde algunas deformaciones
quedan restringidas. Esto se contempla eliminando las filas y columnas asociadas a los
nodos restringidos tanto en la matriz de inercia global como en la de rigidez.

Funciones de Interpolación de Orden Superior La exactitud del método puede

mejorarse usando polinomios de orden superior al mı́nimo requerido. En este caso es
necesario definir nodos internos en los elementos para proporcionar las condiciones de
borde adicionales para reemplazar los nuevos coeficientes.
Este aspecto está analizado en [Mei97, 9.5, p. 598], [Mei86, 8.7, p. 331] y [Mei01, 10.3,

N
p. 563].

IO
3.3.4. Diferencias Finitas
Desde un punto de vista puramente matemático podemos resolver numéricamente las
ecuaciones diferenciales discretizando el dominio de integración.
En cada nodo se plantea la ecuación diferencial correspondiente, sustituyendo las

C
derivadas por diferencias entre los valores vecinos para las deformaciones; y asegurando
el cumplimiento de las condiciones de borde correspondientes.
El resultado es una ecuación similar a la 3.82, con coeficientes algo diferentes.

C
El tema se puede consultar en [Rao11, sec.11.6: Finite Difference Method for Continuous
Systems, p. 951]).
RU
3.3.5. Análisis Modal de Respuesta Estructural
Agregando una ecuación de salida a esta ecuación de estados 3.14 es posible encontrar
una matriz de transferencia entre dichas salidas y el vector de entradas u. Sin embargo,
ST

esto puede ser laborioso o inexacto para sistemas con muchos grados de libertad, y en
general innecesario.

Para cualquiera de las discretizaciones planteadas el modelo no amortiguado perturbado

resulta de la forma:
Mq̈ + Kq = Fu
N

donde u es el vector de perturbaciones. Podemos llevarlo a coordenadas modales

desacopladas utilizando como transformación la matriz modal de M−1 K, lo que
O

resultará de la forma:

MΛη̈ + KΛη = Fu → η̈ + λη = Nu (3.83)

C

donde
N = Λ−1 M−1 F (3.84)
El lado derecho de la ecuación 3.83 expresa las fuerzas generalizadas para las
EN

coordenadas modales. La matriz N indica como las perturbaciones se combinan para

estimular cada modo natural.

La forma general de la ecuación de salidas para un modelo dinámico lineal es:

y = Cx + Df (3.85)

versión 0.24 (en construcción) - pág.142

 Si solo nos interesa observar deformaciones:

y = Cq (3.86)

Al llevar el modelo dinámico a coordenadas generalizadas usamos la sustitución q =

Λη . Por lo tanto:
y = C̄η (3.87)
donde C̄ = CΛ.

N
Como el lado derecho en (3.83) constituye un conjunto de ecuaciones diferenciales
de segundo orden desacopladas, y cualquier variable de salida puede expresarse
como combinación lineal de las coordenadas modales según (3.87); puede obtenerse

IO
un modelo simplificado incluyendo solo aquellos modos naturales que contribuyan
significativamente a la combinación lineal para las variables de salida elegidas. La
cantidad de modos a considerar dependerá de la precisión que se requiera, y del rango
de frecuencias a considerar para la perturbación.

C
En el caso de sistemas amortiguados, el cambio de coordenadas propuesto para el
modelo sin amortiguamiento no siempre resulta en un sistema desacoplado.

C
Pero en el caso donde la matriz B de la ecuación 3.14 puede expresarse como αM+βK,
con α, β ∈ R, el cambio de coordenadas resulta en una matriz de amortiguamiento
diagonal.
RU
MΛη̈ + BΛη̇ + KΛη = Fu → η̈ + Cη̇ + λη = Fu

donde

C = Λ−1 M−1 [αM + βK] Λ = αΛ−1 M−1 MΛ + βΛ−1 M−1 KΛ

ST

= αI + βλ

Definiendo C = 2ζω y sustituyendo cada elemento λr de la matriz diagonal λ por ωr2

obtenemos un conjunto de r ecuaciones desacopladas:
N

η̈r + 2ζr ωr η̇ + ωr2 η = nr · u (3.88)

donde nr es la fila r de la matriz N definida por la ecuación 3.84.

O
C
EN

versión 0.24 (en construcción) - pág.143

EN
C
O
N
ST
RU
C
C
IO
N
 N
A

IO
C
Apéndices

C
RU
Dinámica del Avión
ST

Cuando hablamos de dinámica para cualquier aeronave nos referimos a su movimiento

en el espacio. Para su análisis podemos utilizar un modelo conceptual de cuerpo rı́gido
con seis grados de libertad en un espacio R3 , en tanto los modos estructurales sean de
alta frecuencia respecto de los modos naturales de este modelo.
N

Casi todas las aeronaves constituyen sistemas “sub-actuados”, ya que no se cuenta con
actuación directa sobre cada grado de libertad. Su control de vuelo depende fuertemente
O

del ajuste de su “actitud”.

Existen diferencias importantes en el análisis de una aeronave en vuelo estacionario
(en el caso de aeronaves con esta capacidad) respecto del vuelo de traslación. En el
C

primer caso es necesario considerar la relación entre posición y aceleración, mientras

que en el segundo la magnitud de la velocidad varı́a lentamente siendo los cambios en
su dirección la principal consecuencia de las aceleración.
EN

A.1.1. Control de Vuelo

Comandos
Las aeronaves cuentan con superficies de control que permiten producir fuerzas y
momentos aerodinámicos para cambiar su actitud (respecto de una terna terrestre) y
su incidencia (respecto del aire).

145
 N
IO
C
C
Figura A.1: Superficies de control de vuelo

Si se cuenta con un sistema de propulsión, en general se dispone además de un

RU
comando para ajustar la magnitud del empuje de forma directa o indirecta (por ejemplo
a través del régimen de giro en el caso de motores alternativos). En algunas aeronaves
también se puede actuar sobre la dirección el vector de empuje (TVC: Thrust Vector
Control).
ST

Respecto de una terna de ejes coordenados solidaria a la aeronave (terna móvil o terna-
b) podemos considerar los movimientos de rolido (roll), cabeceo (pitch) y guiñada (yaw)
que son rotaciones alrededor del los ejes xb , y b y z b respectivamente.
Logramos estos movimientos actuando sobre los alerones, el elevador y el timón de
dirección respectivamente, que constituyen los comandos primarios. Debe advertirse
N

que los alerones también generan un momento de “guiñada adversa” y generalmente el

timón de dirección también genera movimiento de rolido, por lo cual su acción debe ser
coordinada.
O

Para evitar la “guiñada adversa” se puede combinar el accionamiento de los alerones con
los spoilers, que son superficies auxiliares concebidas para disminuir la sustentación y
aumentar la resistencia aerodinámica.
C

En algunas aeronaves en lugar del elevador se utiliza toda la superficie del estabilizador
horizontal (o del cannard). Algo similar se observa en configuraciones cannard, mientras
que en aquellas sin planos auxiliares las superficies en el borde de fuga del ala cumplen
funciones múltiples.
EN

Existen otras superficies auxiliares denominadas flaps que producen un aumento de

sustentación y resistencia de la aeronave sin cambiar su actitud, y los slats que retrasan
la entrada en pérdida permitiendo ángulos de ataque mayores; pero no se utilizan como
comandos primarios sino para “configurar” la aeronave en vuelo a baja velocidad.
En aeronaves de gran porte las superficies de control de vuelo suelen estar segmentadas
debido a la flexibilidad e las alas.

versión 0.24 (en construcción) - pág.146

 N
IO
(a) ternas de referencia para la navegación (b) Ángulos de Euler zy 0 x00 (Tait-Bryan)

C
“Trimado”

C
En general la mayor parte del vuelo de una aeronave se realiza en una condición de
vuelo recto. Por una cuestión de comodidad para el pilotaje es necesario realizar ajustes
para que la aeronave quede equilibrada en dicha condición de vuelo con los mandos en
RU
su posición “neutra”. A esta acción se la denomina trimado del avión.

En muchas aeronaves el ángulo de incidencia del estabilizador horizontal o del cannard

puede ajustarse desde la cabina, para equilibrar los momentos.
En otras aeronaves, especialmente las de menor porte, se cuenta de una pequeña
ST

superficie móvil en el elevador denominada trim tab, que permite establecer su ángulo
de deflexión cuando los mandos se dejan en la posición neutra.

La magnitud del empuje define el régimen de ascenso o planeo (velocidad vertical).

Para el descenso con ángulos mayores a su relación L/D (eficiencia aerodinámica) es
N

necesario aumentar la resistencia usando flaps, spoilers, frenos aerodinámicos (si están
disponibles) e incluso el tren de aterrizaje si se desea realizar el descenso a velocidad
constante. En aeronaves que no cuentan con estos comandos (aeronaves pequeñas
O

como por ejemplo el Piper J3) es necesario realizar una maniobra de “deslizamiento”
para utilizar el fuselaje como freno.
C

A.1.2. Geometrı́a del Vuelo

Para analizar la dinámica de una aeronave es fundamental diferenciar entre los ángulos
que definen su actitud respecto de aquellos asociados a su incidencia respecto de la
EN

masa de aire.

Actitud
Al hablar de actitud nos referimos a la rotación necesaria para llevar una terna de
referencia que pueda considerarse “inercial” (terna-i) hasta hacerla coincidir con la terna
del cuerpo (terna-b) o viceversa.

versión 0.24 (en construcción) - pág.147

 N
IO
Figura A.3: Terna de referencia móvil, ángulos de incidencia α (AOA: ángulo de ataque) y β (deslizamiento), y velocidades

C
lineales ({ub , v b , wb }) y angulares ({p, q, r}) proyectadas en dicha terna

C
Esta rotación puede describirse mediante ángulos de Euler, matrices de rotación, ángulo
vector o cuaterniones unitarios.
Utilizando ángulos de Euler, de las 21 combinaciones posibles de rotaciones ordenadas
RU
alrededor de ternas cartesianas vamos a considerar la secuencia (intrı́nseca) de Tait-
Bryan (z y 0 x00 ) que implica una rotación inicial alrededor del eje z inicial, seguida por una
rotación alrededor del eje y 0 (eje y de la terna resultante de la primer rotación) y una
rotación alrededor del eje x00 (eje x de la terna precedente).
Solemos referirnos a estos giros como “rolido”, “cabeceo” y “rumbo”, aunque esto puede
generar una cierta confusión en tanto por “cabeceo” podrı́amos referirnos a la elevación
ST

respecto del horizonte o a una rotación respecto del eje y b como habı́amos mencionado
precedentemente. En otros contextos estos mismos ángulos también se denominan
como “azimut”, “elevación” y “rotación propia”.

Para aeronaves normalmente se adopta como terna móvil el sistema de referencia

N

mostrado en la figura A.3, con un eje x alineado con el fuselaje y apuntando hacia
adelante, un eje z contenido en plano de simetrı́a apuntando hacia abajo, y un eje y
completando una terna derecha.
O

Como terna “cuasi”-inercial se puede adoptar alguna de las mostradas en la figura A.2a.
Lo normal es usar la terna NED (North East Down), con eje z alineado con la “vertical del
lugar”, de forma tal que cuando las ternas móvil y fija se alinean, el vehı́culo mira hacia
C

el norte con su plano xy “nivelado” (según el campo gravitatorio).

Incidencia
EN

La incidencia se describe mediante dos ángulos que llamamos ángulo de ataque (en
el plano vertical de la aeronave) y ángulo de deslizamiento (en su plano horizontal),
identificados en la figura A.2a como α y β respectivamente.
Estos dos ángulos dependen únicamente de las componentes de la velocidad relativa
entre la aeronave y el aire proyectada en la terna móvil, y esta velocidad relativa depende
de del vector velocidad de la aeronave y de la velocidad la masa de aire (que podrı́a estar

versión 0.24 (en construcción) - pág.148

 en calma o no):

wb + ww vb + vw
α = tan−1 , β = tan−1 (A.1)
ub + uw ub + uw

donde {ub , v b , wb } y {uw , v w , ww } son las componentes de las velocidades de la

aeronave y del viento respectivamente proyectada en la terna-b.
Debe observarse que estos ángulos son independientes de la actitud. Sin embargo, un
cambio en la actitud es un modificación en la orientación terna-b y por lo tanto en la

N
proyección de las velocidades en dicha terna, afectando a los ángulos de incidencia.
Pero con la posterior evolución del movimiento estas componentes en general sufrirán
modificaciones adicionales, pudiendo incluso volver a los valores iniciales aun con la

IO
nueva actitud. Por ejemplo, en una condición de vuelo recto en régimen estacionario el
ángulo de ataque depende unicamente de la velocidad, siendo afectada mı́nimamente
por el ángulo que forme esta trayectoria respecto del horizonte.

C
Navegación
Al considerar problemas de navegación de una aeronave se busca describir matemáti-
camente su desplazamiento respecto de una terna de navegación (terna-n).

C
Consideramos a la aeronave como un elemento puntual animado con un vector velocidad
cuasi-constante (es decir, si varı́a lo hace lentamente en relación a sus modos naturales
de respuesta), independientemente de los fenómenos fı́sicos que la definen. Por lo tanto
RU
hablamos de la cinemática del punto en un espacio R3 , y podemos separar el análisis
en un plano horizontal respecto del vertical.

Para el plano vertical definimos un ángulo γ de ascenso o descenso (planeo) como aquel
formado por el vector velocidad respecto del horizonte en dicho plano:
ST
N

Es fácil ver que:

γ =θ−α (A.2)
O

Para el plano horizontal definimos el rumbo χ como aquel el formado por la velocidad
respecto de una referencia fija en el terreno (un punto cardinal, la orientación de una
pista, etc.)
C
EN

versión 0.24 (en construcción) - pág.149

 N
IO
C
Acá también hay una relación entre la actitud y la incidencia:

χ=ψ+β (A.3)

C
A.1.3. Modelo de Cuerpo Rı́gido
Es posible modelar cualquier vehı́culo como un cuerpo rı́gido si sus modos elásticos
RU
tienen frecuencias naturales altas en relación a la escala de tiempo asociada al
movimiento de su centro de gravedad. En tal caso el estado del cuerpo puede describirse
en principio mediante un vector velocidad lineal v = {u, v, w} y un vector velocidad
angular ω = {p, q, r}, que podemos referir a una terna solidaria al vehı́culo (terna móvil,
terna del cuerpo o terna b).
ST

Planteando las ecuaciones cardinales de la mecánica, con el origen de coordenadas

ubicado en el centro de gravedad, se tiene que:
dp
+ω×p=F
dt
N

dh
+ω×h=M
dt
O

donde p = mv es el vector cantidad de movimiento, siendo m la masa total; h = Jω + h̄

es el momento cinético, donde J el tensor de inercia y h̄ el momento cinético de las
masas rotantes (si las hay); F = {X, Y, Z} es la resultante de las fuerzas aplicadas
C

mientras que M = {L, M, N } corresponden a los momentos.

Todo esto está referido a la terna móvil.

Si la masa y su distribución son constantes (ṁ = 0, J̇ = 0):

EN

v̇ = −ω × v + f (A.4)
−1
ω̇ = −J ω × Jω + τ (A.5)

en donde f es el vector de fuerza especı́fica (fuerza por unidad de masa) resultante de

las perturbaciones aplicadas sobre el cuerpo, y τ el vector de aceleraciones angulares
(τ = J−1 M ) asociado.

versión 0.24 (en construcción) - pág.150

 Si queremos expandir estas ecuaciones podemos tener en cuenta que el producto
vectorial puede resolverse mediante un producto matricial, construyendo una matriz
antisimétrica con el lazo izquierdo:
  
0 −a3 a2 b1 
a × b =  a3 0 −a1  b2 = a × b = S(a)b = −S(b)a
−a2 a1 0 b3
 

donde S(a) representa la matriz anti-simétrica construida con el vector a.

N
Con esto es fácil demostrar que:
   
 qw − rv   q h̄z − rh̄y 

IO
ω × v = ru − pw , ω × h̄ = rh̄x − ph̄z
pv − qu ph̄y − q h̄x
   

Y si el vehı́culo es simétrico respecto del plano xz , los términos xy y zy en el tensor de

inercia son nulos, con lo que:

C
   
Ix 0 Ixz Ix p + Ixz r
J= 0 Iy 0  → Jω = Iy q

C
Ixz 0 Iz Iz r + Ixz p
 

Combinando estas expresiones:

RU
   

 (Iz − Iy ) qr − Ixz pq
  h̄z q − h̄y r 
ω × Jω + h̄ = (Ix − Iz ) pr − r2 − p2 Ixz + h̄x r − h̄z p
(Iy − Ix ) pq + qrIxz h̄y p − h̄x q
   

Entonces, las ecuaciones para un cuerpo rı́gido simétrico respecto del plano xz con
ST

propiedades másicas constantes en forma expandida quedan de la siguiente forma:

     
 Ix ṗ − Ixz ṙ + (Iz − Iy ) qr − I
xz pq   h̄z q − h̄y r   L 
Iy q̇ + (Ix − Iz ) pr − r2 − p2 Ixz + h̄x r − h̄z p = M (A.6)
Iz ṙ − Ixz ṗ + (Iy − Ix ) pq + qrIxz h̄y p − h̄x q N
     
N

   
u̇ + qw − rv  X 
m v̇ + ru − pw = Y (A.7)
ẇ + pv − qu Z
   
O

Hasta este punto el vehı́culo puede ser de cualquier naturaleza, en tanto la modelización
como cuerpo rı́gido sea válida según lo explicitado al inicio de esta sección.
C

A.1.4. Fuerzas y Momentos

Al modelar las fuerzas {X, Y, Z} y momentos {L, M, N } , el modelo de cuerpo rı́gido
EN

pasa a absorber los rasgos especı́ficos del vehı́culo bajo estudio.

Aerodinámica Las fuerzas y momentos aerodinámicos en vehı́culos que se desplazan

dentro de un fluido a “altos números de Reynolds” dependen de la presión dinámica
σ = 1/2ρ|v|2 , siendo ρ la densidad del fluido; del número de Mach M = |v|/a (si este
es del orden de 0,5 o superior, siendo a la velocidad del sonido), de la dirección relativa

versión 0.24 (en construcción) - pág.151

 entre el aire y el vehı́culo, descripta por los ángulos de ataque y deslizamiento α y β ; y
del conjunto de deflexiones de las superficies de control aerodinámico δ :
 
f a = f σ, M, α, β, α̇, β̇, δ

Hay que tener en cuenta que los ángulos de incidencia se relacionan directamente con
las componentes del vector de velocidad relativa respecto del aire descriptas por las
ecuaciones (A.1), por lo cual estos ángulos de incidencia no agregan nuevos estados.
La densidad ρ y el número de Mach M son cantidades que dependen de la condición de

N
vuelo (velocidad y altura) que cambian lentamente en relación a la respuesta dinámica.
Por lo tanto podemos considerarlos como parámetros lentamente variantes en el tiempo.

IO
Es habitual utilizar un modelo aerodinámico cuasi-estacionario. En este se utilizan las
expresiones de fuerza y momento aerodinámico en estado estacionario con los valores
instantáneos de presión dinámica y ángulos de incidencia.

C
Para las fuerzas la expresión es de la forma:

fa = σ S̄ cf (A.8)

C
donde cf es un coeficiente de fuerza adimensional, S̄ es una superficie de referencia (en
general la superficie alar); mientras que para los momentos:
RU
ma = σ S̄ ¯l cm (A.9)

donde cm es un coeficiente de momento adimensional y ¯l es una longitud de referencia.

Los coeficientes aerodinámicos pueden depender de varios factores, y en general se
aproximan como superposición de términos dependientes de las diferentes variables del
ST

modelo.
Por ejemplo, para el momento de cabeceo (M en la (A.6)) es común usar la expresión:
c̄ c̄
cm (α, α̇, q, δe ) = cm (α) + cmα̇ (α) α̇ + cmq (α) q + cme δe (A.10)
2V 2V
N

donde cmα y cmq son algunas de las denominadas derivativas aerodinámicas:

∂cm ∂cm ¯ = c̄ α̇ c̄
O

cmα̇ = ¯ , cmq = , α̇ , q̄ = q
∂ α̇ ∂ q̄ 2V 2V
¯ y q̄ velocidades angulares adimensionalizadas con la velocidad angular de
siendo α̇
C

referencia definida por el término c̄/2V .

Este tema está desarrollado con mayor profundidad en [Coo07, cap.12, p. 320, cap.13,
p. 337] entre otros.
En el apéndice 7 de [Coo07, p. 431] se encuentran tabuladas las relaciones entre los
EN

coeficientes y derivativas aerodinámicas respecto de las magnitudes con dimensiones.

Los coeficientes para el modelo cuasi-estacionario pueden obtenerse mediante ensayos

en túnel de viento o CFD; y también existen diversas metodologı́as y herramientas para
su estimación. Entre ellas se encuentra el DATCOM desarrollado por la USAF, con varias
implementaciones digitales disponibles (DIGITAL DACTOM, DATCOM+, etc.).

versión 0.24 (en construcción) - pág.152

 Mapeo de Términos Aerodinámicos a Terna Móvil En general los coeficientes
aerodinámicos dan cantidades referidas a una terna alineada con el viento relativo
(conocidos como wind axes o stability axes).
La matriz de rotación para alinear el vector velocidad relativa con el eje x de la terna
móvil serı́a:
  
c (β) s (β) 0 c (α) 0 −s (α)
Cbw = Cβ Cα = −s (β) c (β) 0  0 1 0 
0 0 1 s (α) 0 c (α)

N
 
c(α)c(β) s(β) −s(α)c(β)
= −c(α)s(β) c(β) s(α)s(β) (A.11)
s(α) 0 c(α)

IO
Esta matriz permite proyectar cantidades en la terna aerodinámica a la terna móvil.

Gravedad La proyección de la fuerza gravitatoria en la terna móvil depende de la

C
orientación o actitud del vehı́culo.
Usaremos ángulos de Euler con la definición de Tait-Byan partiendo de una terna
terrestre NED, que identificamos como rumbo, cabeceo y rolido: θ = {φ, θ, ψ}.

C
La matriz de rotación para realizar la proyección de terna terrestre a una móvil resulta:


RU   
1 0 0 c (θ) 0 −s (θ) c (ψ) s (ψ) 0
Cbi = Cφ Cθ Cψ = 0 c (φ) s (φ)  0 1 0  −s (ψ) c (ψ) 0
0 −s (φ) c (φ) s (θ) 0 c (θ) 0 0 1
 
c (θ) c (ψ) c (θ) s (ψ) −s (θ)
= s (φ) s (θ) c (ψ) − c (φ) s (ψ) s (φ) s (θ) s (ψ) + c (φ) c (ψ) s (φ) c (θ)
ST

c (φ) s (θ) c (ψ) + s (φ) s (ψ) c (φ) s (θ) s (ψ) − s (φ) c (ψ) c (φ) c (θ)

Dado que la gravedad solo tiene componente vertical, de la matriz de rotación interesa
solo la última columna, que con la secuencia de rotaciones adoptada no depende del
rumbo ψ :    
 0   − sin θ 
N

f g = Cbi 0 = cos θ sin φ mg

mg cos θ cos φ
   
O

A partir de esto es necesario incluir en el modelo la cinemática de los ángulos de Euler;

que podemos expresar como la relación entre las variaciones de estos ángulos con las
velocidades angulares proyectadas en terna móvil mediante las siguientes ecuaciones:
C

     
 φ̇  1 sin (φ) tan (θ) cos (φ) tan (θ) p
θ̇ = 0 cos (φ) − sin (φ)  · q = Cωė ω
0 sin (φ) sec (θ) cos (φ) sec (θ) r
   
ψ̇
EN

es decir:

φ̇ = p + sin (φ) tan (θ) q + cos (φ) tan (θ) r

θ̇ = cos (φ) q − sin (φ) r

versión 0.24 (en construcción) - pág.153

 En notación vectorial:

v̇ = −ω × v + f a (α, β, δ) + f p + g b (θ) (A.12)

−1
ω̇ = −J ω × Jω + τ a (α, β, δ) + mp (A.13)
θ̇ = Cωė ω (A.14)

donde g b es la proyección del vector de aceleración gravitatoria en la terna móvil (que

depende de la actitud θ ), f a y ma son fuerzas y momentos aerodinámicos, δ es el vector

N
de deflexiones de las superficies de control, f p y mp son fuerzas y momentos asociados
a la propulsión.

IO
A.1.5. Linealización
Equilibrio
Normalmente se analiza la dinámica de una aeronave mediante un modelo linealizado

C
alrededor de una condición de vuelo estacionaria (en el sentido dinámico, no en el
cinemático), lo que implica actitud y velocidad de traslación constante.
Teniendo en cuenta que actitud constante implica ω = 0, las ecuaciones (A.4) y (A.5) se

C
convierten en:

g b (θ) + f a (ρ, v, δ) + f p = 0
RU
τ a (ρ, v, δ) + mp = 0

Como este modelo no depende del rumbo, la condición de vuelo podrı́a ser no
solo la de un vuelo rectilı́neo en cualquier dirección, sino también la de un viraje
sostenido; incluyendo una trayectoria en barrena o un tirabuzón (agregando al modelo la
ST

aceleración centrı́peta correspondiente).

En un vehı́culo simétrico respecto del plano xz , un vuelo recto implica β = φ = 0, y

α = αe tal que:

f (ρ, ue , we , δ) = −g b (0, θe , 0) − f p
N

donde θe es el ángulo de actitud para la condición de equilibrio. Pero esta expresión

no ofrece el camino más directo si queremos determinar el estado de equilibrio para
O

una condición de vuelo especificada mediante el vector velocidad. Esto, que implica
proponer parte del estado de equilibrio, requiere determinar las variables de entrada para
la condición de equilibrio (comandos aerodinámicos y el empuje del motor), en lugar de
C

tomar el camino recı́proco.

En el movimiento de una aeronave podemos distinguir tres ángulos en el plano

longitudinal: cabeceo θ, ataque α y trayectoria o “senda de planeo” γ (o de ascenso), que
EN

es el ángulo que forma el vector velocidad con el sistema de coordenadas geográfico.

Se cumple que:
γ =θ−α
Un vuelo recto horizontal implica γ = e, pero eso no necesariamente significa que θ = 0,
y mucho menos α = 0; ya que el ángulo de ataque deberá ser el que, para la presión
dinámica considerada, genere una componente de fuerza de sustentación en la vertical

versión 0.24 (en construcción) - pág.154

 geográfica que equilibre el peso. Y lo mismo puede decirse para otro valor del ángulo de
planeo o ascenso.

Es mejor plantear suma de fuerzas en sistema de coordenadas alineado con la dirección

de vuelo (wind axes), ya que en ese sistema de ejes la sustentación queda lineada con
el eje z y el peso se proyecta sobre este eje como g w = mg cos γe . En una condición
estacionaria la sustentación puede calcularse como:
L = 0,5ρ|v|2 ScL (α, M ) (A.15)

N
donde cL (α, M ) es un coeficiente adimensional (coeficiente de sustentación) que
depende solo de la forma de la aeronave (pero no de sus dimensiones), del número
de Mach y del ángulo de ataque. Es posible entonces para un cierto número de

IO
Mach determinar el ángulo de ataque en equilibrio calculando primero el coeficiente de
sustentación, y luego el ángulo de ataque correspondiente:
mg
cL (αe ) = cos γe
0,5ρ|v|2 S

C
en donde hemos despreciado la proyección del empuje sobre el eje z w ; pero la
componente del empuje en la dirección de vuelo puede determinarse calculando la

C
resistencia con una expresión similar a la (A.15) y una primer estimación del ángulo
de ataque, y luego incluirla en el cómputo de cL .
RU
Por otra parte, para mantener la velocidad angular nula se requiere que la suma de
momentos se anule. En general esto requiere ajustar el comando de elevador para
”trimar” la aeronave de forma tal que:
cm (αe , δhe ) = 0 (A.16)
ST

Modelo de Estados
Para linealizar los términos inerciales (lado derecho de ec. 1) usamos los siguientes
desarrollos en serie de Taylor:

xy ≈ x̄ȳ + ȳ (x − x̄) + x̄ (y − ȳ) = x̄ȳ + ȳ∆x + x̄∆y

N

x2 ≈ x̄2 + 2x̄ (x − x̄) = x̄2 + 2x̄∆x

La linealización se plantea para una condición de equilibrio a ángulos de ataque y
O

deslizamiento moderados. De esto último se deduce que:

 
 ue + ∆u 
C

v = ve + ∆v , ue = U0  ∆u, ∆v, ∆w, ve , we

we + ∆w
 

1 1
∆α ≈ ∆w , ∆β ≈ ∆v
U0 U0
EN

Para las fuerzas y momentos consideramos expresiones linealizadas de la forma:

 
∂P  ∂P 
P ≈ P (x̄, ȳ) + (x − x̄) + (y − ȳ) + · · ·
∂x x̄,ȳ ∂y x̄,ȳ

P ≈ P (x̄, ȳ) + Px ∆x + Py ∆y + · · ·

versión 0.24 (en construcción) - pág.155

 Para la parte aerodinámica se tiene:

 
Fa σ, M, α, β, α̇, β̇, δ ≈ F0 + Fσ ∆σ + FM ∆M
+ Fα ∆α + Fβ ∆β + Fα̇ ∆α̇ + Fβ̇ ∆β̇
+ Fδ1 ∆δ1 + Fδ2 ∆δ2 + · · · + Fδm ∆δm

Debe tenerse en cuenta que las superficies sustentadoras separadas del centro de

N
gravedad experimentarán un ángulo de incidencia que dependerá de la composición
entre ángulo de ataque de la aeronave y de los movimientos de rotación. Por lo tanto,
también debe considerarse la dependencia de fuerzas y momentos aerodinámicos con

IO
la velocidad angular.

La derivada del ángulo de ataque (y por lo tanto ẇ) tendrá influencia en las fuerzas
y momentos aerodinámicos, debido a las variaciones en el downwash sobre el plano

C
horizontal de cola.

Vamos a considerar los comandos primarios de vuelo: elevador η , alerón ξ , timón de

C
dirección ζ y empuje τ :  

 η
 
ξ

δ= (A.17)
RU

 ζ
 
τ


Los ángulos de ataque y deslizamiento pueden ponerse en función de las componentes

de la velocidad. Por lo tanto, podemos sustituir dichos ángulos:

Fa ≈ Fa0 + Fu ∆u + F v∆v + F w∆w + F p∆p + F q∆q + F r∆r + F w∆w + F η∆η + · · ·

ST

La ≈ La0 + Lu ∆u + Lv∆v + Lw∆w + Lp∆p + Lq∆q + Lr∆r + Lw∆w + Lη∆η + · · ·

Reemplazando obtenemos lo siguiente:

Ix ṗ − Ixz ṙ + (Iz − Iy ) q0 r0 + r0 ∆q + q0 ∆r − Ixz p0 q0 + hz0 ∆q + q0 ∆p + p0 ∆q + hz0 q0 + q0 ∆hz

N

− hy0 r0 − r0 ∆hy − hy0 ∆r

= Lu ∆u + Lv ∆v + Lw ∆w + Lp ∆p + Lq ∆q + Lr ∆r + Lw ∆w + Lη ∆η
O

Iy q̇ + (Ix − Iz ) p0 r0 + r0 ∆p + p0 ∆r − Ixz r02 + 2r0 ∆r − p20 − 2p0 ∆p + hx0 r0 + r0 ∆hx + hx0 ∆r

− hz0 p0 − p0 ∆hz − hz0 ∆p
C

= Mu ∆u + Mv ∆v + Mw ∆w + Mp ∆p + Mq ∆q + Mr ∆r + · · ·

Si ω 0 = 0:

Ix ṗ + Ixz ṙ = Lu ∆u + Lv ∆v + Lw ∆w + Lp ∆p + Lq ∆q + Lr ∆r + · · ·
EN

Iy q̇ = Mu ∆u + Mv ∆v + Mw ∆w + Mp ∆p + Mq ∆q + Mr ∆r + M w∆w + · · ·
Iz ṙ + Ixz ṗ = Nu ∆u + Nv ∆v + Nw ∆w + Np ∆p + Nq ∆q + Nr ∆r + · · ·
mu̇ = Xu ∆u + Xv ∆v + Xw ∆w + Xp ∆p + Xq ∆q + Xr ∆r + ∆Xg + Xw ∆w + · · ·
mv̇ = Yu ∆u + Yv ∆v + Yw ∆w + Yp ∆p + Yq ∆q + Yr ∆r + ∆Yg + · · ·
mẇ = Zu ∆u + Zv ∆v + Zw ∆w + Zp ∆p + Zq ∆q + Zr ∆r + ∆Zg + Zw ∆w + · · ·

versión 0.24 (en construcción) - pág.156

 Para un vehı́culo simétrico podemos considerar:

Xv = Xp = Xr = Zv = Zp = Zr = Mv = Mp = Mr = 0
Xξ = Xζ = Zξ = Zζ = Lη = Nη = Mξ = Mζ = 0

Esto permite separar los efectos longitudinales de los transversales.

Y para vuelo recto y nivelado φ0 = 0:

φ̇ ≈ p , θ̇ ≈ q

N
∆Xg ≈ −mg cos θo , ∆Yg ≈ mg cos θo , ∆Zg ≈ −mg sin θo

Con esto, reutilizando las variables de estado originales u, v, · · · para denotar las

IO
variaciones ∆u, ∆v, · · · :
       
m −Xẇ 0 0   u̇  Xu Xw Xq Xθ  u Xη Xτ  
 0 m − Zẇ 0 ẇ 
 
0 Zu Zw Zq Zθ  w Zη Zτ  η
   
  =  +
0 −Mẇ Iy 0  q̇ Mu Mw Mq 0  q Mη Mτ  τ

C
  
  
 
0 0 0 1 θ̇ 0 0 1 0 θ 0 0
 
       
m 0 0 0  v̇  Yv Yp Yr Yφ  v Yξ Yζ  

C
 ṗ 
  

0 I −I 0 L Lp Lr 0 p L Lζ 
 ξ
   
x xz v ξ

 0 −Ixz
 =  +
Iz 0  ṙ 

 Nv Np Nr 0   r
Nξ Nζ  ζ
0 0 0 1 φ̇ 0 0 1 0 φ 0 0
   
RU
Estas ecuaciones tienen la forma:

Mẋ = Āx + B̄u

Podemos reescribir esto en forma de ecuación de estados:

ST

ẋ = Ax + Bu

en donde:
A = M−1 Ā , B = M−1 B̄
N

A.1.6. Dinámica Longitudinal

El modelo en ejes de estabilidad es el siguiente:
O

      

 u̇  xu xw xq xθ  u xη xτ  
ẇ 
 
zu zw zq zθ  w zη zτ 
 η
   
C

=  +
q̇
 
  m u mw mq 0  q
   m η mτ  τ
θ̇ 0 0 1 0 θ 0 0
   

Si aproximamos (u, w  U0 ):
EN

w w
α = tan−1 ≈
u + U0 U0
      

 u̇  xu xα xq xθ  u xη xτ  
α̇ 
 
α αα αq αθ  α α ατ 
 η
   
u η
=  +

 q̇ 

mu mα mq 0   q
mη mτ  τ
θ̇ 0 0 1 0 θ 0 0
   

versión 0.24 (en construcción) - pág.157

 Para los cómputos de las derivativas aerodinámicas ver [Coo07, p. 431]).

Debe notarse que las derivativas asociadas con θ surgen fundamentalmente por efecto
gravitatorio, mientras que xq y αq tienen que ver con los términos de acoplamiento que
surgen al usar un sistema de coordenadas no inercial.
Si se quisiera incluir la perturbación aerodinámica {uw , ww , qw } se tendrı́a una matriz de
entrada adicional compuesta por las primeras tres columnas de la matriz A eliminando
xq y zq .

N
Podemos decir que para la dinámica longitudinal el modelo resulta:
      
 u̇  xu xα −we −g cos θe  u xη xτ  

IO
  
 
−g/U
α̇ 
α α u /U sin θ α zα ατ 
 η
 
= u α e 0 0 e  η

 q̇ 
 mu mα mq 0   q  +  mη mτ  τ
(A.18)
  
θ̇ 0 0 1 0 θ 0 0
   
 
xu xw 0  
 zα zα /U0 0   uw 

C
+  w
mu mw mq   w 
qw
0 0 0

C
donde los coeficientes de la matriz dinámica para una terna principal de inercia son:

2 σS σS ∂cx 1
RU
xu = cx (αe , 0) xw = (αe , 0)
Ve m m ∂α Ve
2 σS σS ∂cz 1
zu = cz (αe , 0) zw = (αe , 0)
Ve m m ∂α Ve
2 σSc̄ σSc̄ ∂cm 1 σSc̄ ∂cm
mu = cm (αe , 0) mw = (αe , 0) mq = (αe , 0)
ST

Ve Iy Iy ∂α Ve Iy ∂q

mientras que αu = zu /Ve y αa = zw .

Aproximación de Perı́odo Corto

N

Si se puede asumir u̇ ≈ 0 , y si θe  1 (zθ ≈ 0 y mθ ≈ 0 - ver [Coo07, p. 148]):

      
ẇ z zq w z
= w + η {η}
O

q̇ mw mq q mη
El polinomio caracterı́stico es:
C

s2 − (mq + zw ) s + (mq zw − mw zq ) = 0

Si se puede asumir que Zq  mUe y m  Zẇ :

Zq + mUe
EN

zq = ≈ Ue
m − Zẇ
s2 − (mq + zw ) s + (mq zw − mw Ue ) = 0
Vemos que la frecuencia queda definida por:
r
p 1 Zw 1 p
ωsp ≈ mq zw − mw Ue = p Mq − Mw Ue = p Mα + zα Mα̇
Iy m Iy

versión 0.24 (en construcción) - pág.158

 Simplificando más aún se puede decir que:
s
Mw Ue Mq
ωsp ≈ − , 2ζsp ωsp = −
Iy Iy

En estas expresiones vemos que la frecuencia de perı́odo corto depende de la derivativa

del momento de cabeceo respecto de w (o del ángulo de ataque)m y aumenta con la
velocidad, mientras que el tiempo de establecimiento (inversamente proporcional a la
parte real de estos autovalores) depende de la derivativa respecto de la velocidad de

N
cabeceo.

Aproximación de Perı́odo Largo (Fugoide)

IO
Si se puede asumir ẇ ≈ 0 y que q̇ ≈ 0 (ver [Coo07, p. 152]):
      

u̇ xu xw xq xθ  u xη xτ  
0 
 
zu zw zq zθ  w zη zτ 
 η
   

C
=  +

 0  mu mw mq 0  q  mη mτ  τ
  
 
θ̇ 0 0 1 0 θ 0 0
 

C
Operando se llega a que:
    
mu Ue − mq zu mu zw − mw zu
RU
s2 − xu − xw s+g =0
mw Ue − mq zw mw Ue − mq zw

Simplificando se llega a que:

r
zu
ωlp ≈ −g , 2ζlp ωlp = −xu
Ue
ST

Sustituyendo:
√ g 1 CD
ωlp ≈ 2 , ζlp ≈ √
Ue 2 CL
Pude notarse que la frecuencia del modo fugoide depende básicamente de la velocidad
N

de vuelo (no depende de la aeronave), mientras que el amortiguamiento es inversamente

proporcional a al eficiencia aerodinámica L/D.
O

A.1.7. Dinámica Lateral

El modelo en ejes de estabilidad es el siguiente: Si aproximamos (u, w  U0 ):
C

v v
β = tan−1 ≈
u + U0 U0
      
EN

β̇ 
  yβ yp yr yφ  β  yζ yξ  
ṗ lβ lp lr 0 p  lζ lξ 
 ζ
    
=  +
 ṙ
  

nβ np nr 0 r 
nζ nξ  ξ
φ̇ 0 0 1 0 φ 0 0
  

Para los cómputos de las derivativas aerodinámicas ver [Coo07, p. 417]).

versión 0.24 (en construcción) - pág.159

 Por consideraciones similares a las planteadas para la dinámica longitudinal esto se
reduce a:
      

 v̇  yv we −ue g  v yζ yξ  
 ṗ  
 
lv lp lr 0 p lζ lξ 
 ζ
   
=  + (A.19)

 ṙ  nv np nr 0  r  nζ nξ  ξ
  
 
φ̇ 0 0 1 0 φ 0 0
 

donde:

N
σS ∂cy 1
yv = (αe , 0)
m ∂β Ve

IO
σS b̄ ∂cl 1 σS b̄ ∂cl σS b̄ ∂cl
lv = (αe , 0) lp = (αe , 0) lr = (αe , 0)
Ix ∂β Ve Ix ∂p Ix ∂r
σS b̄ ∂cn 1 σS b̄ ∂cn σS b̄ ∂cn
nv = (αe , 0) np = (αe , 0) nr = (αe , 0)
Iz ∂β Ve Iz ∂p Iz ∂r

C
C
A.1.8. Trayectoria
Plano Vertical
RU
La relación entre el ángulo de planeo γ y la velocidad vertical es:

ż = V sin γ ≈ V · γ

Por otra parte se tiene que:

γ =θ−α
ST

Asumiendo que se cuenta con alguna clase de control sobre el ángulo de ataque, y que
u̇ es pequeño, se puede plantear que:
      
q̇ mq 0 q mα 
= + α
θ̇ 1 0 θ 0
N

con la ecuación de salida:

O

 
 ż   q  
y =γ= = 0 1 + −1 α
V θ
C

Plano Horizontal
Para la cinemática de la trayectoria horizontal se tiene algo similar a lo planteado para el
desplazamiento vertical:
EN

ẏ = V sin ψ ≈ V · ψ (A.20)

Dado que ψ̇ = vt /R, donde R el radio de giro y vt es la velocidad tangencial, y que la

aceleración centrı́peta es ac = vt2 /R, resulta que:
ac
ψ̇ = (A.21)
vt

versión 0.24 (en construcción) - pág.160

 Para un viraje coordinado a velocidad de descenso constante: vt = V cos γ , y además:

ac = g cos γ tan φ (A.22)

donde g es la aceleración gravitatoria. Normalmente se asume que cos γ ≈ 1 y tan φ ≈

φ, con lo cual:
ÿ ≈ V · ψ̇ = g · φ (A.23)

N
IO
C
C
RU
ST
N
O
C
EN

versión 0.24 (en construcción) - pág.161

EN
C
O
N
ST
RU
C
C
IO
N
 N
Índice de figuras

IO
C
C
1.1. Diagrama idealizado de la evolución del azúcar en sangre (rojo) y de la insulina (azul)
en humanos a lo largo del dı́a con tres comidas; incluyendo el efecto de comidas
RU
enriquecidas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. distribución espacial de velocidades para el modelo de vórtice de Lamb-Oseen
(izquierda) y variación de la componente longitudinal de la velocidad al atravesar el
vórtice a velocidad constante a diferentes alturas (derecha) . . . . . . . . . . . . . . . 8
1.4. campo de velocidades para el péndulo plano . . . . . . . . . . . . . . . . . . . . . . . 13
1.5. campo de velocidades y trayectorias para el péndulo plano . . . . . . . . . . . . . . . 14
ST

1.6. puntos crı́ticos aislados - arriba: nodo (izquierda) y foco (derecha); abajo: centro
(izquierda) y punto de silla (derecha). . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7. respuesta de un oscilador de van der Pol a diferentes condiciones iniciales . . . . . . . 18
1.8. evolución temporal de los estados del modelo de Lorenz con diferentes condiciones
iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
N

1.9. trayectorias para el modelo de Lorenz con diferentes condiciones iniciales . . . . . . . 21

[Link] según Lyapunov: a) estable, b) asintóticamente estable, c) inestable . . . . 22
[Link]́n cuadrática y una trayectoria para el sistema masa-resorte-amortiguador . . . . 26
O

[Link]́n cuadrática y trayectorias para el sistema masa-resorte-amortiguador. Las

trayectorias se proyectan tanto en el espacio de estados como sobre la superficie, para
visualizar la evolución de esta “función de energı́a” a lo lardo de la trayectoria . . . . . 27
C

[Link] para el caso con autovalores reales, uno positivo y otro negativo. Las lı́neas
marcan la dirección de los autovectores. . . . . . . . . . . . . . . . . . . . . . . . . . . 34
[Link] para el caso con autovalores complejos conjugados. . . . . . . . . . . . . 35
[Link] temporal de una dinámica de primer orden con |p| = 1 para el caso estable
EN

mostrando el tiempo de establecimiento (izquierda) y para el caso inestable mostrando

el tiempo para duplicar la amplitud (derecha) . . . . . . . . . . . . . . . . . . . . . . . 42
[Link] temporal de una dinámica de segundo orden con cr = 1, cs = 0 y ωn = 1. . 45

2.1. Respuesta al escalón de los diferentes términos de la (2.6) . . . . . . . . . . . . . . . 56

2.2. Parámetros de respuesta transitoria al escalón . . . . . . . . . . . . . . . . . . . . . . 57
2.3. respuesta temporal de segundo orden al escalón con ξωn = 1. . . . . . . . . . . . . . 59

163
 2.4. Respuesta al escalón de un modelo de segundo orden con ξ = 0,5, ωn = 1, y con un
cero a diferentes distancias del origen . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.5. Polos (cruces) y ceros (cı́rculos) de las funciones de transferencia entre elevador η y
empuje τ y ángulo de ataque α de una aeronave . . . . . . . . . . . . . . . . . . . . . 64
2.6. desplazamiento en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.7. respuesta en frecuencia de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.8. respuesta en frecuencia de un integrador y un derivador . . . . . . . . . . . . . . . . . 74
2.9. respuesta en frecuencia de segundo orden sub-amortiguada . . . . . . . . . . . . . . 76
[Link] de banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

N
[Link]́n en serie de Fourier de una onda cuadrada truncada en el séptimo
armónico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
[Link] funcional de un conversor A/D . . . . . . . . . . . . . . . . . . . . . . . . . . 87

IO
[Link] y reconstrucción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

3.1. Suspensión de un automóvil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

3.2. Modelo conceptual para la suspensión de un automóvil . . . . . . . . . . . . . . . . . 95

C
3.3. Modelo conceptual para la suspensión de un automóvil con GL . . . . . . . . . . . . . 96
3.4. modelo de parámetros concentrados con N grados de libertad . . . . . . . . . . . . . . 97
3.5. solicitaciones sobre un elemento diferencial de una cuerda . . . . . . . . . . . . . . . 114

C
3.6. solicitaciones longitudinales sobre un elemento diferencial de una barra . . . . . . . . 115
3.7. solicitaciones torsionales sobre un elemento diferencial de una barra . . . . . . . . . . 120
3.8. solicitaciones sobre un elemento diferencial de una barra a flexión . . . . . . . . . . . 121
RU
[Link] estructurales de parámetros concentrados . . . . . . . . . . . . . . . . . . . 128
[Link] de interpolación para una barra sometida a deformaciones unidimiensionales
(torsión o tracción) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
[Link] reticulada discretizada por elementos viga . . . . . . . . . . . . . . . . . . . 140

A.1. Superficies de control de vuelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

ST

A.3. Terna de referencia móvil, ángulos de incidencia α (AOA: ángulo de ataque) y β

(deslizamiento), y velocidades lineales ({ub , v b , wb }) y angulares ({p, q, r}) proyectadas
en dicha terna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
N
O
C
EN

versión 0.24 (en construcción) - pág.164

 N
Bibliografı́a

IO
C
C
[Coo07] M.V. Cook. Flight Dynamics Principles. Elvesier, 2007.

[Kel12] S. Graham Kelly. Mechanical Vibrations - Theory and Applications. Cengage Learning, 5
edition, 2012.
RU
[Mei86] Leonard Meirovitch. Elements of Vibration Analysis. Mc Graw Hill, 2 edition, 1986.

[Mei97] Leonard Meirovitch. Principles ans Techniques of Vibrations. Prentice Hall, 2 edition, 1997.

[Mei01] Leonard Meirovitch. Fundamental of Vibration. Mc Graw Hill, 2001.

ST

[Oga93] Katsuhiko Ogata. Ingenierı́a de Control Moderna. Prentice Hall, 2 edition, 1993.

[O’N94] Peter V. O’Neil. Matemáticas Avanzadas para Ingenierı́a. Prentice Hall, 3 edition, 1994.

[Rao11] Singiresu S. Rao. Mechanical Vibrations. Prentive Hall, 5 edition, 2011.

N

[SP01] Sigurd Skogestad and Ian Postlethwaite. Multivariable Feedback Control - Analysis and
Design. John Wiley & Sons, 2 edition, 2001.
O

[Tho82] Wiliam T. Thompson. Teorı́a de Vibraciones - Aplicaciones. Prentice-Hall Inc., 1982.

C
EN

165