Apuntes de Dinamica

IO
C
C
RU
ST
Dinámica de Sistemas
Edición 2019
N
O
C
EN
EN
C
O
N
ST
RU
C
C
IO
IO
C
Índice general
C
1. Modelos Dinámicos
RU
1.1. Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Modelo Conceptual . . . . . . . . . . . . . . . . . . . .
1.1.2. Modelo Matemático . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
2
2
1.2. Análisis del Modelo Matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Variables de Entrada e Invarianza Temporal del Modelo . . . . . . . . . . . . . 5
1.2.2. Análisis de Sistemas Autónomos . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3. Dinámicas Complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
ST
1.2.4. Atractor y Dominios de Atracción . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.5. Estabilidad según Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3. Modelos Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.1. Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.2. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.3.3. Solución Analı́tica del Modelo Lineal . . . . . . . . . . . . . . . . . . . . . . . . 27
1.3.4. Modos Naturales de Respuesta . . . . . . . . . . . . . . . . . . . . . . . . . . 36
N
2. Respuesta a Perturbaciones 43
2.1. Funciones de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.1. Entradas y Salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
O
2.1.2. Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2.1.3. Diagramas en Bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2. Análisis de Respuesta Transitoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.1. Modelos de Perturbaciones Discretas . . . . . . . . . . . . . . . . . . . . . . . 45
2.2.2. Respuesta al Escalón en Estado Estacionario
C
y Ganancia (a frecuencia 0) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.3. Respuesta Transitoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2.4. Ceros de La Función de Transferencia . . . . . . . . . . . . . . . . . . . . . . . 51
2.3. Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.3.1. Estado Estacionario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
EN
2.3.2. Respuesta a una Entrada Senoidal . . . . . . . . . . . . . . . . . . . . . . . . . 54

2.3.3. Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.3.4. Caracterización de la Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . 59
2.4. Análisis Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4.1. Señales Periódicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4.2. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.5. Señales Aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
IO
2.5.1. Análisis Estático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.5.2. Análisis Dinámico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.6. Procesamiento Digital de Señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.6.1. Muestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3. Modelado de Sistemas Mecánicos 73
C
3.1. Modelos de Parámetros Concentrados . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.1.1. Ecuación de Movimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.1.2. Ecuación Matricial de Movimiento . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.1.3. Sistemas No Amortiguados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
C
3.2. Modelos de Parámetros Distribuidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2.1. Deformaciones Unidireccionales . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2.2. Vibraciones Transversales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.3. Métodos Aproximados . . . . . . . . . . . . . . .
RU . . . . . . . . . . . . . . . . . . . . 94
3.3.1. Discretización con Masas Concentradas . . . . . . . . . . . . . . . . . . . . . . 94
3.3.2. Discretización con Parámetros Distribuidos . . . . . . . . . . . . . . . . . . . . 95
3.3.3. Análisis Modal de Respuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
A. Apéndices 109
A.1. Dinámica del Avión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
A.1.1. Modelo de Cuerpo Rı́gido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
A.1.2. Fuerzas y Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
ST
A.1.3. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.1.4. Dinámica Longitudinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
A.1.5. Dinámica Lateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
A.1.6. Trayectoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
N
O
C
EN
versión (preliminar) 0.11 - pág.

IO
1
C
C
Modelos Dinámicos
RU
ST
N
O
C
EN
1
Modelos
1.1.1. Modelo Conceptual
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
IO
interacciones. Un modelo es una visión simplificada de una cosa (en general altamente
simplificada). Conservamos unas pocas caracterı́sticas de dicha cosa que nos resultan
relevantes en el contexto de análisis que pretendemos realizar y descartamos el resto
de su realidad.
C
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
C
una cantidad numérica escalar) 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

RU
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.
Si, a modo de ejemplo, el problema resulta ser un mal funcionamiento del calefón, pro-
bablemente dejaremos de lado elementos del primer modelo conceptual (tuberı́as, sumi-
nistro de agua, válvulas, etc.) y comenzaremos a analizar ese dispositivo en base a un
ST
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.
Nuestra mente nunca será capaz de manejar la realidad si no es a través de modelos.

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 innece-
N
saria e incluso no recomendable.
1.1.2. Modelo Matemático

O
Algunos aspectos del modelo pueden describirse mediante el lenguaje matemático. Esto
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.
C
Continuando con el ejemplo, en este punto se asume como modelo conceptual que el
calefón es un elemento puntual (su geometrı́a real es irrelevante) y que cumple con los
siguientes principios y relaciones termodinámicas:
EN
versión (preliminar) 0.11 - pág.2

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 proporcio-
nalidad definida por su masa M y por una propiedad de la substancia llamada calor
especı́fico c. Esto se expresa matemáticamente de la siguiente forma:
IO
E = ce M T
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 depende básicamente de la geometrı́a del intercambiador de calor. La
C
potencia térmica (calor por unidad de tiempo) será:
P = k (Tcomb − T )
C
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 tem-
peratura dentro del calentador puede absorberse en el coeficiente k .
RU
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
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,
produciendo un cambio en su energı́a interna:
ST
dT
ce M = P − ce Qm (T − T0 )
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 re-
agrupar variables, y se realizó la siguiente sustitución:
N

1 k k
a=− + Qm , b=
M ce ce M
O
Definiendo x = T − T0 y u = Tcomb − T0 2 podemos escribir el modelo en la forma de una

”ecuación de estados”, cuyo análisis realizaremos más adelante:
ẋ = a x + b u (1.1)
C
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).
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

EN
2 x y u serı́an apartamientos respecto de la temperatura del ambiente en lugar de temperaturas absolutas

En dinámica los modelos matemáticos son ecuaciones diferenciales en el tiempo. En fı́si-
ca las variables de interés son campos, con lo cual los modelos matemáticos deberı́an
incluir derivadas espaciales resultando en sistemas de ecuaciones en derivadas parcia-
les. 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,
IO
etc.), por lo cual el resultado queda constituido por una o más ecuaciones diferenciales
ordinarias en el tiempo.
Análisis del Modelo Matemático
C
En la sección precedente se ha mencionado el hecho de que en general los modelos ma-
temáticos se constituyen de una o más ecuaciones diferenciales ordinarias en el tiempo.
C
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):
RU
ST
N
(a) sistema real. (b) modelo conceptual.

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

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:
g 1
θ̈ + sin θ = f (1.2)
l ml
EN

En este caso la fuerza f serı́a de origen aerodinámico y que por lo tanto depende de la
velocidad relativa al viento v . 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 + lθ (1.3)
IO
|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 suspendida, en tanto el cable sea lo “suficientemente”
rı́gido (se verá luego como evaluar esta condición).
C
El modelo 1.2 es no lineal (ver 1.3.1) 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
1.2.1. Variables de Entrada e Invarianza Temporal del Modelo
En la ecuación 1.2 la variable es θ. Obtener una solución para dicha ecuación implica
encontrar una expresión que describa la evolución de θ a medida que transcurre el tiem-
RU
po. Si la solución es analı́tica se tendrá una función θ(t) que describa dicha evolución.
Si la solución es numérica se tendrá una sucesión de pares {t, θ}.
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 trigo-
nométricas y parámetros constantes respecto del tiempo a excepción de f , que según
la ecuación 1.3, podrı́a cambiar en el tiempo si w varı́a en el tiempo.
ST
Desde el punto de vista conceptual no es lo mismo considerar a u como un parámetro
que sı́ depende explı́citamente del tiempo, o bien tomarlo como una variable de entrada
o exógena; es decir, que no depende de la solución de esta ecuación. Si optamos por el
primer enfoque, el modelo es variante en el tiempo. Con la segunda perspectiva el mode-
lo es invariante en el tiempo, pero está perturbado. Sin embargo, desde una perspectiva
matemática no hay diferencias, y dado que la ecuación diferencial depende explı́cita-
mente del tiempo se dice que el sistema no es autónomo.
N
Que un modelo sea invariante en el tiempo implica que la solución no cambia tomando
diferentes instantes iniciales t0 .
Si la función de entrada u(τ ) se define independientemente del momento inicial t0 , es
O
decir, τ = t − t0 , lo lógico es considerar al modelo como perturbado pero invariante; ya

que conceptualmente u no es una propiedad del sistema bajo análisis sino que cuantifica
un efecto externo.
Perturbaciones
C
La variable exógena en general se denomina perturbación, y cuantifica el efecto de pro-

cesos externos independientes del proceso bajo análisis pero que inciden en su evolu-
ción.
A la hora de evaluar la evolución del sistema en estudio a partir de condiciones iniciales

EN
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.
Por otra parte, a la hora de describir la perturbación debemos discriminar entre pertur-
baciones determinı́sticas y perturbaciones estocásticas.
IO
Perturbaciones Determinı́sticas Las perturbaciones determinı́sticas son aquellas pa-
ra 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 des-
cribir una perturbación mediante un modelo dinámico, cuya salida al partir de una cierta
C
condición inicial o al recibir otra perturbación sea la perturbación que queremos descri-
bir. 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
desequilibrio.
C
Esto último en realidad no es un simple recurso matemático para describir una perturba-
ción, dado que realmente las perturbaciones son acciones de otros procesos dinámicos
independientes sobre el caso en estudio.
RU
Para el ejemplo de la carga suspendida por la grúa podrı́amos estudiar el efecto que
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 media 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)
ST
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.
N
Combinando este modelo espacial 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
O
Con esto se obtiene el siguiente modelo para la variación temporal de la perturbación:
U02

Γ 2
w(t) = U0 + 1 − exp − t ,
2πU0 t 4νt + rc (0)2
C
Perturbaciones Armónicas Un tipo de perturbación determinı́stica especial lo cons-

tituyen aquellas que pueden modelarse mediante funciones periódicas. El caso más
simple es la función senoidal, pero sabemos que cualquier función periódica puede
EN

IO
C
Figura 1.2: distribución espacial de velocidades para el modelo de vórtice de Lamb-Oseen (izquierda) y variación de la compo-
C
nente longitudinal de la velocidad al atravesar el vórtice a velocidad constante a diferentes alturas (derecha)
descomponerse en una superposición de funciones senoidales cuyas frecuencias son
función:
RU
múltiplos enteros de la frecuencia de dicha perturbación.
Esta superposición está definida por la expansión en serie de Fourier para dicha
∞
X
p(t) = a0 + an sin nω0 t + bn cos ω0 t (1.5)
n=1
o bien
∞
ST
X
p(t) = a0 + cn sin nω0 t + φn
n=1
donde p an
cn = a2n + b2n , φn = tg−1
bn
La sucesión de coeficientes {an } y {bn } (o bien {cn } y {φn }) junto con la frecuencia
fundamental ω0 definen completamente la función periódica p(t).
N
Para muchos casos esta sucesión es finita (de hecho una senoidal queda completamente
definida solo con tres parámetros).
Perturbaciones Aleatorias Los modelos estocásticas son necesarios para el caso

O
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
evolución temporal, y por lo tanto debe recurrirse a una descripción estadı́stica para su
caracterización.
C
1.2.2. 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
”adecuado”, es decir, que incluya todos los fenómenos fı́sicos significativos para el
EN

proceso en estudio, y que las expresiones matemáticas utilizadas se ajusten razonable-
mente a los fenómenos modelados al menos para el rango de variables en el cual se va
a desarrollar el estudio (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
IO
vamos a considerar perturbaciones (variables exógenas) o parámetros que varı́en con
el tiempo.
Uno de los elementos más significativos para caracterizar un proceso dinámico son los
puntos crı́ticos o puntos estacionarios del modelo matemático (valores para los cuales
las derivadas temporales se anulan), que asociaremos a las condiciones de equilibrio
C
del proceso dinámico; y la estabilidad del comportamiento en el entorno de estos puntos.
Es común confundir los términos equilibrio y estabilidad. Aclaramos desde ahora

que son conceptos diferentes pero relacionados entre si, por cuanto la estabilidad es
C
una de las propiedades que poseen las condiciones de equilibrio.
Una condición de equilibrio es un elemento del modelo, y la estabilidad es una propiedad
de dicho elemento.
Equilibrio
RU
Equilibrio es la condición en la cual nada cambia a medida que transcurre el tiempo. En
notación matemática:
d(·)
=0 (1.6)
dt
ST
En equilibrio al ecuación 1.2 se reduce a:
g
sin θ = p
L
Puede notarse que para un dado valor constante de p existen infinitas soluciones para
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.
N
Es evidente que en este modelo el equilibrio no es posible si p no es constante.
Estabilidad
O
Las condiciones de equilibrio para el péndulo plano no restringido son infinitas, pero
podemos agruparlas naturalmente en dos casos: las estables y las inestables.
C
EN

IO
C
Preliminarmente podemos decir que una condición de equilibrio es estable sin 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 condi-

ción de equilibrio inestable, este no siempre evoluciona hacia dicha condición. ¿Qué es
Estado
esta “condición”?.
RU
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 t dado no queda definida únicamente por
la posición angular θ(t), sino que también se debe especificar la velocidad angular θ̇(t).
ST
Serı́a más realista usar una letra especı́fica para la velocidad angular, dado que
se trata de una variable diferente al ángulo 3 . 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:
N
θ̇ = ω
g
ω̇ + b ω + sin θ = 0
l
que se puede reescribir dejando a la izquierda solo derivadas y del lado derecho solo
O
relaciones algebraicas:
θ̇ = ω
g
ω̇ = −b ω − sin θ
l
C
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
EN

Este modelo responde a la forma:
   

 x˙1 
 
 f1 (x1 , x2 , · · · , xn ) 

 x˙2 
    f2 (x1 , x2 , · · · , xn ) 

.. = ..


 . 
   . 

    
x˙n fn (x1 , x2 , · · · , xn )
IO
 
que en forma compacta puede escribirse como una única ecuación diferencial vectorial
de primer orden:
ẋ = f (x) (1.8)
La ecuación 1.8 es la expresión general de lo que se denomina ecuación de estados para
C
el caso invariante en el tiempo; y en ella x ∈ Rn es el vector de estados. Para el 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:
C
ẋ = f (x, u, t) (1.9)
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. RU
Espacio de Estados
La función vectorial f (·) es la expresión matemática de un campo vectorial f : Rn → Rn
en el caso autónomo, o f : Rn+m+1 → Rn en el caso general. Cada una de las com-
ponentes fj (·) de este campo representa un campo escalar fj : Rn → R (en el caso
autónomo). Estas estructuras matemáticas son las que encontramos en el análisis
fluidodinámico en donde se trabaja con campos vectoriales (los campos de velocidades
ST
y de vorticidad) y campos escalares (distribuciones de temperaturas, densidades y
presiones).
Para modelos de segundo orden el estado puede graficarse en el plano carte-

siano 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

N
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 del estado, que como toda velocidad tiene magnitud y dirección (la figura 1.3
muestra un ejemplo para n = 2).
O
Sin necesidad de resolver la ecuación de estados podemos calcular esta veloci-

dad 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
C
que este término constituye un campo vectorial, y dado que define es la derivada
temporal o velocidad del estado, es denominado campo de velocidades.
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
EN
como el de la figura 1.4.

IO
C
C
Figura 1.3: campo de velocidades para el péndulo plano
RU
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 esta-
dos. Es claro que la elección de los ejes no es única, y que podrı́amos usar cualquier
transformación que tenga inversa (un homeomorfismo) para definir un conjunto de ejes
alternativos.
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
ST
no perderı́a su validez en tanto dicha transformación se aplique a ambos lados de la
ecuación 1.8.
N
O
Existe un teorema importante para las matemáticas denominado Teorema de Picard-

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

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

IO
C
C
Figura 1.4: campo de velocidades y trayectorias para el péndulo plano
RU
constante de Lipschitz.
Si para una dada condición inicial la solución es única, desde cada punto del es-
pacio de estados solo puede pasar una única trayectoria, y en consecuencia las
trayectorias en el espacio de estados no se 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
ST
siempre en el mismo sentido a medida que transcurre el tiempo.
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
topologı́a del campo de velocidades o trayectorias en el entorno de dicho punto crı́tico.
N
Para el caso de los modelos de segundo orden (llamados sistemas planares, por
tener un espacio de estados de dimensión 2) los puntos crı́ticos se catalogan en nodos,
focos, centros y puntos de silla.
O
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 [V.O94, cap.8, p. 519]).
C
Nodos En un nodo existe un familia infinita de trayectorias que entran a él (ver [V.O94,
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
EN

IO
C
C
RU
ST
N
O
Figura 1.5: puntos crı́ticos aislados : arriba foco (izquierda) y nodo (derecha); bajo centro (izquierda) y punto de silla (derecha).
C
EN

al punto crı́tico, pero ninguna de ellas se aproxima al mismo (ver [V.O94, cap.8, p. 518]).
Tenemos como ejemplos conocidos a todos los osciladores no amortigados, como

un péndulo no amortiguado, un sistema masa resorte o un circuito LC.
Punto de Silla Un punto crı́tico es un punto de silla si hay dos trayectorias semirectas
IO
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.
1.2.3. Dinámicas Complejas
C
Además de puntos crı́ticos aislados es posible encontrar en algunos sistemas otras to-
pologı́as que caracterizan el comportamiento de estos sistemas.
Ciclos Lı́mites
C
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
RU
orden existen teoremas para evaluar la existencia o no de trayectorias cerradas (Teorema
de Bendixon [V.O94, cap.8, p. 561]) y especı́ficamente de ciclos lı́mites (Teorema de
Poincaré-Bendixon [V.O94, cap.8, p. 562]).
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 amortigua-
miento es no lineal, cuya dinámica responde a la ecuación:
ST
ẍ − µ 1 − x2 ẋ + x = 0

en donde µ es un parámetro escalar que gobierna la no linealidad y el amortiguamiento.
Podemos ver en la figura ?? que partiendo de diferentes condiciones iniciales la solución

N
siempre confluye a una misma trayectoria cerrada, o cliclo lı́mite.
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
O
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.
C
Para este circuito, asumiendo que

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

IO
C
C
RU
Figura 1.6: respuesta de un oscilador de van der Pol a diferentes condiciones iniciales
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.
ST
La ecuación de van der Pol tiene una larga historia en fı́sica y biologı́a, y no se restringe
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.
También se ha usado en sismologı́a para modelar el comportamiento de dos placas en
una falla.
N
En ciertos casos, en modelos con dimensiones

mayores a 2, es posible encontrar soluciones que
O
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.
C
Dinámicas Caóticas
El comportamiento más complejo de reconocer y analizar es el de las dinámicas de-
EN
nominadas 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.
IO
A principios de los años ’60, Edward N. Lorenz accidentalmente descubrió un comporta-
miento 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 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

C
∂t ∂z ∂x ∂x ∂z dx
∂T ∂T ∂ψ ∂θ ∂ψ ∆T ∂ψ
= − + k∇2 T +
∂t ∂z ∂x ∂x ∂z H ∂x
C
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. Lorenz propuso
como solución:
πax πz
RU ψ = ψ0 sin
θ = θ0 cos
H
πax
H
sin
sin
H
πz
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
los valores iniciales.
ST
Lorenz incluyó los términos:
X = ψ11
Y = T11
Z = T02
en donde X es proporcional a la intensidad convectiva, Y a la diferencia de temperatura
entre las corrientes descendentes y ascendentes, y Z a la diferencia en el perfil vertical
N
de temperatura respecto de una distribución lineal.

Con esto propuso el siguiente sistema simplificado de ecuaciones, conocidas como
ecuaciones de Lorenz.
O
Ẋ = σ (Y − X)
Ẏ = −XZ + rX − Y
Ż = XY − bZ
C
en donde además:
ν Ra 4
σ≡ , r≡ , b≡
k Rac 1 + a2
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.
EN

IO
C
C
Figura 1.7: evolución temporal de los estados del modelo de Lorenz con diferentes condiciones iniciales
El punto
en
np p
RU
crı́tico {0, 0, 0} corresponde
o anun movimiento no convectivo, y losopuntos crı́ticos
p p
b (r − 1), b (r − 1), r − 1 y − b (r − 1), − b (r − 1), r − 1 corresponden
a convección estacionaria. Este par es estable si se cumple que:
σ (σ + b + 3)
r=
σ−b−1
ST
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.
N
En la figura ?? se muestra la evolución de los estados del modelo de Lorenz para tres
condiciones iniciales casi idénticas y dos muy diferentes. Se observa que luego de un
cierto intervalo el pronóstico sobre la evolución futura se hace prácticamente imposible.
Sin embargo, al observar la ?? se observa que la evolución está claramente estructura-
O
da.
Esto se puede generalizar para las dinámicas caóticas, para las cuales estos patrones
de comportamiento se denominan atractores extraños.
C
Debe notarse que, aunque la evolución precisa del estado sea impredecible, esta es
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.
EN

IO
C
C
1.2.4.
RU
Figura 1.8: trayectorias para el modelo de Lorenz con diferentes condiciones iniciales
Atractor y Dominios de Atracción

Definimos como atractor a la región del espacio de estados hacia la cual tienden las
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
ST
(atractores extraños). Aquellas regiones desde las cuales las trayectorias divergen se
denominan repulsores.
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.
N
1.2.5. 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
O
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 especial interés para la ingenierı́a, dado que en general el diseño se orienta a
C
optimizar la operación de procesos en ciertas condiciones particulares de operación

(condición de crucero para vehı́culos, operación óptima en el caso de procesos indus-
triales, etc.).
La herramienta mas general para el estudio de la estabilidad de puntos crı́ticos fue

EN
introducida a fines del siglo XIX por el matemático ruso Alexandr Mikhailovich Lyapunov

IO
Figura 1.9: Estabilidad según Lyapunov: a) estable, b) asintóticamente estable, c) inestable
C
en su trabajo titulado ”El problema general de la estabilidad de las trayectorias”.
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.
C
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.
RU
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.
En otras palabras la estabilidad en el sentido de Lyapunov implica que las trayec-

torias se mantienen arbitrariamente cercanas al punto de equilibrio si la condición inicial
está suficientemente cercana al mismo.
ST
La prueba matemática consiste en demostrar que para alguna una bola BR de radio R
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 ??.
El comportamiento será inestable si no existe ninguna bola Br por más pequeña

que sea, a partir de la cual todas las trayectorias que queden dentro de BR para todo
N
t ≥ 0; independientemente de lo pequeño que se elija R.
Si además las trayectorias conevrgen al punto crı́tico se dice que la estabilidad es

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

la estabilidad es global.
Pruebas de Estabilidad
C
Lyapunov propuso dos métodos para el análisis de estabilidad. El primero de ellos está
basado en las propiedades de la linealización (ver 1.3.1) de las ecuaciones del sistema
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
EN
evolución temporal.

Método directo de Lyapunov La filosofı́a básica del método directo de Lyapunov es
una extensión matemática de un concepto fı́sico simple: si la energı́a total de un sistema
(mecánico o eléctrico por ejemplo) se disipa en forma continua, entonces el sistema
convergerá eventualmente a un punto de equilibrio, en el cual su energı́a es mı́nima. Por
lo tanto, podemos inferir la estabilidad del sistema analizando el comportamiento de una
función escalar de los estados como lo es la energı́a en un sistema mecánico o eléctrico.
IO
Como ejemplo analicemos el caso de un modelo conceptual compuesto por una masa
con un solo grado de libertad vinculado a un elemento elástico no lineal (definido por k0
y k1 ) y rozamiento no lineal:
C
ẍ + ẋ |ẋ| + k0 x + k1 x3 = 0 (1.11)
Podemos analizar la estabilidad a partir de la energı́a mecánica del sistema. La energı́a

total del sistema es la suma de la energı́a potencial mas la energı́a cinética:
C
Z x
1 1 1 1
V (x) = mẋ2 + k0 x + k1 x3 dx = mẋ2 + k0 x2 + k1 x4 (1.12)
2 0 2 2 4
Comparando las expresiones de energı́a y estabilidad, pueden plantearse las siguientes

RU
condiciones
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).
Inestabilidad se corresponde con un aumento de la energı́a total
Estas conclusiones implican una relación entre la estabilidad del sistema y una magni-
ST
tud escalar, la energı́a mecánica en este caso, y permiten inferir además propiedades
de la estabilidad a partir de la evolución temporal de esta magnitud. La misma puede
analizarse diferenciando la energı́a respecto del tiempo:
∂V (x) ∂x
= mẍ + k0 x + k1 x3 ẋ = (−bẋ|ẋ|) ẋ

V̇ (x) =
∂x ∂t
= −bẋ2 |ẋ| = −b|ẋ|3
N
Puede advertirse que V̇ (x) es una magnitud siempre negativa, es decir, la energı́a dis-
minuirá monótonamente hasta anularse. Por lo tanto, la estabilidad es asintótica.
O
Generalizando este ejemplo, la idea del método directo de Lyapunov es encontrar una
función de los estados que se comporte como la energı́a del resorte, e inferir las pro-
piedades del equilibrio del análisis de la evolución temporal de dicha función. Veremos a
C
continuación algunas definiciones importantes para formalizar este resultado.
Funciones Positivas Definidas y Funciones de Lyapunov

La función V (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 la otra, es una
función monótonamente decreciente a medida que el estado evoluciona en el tiempo.
EN

En el contexto de Lyapunov, la primera propiedad se formaliza con el concepto de función
positiva definida, y la segunda con las denominadas funciones de Lyapunov.
Función Positiva Definida Una función escalar V (x) es localmente positiva definida
si V (0) = 0 y en una bola BR0 se verifica que x 6= 0 =⇒ V (x) > 0.
IO
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
C
que es la energı́a mecánica del péndulo, es localmente positiva definida. En forma
similar, V (x) puede definirse como una función negativa definida si −V (x) es positiva
definida. V (x) es positiva semi-definida si V (0) = 0 y V (x) ≥ 0 cuando x 6= 0, es decir,
C
se permite que V (x) se anule en otros valores diferentes del origen.
Al ser V (x) una función del estado x, es obviamente una función implı́cita del
tiempo. Por lo tanto su derivada temporal es:
RU
V̇ (x) =
∂V (x) ∂x
∂x ∂t
=
∂V (x)
∂x
f (x) = Lf V (x)
Esta derivada representa la derivada de la función escalar V (x) a lo largo de la trayecto-

ria 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.
ST
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, V (x) ≤ 0, entonces V (x) es una función
de Lyapunov del sistema.
Estabilidad Local Si en una bola BR0 existe una función escalar V (x) con primeras
derivadas continuas tal que:
N
V (x) es positiva definida (localmente en BR0 ).

V̇ (x) es negativa semi-definida (localmente en BR0 )
O
Entonces el punto de equilibrio es estable. Si la derivada V̇ (x) es negativa definida

localmente en VR0 , la estabilidad es asintótica.
Para ilustrar estos conceptos analicemos, analicemos un modelo masa-resorte-

C
amortiguador no perturbado (caso autónomo):
mv̇ = −bv − kx , v = ẋ
o bien:
mẍ + bẋ + kx = 0
EN

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
IO
donde:

x1 x 0 1
x= = , A=
x2 v −k/m −b/m
La energı́a mecánica (cinética + potencial elástica) es:
C
1 1
E(x) = mv 2 + kx2 (1.13)
2 2
Esta función es positiva definida, pero no es una función de Lyapunov para este caso
C
dado que su derivada a lo largo de las trayectorias del mismo se anula en los puntos en
donde v = 0:
Ė(x, v) = mv v̇ + kxẋ
RU = mv (−kx − bv) + kxv
= [(1 − m) kx − mb v] v
Como alternativa proponemos como función de Lyapunov para este problema una fun-
ción cuadrática:
V (x) = xT Px (1.14)
en donde P es una matriz real simétrica arbitraria pero que cumpla la siguiente desigual-
ST
dad:
xT Px > 0 si kxk =
6 0
En este caso se dice que la matriz P es positiva definida (porque la forma cuadrática
construida con ella resulta positiva definida); y en este caso se verifica que sus menores
principales son todos positivos.
Para este ejemplo, en el cual x ∈ R2 , la forma cuadrática es:
N

T
p1 p̄ x1
= 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
O
primero calculamos su derivada:
˙ = ẋT Px + xT Pẋ
V (x) (1.15)
Para las trayectorias de nuestro sistema se cumple ẋ = Ax. Entonces:

C
T
V̇ (x) = (Ax) Px + xT P (Ax)
= xT AT Px + xT PAx

= xT AT P + PA x
EN

Esta será negativa definida si se cumple:
V̇ (x) = −xT Qx
siendo Q una matriz positiva definida, que es lo mismo que decir que la siguiente ecua-
IO
ción tiene solución:
AT P + PA = −Q (1.16)
Esta expresión se denomina ecuación de Lyapunov, y en general se utiliza proponiendo
una matrix Q arbitraria pero positiva definida y calculando P.
C
C
RU
Figura 1.10: Función cuadrática y una trayectoria para el sistema masa-resorte-amortiguador
ST
N
O
Figura 1.11: trayectoria y evolución de las funciones de energı́a para el sistema masa-resorte-amortiguador
C
En las figuras 1.10 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.
En la figura ?? se ve a la izquierda la misma trayectoria, y a la derecha la elocución
EN

de la energı́a mecánica y la de la forma cuadrática, en donde se verifica los resultados
obtenidos.
Invariantes de Lasalle
IO
El concepto de estabilidad puede extenderse a regiones que no sean puntos crı́ticos
aislados, por ejemplo a los ciclos lı́mites.
Un conjunto G 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:
un punto de equilibrio.
C
una trayectoria de un sistema dinámico autónomo.
un ciclo lı́mite (caso particular de lo anterior).
una región de atracción.
C
la totalidad del espacio de estados (una obviedad).
Los teoremas de conjuntos invariantes, debidos principalmente a Joseph P. LaSalle, per-

miten obtener resultados sobre estabilidad asintótica cuando la derivada de la función
RU
de Lyapunov es solo negativa semi-definida, y además permiten extender el concepto
de convergencia a conjuntos invariantes.
Modelos Lineales
Mientras que no se cuenta con una herramienta matemática para obtener soluciones
ST
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.
1.3.1. Operadores Lineales

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.
N
Como ejemplo podemos citar las funciones trigonométricas, los operadores diferencia-
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 ).
O
Los operadores lineales son aquellos que cumplen las siguientes relaciones:
Ω(x + y) = Ω(x) + Ω(y) (1.17)

C
Ω(αx) = α Ω(x) (1.18)
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
EN
no lineal es sin θ (la función exógena u(t) no es un operador en dicha ecuación).

1.3.2. Linealización
Podemos aproximar un modelo de estados no lineal por uno lineal desarrollando el
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
IO
de orden infinito. Para una función escalar f (y) se tiene:
n=∞
d(n)
X
(y − y0 )n = f0 + fy1 (y − y0 ) + fy2 (y − y0 )2 + · · ·

f (y) ≈ (n)
f (y)
n=0
dy
y0
en donde las constantes fy1 , fy2 , · · · son:
C
d2 f

df
f0 = f (y0 ) , fy1 = , fy2 = , ···
dy y0 dy 2 y0
Puede apreciarse que la aproximación se construye primero aportando un valor cons-
C
tante f0 , luego agregando una variación lineal alrededor del punto y0 con pendiente
fy1 , en tercer término una variación cuadrática alrededor del punto y0 con curvatura
fy2 y ası́ sucesivamente. En el caso de funciones de dos variables en lugar de curvas
trabajaremos con planos.
RU
En el caso de funciones vectoriales f (x) se tendrá un desarrollo en serie de Tay-
lor 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:

∂f ∂f
ẋ = f (x, u) ≈ f (x0 , u0 ) + (x − x 0 ) + (u − u0 ) + · · · (1.19)
∂x x0 ,u0 ∂u x0 ,u0
ST
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:
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 

∂f
= .
 
.. .. .. 
∂x x0 ,u0  .. . . . 
N
an1 an2 · · · ann

 
b11 · · · b1m

∂f  b21 · · · b2m 
= .
 
.. .. 
O
∂u x0 ,u0  .. . . 
bn1 · · · bnm
Si se platea el desarrollo en serie de Taylor alrdededor de una condición de equilibrio:
f (x0 , u0 ) = 0.
C
Por otra parte, podemos realizar la siguientes sustituciones:

∂f
A= , ∆x0 = x − x0
∂x x0 ,u0

∂f
B= , ∆u0 = u − u0
EN
∂u x0 ,u0

Con esto el modelo resulta:
ẋ = f (x, u) ≈ A ∆x + B ∆u
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:
IO
ẋ = Ax + Bu (1.20)
Por ejemplo, para el caso del péndulo plano (ecuación 1.7), el modelo es de segundo
C
orden con un vector de entrada escalar, y tiene la forma:

x˙1 f1 (x2 )
=
x˙2 f2 (x1 , x2 , u)
C
siendo x1 = θ, x2 = ω, u = p, mientras que las componentes del campo son:
f1 ( ) = x2
RU f2 ( ) = −b x2 −
Las matrices jacobianas A y B serán de la forma:

g
L
sin x1 + u
 ∂f ∂f1  ∂f1

1
∂f  ∂x1 ∂x2  ∂f  ∂u 
A= =  B= = 
∂x  ∂f2 ∂f  2 ∂u  ∂f2 
ST
∂x1 ∂x2 ∂u
La linealización alrededor de una cierta condición {ū, θ̄, ω̄} es:
   
 ω̄ 0 1
θ̇  θ − θ̄ + 0 {u − ū}

≈ g + g
ω̇ −b ω̄ − sin θ̄ + ū − cos θ̄ −b ω − ω̄ 1
L L
N
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

 x1 + 0 {u}
O
= g (1.21)
x˙2 − −b x2 1
L
donde x1 = θ y x2 = ω . Para el caso invertido (θeq = π ) el resultado es el siguiente:
C
 
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 .
EN

1.3.3. Solución Analı́tica del Modelo Lineal
Matrix Exponencial
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
IO
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 (la
exponencial es una autofunción para los operadores diferenciales).
Si tomamos como ejemplo una ecuación diferencial de primer orden:
C
ẋ = a x (1.23)
ct ct
podemos proponer como solución x(t) = b e , cuya derivada es ẋ = b c e . Sustituyen-
do en 1.23:
b c ect = a b ect → b c = a b → c = a
C
Teniendo en cuenta la condición inicial x(0) = x0 se deduce que:
x(0) = b e0 = x0 → b = x0
En sı́ntesis la solución es:
RU x(t) = x0 eat (1.24)
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 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
ST
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.
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:
N
x(t) = b0 + b1 t + b2 t2 + · · · + bk tk + · · · (1.25)
Derivando 1.25 y sustituyendo en 1.23:
b1 + 2b2 t + 3be t2 + · · · + kbk tk−1 + · · · = a b0 + b1 t + b2 t2 + · · · + bk tk + · · ·

O
de lo cual se deduce que:

b1 = ab0
1 1 2
b2 = ab1 = a b0
C
2 2
1 1 3
b3 = ab2 = a b0
3 6
..
.
1
bk = ak b0
EN
k!

y teniendo en cuenta la condición inicial queda claro que x(0) = x0 = b0 .
De las soluciones dadas por las ecuaciones 1.24 y 1.25 se deduce la siguiente identidad:
∞
1 1 X 1
eat = 1 + at + a2 t2 + · · · + a3 t3 + · · · = 1 + ak tk (1.26)
2 3 k!
k=1
IO
Podemos extender todas estas relaciones al caso de orden n:
ẋ = A x (1.27)
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:
C
x(t) = b0 + b1 t + b2 t2 + · · · + bk tk + · · ·
Procediendo de la misma forma se concluye que:
C
b1 = Ab0
1 1 2
b2 = Ab1 = A b0
2 2
RU 1 1 3
b3 = Ab2 = A b0
3 6
..
.
1
bk = Ak b0
k!
Teniendo en cuenta la condición inicial:
ST
x(0) = b0
La solución será entonces (recordar que en el álgebra de matrices el producto no es

conmutativo):
x(t) = eAt x(0) (1.28)
en donde la matriz exponencial queda definida por:
N
∞
1 1 X 1
eAt = I + At + A2 t2 + · · · + A3 t3 + · · · = 1 + Ak tk (1.29)
2 3 k!
k=1
siendo I es la matriz identidad de orden n × n.

O
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.
Solución por Laplace

C
Toda ecuación diferencial lineal ordinaria puede resolverse usando la transformada de

Laplace. Se trata de un operador matemático (lineal) que convierte una función de varia-
ble real y en otra de variable compleja s (ver [Oga93, sección 1-3: La Transformada de
Laplace, p. 14];).
Z ∞
L {h(y)} = H(s) = h(y) e−sy dy
EN
(1.30)
−∞

En nuestro caso la variable y será el tiempo, y consideraremos funciones nulas para
t < 0: Z ∞
L {f (t)} = F (s) = f (t) e−st dt
0
La transformada inversa viene dada por la siguiente expresión:
IO
Z γ+jT
1
f (t) = L −1
{F (s)} = lı́m est F (s) ds
2πj T →∞ γ−jT
La utilidad de esta transformada radica en su linealidad:
L {f (t) + g(t)} = L {f (t)} + L {g(t)}
C
L {αf (t)} = αL {f (t)} , α∈R
y en la siguiente propiedad:
C

df (t)
L = s F (s) − f (0)
dt
Otra de las propiedades de interés es la transformada de la integral de convolución:
RU L
Z
0
t
f (t − τ ) g(τ ) dτ

= F (s) · G(s)
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)}
y despejando:
ST
−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] (1.31)
N
con esto se llega a que:
X(s) = Φ(s)x(0) + Φ(s)BU (s) (1.32)

O
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
dominio del tiempo:
C
Z t
x(t) = Φ(t)x(0) + Φ(t − τ )Bu(τ )dτ (1.33)
0
De las ecuaciones 1.31, 1.33 y 1.28 se concluye que:

n o
−1
Φ(t) = L −1 [sI − A] = eAt
EN
(1.34)

Análisis de la Solución
La dinámica del sistema queda encapsulada en la matriz de transición de estados dada
por 1.31. Para obtenerla debemos primero construir su transformada de Laplace:
 T
adj11 adj12 ··· adj1n
IO
−1
T
adj (sI − A) 1  adj21
 adj22 ··· adj2n 
Φ(s) = [sI − A] = =

 . .. .. .. 
|sI − A| |sI − A|  .. . . . 
adjn1 adjn2 ··· adjnn
 
φ11 (s) φ12 (s) · · · φ1n (s)
φ21 (s) φ22 (s) · · · φ2n (s) 
= .
 
C
.. .. .. 
 .. . . . 
φn1(s) φn2 (s) · · · φnn (s)
Cada elemento φij (s) de la matriz Φ(s) será una función racional, cuyo polinomio deno-
C
minador coincide con el polinomio caracterı́stico de la matriz A (que es el determinante
|sI − A|, de orden n), y cuyo polinomio numerador será a lo sumo de orden (n − 1)
(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)):
RU
Φ(i,j) (s) =
adjj,i [sI − A]
|sI − A|
= n
b1 sn−1 + · · · + bn−1 s + bn
s + a1 sn−1 + · · · + an−1 s + an
Las anti-transformadas de funciones racionales propias4 de primero, segundo y tercer

orden se encuentran tabuladas en la bibliografı́a. Para denominadores de orden superior
es sencillo obtener la anti-transformada desarrollando la función racional en fracciones
paricales5 (ver [Oga93, sección 1-4: Transformación Inversa de Laplace, p. 37]); dado
ST
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 )
r1 r2 rn
= + + ··· + , rj , pj ∈ C (1.35)
(s + p1 ) (s + p2 ) (s + pn )
En la expresión precedente los números complejos rj son los residuos de la fracción

N
correspondiente; y los pj son los negativos de las raı́ces del denominador , que resultan
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
4 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

5 matlab®ofrece el comando residue para
EN

Es evidente que la forma de la evolución temporal solo depende del autovalor −p (o de
su inversa T denominada constante de tiempo), mientras que el residuo define solo un
factor de escala para la amplitud.
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
IO
plano complejo C, y en ese caso esta función diverge (caso inestable); como se muestra
en la figura 1.12.
Si k = 1 (caso normalizado) y p > 0 (caso estable) se tienen los siguientes valores de

amplitud:
C
t φ(t)
0 1
T 0,368
2T 0,135
C
3T 0,050
4T 0,018
Se observa que cuando t = 4T la amplitud es menor al 2 % del valor inicial, y decimos

RU
que el sistema esta nuevamente en equilibrio; aunque desde el punto de vista matemáti-
co el tiempo para volver al equilibrio es infinito.
En el caso inestable podemos calcular el tiempo Td que toma la respuesta para duplicar
la amplitud:
φ(t + Td ) = 2 φ(t) → k e(t+Td )/T = 2 k et/T

ST
tomando logaritmos a ambos lados:
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:
N

x˙1 = [a] x1 + b1 b2 ··· bm u
Podemos usar como ejemplo el modelo 1.1 para el calefón; que podemos llevar a la
O
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
C
Sustituyendo en el modelo x = T − Teq y u = Tcomb − Tcombeq :
d(x + Teq ) k
M = u + Tcombeq − x − Teq − ṁT0
dt ce
EN

IO
C
C
Figura 1.12: 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)
RU
Como Teq es una constante:
ẋ =
1

k
(u − x) +
k
Tcombeq − Teq − ṁT0

M ce ce
La suma de los últimos dos términos del corchete es nula, por tratarse de valores de
equilibrio, por lo que solo queda:
ST
k
ẋ = (u − x)
ce M
Llamando a = −k/ce M y b = ṁ/M llegamos a:
ẋ = ax + bu
N
La matriz de transición de estados quedará reducida a una función escalar racional de

primer orden:

a
Φ(s) = → Φ(t) = eat
s−a
O
La solución para el caso en el cual la temperatura de llama se mantiene constante en el

valor Tcombeq resulta en:
C
x(t) = Φ(t)x(0) = x(0)eat
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 .
EN

Dinámica de Segundo Orden
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 comple-
jos conjugados. Por lo tanto las fracciones asociadas a polos complejos conjugados se
IO
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
C
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)
=
(s + a + jb)(s + a − jb)
C
cs + ca − jcb + jds + jda − (j)2 db + cs + ca + jcb − jds − jda − (j)2 db
=
s2 + 2as + jbs − jbs − (jb)2 + a2
cs + ca − db
=2 2
s + 2as + a2 + b2
RU
Por conveniencia usaremos para los términos de segundo orden la siguiente notación:
r r̄ c1 s + ωn2
+ = c0 2
(s + p) (s + p̄) s + 2ξωn s + ωn2
que en el caso en el cual c1 = 0 y c0 = 1 se reduce a la forma estándar normalizada:

ST
ωn2
Φ(s) = (1.36)
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 (1.37)
1 − ξ2
N
que tiene la forma de una senoidal “modulada” por una exponencial:
φ(t) = k · e−t/T · sin (ωd t)

O
p
donde ωd = p1 − ξ 2 ωn es la frecuencia amortiguada que define el perı́odo de la oscila-
ción, k = ωn / 1 − ξ 2 es un factor de amplificación (ganancia) constante y T = (ξωn )−1
es una constante de tiempo equivalente a la de la dinámica de primer orden.
En la figura 1.13 se muestran curvas para distintos valores del factor de amortiguamiento.
C
Si c1 6= 0 podemos ver que:
c1 s + ωn2 ωn2

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

IO
C
C
Figura 1.13: respuesta temporal de una dinámica de segundo orden con cr = 1, cs = 0 y ωn = 1.
RU
La anti-transformada del término entre corchetes es igual a la derivada de (1.37) multi-
plicada 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
p
donde β = tan−1
ST
1 − ξ 2 /ξ . Combinando ambos resultados se tiene finalmente que:
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 (1.37) 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
(o atenuación en la amplitud), pero no modifica en nada la evolución en el tiempo.
N
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
O
estable con ξ > 0).

En el caso no amortiguado (ξ = 0), la amplitud de la oscilación permanece constante y
el comportamiento es el de un “centro”.
Aplicando la fórmula de Bhaskara podemos determinar los polos de la ecuación (1.36):

C
p
λ1,2 = −ξωn ± j ωn 1 − ξ2 (1.38)
Vemos entonces que la parte real de los polos es la que define la constante de tiempo,
y nuevamente podemos decir que el comportamiento es asintóticamente estable si los
EN
polos se encuentran en el semiplano izquierdo del plano complejo y viceversa.

IO
C
C
|λ| =
RU
La distancia al origen de los polos será:
p p
Re(λ)2 + Im(λ)2 = (ξωn )2 + ωn2 (1 − ξ 2 ) = ωn
mientras que su argumento será:

Re(λ)
∠λ = cos−1 = cos−1 ξ
ST
|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
(radial) tendrán el mismo factor de amortiguamiento ξ
N
todos los polos que se encuentren sobre una misma lı́nea horizontal tendrán el
mismo perı́odo o frecuencia de oscilación.
todos los polos (reales o complejos conjugados) que se encuentren sobre una
O
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
todos los polos (reales o complejos conjugados) con parte real negativa corres-
ponderán a comportamientos exponencialmente estables y viceversa.
C
los polos complejos ubicados en el eje imaginario (imaginarios puros) correspon-

derán a oscilaciones no-amortiguadas
Dinámica de Orden Superior

Dado que cualquier función racional se puede descomponer en fracciones parciales, y
EN
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 modula-
ción exponencial de su amplitud.
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
IO
es inestable; aunque ello se deba a un solo autovalor.
1.3.4. Modos Naturales de Respuesta

Autovectores
C
Los autovalores λj ∈ C de una matriz A de n × n están asociados a autovectores
v j ∈ Cn que verifican la siguiente relación:
Av j = λj v j
C
Esto significa que aplicar la transformación lineal data por A · () a un autovector v j no
cambia su dirección; solo cambia su magnitud en un factor λj . En otras palabras, los v j
son las direcciones invariantes del operador A·.
Veremos que ası́ como los autovalores están asociados a la forma de la evolución
RU
temporal de la amplitud del vector de estado x, los autovectores definen su dirección
en el espacio de estados.
Coordenadas Modales
La elección de las variables para el vector de estados no es única. Esta elección lleva
implı́cita una elección 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
ST
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 obtener un nuevo
modelo lineal.
Aplicaremos al modelo lineal
ẋ = Ax + Bu
N
la siguiente transformación
x = Tz → z = T−1 x
Sustituyendo:
O
Tż = [AT] z + Bu
ż = T−1 AT z + T−1 B u

C
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
Los autovalores de la matriz dinámica son invariantes ante una transformación lineal T,
EN
es decir, los polinomios caracterı́sticos de A y Ā son iguales.

Podemos combinar los autovectores para formar una matriz a la que denominaremos
matriz modal.
Λ = [v 1 v 2 · · · v n ]
Una propiedad interesante de la matriz modal es que, si los autovalores son todos dis-
tintos, permite obtener una matriz diagonal con los mismos autovalores que la matriz
IO
original. Esto puede entenderse fácilmente si se tiene en cuenta que cualquier autovec-
tor 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:
C
[Av 1 |Av 2 | · · · |Av n ] = [λ1 v 1 |λ2 v 2 | · · · |λn v n ]
Sacando factor común:
 
λ1
C

.
 λ2 
A [v 1 |v 2 | · · · |v n ] = v 1 |v 2 | . . |v n 
 
.. 
 . 
λn
es decir: RU 

AΛ = Λ 


λ1
λ2
..
.





λn
Despejando:  
λ1
λ2
ST
 
Λ−1 AΛ = 
 
.. 
 . 
λn
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.
      
N
ż1  λ1 0 ··· 0  z1  b̄11 ··· b̄1m  

 u1 

   
 ż2  0 λ2 ··· 0   b̄21
 z2  ··· b̄2m 
   
..
= .  .. +  ..
   
.. .. .. .. .. ..  .
 .   ..
 . . . .  .
 . .  
um

  
   

żn 0 0 ··· λn zn b̄n1 ··· b̄nm
 
O
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
orden desacopladas:
C
ż1 = λ1 z1 + B̄1 u
ż2 = λ2 z2 + B̄2 u
..
.
EN
żn = λn zn + B̄n u

en donde B̄k son los vectores fila de la matriz B̄. La solución del caso no perturbado
(u = 0) para una coordenada modal es:
zj (t) = zj (0)eλj t
Y como la relación entre las variables de estado originales y estas variables modales es
IO
x = Λz = [v 1 v 2 · · · v n ] z vemos que:
   

 x1  
 z1  
 x2 
   z2 
 
.. = [v 1 v 2 · · · v n ] .

 . 
 
 ..  

  
 
xn zn
 
C
     

 v11  
 v21   
 vn1 

v12 v22  vn2 
 
   
   
= .. z1 + .. z2 + · · · + .. zn
 .   .  . 
C
    
 
     
v1n v2n vnn
     
Mientras que la evolución de cada coordenada modal es condicionada por un único

autovalor, las variables de estado originales tiene como solución:
RU xj (t) = v1j z2 (t) + v2j z2 (t) + · · · + vnj zn (t)
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
ST
Λ.
Consideremos una vez más el modelo linealizado para un péndulo no perturbado, to-
mando como estados el ángulo θ y la velocidad angular ω :

θ̇ 0 1 θ
=
ω̇ a1 a2 ω
N
en donde a1 es positivo en el caso inestable y viceversa, mientras que a2 es siempre

negativo.
O
Veamos el espacio de estados para caso inestable:

0 1 0,54
A= λ1 = 1,58, v 1 =
3,27 −0,5 0,84
C

−0,43
λ2 = −2,08, v 2 =
0,90
En la figura 1.14 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
los autovectores v 1 y v 2 .
EN

IO
C
C
Figura 1.14: Trayectorias para el caso con autovalores reales, uno positivo y otro negativo. Las lı́neas marcan la dirección de los
autovectores.
En el caso de matrices dinámicas con coeficientes reales, los autovalores y sus corres-
RU
pondientes autovectores serán números también reales o pares complejos conjugados.
Esto último significa que algunas coordenadas modales (o todas) podrı́an ser núme-
ros complejos; aunque ello no plantea una inconsistencia matemática, porque al aplicar
la transformación Λ sobre el vector de estado modal finalmente arroja solo funciones
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
ST
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 deno-
N
minada relación de Euler 6 :
zi (t) = r(t) + jg(t) = |zi (t)|ej∠zi (t) = |zi (t)| (cos ∠zi (t) + j sin ∠zi (t))
de lo cual:
O
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:
C
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 vec-
tor φ que resulta de los arcos tangente de los cocientes entre las componentes del vector
EN
6 La relación de Euler establece que para un número real θ : ejθ = cos θ + j sin θ

u y del w.
Por lo tanto, los módulos de cada componente del autovector indica el peso de la va-
riable modal en cada variable de estado, y sus argumentos dan el desfasaje entre cada
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.
IO
Volviendo al ejemplo del péndulo (subamortiguado) pero ahora para el caso estable,
tanto los autovalores como los autovectores son complejos conjugados. Por ejemplo:

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

−0,07 + j0,48
λ2 = −0,25 − j1,79, v 2 =
0,86
C
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 es-
pacio C2 .
RU
ST
N
O
Para los casos en donde se tienen autovalores complejos conjugados es posible realizar
una separación en modos naturales que contengan solo coeficientes reales transfor-
mando la matriz dinámica a una forma diagonal en bloques, en lugar de diagonalizarla
usando como transformación la matriz modal:
C
 
···
λ1 0 0
···
0
0 p q 0
 


0 −q p .. 0

Ã = 
. . 
. .. .. .. .. 
. . . .

. 
0 0 0 ··· λn
EN

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
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-
IO
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:
C

η̇1 0 1 η1
= (1.39)
η̇2 −ω 2 −2ξω η2
en donde ξω = −p y ω 2 = r2 + q 2 . Resulta evidente que η2 es la derivada de η1 , y que
C
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 C para llevar cualquier

RU
matriz arbitraria a la forma canónica controlable puede obtenerse mediante la siguiente
composición:
T = MW (1.40)
donde M se construye de la siguiente forma:
M = B | AB | A2 B | · · · | An−1 B

(1.41)
ST
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
an−2
 an−3 ··· 1 0 
W =  ... .. .. .. .. 
(1.42)

 . . . .
 a1 1 ··· 0 0
N
1 0 ··· 0 0
siendo ak los coeficientes del polinomio caracterı́stico de la matriz A:
|sI − A| = s2 + a1 sn−1 + +a2 sn−2 + · · · + an−1 s + an

O
(1.43)
Usando este método, una posible transformación para llevar el bloque de segundo orden
a la forma estándar serı́a:
C

−p 1
T= (1.44)
−q 0
EN

EN
C
O
N
ST
RU
C
C
IO
IO
2
C
C
Respuesta a Perturbaciones
RU
Funciones de Transferencia
ST
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
N
efectos observables.
Respecto del estado del proceso, en general lo observable son ciertas variables medidas,
a las cuales denominaremos variables de salida.
O
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)
Al igual que la ecuación de estados, esta expresión se puede linealizar. El modelo com-
EN
43
pleto linealizado resulta:
ẋ = Ax + Bu (2.1)
y = Cx + Du
IO
2.1.2. Matriz de Transferencia
Aplicando transformada de Laplace a las ecuaciones 2.1 podemos encontrar una rela-
ción 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)
C
Sustituyendo:
−1 −1
Y (s) = {C [sI − A] B + D}U (s) + C [sI − A] x(0) (2.2)
C
El término entre llaves es lo que se denomina matriz de transferencia, que relaciona el
efecto de las entradas sobre las salidas partiendo de condiciones iniciales nulas (equili-
brio):
RU G(s) = C [sI − A]
En sı́ntesis podemos decir que:
−1
B+D (2.3)
Y (s) = [CΦ(s)] x(0) + G(s)U (s)
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
ST
como elementos tenga el vector de entradas u (columnas de la matriz D).
  
 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
N
 
G11 (s) · · · G1m (s)
 .. .. ..
= .

. . 
Gl1(s) · · · Gln (s)
O
Es evidente que por superposición se puede agregar el efecto de las otras entradas
sobre una misma salida:
 
     U1 (s) 
Y1 (s) G11 (s) G12 (s) · · · G1m (s) 
C
 
 U2 (s)
   

..  .. .. .. ..
. = . . . .  ..
  . 

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

Función de Transferencia
Cada elemento Gij (s) es una función racional cuyo denominador es el polinomio carac-
terı́stico 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
IO
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
Uj (s) s + a1 sn−1 + · · · + an−1 s + an
Podemos pensar a la función de transferencia como el cociente de dos polinomios; pero
C
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
C
D(s) (s + p1 ) (s + p2 ) · · · (s + pn )
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
resultado nulo; y polos a las raı́ces del denominador −pk , que son sus valores singulares.
RU
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
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 =
ST
Y (s) = G(s) → y(t) = L −1 {G(s)} = g(t)
2.1.3. Diagramas en Bloques

Es posible obtener cualquier función de transferencia sin pasar por la ecuación de esta-
dos, aplicado transformada de Laplace directamente al modelo matemático linealizado
N
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.
Esta temática se halla extensamente desarrollada en [Oga93, sección 1-7: Diagramas
O
de Bloques, p. 46].
Análisis de Respuesta Transitoria

C
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
evoluciones temporales asociadas a estos eventos se pueden idealizar matemáticamen-
EN
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 de las restantes es 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.
IO
Por otra parte, teniendo en cuenta que la respuesta al impulso de un sistema dinámico
es la antitransformada de su función de transferencia; estas respuestas puede usarse
también como modelos de entrada para otros proceso dinámicos. Por ejemplo, una se-
noidal puede pensarse como la respuesta al impulso de un modelo de segundo orden
no amortiguado.
De hecho podemos afirmar que fı́sicamente las perturbaciones son en realidad las salida
C
de otros sistemas dinámicos.
Escalón Unitario
C
Una forma muy generalizada de evaluar las caracterı́sticas de un proceso dinámico es la
de computar valores que parametricen la respuesta a una perturbación de tipo escalón.

1 si t = 0 1
si u(t) = 1(t) , 1(t) = , → U (s) =
RU 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.
Nuestro interés reside en esta función describe perturbaciones fáciles de generar expe-
rimentalmente; y produce un desequilibrio teóricamente instantáneo en t = 0, poniendo
en evidencia la respuesta del sistema de forma limpia.
Esto podrı́a lograrse también con un impulso, pero fı́sicamente aproximar una perturba-
ción impulsiva puede ser poco conveniente; dado que un impulso de poca amplitud en
ST
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.
2.2.2. Respuesta al Escalón en Estado Estacionario

y Ganancia (a frecuencia 0)
N
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
de convergencia de una función escalar la siguiente relación:
O
yss = lı́m y(t) = lı́m s Y (s) , Y (s) = L {y(f )} (2.4)

t→∞ s→0
Para una entrada escalón unitario:

C

1 si t ≥ 0 1
u(t) = , → U (s) =
0 si t < 0 s
se tendrá la siguiente función de salida:
1
EN
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
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,
IO
o simplemente ganancia.
Podemos afirmar que una función de transferencia queda completamente definida me-
diante 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
ninguna incidencia en la forma de la evolución temporal de la salida.
C
2.2.3. Respuesta Transitoria
La respuesta transitoria se puede analizar mediante una descomposición en fracciones
C
parciales en el dominio de la variable compleja s:

r1 r2 rn
Y (s) = G(s)U (s) = + + ··· + U (s)
s + p1 s + p2 s + pn
RU
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 .
ST
Por ejemplo:
10 10/9 10/9 1
= − ≈ (2.5)
(s + 1)(s + 10) s + 1 s + 10 s+1
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
N
dominante (G1).
Por lo tanto, salvo en el caso de cancelaciones (parciales o totales), las fracciones aso-
O
ciadas a los polos más próximos al origen (y por lo tanto más lentos) tendrán una ga-
nancia relativa mayor, y resultarán dominantes en la respuesta transitoria.
Parametrización de la Respuesta Transitoria al Escalón

En la siguiente figura 2.2 se indican los parámetros utilizados normalmente para carac-
C
terizar una respuesta transitoria, donde hemos seguido lo definido en [Oga93, p. 284]:
Tiempo de Establecimiento tss Una función exponencial alcanza su valor final (o de-
rivada 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 de
EN
tolerancia. Normalmente se considera un ±2 %.

IO
C
C
Figura 2.1: Respuesta al escalón de los diferentes términos de la (2.5)
RU
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
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
ST
de un sistema cuando hay retardos, o en casos donde inicialmente la respuesta crece
rápidamente pero luego tarda mucho en alcanzar el valor final.
Sobrepaso Mp y Tiempo de Pico tp Muchas respuestas transitorias muestran sobre-

paso (respecto de su valor final).
Retardo de Transporte τ Existen procesos dinámicos en los cuales la entrada no tiene

N
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:
O
L {y(t − τ )} = e−τ s L {y(t)} (2.6)
Tiempo para Duplicar la Amplitud En dinámicas inestables no es posible determinar

C
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
EN
y(t) = eat

IO
C
C
Figura 2.2: Parámetros de respuesta transitoria al escalón
Por lo tanto, luego de un tiempo T2 se tendrá el doble de amplitud si se cumple que

RU y(t + T2 ) = ea(t+T2 ) = 2eat
Tomando logaritmos a ambos lados
ln ea(t+T2 ) = ln 2eat → a(t + T2 ) = ln 2 + at
1
T2 = ln 2 (2.7)
ST
a
en donde a = 1/T es la parte real del polo o par complejo conjugado inestable.
Respuesta al Escalón de Primer Orden

Para un sistema de primer orden el único parámetro es la constante de tiempo T , que
es la inversa de la distancia a la cual se encuentra el polo respecto del origen:
N
a 1
G(s) = = (2.8)
s+a Ts + 1
La respuesta al escalón resulta:
O
y(t) = 1 − e−at = 1 − e−t/T (2.9)
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
C
y(4T ) = 1 − e−4 = 0,9817.

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 .
EN

IO
C
C
Figura 2.3: respuesta temporal de segundo orden al escalón con ξωn = 1.
RU
Respuesta al Escalón de Segundo Orden
En el caso de polos complejos conjugados consideramos la función de transferencia es
la presentada en la ecuación (1.36):
ωn2
G(s) = (2.10)
s2 + 2ξωn s + ωn2
ST
La respuesta al escalón unitario es directamente la integral de (1.37) (ver figura 2.3):
1
φ(t) = 1 − p · e−ξωn t · sin (ωd t + φ) (2.11)
1 − ξ2
p
p
−1 1 − ξ2
ωd = 1− ξ 2 ωn , φ = tan (2.12)
ξ
N
A partir de esta expresión podemos computar los parámetros de respuesta transitoria

(ver [Oga93, p. 286]):
π−β
O
tc = , β = cos−1 ξ
ωd
π
tp =
ωd
ξ
−√ π
C
Mp = e 1−ξ2
1
ts ≈ 4T , T =
ξωn
Aunque con bajo amortiguamiento el perı́odo de la oscilación (y con ello ωd ) puede de-
terminarse fácilmente midiendo el tiempo entre dos cruces consecutivos del valor final en
EN
un mismo sentido, la determinación del factor de amortiguamiento no parece tan obvia.

Sin embargo, si y1 e y2 son las amplitudes de dos picos consecutivos y τ es el perı́odo,
se encuentra que:
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
donde los senos se cancelan porque estamos considerando picos (sin(·) = 1). Llama-
IO
mos 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 .
C
2.2.4. Ceros de La Función de Transferencia
A diferencia de los polos, que asociamos a modos naturales de respuesta que dependen
C
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

RU
transferencia Gij (s) = Yi (s)/Uj (s) tienen factores comunes, existen polos y ceros que
pueden cancelarse mutuamente.
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
modelo lineal) los modos de torsión no se ven en la relación entre tensión y deformación
a flexión y viceversa.
ST
Matemáticamente esto se observa en un desarrollo en fracciones parciales de la función
de transferencia, en donde el residuo para la fracción del factor común entre numerador
y denominador se anula.
Por ejemplo:
10s + 20 10(s + 2) 10/9 0 10/9

= = + −
N
s3 + 13s2 + 32s + 20 (s + 1)(s + 2)(s + 10) s + 1 s + 2 s + 10
que es lo mismo que se obtuvo en la ecuación (2.5) del ejemplo precedente. Esto es
obvio, dado que si eliminamos los términos comunes obtenemos la misma función de
O
transferencia.
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.
C
Por ejemplo:
10s + 19 10(s + 1,9) 1 0,125 1,125
= = + −
s3 2
+ 13s + 32s + 20 (s + 1)(s + 2)(s + 10) s+1 s+2 s + 10
EN

IO
C
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
C
del origen
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
RU
numerador B(s) = as + b con un cero en z = −b/a:
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.
ST
La respuesta y(t) a una entrada u(t) arbitraria será:

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
Entonces, la respuesta con el cero se puede pensar como la superposición de la res-

puesta sin el cero, con la derivada de esta multiplicada por la constante de tiempo.
N
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
de tiempo, que aumenta cuando el cero se acerca al origen.
O
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.
C
EN

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
IO
entre ambas y la transformada de Laplace de la entrada X(s):
y(t) = L −1 {Y (s)} , Y (s) = G(s)X(s)
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
C
G(s) = = n
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:
RU X(s) =
N (s)
D(s)
=
N (s)
(s + q1 ) · · · (s + qm )
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).
Anti transformando Y (s) en la ecuación 2.3.1 obtenemos la respuesta y(t) a la entrada
x(t):
N
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 (2.13)
Si el sistema es asintóticamente estable, la parte real de todos los polos −pk será nega-
O
tiva, y por lo tanto las exponenciales correspondientes en la ecuación 2.13 decaerán en

el tiempo. Por lo tanto, en régimen o estado estacionario:
yss = lı́m y(t) = h1 e−q1 t + · · · + rm e−qm t (2.14)
t→∞
C
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
EN
continuación se analiza el caso de la respuesta a una entrada senoidal.

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.
IO
Para una función de entrada senoidal x(t) = A sin ωt con amplitud A y frecuencia angu-
lar ω , la transformada de Laplace es:
Aω 2 Aω 2
L {x(t)} = X(s) = =
s2 + ω 2 (s + jω) (s − jω)
C
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
Y (s) =
RU + + ··· + + + (2.15)
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
formarán un par complejo conjugado.
La respuesta en régimen estacionario dada por (2.14) en este caso resulta:
yss = lı́m y(t) = rω ejωt + r̄ω e−jωt (2.16)

t→∞
ST
Para calcular el residuo correspondiente a un polo pk de una función racional F (s) usa-
mos la siguiente expresión:
rk = lı́m F (s) · (s − pk )
s → pk
Por lo tanto, para el residuo rω correspondiente al polo jω se tiene que:

N
Aω 2
rω = lı́m Y (s) · (s − jω) = lı́m G(s) · (s − jω)
s → jω s → jω (s + jω) (s − jω)
con lo cual:
O
ω ω
rω = AG(jω) , r̄ω = −AG(−jω)
2j 2j
Cualquier número complejo puede expresarse en forma exponencial en función de su

C
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)
EN

Sustituyendo en 2.16:
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
IO
A h j[ωt+∠G(jω)] i
= |G(jω)| e − e−j[ωt+∠G(jω)]
2j
y teniendo en cuenta la relación de Euler:
ejθ = cos θ + j sin θ
C
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)
Por lo tanto:
Simplificando:
RU
yss = |G(jω)|
A
2j
· [2j sin {ωt + ∠G(jω)}]
yss = B sin (ωt + φ) , B = |G(jω)| A , φ = ∠G(jω)
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
ST
atenuada en un factor |G(jω)| y desfasada un ángulo ∠G(jω).
N
O
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
C
senoidales; vemos que claramente que ambos dependen de la frecuencia de la senoidal

de entrada.
2.3.3. Diagramas de Bode

Existen diferentes formas de representar gráficamente la respuesta en frecuencia. Sien-
EN
do la propuesta por Bode la más usada.

Ante todo debe notarse que la respuesta en frecuencia es algo que no puede obser-
varse 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, es-
perar un tiempo mayor al de establecimiento para alcanzar, y medir la relación de ampli-
tudes y desfazajes entre la respuesta y la entrada.
IO
De todos los ensayos para los diversos valores ωk se obtendrá una tabla de la forma:
frecuencia ganancia fase

ω1 ··· ···
ω2 ··· ···
.. .. ..
C
. . .
ωk ··· ···
.. .. ..
. . .
C
Podemos realizar dos gráficos cartesianos tomando como abscisas la columna de fre-
cuencia y como ordenadas la ganancia y la fase respectivamente.
Escala logarı́tmica Existen diversas razones en diferentes contextos para utilizar es-
RU
calas 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.
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).
ST
N
En música la nota LA es por definición una senoidal con frecuencia 440Hz . Sin em-
bargo, 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
55(LA1 ), 110(LA2 ), 220(LA3 ), 440(LA4 ), 880(LA5 ) y 1760Hz(LA6 ).
O
Esto es ası́ porque cada vez que duplicamos la frecuencia, la percepción humana reco-
noce la misma nota musical.
Al factor 2 se lo denomina octava, mientras que al factor 10 se lo denomina década.

C
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
EN

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.
IO
Tratándose de un sistema mecánico, el modelo dinámico mas simple para esta dinámica
serı́a uno lineal de segundo orden:
a0
G(s) = k
s2 + a1 s + a0
donde k es la ganancia a frecuencia cero. Reemplazando s = jω obtenemos la función
C
de respuesta en frecuencia:
a0 1
G(jω) = k = k
j 2 ω 2 + ja1 ω + a0 ω2

ω
C
1− + ja1
a0 a0
Multiplicando por el complejo conjugado del denominador podemos separar la parte real
de la imaginaria:
G(jω) = k
RU
ω2
1−
ω2
a0
2
ω
2 − jk
ω2
a1
ω
a0
2
ω
2
1− + a1 1− + a1
a0 a0 a0 a0
En el caso sub-amortiguado es conveniente usar la forma estándar:

ST
ωn2
G(s) = k
s2 + 2ζωn s + ωn2
siendo |ζ| ≤ 1. La respuesta en frecuencia queda:
ω2 ω
1− 2 2ζ
ωn ωn
G(jω) = k 2 − jk
N
2 2 2
ω2 ω ω2 ω
1− 2 − 2ζ 1− 2 − 2ζ
ωn ωn ωn ωn
De esto podemos obtener el módulo y la fase en función de la frecuencia:

O
1
|G(ω)| = k q
2 2
(1 − ω̄ 2 ) + (2ζ ω̄)

−1 ω̄
∠G(ω) = tg 2ζ
C
1 − ω̄ 2
en donde se usó la sustitución ω/ωn = ω̄ .

De esta expresión puede observarse lo siguiente:
la ganancia a frecuencia cero k no afecta la fase

EN

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
un desplazamiento lateral de la gráfica de ganancias y fases.
IO
C
C
RU
Decibeles Dado que la ganancia establece una relación entre amplitudes de entrada y
de salida, resulta común utilizar una escala logarı́tmica también para el eje de ganancia.
ST
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
a partir de su valor en decibeles aplicamos el operador {g} = 10({db}/20) .
decibeles ganancia
−40db 1/100
−20db 1/10
N
−6db ≈ 0,5√
−3db ≈ 1/ 2
0db 1 √
3db ≈ 2
O
6db ≈2
20db 10
40db 100
C
Puede notarse que los valores positivos en decibeles implican amplificación, mientras
que los valores negativos correspondientes implican atenuación en la misma proporción
(20 · log 1/g = −20 · log g ).
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).
EN

IO
C
C
Figura 2.5
En muchos casos se usan los decibeles para representar cantidades absolutas. En esos
RU
casos se calcula el decibel sobre la relación entre el valor a representar y un valor de
referencia estandarizado.
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
ST
de tensión eléctrica tomando como referencia 1mV .
Aproximación de los Diagramas de Bode La mecánica para la construcción aproxi-

mada de diagramas de Bode para funciones complejas se halla extensamente desarro-
llada en [Oga93, sección 6-2: Diagramas de Bode, p. 462].
N
2.3.4. Caracterización de la Respuesta en Frecuencia

Frecuencia de Paso, Frecuencia de Corte y Ancho de Banda
En la figura 2.5 se muestran las definiciones de frecuencia de paso, frecuencia de corte y
O
ancho de banda. Para ello √ se evalúan las frecuencias en donde la ganancia es aproxima-
damente 3db menor (1/ 2) a la ganancia media de la zona ”amesetada”. Esto 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 diferencia
entre ambas frecuencias define el ancho de banda.
C
En filtros pasa-bajos la frecuencia de paso es cero, mientras que en filtros pasa-altos la

frecuencia de corte es nula.
Resonancias
Los sistemas con modos naturales oscilatorios poco amortiguados presentan picos en
EN
las curvas de ganancia de su respuesta en frecuencia, como se observa en el caso de

la figura 2.5 alrededor de los 10s−1 .
La amplitud de esos picos tienen una relación inversa con el amortiguamiento de esos
modos. Para un modelo de segundo orden:
ωn2
G(s) =
s2 + 2ζωn s + ωn2
IO
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 (2.17)
C
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:
C
p
ωr = ωn 1 − 2ζ 2 (2.18)
y la magnitud de este máximo o pico resonante resulta ser:

RU Mr =
2ζ
p
1
1 − 2ζ 2
(2.19)
El factor de amortiguamiento es igual al coseno del ángulo entre los polos y el semieje
real negativo del plano s: ζ = cos β . Por lo tanto puede notarse que:
1 p
Mr = , ωr = ωn cos 2β (2.20)
ST
sin 2β
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 resonan-
tes incluye modos naturales poco amortiguados. Cada pico resonante implicará un par
N
complejo conjugado poco amortiguado en la dinámica del sistema.
Análisis Espectral
O
2.4.1. Señales Periódicas

Serie de Fourier
C
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)] (2.21)
EN
2 n=1

IO
C
C
RU
Figura 2.6: Descomposición en serie de Fourier de una onda cuadrada truncada en el séptimo armónico
donde ω0 el la frecuencia de la señal periódica y(t), que da la frecuencia base para la

descomposición armónica. El ejemplo clásico es el de la onda cuadrada, cuya descom-
posición de Fourier es:

4 1 1
y(t) = sin(ω0 t) + sin(3ω0 t) + sin(5ω0 t) + · · · (2.22)
π 3 5
ST
En la 2.6 se muestra esta descomposición truncada en el séptimo armónico.
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).
N
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
producto escalar se define como:
O
Z b
p= f (t) · g(t) dt (2.23)
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
C
medida de “similitud” entre ambos.
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
EN
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 (2.24)
T −T /2
Z T /2
2
an = y(t) cos (nω0 t) dt (2.25)
IO
T −T /2
Z T /2
2
bn = y(t) sin (nω0 t) dt
T −T /2
El coeficiente a0 es el valor medio de la señal, que puede analizarse por separado y por
C
lo tanto en lo sucesivo lo consideraremos nulo.
Las funciones seno y coseno pueden combinarse en una misma senoidal desfasada:
∞
C
X
y(t) = rn sin (nω0 t + φn )
n=1
donde
p bn
RU rn = a2n + b2n , φn = tan−1 −
an
Todo esto puede expresarse de forma mas compacta utilizando números complejos.
Teniendo en cuenta la relación de Euler:
ejφ = cos φ + j sin φ (2.26)
se puede realizar la siguiente sustitución:

ST
1 jφ 1 jφ
e − e−jφ e − e−jφ

cos φ = , sin φ = (2.27)
2 2j
y con esto se pueden combinar los senos y cosenos de una misma frecuencia en una
única exponencial compleja. La expresión compleja para la serie de Fourier es:
∞
X
y(t) = cn ejnω0 t (2.28)
N
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).
Los coeficientes cn ahora son números complejos que incluye tanto el módulo dado por
O
rn como el ángulo de fase φn ; y se obtienen del producto escalar entre la señal periódica
y la exponencial completa correspondiente:
Z T /2
1
y(t) e−jnωt dt
C
cn = (2.29)
T −T /2
Se puede demostrar que:
rn −jφn 1
cn = e = (an − jbn )
2 2
EN

Identidad de Parseval
Para cualquier señal podemos definir “energı́a” (en sentido matemático) en un intervalo
[a, b] como:
Z b
E= y 2 (t)dt (2.30)
a
IO
Podemos calcular la “potencia media” de una señal periódica mediante su descomposi-
ción en serie de Fourier:
∞ ∞
" #" #
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 n=−∞ m=−∞
C
∞ ∞ 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:
C
Z T /2 ∞
1 X 2
y 2 (t)dt = |cn | (2.31)
T −T /2 n=1
Espectro de Lı́neas
RU
De la 2.31 puede interpretarse que la energı́a total de la señal se distribuye en las diferen-
tes armónicas según la magnitud de sus coeficientes. Podemos graficar esta distribución
de energı́a en función de la frecuencia mediante un espectro de lı́neas.
En telefonı́a se utilizan señales acústicas compuestas de dos armónicas (tonos) con

ST
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
770 Hz 4 5 6 B
852 Hz 7 8 9 C
N
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.
O
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 (2.32)
2π 2π 2π
C
En la siguiente figura se observa la señal resultante:

EN

IO
C
En la próxima figura se observa el espectro de lı́neas de esta señal:
C
RU
ST
De este análisis espectral pueden identificarse claramente las armónicas constituyentes

y sus energı́as.
N
2.4.2. Transformada de Fourier

En la banda definida entre cero y una cierta frecuencia ωmax la cantidad de lı́neas es-
O
pectrales 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.
C
Podemos considerar que una señal no-periódica equivale a una señal periódica con
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 →∞ T →∞ T −T /2
EN
n=−∞ n=−∞

en donde ω = nω0 . Y como:
∞ Z ∞
1 ω 1 1 X 1 1
= → 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 (2.33)
2π −∞ −∞
El término entre corchetes define la Transformada de Fourier de la señal y(t):

Z ∞
C
Y (ω) = F {y(t)} = y(t)ejωt dt (2.34)
−∞
Debe remarcarse que para que una función f : R → R tenga transformada de Fourier,
esta debe ser integrable en el eje real; y que su transformada es una función compleja:
C
F : R → C.
Esta transformada existe solo si la función y(t) se extingue para |t| → ∞.
Resulta obvio que la expresión 2.33 e la operación que permite recuperar la señal original
RU
a partir de su transformada, y por lo tanto constituye la transformada inversa de Fourier :
y(t) = F −1 {Y (ω)} =
1
2π
Z
−∞
∞
Y (ω)e−jωt dω (2.35)
Puede notarse que la transformada de Fourier es un caso particular de la transforma-

da Laplace dada por (1.30), en la cual se sustituye el exponente complejo s por uno
imaginario puro jω .
ST
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 :
Z ∞
Y (f ) = F {y(t)} = y(t)ej2πf t dt (2.36)
−∞
Z ∞
y(t) = F −1 {Y (f )} = Y (f )e−j2πf t df (2.37)
N
−∞
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.
O
Finalmente mencionemos que al igual que la serie de Fourier, esta la transformada tam-
bién se puede aplicar a funciones vectoriales o matriciales.
C
Relación de Parseval
En la sección 2.4.1 se determinó la relación entre potencia media de una función pe-
riódica 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 (f )} dt =
EN
y (t)dt = y(t)F y(t) Y (f )e df dt (2.38)

−∞ −∞ −∞ −∞

Como las integrales son conmutativas:
Z ∞ Z ∞ Z ∞ Z ∞
y 2 (t)dt = Y (f ) y(t)ej2πf t df df = Y (f )Y ∗ (f )df (2.39)
−∞ −∞ −∞ −∞
donde Y ∗ (f ) es el complejo conjugado de Y (f ) (notar el signo de la exponencial). Por
IO
lo tanto:
Z ∞ Z ∞ Z ∞
2 1 2
y 2 (t)dt = |Y (f )| df = |Y (ω)| dω (2.40)
−∞ −∞ 2π −∞
Se deduce entonces que el área bajo la curva |Y (f )|2 es la energı́a de la señal; que
estará definida solo si la función se extingue cuando |t| → ∞. De no ser ası́ el resultado
C
serı́a ∞, pero de todas formas por lo dicho anteriormente su transformada no estarı́a
definida.
C
Señales Aleatorias
2.5.1. Análisis Estático
RU
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 determi-
nado número al arrojar un dado no cargado es 1/6. Este tipo de situaciones es 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 posibles
dentro de cualquier intervalo es necesariamente nula. Pero en estos casos podemos
ST
asignar una probabilidad concreta de ocurrencia a un intervalo de valores. Esta proba-
bilidad resultará de la integral de la función de densidad de probabilidad en el 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 cen-
tral, el cual establece que si Sn es la suma de n variables aleatorias independientes y
de varianza no nula pero finita, entonces la función de distribución de Sn tiende a una
N
distribución normal.
La distribución de Gauss queda definida por dos parámetros, el valor medio x̄ y la des-
viación standard σ :
2
1 (x − x̄)
O
f (x) = √ e− (2.41)
σ 2π 2σ 2
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
C
densidad. Z x
F (x) = f (x)dx (2.42)
−∞
En el caso de la distribución normal:

x − x̄
EN
F (x) = Φ (2.43)
σ

donde
1 x
Φ(x) = 1 + erf √ (2.44)
2 2
siendo erf la función de error dada por:
Z x
2 2
erf (x) = √ e−t dt (2.45)
IO
π 0
Momentos Estadı́sticos
valor medio Es el valor esperado de una muestra:
x̄ = E {x} (2.46)
C
varianza El sesgo es el valor esperado de la variación entre una muestra y el valor
medio elevado al cubo:
n o
2
var = E (x − x̄) (2.47)
C
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
RU
medio elevado al cubo:
n o
3
sesgo = E (x − x̄) (2.48)
Un valor positivo indica una distribución inclinada hacia la derecha respecto de su valor
medio y viceversa. Para la distribución normal el sesgo es nulo.
aplanamiento El aplanamiento o kurtosis está definido como:

ST
n o
3
kurtosis = E (x − x̄) (2.49)
Para la distribución normal se obtiene un valor de 3. Un valor mayor a 3 indica una

distribución más aplanada que la normal y viceversa.
covarianza La covarianza es el valor esperado de la desviación simultánea de dos

N
variables aleatorias respecto de sus valores medios:

cov(x, y) = E {(x − x̄) (y − ȳ)} = E {x · y} − x̄ȳ (2.50)
Cuando las variables son vectores de media nula:
O
cov(x, y) = E x y T

(2.51)
lo cual da como resultado una matriz simétrica. En el caso de un único vector, la varianza
es la matriz de covarianza dada por:
C
cov(x) = E x xT

(2.52)
en donde los elementos de la diagonal se corresponden a las varianzas de cada compo-
nente del vector.
Si no hay relación estadı́stica entre las diferentes componentes del vector, los elementos
no diagonales serán nulos. Es fácil por lo tanto intuir el significado de los autovalores y
EN
autovectores de dicha matriz.

Procesos Estacionarios y procesos Ergódicos
Un proceso estocástico es estacionario si sus propiedades estadı́sticas no dependen del
tiempo.
Un proceso estocástico es ergódico si sus propiedades estadı́sticas pueden obtenerse

analizando un conjunto de muestras de una única realización de dicho proceso.
IO
histograma Si el proceso estocástico es ergódico, para determinar la función de den-
sidad de probabilidad para una variable aleatoria a partir de un muestreo podemos cons-
truir un histograma.
C
2.5.2. Análisis Dinámico
Función de Correlación
La función de correlación entre dos variables aleatorias es el valor esperado del producto
C
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 :
Rxy (τ ) = E {x(t) · y(t + τ )} (2.53)

RU
Si el proceso es ergódico:
Rxy (τ ) = lı́m
1
T →∞ T
Z T /2
−T /2
x(t)y(t + τ )dt (2.54)
Autocorrelación La función de autocorrelación es la función de correlación de una

señal con sı́ misma:
ST
Z T /2
1
R(τ ) = lı́m x(t)x(t + τ )dt (2.55)
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.
Distribución Espectral de Potencia

N
Para un proceso ergódico con valor medio nulo:

Z T /2
1
var = lı́m y 2 (t)dt (2.56)
T →∞ T −T /2
O
Usando la identidad de Parseval:

Z ∞
1 1
var = lı́m Y (ω)Y ∗ (ω)dω (2.57)
2π −∞ T →∞ T
C
Llamamos función de densidad espectral de potencia al núcleo de esta integral:

1 1
S(ω) = lı́m Y (ω)Y ∗ (ω) = lı́m |Y (ω)|2 (2.58)
T →∞ T T →∞ T
con lo cual Z ∞
1
EN
var = S(ω)dω (2.59)

2π −∞

Densidad Espectral y Autocorrelación
Existe una relación biunı́voca entre las funciones de densidad espectral Y (ω) y autoco-
rrelación R(τ ) de un proceso estocástico:
Z T /2
1
R(τ ) = lı́m y(t)y(t + τ )dt
IO
T →∞ T −T /2
Z ∞
1 T /2
Z
1
= lı́m y(t) Y (ω)ejω(t+τ ) dω dt
T →∞ T −T /2 2π −∞
Z ∞ Z ∞
1 1
= lı́m y(t)ejωt dt Y (ω)ejωτ dω
2π −∞ T →∞ T −∞
C
Z ∞
1 1 ∗
= lı́m Y (ω)Y (ω)ejωτ dω
2π −∞ T →∞ T
Teniendo en cuenta el Teorema de Parseval (ec. 2.40):
C
Z ∞
R(τ ) = S(ω)ejωτ dω = F −1 {Y (ω)} (2.60)
−∞
RU
Observamos que la función de autocorrelación es la transformada inversa de Fourier de
la función de densidad espectral de potencia, y por lo tanto:
S(ω) =
1
Z ∞
R(τ )e−jωτ dω = F {R(τ )} (2.61)
2π −∞
Estas últimas dos ecuaciones se denominan ecuaciones Wiener-Khintchine.

ST
Procesamiento Digital de Señales

Desde el punto de vista práctico, las señales se procesan mediante computadores digi-
tales operando sobre ”muestreos” de las mismas.
2.6.1. Muestreo
N
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:
y ∗ = {y0 , y1 , y2 , · · · yN } , y ∗ (n) = y(n · ts) (2.62)

O
en donde n es un tiempo discreto adimensional y N es el tamaño del muestreo.

La señal muestreada y ∗ con tiempo uniforme se puede expresar en el dominio del tiempo
real como:
C
∞
X ∞
X
y ∗ (t) = y(t)δ(t − n · ts) = y(n · ts)δ(t − n · ts) (2.63)
n=0 n=0
Aunque el muestreo retiene información de la señal muestreada solo en los instantes

n·ts, esta es suficiente para reconstruir la señal original de forma completa si se cumplen
EN
con el teorema del muestreo.

Teorema del Muestreo o de Nyquist/Shannon
Si la señal a muestrear es una senoidal, el muestreo será de la forma:

2π
y ∗ (n) = sin (ω · n · ts) = sin ω · n · (2.64)
ωs
IO
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) (2.65)
C
Queda claro que todas las senoidales cuyas frecuencias den el mismo resto tendrán el
mismo muestreo. La condición para poder reconstruir de forma exacta una senoidal a
partir de su muestreo es que se cumpla la condición:
C
ωs
ωnq = >ω (2.66)
2
SI no se respeta esta relación, no será posible discriminar entre una senoidal de baja
RU
frecuencia respecto de sus ”alias” con frecuencias superiores en una cantidad entera de
la frecuencia de Nyquist; problema denominado comúnmente como aliasing.
Si la señal a muestrear no es senoidal, deberá elegirse una frecuencia de Nyquist supe-

rior a la frecuencia en donde la densidad espectral resulta despreciable (en general unas
5 o 10 veces su ancho de banda).
Transformada Discreta de Fourier

ST
La transformada de Fourier también se puede definir para funciones de tiempo discreto:
N −1
n
X
Yk = yn e−j2π N k (2.67)
n=0
La transformada inversa queda definida por la siguiente expresión:

N
N −1
1 X k
yn = Yk ej2π N n (2.68)
N
k=0
O
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
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
C
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
X 1 X
|xn |2 = |Xk |2 (2.69)
EN
n=0
N
k=0

De esto resulta que:
N −1 N −1
1 X 1 X
var = |xn |2 = 2 |Xk |2 (2.70)
N n=0 N
k=0
IO
Para expresar la densidad espectral en unidades de ingenierı́a hay que aplicar los facto-
res de conversión para llevar las frecuencias adimensionales a valores reales:
1 fs
Φ(fk ) = |Xk |2 , fk = k (2.71)
N · fs N
Procedimiento de Welch para Señales Aleatorias
C
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 procedimien-
to consiste en dividir este muestreo en bloques de N muestras, obtener la transformada
C
de Fourier discreta de cada uno de ellos y promediar estos resultados.
Estos bloques pueden obtenerse particionando un único muestreo, o utilizando mues-
treos diferentes del mismo proceso.
RU
ST
N
O
C
EN

EN
C
O
N
ST
RU
C
C
IO
IO
3
C
C
Modelado de Sistemas Mecánicos
RU
Modelos de Parámetros Concentrados
ST
3.1.1. Ecuación de Movimiento

Frecuentemente encontramos problemas en los cuales elementos “rı́gidos” se conectan
entre sı́ a través de vı́nculos elásticos y/o amortiguadores. Los elementos rı́gidos con-
centran las propiedades másicas, mientras que los vı́nculos proveen rigidez y disipación.
También es frecuente encontrar modelos de este tipo como aproximación de estructuras
N
con parámetros distribuidos (ver [Mei97, capı́tulo 8: Approximate Methods for Distributed-
Parameter Systems, p. 501])
Estos elementos rı́gidos se caracterizan por sus propiedades másicas (masa y memen-
tos de inercia) y su estado queda definido por sus desplazamientos r (incluyendo giros)
y las velocidades ṙ correspondientes.
O
Sumando esto a las propiedades de los elementos disipativos y elásticos de los vı́nculos
que los conectan se definen las caracterı́sticas del sistema mecánico.
Con esto podemos obtener las ecuaciones de movimiento mediante las formulaciones de
Newton-Euler, Lagrange o Hamilton (ver [Kel12, capı́tulo 7: Modeling of MDOF Systems,
C
p. 459] o [Rao11, capı́tulo 6: Multidegree-of-Freedom Systems, p. 553]).

EN
73
Formulación de Euler
Para cada elemento inercial se puede plantear una ecuación de conservación de mo-
mento (lineal o angular):
X X
mi r̈i = hij + fik (3.1)
IO
j k
donde se incluyen acciones externas fik aplicadas al elemento mi . Las fuerzas o mo-
mentos hij de los vı́nculos dependerán del desplazamiento del elemento mi y de los
correspondientes a los elementos mj vinculados mediante elásticos kj y amortiguado-
res bj (lineales o torsionales).
C
hij = kj (ri − rj ) + bj (ṙi − ṙj ) (3.2)
El modelo serı́a de la forma:
C
X
mi r̈i + kij (rj − ri ) + bij (ṙj − ṙi ) = fik (3.3)
k
RU
Consideremos como ejemplo el caso del análisis de cabeceo y desplazamiento vertical
de un automóvil. El modelo conceptual está representado en la figura 3.1, en el cual se
definen cuatro grados de libertad: giro y desplazamiento vertical de la carrocerı́a, y de
las dos ruedas.
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

ST
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
N
O
C
Figura 3.1: Modelo conceptual de 2GL para la suspensión de un automóvil

EN

en donde los j representan las deformaciones de cada elemento elástico (considerando
positivo el estiramiento y negativa la compresión):
1 = zc − zf − l1 θ
2 = zc − zr + l2 θ
IO
3 = zf − hf
4 = zr − hr
C
Coordenadas generalizadas Para que la realización de este modelo sea mı́nima es
necesario encontrar un conjunto de desplazamientos que definan de forma unı́voca su
configuración geométrica en un determinado instante de tiempo.
Este conjunto de coordenadas será mı́nimo. Su dimensión será igual a la cantidad de
C
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.
RU
En muchos casos los desplazamientos geométricos rj pueden usarse como coordena-
das generalizadas (ver fig.3.2), pero en el caso general serán funciones de las coorde-
nadas generalizadas rj = Rj (q1 , q2 , · · · , qN ).
En otras palabras, las coordenadas generalizadas no necesitan ser desplazamientos
geométricos.
Linealizando podremos sustituir:

ST
N
X
ri = cij qj (3.4)
j=1
N
O
C
Figura 3.2
EN

Esta transformación lineal del vector de desplazamientos también se puede expresar de
forma matricial:
r = Cq (3.5)
Con esto, la ecuación de conservación para cada desplazamiento ri en términos de
coordenadas generalizadas tendrá la forma:
IO
N
X N
X N
X
mij q̈i + kij (qj − qi ) + bij (q̇j − q̇i ) = fi (3.6)
j=1 j=1 j=1
Formulación de Lagrange
C
Es posible obtener las ecuaciones dinámicas para un sistema mecánico utilizando la
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 =
C
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).
RU
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.
ST
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
coordenada generalizada qi :
δ W̄ = Qi · δqi
en donde los δqi son desplazamientos virtuales, es decir, desplazamientos infinitesima-

les compatibles con las condiciones de borde. Las contribuciones serán positivas para
N
aquellas fuerzas en la misma dirección que el desplazamiento y viceversa.
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).
O
Para un modelo de parámetros concentrados se tendrá para la energı́a cinética:
1X
C
T = mi ṙi2
2 i
en donde ri corresponde con el desplazamiento del elemento i y mi es la inercia corres-

pondiente a este desplazamiento ri (ya sea que se trate de movimiento lineal o giro).
EN

Si estas masas se vinculan mediante con elementos elásticos lineales se tendrá para la
energı́a potencial elástica que
1 XX 2
V = kij (ri − rj )
2 i j
IO
donde kij es rigidez del elemento elástico que vincula el desplazamiento ri con el rj
(que será nulo si tal vı́nculo no existe).
Con esto el lagrangiano resulta:

1X 1 XX 2
L=T −V = mi ṙi2 − kij (ri − rj )
2 i 2 i j
C
Y si tomamos los desplazamientos como coordenadas generalizadas:
∂L ∂L X
= mi q̇i , = kij (qi − qj )
∂ q̇i ∂qi
C
j
Reemplazando en la ecuación 3.7:

X
mi q̈i + kij (qi − qj ) = fi (3.8)
RU j
siendo fi el trabajo realizado por las fuerzas no conservativas ante un desplazamiento

infinitesimal δqi .
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:
N
X ∂ri
ST
vi = q̇j
i=1
∂qj
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 
2 2 i=1
∂qi j=1
∂qj
k=1 k=1
N
N N N
!
1 XX X ∂rk ∂rk
= mk q̇i q̇j
2 i=1 j=1 ∂qi ∂qj
k=1
O
Definiendo las masas generalizadas como:

N
X ∂ri ∂ri
mij = mi
i=1
∂qi ∂qj
C
la energı́a cinética resulta:

N N
1 XX
T = mij q̇i q̇j
2 i=1 j=1
1 T
= q̇ Mq̇ (3.9)
EN

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
IO
1 T
= q Kq (3.10)
2
Puede notarse que las matrices M y K son simétricas y positivas definidas.
Matrices de Rigidez y Flexibilidad
C
El modelado con parámetros concentrados de sistemas con múltiples grados de liber-
tad 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
influencia de flexibilidad aij al desplazamiento qi producido en un nodo i por una fuer-
C
za unitaria pj aplicada en el nodo j . 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

RU
En forma matricial esto serı́a:
  
 q1 

 q2 

..
 a11
  a21
= .

a12
a12
..
···
···
..
a1N 
a2N 
 

.. 
 p1 
 p2 

..



 . 
  .. . . .  . 

 
  

qN aN 1 aN 2 ··· aN N pN
 
o bien:
ST
q =F·p
donde F es una matriz de flexibilidad. La relación inversa está dada por la matriz de
rigidez:
p=K·q
−1
siendo obvio que K = F .
Es posible demostrar, mediante el teorema recı́proco ([Tho82, cap.6.2, p. 182]), que la

N
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 1/2ajj p2j , pero
esto también producirı́a un desplazamiento en el nodo i igual a aij pj , produciendo un
O
trabajo adicional aij pj pi .

El trabajo total serı́a:
1 1
W = aii p2i + ajj p2j + aij pj pi
2 2
C
Si invertimos el orden en el que aplicamos las cargas tendremos

1 1
W = aii p2i + ajj p2j + aji pi pj
2 2
Pero como el orden no altera el trabajo neto realizado, se deduce que aij = aji .
EN
Esto es útil para realizar una primer verificación al calcular la matriz de rigidez.

Formas Prácticas
Una forma alternativa para obtener la matriz de rigidez es la de considerar las fuer-
zas ejercidas por cada elemento de vı́nculo en las ecuaciones de conservación, y luego
relacionar estas con las coordenadas generalizadas estableciendo desplazamientos uni-
tarios en cada una por separado. Ası́ primero planteamos:
IO
Mq̈ = F1 f
y luego sustituimos por la relación:
f = F2 q
C
La matriz de rigidez será:
K = F1 F2
Ilustramos esta idea con el siguiente ejemplo.
C
Volviendo al ejemplo representado en la figura 3.1, por simplicidad sin considerar varia-
ciones en el terreno, podemos plantear que:
RU mz̈c = f1 + f2
mf z̈f = f3 − f1
mf z̈r = f4 − f2
J θ̈ = f1 l1 − f2 l2
donde f1 y f2 son las fuerzas delantera y trasera de la suspensión (elástica más amor-
tiguamiento), f3 y f4 son las fuerzas de las ruedas delantera y trasera respectivamente.
ST
Podemos reescribir esto como:
     
m 0 0 0   z̈c  1 1 0 0 f1 
z̈  
0 mf 0 0 −1 0  f2
1 0
   
f
  =
0 0 mr 0  z̈r 

 0 −1 0 1 
f3 
 
0 0 0 J θ̈ l1 −l2 0 0 f4
  
Entonces en este caso

N
 
1 1 0 0
 −1 0 1 0
F1 =  
 0 −1 0 1
O
l1 −l2 0 0
Luego encontramos la matriz de rigidez entre estas fuerzas y las coordenadas genera-
lizadas, 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.
EN

Realizando lo mismo con los otros desplazamientos y con las velocidades tenemos que:
    

 f1 
 −k1 k1 0 −k1 l1   zc  
f2 −k 0 k k l  zf 
  
2 2 2 2
=  
f3   0 −k3 0 0  zr 
IO


  
 
f4 0 0 −k4 0 θ
 
  
−b1 b1 0 −b1 l1   żc 
−b2 0 b 2 b 2 l 2
 żf 
+  = F2 q + F3 q̇
0 −b3 0 0   żr 
 
0 0 −b4 0 θ̇

C
Recordemos que cada columna corresponde a un desplazamiento aislado.
Luego, combinando ambas expresiones:
Mq̈ + Bq̇ + Kq = 0
C
donde K = −F1 F2 y B = −F1 F3 .
Por otra parte, de las ecuaciones 3.9 y 3.10 vemos que la energı́a cinética y potencial
RU
elástica surgen de formas cuadráticas construidas por con las las matrices de inercia
y rigidez respectivamente. Por lo tanto, expresando estas energı́as en función de las
coordenadas generalizadas, es posible obtener dichas matrices por inspección. Veamos
un ejemplo:
Supongamos que analizamos la dinámica de un tren compuesto por tres vagones vincu-
lados entre sı́ mediante elementos elásticos. Denotamos con xi la posición del vagón i
ST
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
 
N
Para la energı́a potencial:
2V = k1 (x1 − x2 )2 + k2 (x2 − x3 )2
= k1 x21 + k1 x22 − 2k1 x1 x2 + k2 x22 + k2 x23 − 2k2 x2 x3
O
  
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).
EN

Como 2V = xT K x y 2T = ẋT M ẋ se deduce que
 
m1 0 0
M =  0 m2 0 
0 0 m3
IO
 
k1 −k1 0
K = −k1 k1 + k2 −k2 
0 −k2 k2
En el caso de fuerzas no conservativas se puede hacer un planteo similar considerando

el trabajo realizado por dichas fuerzas.
C
3.1.2. Ecuación Matricial de Movimiento
C
Las ecuaciones de conservación planteadas para cada grado de libertad pueden escri-
birse de forma compacta como una ecuación diferencial matricial de segundo orden:
M q̈ + B q̇ + K q = F u (3.11)
RU
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
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 (3.12)

ST
o como:
[A−1 M] q̈ + [A−1 B] q̇ + q = [A−1 F] u (3.13)
−1
en donde A = K es la matriz de elasticidad.
Definiendo el siguiente vector de estados:

q
x= (3.14)
N
q̇
podemos obtener una ecuación de estado equivalente a 3.11:

q̇ 0 I q 0
O
ẋ = = + u (3.15)
q̈ −K̄ −B̄ q̇ F̄
donde
K̄ = M−1 K , B̄ = M−1 B , F̄ = M−1 F (3.16)
C
3.1.3. Sistemas No Amortiguados

En estructuras elásticas normalmente los amortiguamientos son muy bajos (1 % o me-
nos). El caso no amortiguado surge de despreciar estos efectos, es decir en la ecuación
3.11 tomar B = 0.
EN
q̈ + K̄ q = F̄ u (3.17)

La ecuación de estados queda:

q̇ 0 I q 0
= + u (3.18)
q̈ −K̄ 0 q̇ F̄
donde I es una diagonal unitaria de N × N , siendo N el número de grados de libertad.
IO
Frecuencias Naturales
La ecuación caracterı́stica para la matriz dinámica en ese caso resulta:

I 0 0 I sI −I
0 I − −K̄
s = =0
0 K̄ sI
C
Para una matriz en bloques de la forma:

A B
M=
C
C D
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:
RU |M| = |A||D − CA−1 B|
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
ST
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
N
donde en este caso N son los grados de libertad.

Si sustituimos s2 = −λ:
|λI − K̄| = 0
O
En sı́ntesis, la
√ dinámica para el caso no amortiguado tendrá autovalores imaginarios
√
puros s = ±j λi . Las respuestas serán entonces armónicas con frecuencias ωi = λi ,
siendo λi los autovalores de la matriz K̄.
C
Formas Modales
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 K̄ = M−1 K,
mientras que la respuesta temporal queda definida por la evolución de las coordenadas
EN
generalizadas q(t), ya que la otra mitad del estado corresponde a q̇(t).

Un cambio de coordenadas definido por la matriz modal Λ = [v 1 v 2 · · · v n ] de K̄ diago-
naliza el lado izquierdo de (3.17), mientras que el vector de coordenadas generalizadas
con esta transformación queda expresado como combinación lineal de los autovectores
v j de esta matriz:
q = Λη (3.19)
IO
es decir
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 j , los cuales se corresponden con la
configuración de desplazamientos compatibles con el movimiento armónico de frecuen-
C
cia ωj .
Decimos que el autovector v j da la forma modal para el movimiento armónico de fre-
cuencia ωj .
C
Con este cambio de coordenadas obtenemos un modelo dinámico con N ecuaciones
desacopladas. Sustituyendo 3.19 en 3.17 tendremos:
Λη̈ + K̄Λη = 0 → η̈ + λη = 0
RU
donde η es el vector de coordenadas modales y λ = Λ−1 K̄Λ resulta ser una matriz
diagonal construida con los autovalores correspondientes. En forma expandida:
η̈1 + λ1 η1 = 0
η̈2 + λ2 η2 = 0
···
η̈n + λn ηn = 0
ST
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 parti-
cular (q(0) = v j ), el movimiento que observaremos será unicamente el correspondiente
a esa forma modal; dado que la condición inicial para las otras coordenadas modales
será nula:
N
q(t) = v 1 0 + v 2 0 + · · · + v j ηj (t) + · · · + v n 0
En sı́ntesis, excitando solo un modo natural j , el vector de coordenadas generalizadas

evolucionará en el tiempo en la forma:
O
q(t) = v j ηj (0) sin ωj t
mientras que las velocidades serán:

C
q̇(t) = ωj v j ηj (0) cos ωj t
A diferencia de un caso dinámico más general, para sistemas mecánicos no amortigua-

dos la forma modal tanto para desplazamientos como para velocidades tiene represen-
tación geométrica real.
EN

Cociente de Rayleight
Los autovalores λi y autovectores v i de K̄ = M−1 K por definición verifican la siguien-

te relación:
M−1 K v i = λi v i

Es evidente que:
IO
Kv i = λi Mv i (3.20)
En esta expresión ambos lados de la igualdad son vectores de orden n. 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 = (3.21)
v Ti Mv i
C
También se llega a esta relación considerando los desplazamientos correspondientes a
un único modo natural i para oscilaciones libres del sistema no amortiguado:
RU qr (t) = q̄r sin (ωi t + φi )
donde q̄r = vri ηi (0). Las velocidades son:

(3.22)
q̇r (t) = ωi q̄r cos (ωi t + φi ) (3.23)
La amplitud máxima del desplazamiento será qrmax = q̄r y la velocidad máxima será
q̇rmax = ωi q̄r . La energı́a cinética y potencial elástica máximas para este modo natural
ST
resultan:
1 2 T 1 T
Timax = ω q̄ M q̄ = ωi2 Ti∗ , Vimax = q̄ K q̄ (3.24)
2 i 2
donde Ti∗ es una “pseudo-energı́a cinética de referencia” (Timax /ωi2 ).
Concluimos que Timax = Vimax , lo cual no sorprende dado que el sistema es conser-
N
vativo, y estimulando un solo modo natural el movimiento es armónico; pero además

tenemos que:
Vimax
ωi2 = (3.25)
Ti∗
O
Si elegimos un vector v arbitrario en lugar de una forma modal obtendremos una cantidad
escalar caracterı́stica del sistema que solo depende de esta elección:
v T Kv
λ = ω 2 = R(v) = (3.26)
C
v T Mv
Esta cantidad R(v) se denomina cociente de Rayleight, y coincide con el cuadrado de

una frecuencia natural en caso que el vector v corresponda a una forma modal.
Un aspecto interesante es que esta función tiene un valor estacionario (un mı́nimo local)
EN
en proximidad a los autovectores del sistema.

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
IO
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:
C
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
c2i
C
i=1
Si el vector v es próximo a un autovector v r , los coeficientes de la combinación lineal

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 :
R(v) =
RU λr +
1+
n
P
i=1
Pn
λi (1 − δir ) 2i
(1 − δir ) 2i
≈ λr +
n
X
i=1
(λi − λr ) 2i
i=1
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
ST
autovector el cociente de Rayleight tiene un “punto estacionario”1 .
Si se considera un vector próximo al primer modo:
n
X
R(v) ≈ λ1 + (λi − λ1 ) 2i
i=2
Y como λ1 < λr (r = 2, 3, ..., n):

N
R(v) ≥ λ1
Es implica que el cociente de Rayleight nunca es menor que el primer autovalor, y por lo
tanto su mı́nimo se corresponde a este. Esto lleva a considerar que es posible obtener
O
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 cantidad de grados de libertad es elevada y solo
interesa este modo.
C
Por otra parte, de la ecuación 3.1.3 puede observarse que aumentando la rigidez del
sistema o disminuyendo su inercia se incrementa la magnitud de las frecuencias natura-
les y viceversa, de la misma forma que se observa con un sistema de un solo grado de
libertad.
1 Un punto estacionario de una función es un valor de su argumento en donde la derivada resulta nula, y por lo tanto
EN
corresponde con un mı́nimo o un máximo local

Ortogonalidad de los autovectores Supongamos que en la ecuación 3.20 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:
IO
v Ti Kv j = λj v Ti Mv j
Como M y K son matrices simétricas se cumple que:
v Tj Kv i = v Ti Kv j
C
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:
C
0 = (λi − λj ) v Ti Mv j
Dado que hemos asumido λi 6= λj , necesariamente se cumple que:

RU v Ti Mv j = 0
y por lo tanto también se cumple que

(3.27)
v Ti Kv j = 0 (3.28)
Podemos afirmar entonces que los autovalores o formas modales son ortogonales
respecto de las matrices M y K.
ST
Aproximaciones para el Primer Modo

En muchos problemas de ingenierı́a resulta crı́tico establecer la frecuencia del primer
modo natural. Existen al menos dos formas de obtener aproximaciones para esta fre-
cuencia:
Método de Rayleigh El método de Rayleight consiste simplemente en evaluar el co-

N
ciente de Rayleigh usando como vector de prueba el correspondiente a la deformada

estática obtenida aplicando como carga el peso propio de cada elemento.
Método de Dunkerley Este método permite obtener una lı́mite inferior para la frecuen-
O
cia del primer modo natural para modelos con mas de tres grados de libertad. Consiste
simplemente en computar el lado derecho de la siguiente desigualdad:
1 1 1 1
= 2 + 2 + ··· + 2
C
ω12 ω11 ω22 ωnn
donde ωii es la frecuencia natural obtenida del cociente mii a11 , mii y aii son los coefi-
cientes de la diagonal en las matrices de masa y flexibilidad (K−1 ).
EN

IO
C
C
RU
ST
Figura 3.3
Modelos de Parámetros Distribuidos

3.2.1. Deformaciones Unidireccionales
N
En elementos estructurales las propiedades másicas y elásticas se encuentran distribui-

das, por lo cual la aproximación por parámetros concentrados resulta un tanto forzada.
Pero en ciertos casos es posible obtener las frecuencias de forma analı́tica.
O
Cuerdas
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 . De la figura 3.3 podemos ver
C
que:
∂ 2 y(x, t)

∂ ∂y(x, t)
T (x) + f (x, t) = ρ(x) (3.29)
∂x ∂x ∂t2
Proponemos una solución por separación entre una variación temporal y una espacial:
y(x, t) = Y (x)F (t) (3.30)

EN

Sustituyendo:
∂ 2 Y (t)

∂ ∂Y (x)
T (x)F (t) + f (x, t) = ρ(x)Y (x) (3.31)
∂x ∂x ∂t2
Oscilaciones libres Para vibraciones libres f (x, t) = 0. Agrupando variaciones tem-
IO
porales a la derecha y espaciales a la izquierda:
1 d2 F (t)

1 d dY (x)
T (x) = (3.32)
ρ(x)Y (x) dx dx F (t) dt2
Como ambos las dos de la ecuación dependen de variables diferentes, la igualdad solo
C
puede verificarse para cualquier par {x, t} si ambos miembros son iguales a una cons-
tante que llamaremos λ = ω 2 . Por lo tanto tenemos para las variaciones espaciales
que:
d dY (x)
T (x) + ω 2 ρ(x)Y (x) = 0 (3.33)
C
dx dx
mientras que para la evolución temporal:
RU ∂ 2 F (t)
+ ω 2 F (t) = 0 (3.34)
∂t2
Antes de proponer una solución veremos que lo mismo puede decirse para el caso de
deformaciones longitudinales o torsionales.
Vibraciones Longitudinales
La carga longitudinal S sobre un elemento diferencial de una barra sometida a cargas de
longitudinales ubicado en una posición x estará dada por:
ST
∂u
S(x) = σ(x)A(x) = EA(x)(x) = EA(x) (x) (3.35)
∂x
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:
N
∂2u
(S(x, t) + dS) − S(x, t) + f (x, t)dx = ρA(x)dx (x, t)
∂t2
donde f (·) es una distribuida fuerza externa, y ρ la densidad lineal de masa.
O
∂S
Con la sustitución dS = dx se llega a que:
∂x
∂S ∂2u
(x, t) + f (x, t) = ρA(x) 2 (x, t)
∂x ∂t
C
y teniendo en cuenta la ecuación 3.35:
∂2u

∂ ∂u
EA(x) (x, t) + f (x, t) = ρA(x) 2 (x, t) (3.36)
∂x ∂x ∂t
EN

Oscilaciones libres Para vibraciones libres (f (·) = 0) proponemos una solución de la
forma:
u(x, t) = v(x)q(t) (3.37)
Entonces:
∂2q

∂ ∂v
EA(x) (x) q(t) = ρA(x) 2 (t) v(x)
IO
∂x ∂x ∂t
de lo que surge:
1 ∂2q

1 ∂ ∂v
EA(x) (x) = (t)
ρA(x)v(x) ∂x ∂x q(t) ∂t2
C
Dado que el lado izquierdo depende solo de x y el lado derecho solo depende de t,
ambos deben ser constantes. Por lo tanto:

1 ∂ ∂v
EA(x) (x) = −ω 2
v(x)ρA(x) ∂x ∂x
C
1 ∂2q
(t) = −ω 2
q(t) ∂t2
que puede reescribirse como:
RU
∂ ∂v
EA(x) (x) + ω 2 ρA(x)v(x) = 0 (3.38)
∂x ∂x
y
∂2q
(t) + ω 2 q(t) = 0 (3.39)
∂t2
ST
De esta última ecuación puede verse que el movimiento libre será armónico simple:
q(t) = a cos ωt + b sin ωt
Oscilaciones libres para una viga uniforme Para una viga en donde los productos
EA y ρA son constantes. Entonces para la forma modal se deberá cumplir que:
∂2v
N
(x) + α2 v(x) = 0
∂x2
en donde:
ρ
α2 = ω 2 (3.40)
O
E
Proponemos la solución:
v(x) = A cos αx + B sin αx (3.41)

C
en donde las constantes deben ajustarse en función de las condiciones de borde.

Para un conjunto arbitrario de condiciones de borde e iniciales proponemos como solu-
ción una serie infinita de estas posibles soluciones.
∞
X x x
u(x, t) = (ai cos ωi t + bi sin ωi t) · ci cos ωi + di sin ωi (3.42)
EN
i=1min
t t

IO
C
C
RU
ST
Figura 3.4
N
Vibraciones Torsionales
Para vibraciones torsionales el tratamiento es el mismo, pero sustituyendo E por G (rigi-
dez torsional) y A por J (momento de inercia respecto del centro de giro de la sección
O
transversal).
3.2.2. Vibraciones Transversales

C
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].
Para un elemento diferencial ubicado en la coordenada x la masa es:
EN
dm = ρA(x)dx

Planteando suma de fuerzas de corte en el elemento diferencial:
∂2w
ρA(x)dx (x, t) = − (Q(x, t) + dQ) + f (x, t)dx + Q(x, t)
∂t2
Si despreciamos la energı́a cinética por rotación del elemento diferencial podemos asu-
mir que hay equilibrio de momentos. Tomando momentos respecto del extremo izquierdo
IO
(ver figura 3.4):
dx
(M (x, t) + dM ) − (Q(x, t) + dQ) dx + f (x, t)dx −M =0
2
Y escribiendo:
C
∂Q ∂M
dQ = dx , dM = dx
∂x ∂x
se obtiene:
C
∂2w ∂Q
ρA(x) 2
(x, t) + (x, t) = f (x, t)
∂t ∂x
∂M ∂Q 1
(x, t) − Q(x, t) = (x, t) + f (x, t) dx ≈ 0
∂x
RU ∂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
(x, t) = (x, t)
∂x2 ∂x
y sustituyendo en la primera:
ST
∂2M ∂2w
2
(x, t) + ρA(x) 2 (x, t) = f (x, t)
∂x ∂t
De la teorı́a de Euler-Bernoulli la relación entre momento y deformación (o giro) está
dada por:
∂θ ∂2w
M = EI = EI (3.43)
∂x ∂x2
N
donde E es el módulo de Young e I es el momento de inercia de la sección transversal

respecto del eje y . Sustituyendo:
∂2 ∂2w ∂2w

EI(x) 2 (x, t) + µ(x) 2 (x, t) = f (x, t) (3.44)
O
∂x2 ∂x ∂t
donde µ = ρA es la densidad lineal de masa.

C
Oscilaciones libres Para vibraciones libres (f (·) = 0) proponemos una solución de la

forma:
w(x, t) = y(x)q(t) (3.45)
Entonces:
∂2 ∂2y ∂2q

EN
EI(x) (x) q(t) + ρA(x) (t)y(x) = 0

∂x2 ∂x2 ∂t2

de lo que surge:
∂2 ∂2y 1 ∂2q

1
EI(x) (x) = − (t)
y(x)ρA(x) ∂x2 ∂x2 q(t) ∂t2
Dado que el lado izquierdo depende solo de x y el lado derecho solo depende de t,
IO
ambos deben ser constantes. Por lo tanto:
∂2 ∂2y

1
EI(x) (x) = ω2
ρA(x)y(x) ∂x2 ∂x2
1 ∂2q
(t) = −ω 2
q(t) ∂t2
C
que puede reescribirse como:
∂2 ∂2y

EI(x) (x) − ω 2 ρA(x)y(x) = 0 (3.46)
∂x2 ∂x2
C
y
∂2q
(t) + ω 2 q(t) = 0 (3.47)
RU ∂t2
De esta última ecuación puede verse que el movimiento libre será armónico simple:
q(t) = a cos ωt + b sin ωt
Oscilaciones libres para una viga uniforme Para una viga en donde los productos
EI y ρA son constantes. Entonces para la forma modal se deberá cumplir que:
∂4y
ST
(x) − β 4 y(x) = 0
∂x4
en donde:
ω2
β4 = ρ (3.48)
EI
Proponemos la solución:
N
y(x) = A cosh βx + B sinh βx + C cos βx + D sin βx (3.49)
en donde las constantes deben ajustarse en función de las condiciones de borde.
Aproximación de Rayleigth para el Primer Modo

O
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 Rayleight
con una deformada estática bajo carga de peso propio.
Para el denominador del cociente la energı́a cinética de referencia (máxima para el mo-
C
vimiento armónico dividida por ω 2 ) será:

Z L
∗ 1
T = µ(x)ẏ 2 dx
2 0
donde y(x) es el desplazamiento de un elemento diferencial ubicado en x con masa

EN
diferencial µ. Para el numerador debemos calcular la energı́a potencial elástica.

Vibraciones longitudinales o torsionales En estos casos el desplazamiento y la de-
formación corresponden a la misma variable y :
Z L
1
V = κ(x)y(x)2 dx (3.50)
2 0
IO
donde κ(x) será EA o GJ según se trate de vibraciones longitudinales o torsionales.
Vibraciones flexionales En este caso consideramos el trabajo realizado por el mo-

mento elástico, para el cual la deformación correspondiente es el giro:
dy
C
θ=
dx
La energı́a potencial elástica de un elemento diferencial es
∂θ
C
dV = M · dθ = EJ · dθ
∂x
Y como
∂θ ∂2y
RU = = y 00 → dθ = y 00 dx
∂x ∂x2
resulta que
Z L
1 2
V = EJ(x) [y 00 (x)] dx (3.51)
2 0
ST
N
O
C
EN

Métodos Aproximados
3.3.1. Discretización con Masas Concentradas
Un primer enfoque obvio para resolver modelos continuos cuando no se conoce una
solución exacta, es la de distribuir su masa en elementos puntuales vinculados entre sı́
IO
mediante elementos elásticos sin masa; y analizarlos como un sistema de N grados de
libertad.
Una vez construidas las matrices de masa M y rigidez K (o elasticidad A) se obtienen
los
modos naturales resolviendo el problema de autovalores y autovectores para la matriz
M−1 K .
Existen diferentes métodos numéricos para resolver el problema de autovalores (ver sec
C
7.5 - Método Matricial Iterativo, sec. 7.6 - Método de Jabcobi y sec. 7.7 - Problema
Estándar en [Rao11]).
Pero para el caso de vigas y ejes se dispone de algunas formas ventajosas cuando solo
se desean conocer los primeros modos naturales.
C
Masa Equivalente para Elementos Deformables
Es evidente que la masa de los elementos deformables se encuentra distribuida, y que
RU
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 defor-
mación con amplitud definida por el desplazamiento del elemento concentrado.
La energı́a cinética del elemento es:

L
ST
Z
1
Tr = ẏ(x)2 µ(x)dx
2 0
donde y(x) es el desplazamiento y µ(x) la densidad de masa por unidad de longitud. La

función de velocidad a lo largo del elemento será:
y(x) = f (x)Y , ẏ = f (x)Ẏ

N
donde f es una función de interpolación propuesta, y Y es el desplazamiento del extre-

mo. Sustituyendo:
Z L Z L
1 1 2
Tr = µ(x)f 2 (x)Ẏ 2 dx = Ẏ µ(x)f 2 (x)dx
O
2 0 2 0
La masa equivalente en el extremo que tendrı́a la misma energı́a cinética será:

Z L
C
Me = µ(x)f 2 (x)dx
0
En general una elección razonable para f es la función de desplazamiento estática cuan-

do se aplica una carga unitaria en el extremo.
EN

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:
L
µL3
Z
1
x2 dx =
IO
Me = µ 2
= m
0 3L 3
Por lo tanto deberı́amos agregar a la masa en el extremo la tercera parte de la masa del
resorte.
C
Método de Holzer
El método de Holzer permite calcular modos naturales para deformaciones unidireccio-
nales usando modelos de parámetros concentrados con acoplamiento adyacente.
C
El tema se puede consultar en [Tho82, sección 10.1: Método de Holzer, p. 296].
Método de Myklestad
El método de Myklestad es una extensión del de Holzer para vibraciones flexionales.
RU
El tema se puede consultar en [Tho82, sección 10.4: Método de Myklestad para Vigas,
p. 304].
Flexo-Torsión
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),
ST
o en el caso general cuando el eje elástico no es recto. Un ejemplo de ello es el caso del
ala de una aeronave.
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
N
posición de este respecto del eje elástico.
Este problema se puede encarar como una extensión del método de Miklestad.
O
El tema se puede consultar en [Tho82, sección 10.6: Vibración Acoplada Flexión-Torsión,

p. 311].
3.3.2. Discretización con Parámetros Distribuidos

C
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.
Los parámetros de ajuste de esta función terminan adoptando el rol de coordenadas
EN
generalizadas para la aproximación discreta del modelo continuo.

Método de Rayleigh-Ritz
Sabemos que el cociente de Rayleight siempre arroja un valor igual o superior a la fre-
cuencia del primer modo natural para cualquier deformada propuesta que cumpla las
condiciones de borde.
Ritz propuso utilizar como función de deformación y(x) una suma de funciones de inter-
IO
polación φ(x) multiplicadas por coeficientes a determinar.
N
X
y(x) = c1 φ1 (x) + c2 φ2 (x) + · · · + cN φN (x) = ci φi (x) (3.52)
i=1
La idea es determinar los coeficientes ci que minimizan el valor del cociente de Rayleight.
C
Teniendo en cuenta que este cociente nunca será menor a la frecuencia del primer mo-
do, el ajuste resultante será el más próximo posible a la deformada real con la forma
propuesta.
Para realizar el proceso de minimización buscamos el conjunto de coeficientes que veri-
C
fiquen:
∂R(y)
=0 , i = 1, 2, ..., N (3.53)
∂ci
Esto resulta en un sistema de N ecuaciones para determinar los valores de los ci .
RU
El cociente de Rayleight es una función racional que da un resultado escalar positivo que
podemos llamar ω 2 :
N (y)
R(y) = = N (y)D(y)−1 = ω 2 (3.54)
D(y)
Al derivar este cociente respecto de uno de los parámetros de y(x) se tendrı́a usando la
ST
regla de la cadena:
∂R(y) ∂N (y) ∂D(y)

= D(y)−1 − N (y) D(y)−2 = 0
∂ci ∂ci ∂ci
de lo cual:
∂N (y) ∂D(y)
− N (y)D(y)−1 =0
∂ci ∂ci
N
y teniendo en cuenta la ecuación 3.54 :
∂N (y) ∂D(y)
− ω2 =0 (3.55)
∂ci ∂ci
O
Esta expresión da las filas de un sistema de ecuaciones lineales de la forma:
Rc (ω 2 ) c = 0 (3.56)
C
donde Rc (ω 2 ) ∈ RN ×N y c ∈ RN . La solución no trivial implica obtener los valores de ω

que anulan el determinante de Rc (ω 2 ), y para cada uno de ellos obtener el espacio nulo
2
de la matriz resultante.
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
EN
null()

Por ejemplo, para un problema de vibraciones transversales en una viga para el cociente
de Rayleight (ver 3.2.2) se tiene:
L 2
d2 y(x)
Z
N (y) = EJ(x) dx
0 dx2
IO
Z L
2
D(y) = ρ(x) {y(x)} dx
0
Sustituyendo y(x) por la ecuación 3.52:

(N )2
Z L X
ci φ00i (x)
C
N (y) = EJ(x) dx
0 i=1
Z L N
X N
X
= EJ(x) ci φ00i (x) cj φ00j (x)dx
0
C
i=1 j=1
N X
X N Z L
= ci cj EJ(x)φ00i (x)φ00j (x)dx
i=1 j=1 0
donde
RU =
N X
X N
i=1 j=1
ci cj ki j
Z L
kij = EJ(x)φ00i (x)φ00j (x)dx
0
mientras que
ST
( N
)2
Z L X
D(y) = ρ(x) ci φi (x) dx
0 i=1
Z L N
X N
X
= ρ(x) ci φi (x) cj φj (x)dx
0 i=1 j=1
N X
N L
N
X Z
= ci cj ρ(x)φi (x)φj (x)dx
i=1 j=1 0
N X
X N
= ci cj mij
O
i=1 j=1
donde Z L
mij = ρ(x)φi (x)φj (x)dx
C
Con estos resultados podemos decir que:

N N
∂N (y) X ∂D(y) X
= cj kij , = cj mij
∂ci j=1
∂ci j=1
EN

Con esto la ecuación 3.55 se convierte en:
N
X N
X
2
cj kij = ω cj mij
j=1 j=1
que en notación matricial puede escribirse como:
IO
λI − M−1 K c = 0

K c = λM c →
siendo c y λ autovalores y autovectores de la matriz M−1 K que deben ser determina-

dos.
Concluimos que el método de Rayleight-Ritz en última instancia termina siendo una
C
técnica de discretización para un modelo conservativo de parámetros distribuidos, y que
su solución implica resolver un problema de autovalores.
Los autovalores λ dan una aproximación a los valores de ω 2 para los diferentes modos,
C
mientras que los autovectores c combinados con la ecuación 3.52 definen autofunctiones
que aproximan a las formas modales.
Se puede demostrar [Mei01, pág.503] que al aumentar N estas aproximaciones conver-
gen a los valores exactos.
RU
Método de Elementos Finitos
En el método de elementos finitos se propone una deformada, de forma similar al méto-
do de Ritz. Pero en este caso, la estructura se divide en elementos y se propone una
misma función de interpolación para la deformada en todos ellos pero con diferentes
coeficientes para cada elemento.
ST
Se busca que las funciones de interpolación en los elementos sean del menor orden
posible, pero con derivadas continuas en función del tipo de deformación.
Funciones de Interpolación Por ejemplo, para deformaciones longitudinales estáticas

u(x) en una viga se tiene para la elástica que:
d2 u(x)
EA =0
N
dx2
Integrando
du(x)
O
= c2
dx
u(x) = c1 + c2 x
Podemos entonces proponer como función de interpolación una recta.

C
Para una viga a flexión:

d4 y(x)
EI =0
d42
y(x) = c1 + c2 x + c3 x2 + c4 x3
De hecho podrı́an usarse otras funciones de interpolación en tanto sean admisibles para
EN
la ecuación de la elástica.

Resulta conveniente utilizar una coordenada adimensional dentro del elemento ξ = x/l.
El desplazamiento para un elemento e será:
ue (ξ) = ce1 φ1 (ξ) + ce2 φ2 (ξ) + · · · + ceN φN (ξ) = φT (ξ) ce = cTe φ(ξ) (3.57)
donde:    
 φ1 (ξ)   c1 
IO
   
φ2 (ξ) c2
   
φ(ξ) = , ce =
 ··· 
  · · ·
 
φN (ξ) cN
   
siendo c un vector de coeficientes que dependen deben ajustarse en función de las

condiciones de borde.
C
Ajuste de Coeficientes Para el caso de deformaciones longitudinales o de torsión, las
condiciones de borde están establecidas por los desplazamientos de los nodos:
C
ue (0) = φT (0) ce = ce1
ue (1) = φT (1) ce = ce1 + ce2
lo cual equivale a:

ue (0)
ue (1)

=
1
1
RU 0
1

ce1
ce2
→
que puede escribirse de forma compacta como:

ce1
ce2

=

1
−1

0 ue (0)
1 ue (1)

T 1 −1
ce = H w e , H=
0 1
ST
donde we es un vector con las deformaciones de los nodos adyacentes. Sustituyendo
en 3.57:
T
ue (ξ) = φT (ξ) HT we = [H φ(ξ)] we = wTe [H φ(ξ)] (3.58)
Es evidente que para N > 2 se necesitan 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:
N
dy dy dξ dξ 1
θ= = , =
dx dξ dx dx l
las condiciones de borde son:
O
u(0) = φT (0)c
u(1) = φT (1)c
l θ(0) = φ0T (0)c
C
l θ(1) = φ0T (1)c
donde
ξ2 ξ3

φ= 1 ξ
φ0 = 0
EN
3ξ 2

1 2ξ

En notación matricial:
     
1 0 0 0  u(0)  1 0 0 0  c1 
0  
l 0 0 θ(0) 0 1 0 0 c2
   

0
 =
0 1 0 u(1) 

1 1 1 1 
 c3 
 
0 0 0 l θ(1) 0 1 2 3 c4
  
IO
Finalmente para una viga a flexión usando una función de interpolación cúbica:
  
1 0 0 0 1 0 −3 2
0 l 0 0 0 1 −2 1
H=   = Hl H̄ (3.59)
0 0 1 0 0 0 3 −2
0 0 0 l 0 0 −1 1
C
donde H̄ no depende de las dimensiones del problema en particular.
Matrices de Masa y Rigidez Para el movimiento se puede plantear la formulación de

Lagrange. La energı́a cinética de un elemento será:
C
Z l
1
T = ρA(x)u̇(x)2 dx
2 0
Sustituyendo con 3.58, y teniendo en cuenta que las funciones de interpolación no de-
RU
penden del tiempo:
Z l
1
T = ρA(x)u̇(x)u̇(x)dx
2 0
1 l
Z
T
= ρA(x) ẇT [H φ(x)] [H φ(x)] ẇ dx
2 0
1
= ẇT Mẇ
ST
2
donde
"Z #
Z l l
T T
M= 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 :

N
Z 1
T
M=lH ρA(ξ)φ(ξ)φ (ξ)dξ HT (3.60)
0
Para la energı́a potencial se tendrá en el caso de deformaciones longitudinales:

O
Z l 2
1 ∂u
V = EA(x) (x, t) dx
2 0 ∂x
Sustituyendo:
C
Z L T iT h
1 h T i
V = EA(x) Hφ0 (ξ) w Hφ0 (ξ) w dx
2 0
1 L
Z
T
EA(x) wT Hφ0 (ξ) Hφ0 (ξ) w dx

=
2 0
1
= wT Kw
EN

donde
Z l T
Z l h i
EA(x) Hφ0 (x) Hφ0 (x) dx = H EA(x) φ0 (x)φ0T (x)dx HT

K=
0 0
es una matriz de rigidez para el elemento. Como dx = ldξ puede notarse que:
IO
dφ(x) dφ(ξ) dξ) dφ(ξ) 1
φ0 = = =
dx dξ dx dξ l
Sustituyendo:
Z 1
1
K= H EA(x) φ0 (ξ)φ0T (ξ)dξ HT (3.61)
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 (3.51) en sección 3.2.2):
C
L 2
∂2u
Z
1
V = EI(x) (x, t) dx
2 0 ∂x2
se llega a que:
RU
es una matriz de rigidez para el elemento, y como:
φ00 =
d2 φ(x)
dx 2
=
d2 φ(ξ) d2 ξ)
dξ 2 dx 2
=
d2 φ(ξ) 1
dξ 2 l2
Z 1
1
K= H EI(x) φ00 (ξ)φ00T (ξ)dξ HT (3.62)
l2 0
ST
En el caso de una interpolación lineal:

1 −1 1
H= , φ=
0 1 ξ

1 1 ξ
N
φ(ξ)φT (ξ) =

1 ξ =
ξ ξ ξ2

0 0 0
φ(ξ)0 φ0T (ξ) =

0 1 =
1 0 1
O
Si la densidad por unidad de logitud es constante:

Z 1
1 −1 1 ξ 1 0 ρAl 2 1
M = ρAl dξ =
0 1 0 ξ ξ2 −1 1 6 1 2
C
Para la rigidez, si EA fuese constante:

Z 1
1 −1 0 0 1 0 EA 1 −1
K = EAl dξ =
0 1 0 0 1 −1 1 l −1 1
EN

En el caso de una interpolación cúbica:
       
1 0 −3 2 
 1  0   0
  
  
 
0 1 −2 1 ξ 1 0
  
0 00
H=  , φ= 2 , φ = , φ =
0 0 3 −2 ξ  2ξ  2
IO

  
 3 
 2 
 
0 0 −1 1 ξ 3ξ 6ξ
  
ξ2 ξ3
   
1 ξ 0 0 0 0
ξ ξ2 ξ3 ξ4 0 1 2ξ 3ξ 2 
φφT =  φ0 φ0T

ξ 2
 , = 
ξ3 ξ4 ξ5 0 2ξ 4ξ 2 6ξ 3 
C
ξ3 ξ4 ξ5 ξ6 0 3ξ 2 6ξ 3 9ξ 4
 
0 0 0 0
0 0 0 0 
C
φ00 φ00T =
0

0 4 12ξ 
0 0 12ξ 36ξ 2
Integrando para parámetros constantes:

RU    
1 1/2 1/3 1/4 420 210 140 105
Z 1
T
1/2 1/3 1/4 1/5 1 210 140 105 84 
1/3 1/4 1/5 1/6 = 420 140
φ(ξ)φ (ξ)dξ =    
0 105 84 70 
1/4 1/5 1/6 1/7 105 84 70 60
   
0 0 0 0 0 0 0 0
ST
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
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 = 
0
 = 360  
0 4 12/2 0 0 4 6
N
0
0 0 12/2 36/3 0 0 6 12
Con esto se obtiene:

O
   
156 22 54 −13 12 6 −12 6
ρAl 
 22 4 13 −3  EI  6 4 −6 2
M=  , K= 3  
420  54 13 156 −22 l −12 −6 12 −6
−13 −3 −22 4 6 2 −6 4
C
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
giros θ tenemos que escalar estas matrices usando Hl definida en (3.59); por ejemplo
para la rigidez K0 = Hl KHTl .
EN

Referencias Locales Si los elementos no se encuentran alineados respecto de un
mismo sistema de coordenadas, es necesario definir un sistema de coordenadas local
para cada elemento y proyectar los desplazamientos de los nodos en dicho sistema.
Para ello simplemente recurrimos a una matriz de rotación:
r ei = Ce r̄ i (3.63)
IO
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. De las coor-
denadas proyectadas en la terna del elemento habrá que seleccionar la que corresponda
a la deformación modelada (longitudinal o transversal). Las matrices de masa y rigidez
en términos de las coordenadas globales para el elemento e resultan:
C
T T
M̄e = C̄e Mj C̄e , K̄j = C̄e Kj C̄e
en donde C̄e es una matriz construida repitiendo la fila de Ce asociada a la deformación
C
para el desplazamiento de cada nodo.
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:
RU
x cos β sin β x̄
=
y − sin β cos β ȳ
En la figura 3.5, para las barras 3 y 7 se tiene β = −π/4

1 1 −1
C3,7 =√
2 1 1
ST
Y como solo interesan los desplazamientos longitudinales usamos unicamente la primer

fila, la repetimos una vez para cada nodo:

1 1 −1 0 0
C̄ 3,7 = √
2 0 0 1 −1
Con esto:
N
 

 x̄1 

1 1  
x1 −1 0 0 ȳ1

=√
x2 2 0 0 1 −1 
x̄2 
ȳ2
 
O
Independientemente de que sea necesario realizar rotaciones o no, la matriz C̄e permi-
tirá expandir las matrices de masas y rigideces del elemento para utilizar el vector global
C
con todos los desplazamientos. La matriz será entonces de n filas y N columnas, siendo
N el total de coordenadas generalizadas y n el orden del polinomio de aproximación.
Con este tipo de transformaciones, todas las matrices de masa y rigidez para cada ele-
mento se expandirán a matrices de N × N . Para polinomios de primer orden (matrices
EN

IO
C
C
Figura 3.5: estructura reticulada discretizada por elementos viga
de 2 × 2) se tendrı́a:
RU .. 
 
. 



 

ū
 
 1i 

 

ū1j 
 
 
u1 ··· c1i c1j ··· 0 0 ···
 
..
= .
u2 ··· 0 0 ··· c2i c2j ···  
ū

 2i 

 


ST
ū

2i

 

 . 
 
 . 

.

y con esto
.. ..
 
..
. . ··· . · · ·

· · · m̄11 ··· m̄12 · · ·
 
M̄e =  ... .. .. .. .. 
N

 . . . . 
· · · m̄21 ··· m̄22 · · ·
 
.. .. ..
··· . ··· . .
O
Las matrices expandidas para cada elemento podrán ser sumadas para construir matri-
ces de masa y rigidez generalizas para el sistema completo:
E
X E
X
M̄ = M̄e , K̄ = K̄e
C
e=1 e=1
Dado que solo unos pocos elementos de estas matrices expandidas serán no nulos, es
posible resolver esta expansión al momento de construir las matrices M̄ y K̄ distribu-
yendo adecuadamente los elementos de las matrices individuales sin expandir (aunque
si rotadas, de ser necesario), en lugar de realizar la expansión y posterior sumatoria de
EN
forma explı́cita.

Ecuaciones de Movimiento Planteamos la ecuación de Lagrange para todo el siste-
ma tomando las deformaciones de los nodos como coordenadas generalizadas. Para
ello construimos el Lagrangiano sumando todas las energı́as cinéticas y potenciales de
los elementos en coordenadas globales:
E E
1X T 1 T 1X T 1
IO
T = ū˙ e M̄e ū˙ e = ū˙ M̄ū˙ , V = ūe K̄e ue = ūT K̄ū
2 e=1 2 2 e=1 2
El trabajo virtual de las fuerzas no conservativas se puede incluir de forma similar:

F
T T
X
δ W̄ = f¯k δ ūk = F̄ δ ū
C
k=1
donde
F
X
F̄ = f¯k
C
k=1
De la ecuación de Lagrange se obtiene finalmente:
RU ¯ + K̄ū = F̄
¨ + C̄u̇
M̄ū (3.64)
en donde F̄ incluye las fuerzas no conservativas excluyendo amortiguamiento viscoso;

y la matriz de amortiguamiento C̄ se puede obtener de forma similar a las de masa y
rigidez.
Las restricciones de desplazamiento de nodos pueden considerarse eliminando las filas
y columnas correspondientes a los nodos restringidos en las matrices de masa, rigidez
y amortiguamiento según corresponda.
ST
Resulta evidente que la ecuación 3.64 se reduce al problema de autovalores similar al

de Rayleight-Ritz cuando se consideran vibraciones libres sin amortiguamiento; por lo
cual este método se convierte solo en una forma alternativa de discretizar el modelo.
Funciones de Interpolación de Orden Superior La exactitud del método puede me-

jorarse usando polinomios de orden superior al mı́nimo requerido. Este aspecto está
N
analizado en [Mei97, 9.5, p. 598], [Mei86, 8.7, p. 331] y [Mei01, 10.3, p. 563].
Diferencias Finitas
Desde un punto de vista puramente matemático podemos resolver numéricamente las
O
ecuaciones diferenciales discretizando el dominio de integración.

En cada nodo se plantea la ecuación diferencial correspondiente, sustituyendo las deri-
vadas por diferencias entre los valores vecinos para las deformaciones; y asegurando el
cumplimiento de las condiciones de borde correspondientes.
C
El resultado es una ecuación similar a la 3.64, con coeficientes algo diferentes.
[COMPLETAR]
El tema se puede consultar en [Rao11, capı́tulo 11: Numerical Integration Methods in

Vibration Analysis, p. 939]).
EN

3.3.3. Análisis Modal de Respuesta
Agregando una ecuación de salida a esta ecuación de estados 3.11 es posible encontrar
una matriz de transferencia entre dichas salidas y el vector de entradas u. Sin embargo,
esto puede ser laborioso o inexacto para sistemas con muchos grados de libertad, y en
general innecesario.
IO
Para cualquiera de las discretizaciones planteadas el modelo no amortiguado perturbado
resulta de la forma:
Mq̈ + Kq = Fu
donde u es el vector de perturbaciones. Podemos llevarlo a coordenadas modales des-
acopladas utilizando como transformación la matriz modal de M−1 K, lo que resultará
C
de la forma:
MΛη̈ + KΛη = Fu → η̈ + λη = Nu (3.65)
C
donde
N = Λ−1 M−1 F (3.66)
El lado derecho de la ecuación 3.65 expresa las fuerzas generalizadas para las coorde-
RU
nadas 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 (3.67)
Si solo nos interesa observar deformaciones:

ST
y = Cq (3.68)
Al llevar el modelo dinámico a coordenadas generalizadas usamos la sustitución q =

Λη . Por lo tanto:
y = C̄η (3.69)
donde C̄ = CΛ.
Como el lado derecho en (3.65) constituye un conjunto de ecuaciones diferenciales de
N
segundo orden desacopladas, y cualquier variable de salida puede expresarse como

combinación lineal de las coordenadas modales según (3.69); puede obtenerse un mo-
delo simplificado incluyendo solo aquellos modos naturales que contribuyan significati-
vamente a la combinación lineal para las variables de salida elegidas. La cantidad de
O
modos a considerar dependerá de la precisión que se requiera, y del rango de frecuen-

cias a considerar para la perturbación.
En el caso de sistemas amortiguados, el cambio de coordenadas propuesto para el

C
modelo sin amortiguamiento no siempre resulta en un sistema desacoplado.

Pero en el caso donde la matriz B de la ecuación 3.11 puede expresarse como αM+βK,
donde α, β ∈ R, el cambio de coordenadas resulta en una matriz de amortiguamiento
diagonal.
MΛη̈ + BΛη̇ + KΛη = Fu → η̈ + Cη̇ + λη = Fu

EN

donde
C = Λ−1 M−1 [αM + βK] Λ = αΛ−1 M−1 MΛ + βΛ−1 M−1 KΛ

= αI + βλ
Definiendo C = 2ζω y sustituyendo cada elemento λr de la matriz diagonal λ por ωr2
IO
obtenemos un conjunto de r ecuaciones desacopladas:
η̈r + 2ζr ωr η̇ + ωr2 η = nr · u (3.70)
donde nr es la fila r de la matriz N definida por la ecuación 3.66.
C
C
RU
ST
N
O
C
EN

EN
C
O
N
ST
RU
C
C
IO
IO
A
C
C
Apéndices
RU
Dinámica del Avión
ST
A.1.1. Modelo de Cuerpo Rı́gido

Es posible modelar cualquier vehı́culo como un cuerpo rı́gido si sus modos elásticos
tienen frecuencias naturales altas en relación a la escala de tiempo asociada al movi-
miento 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
N
ω = {p, q, r}, que podemos referir a una terna solidaria al vehı́culo (terna móvil, terna
del cuerpo o terna b).
Planteando las ecuaciones cardinales de la mecánica, con el origen de coordenadas

ubicado en el centro de gravedad, se tiene que:
O
dp
+ω×p=F
dt
dh
+ω×h=M
C
dt
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
mientras que M = {L, M, N } corresponden a los momentos. Todo esto está referido a
EN
la terna móvil.
109
Si la masa y su distribución son constantes (ṁ = 0, J̇ = 0):
v̇ = −ω × v + f (A.1)
−1
ω̇ = −J ω × Jω + τ (A.2)
en donde f es el vector de fuerza especı́fica (fuerza por unidad de masa) resultante de
IO
las perturbaciones aplicadas sobre el cuerpo, y τ el vector de aceleraciones angulares
(τ = J−1 M ) asociado.
Si queremos expandir estas ecuaciones podemos tener en cuenta que el producto vec-
torial puede resolverse mediante un producto matricial, construyendo una matriz anti-
simétrica con el lazo izquierdo:
C
  
0 −a3 a2 b1 
a × b =  a3 0 −a1  b2 = a × b = S(a)b = −S(b)a
−a2 a1 0 b3
 
C
donde S(a) representa la matriz anti-simétrica construida con el vector a.
Con esto es fácil demostrar que:
RU 

pv − qu

 qw − rv 
ω × v = ru − pw

,

ω × h̄ = rh̄x − ph̄z

ph̄y − q h̄x

 q h̄z − rh̄y 

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:
   
Ix 0 Ixz Ix p + Ixz r
ST
J= 0 Iy 0  → Jω = Iy q
Ixz 0 Iz Iz r + Ixz p
 
Combinando estas expresiones:

   
 (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
   
N
Entonces, las ecuaciones para un cuerpo rı́gido simétrico respecto del plano xz con
propiedades másicas constantes en forma expandida quedan de la siguiente forma:
     
O
 Ix ṗ − Ixz ṙ + (Iz − Iy ) qr − Ixz pq   h̄z q − h̄y r   L 

Iy q̇ + (Ix − Iz ) pr − r2 − p2 Ixz + h̄x r − h̄z p = M
Iz ṙ − Ixz ṗ + (Iy − Ix ) pq + qrIxz h̄y p − h̄x q N
     
   
mu̇ + qw − rv  X 
C
mv̇ + ru − pw = Y
mẇ + pv − qu Z
   
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.
EN

IO
C
C
(a) ternas de referencia para la navegación (b) terna de referencia del avión
A.1.2. Fuerzas y Momentos

RU
Al modelar las fuerzas y momentos, el modelo de cuerpo rı́gido pasa a absorber los
rasgos especı́ficos del vehı́culo bajo estudio.
Para aeronaves, como terna móvil normalmente se adopta el sistema de referencia mos-
trado en la figura A.1b, 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. Como terna “cuasi”-inercial se puede adoptar alguna de las mos-
tradas en la figura A.1a. Lo normal es usar la terna NED (North East Down), con eje
ST
z alineado con la “vertical del lugar”, de forma tal que cuando las ternas móvil y fija
se alinean, el vehı́culo mira hacia el norte con su plano xy “nivelado” (según el campo
gravitatorio).
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 entre el aire y el
N
vehı́culo, descripta por los ángulos de ataque y deslizamiento α y β ; y del conjunto de

deflexiones de las superficies de control fluidodinámico δ :

Fa = F σ, M, α, β, α̇, β̇, δ
O
Hay que tener en cuenta que:

w v
α = tan−1 , β = tan−1
u u
C
por lo cual estos ángulos de incidencia no agregan nuevos estados.
La proyección de la fuerza gravitatoria en la terna móvil depende de la orientación o

actitud del vehı́culo. Esta puede expresarse a través de los ángulos de Euler, que pueden
coleccionarse en un “vector de actitud”, el cual deberá agregarse a las variables de
EN
estado antes consideradas.

De entre las 21 secuencias posibles elegimos la secuencia de rotaciones ZY’X” par-
tiendo de una terna terrestre NED , que identificamos como rumbo, cabeceo y rolido:
θ = {φ, θ, ψ}.
La matriz de rotación para realizar la proyección de terna terrestre a terna móvil resulta:
   
1 0 0 c (θ) 0 −s (θ) (ψ) s (ψ) 0
IO
Cib = 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
 
(θ) c (ψ) c (θ) s (ψ) −s (θ)
Cib = s (φ) s (θ) c (ψ) − c (φ) s (ψ) s (φ) s (θ) s (ψ) + c (φ) c (ψ) s (φ) c (θ)
C
c (φ) s (θ) c (ψ) + s (φ) s (ψ) c (φ) s (θ) s (ψ) − s (φ) c (ψ) c (φ) c (θ)
Existen otras formas de representar la actitud que pueden resultar más convenientes en
ciertos casos, tales como los cuaterniones unitarios o el ángulo vector.
C
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 :
RU Xg = −mg sin θ
Yg = mg cos θ sin φ
Zg = mg cos θ cos φ
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:
ST
     
 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
es decir:
N
φ̇ = p + sin (φ) tan (θ) q + cos (φ) tan (θ) r

θ̇ = cos (φ) q − sin (φ) r
En notación vectorial:
O
v̇ = −ω × v + f a (α, β, δ) + f p + g b (θ) (A.3)

−1
ω̇ = −J ω × Jω + τ a (α, β, δ) + mp (A.4)
θ̇ = Cωė ω (A.5)
C
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
de deflexiones de las superficies de control, f p y mp son fuerzas y momentos asociados
a la propulsión.
EN

A.1.3. Linealización
Equilibrio
Normalmente se analiza la dinámica de una aeronave mediante un modelo linealiza-
do alrededor de una condición de vuelo estacionaria (en el sentido dinámico, no en el
cinemático), lo que implica actitud y velocidad de traslación constante.
IO
Teniendo en cuenta que actitud constante implica ω = 0, las ecuaciones (A.1) y (A.2) se
convierten en:
g b (θ) + f a (ρ, v, δ) + f p = 0
τ a (ρ, v, δ) + mp = 0
C
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; in-
cluyendo una trayectoria en barrena o un tirabuzón (agregando al modelo la aceleración
centrı́peta correspondiente).
C
En un vehı́culo simétrico respecto del plano xz , un vuelo recto implica β = φ = 0, y
α = α0 tal que:
RU f (ρ, ue , we , δ) = −g b (0, θ0 , 0) − f p
donde θ0 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 una
condición de vuelo especificada mediante el vector velocidad. Esto, que implica propo-
ner 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
tomar el camino recı́proco.
ST
En el movimiento de una aeronave podemos distinguir tres ángulos en el plano longitu-

dinal: cabeceo θ, ataque α y trayectoria o “senda de planeo” γ (o de ascenso), que 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 = 0, pero eso no necesariamente significa que θ = 0,
N
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
geográfica que equilibre el peso. Y lo mismo puede decirse para otro valor del ángulo de
planeo o ascenso.
O
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 γ0 . En una condición
C
estacionaria la sustentación puede calcularse como:
L = 0,5ρ|v|2 ScL (α, M ) (A.6)
donde cL (α, M ) es un coeficiente adimensional (coeficiente de sustentación) que depen-

de solo de la forma de la aeronave (pero no de sus dimensiones), del número de Mach y
EN
del ángulo de ataque. Es posible entonces para un cierto número de Mach determinar el

ángulo de ataque en equilibrio calculando primero el coeficiente de sustentación, y luego
el ángulo de ataque correspondiente:
mg
cL (α0 ) = cos γ0
0,5ρ|v|2 S
en donde hemos despreciado la proyección del empuje sobre el eje z w ; pero la compo-
IO
nente del empuje en la dirección de vuelo puede determinarse calculando la resistencia
con una expresión similar a la (A.6) y una primer estimación del ángulo de ataque, y
luego incluirla en el cómputo de cL .
Por otra parte, para mantener la velocidad angular nula se requiere que la suma de mo-
C
mentos se anule. En general esto requiere ajustar el comando de elevador para ”trimar”
la aeronave de forma tal que:
cm (α0 , δe0 ) = 0 (A.7)
C
Modelo de Estados
Para linealizar los términos inerciales (lado derecho de ec. 1) usamos los siguientes
desarrollos en serie de Taylor:
RU
xy ≈ x0 y0 + y0 (x − x0 ) + x0 (y − y0 ) = x0 y0 + y0 ∆x + x0 ∆y
x2 ≈ x0 2 + 2x0 (x − x0 ) = x20 + 2x0 ∆x
La linealización se plantea para una condición de equilibrio a ángulos de ataque y desli-

zamiento moderados. De esto último se deduce que:
 
 ue + ∆u 
ST
v = ve + ∆v , ue = U0 ∆u, ∆v, ∆w, ve , we
we + ∆w
 
1 1
∆α ≈ ∆w , ∆β ≈ ∆v
U0 U0
Para las fuerzas y momentos consideramos expresiones linealizadas de la forma:
N

∂P ∂P
P ≈ P (x0 , y0 ) + (x − x0 ) + (y − y0 ) + · · ·
∂x x0 ,u0 ∂y x0 ,u0
P ≈ P (x0 , u0 ) + Px ∆x + Py ∆y + · · ·
O
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
C
+ Fδ1 ∆δ1 + Fδ2 ∆δ2 + · · · + Fδm ∆δm
Debe tenerse en cuenta que las superficies sustentadoras separadas del centro de gra-
vedad 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, tam-
bién debe considerarse la dependencia de fuerzas y momentos aerodinámicos con la
EN
velocidad angular.

La derivada del ángulo de ataque (y por lo tantoẇ) tendrá influencia en las fuerzas y
momentos aerodinámicos, debido a las variaciones en el downwash sobre el plano ho-
rizontal de cola. 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 + · · ·
IO
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
C
− hy0 r0 − r0 ∆hy − hy0 ∆r
= Lu ∆u + Lv ∆v + Lw ∆w + Lp ∆p + Lq ∆q + Lr ∆r + Lw ∆w + Lη ∆η
Iy q̇ + (Ix − Iz ) p0 r0 + r0 ∆p + p0 ∆r − Ixz r02 + 2r0 ∆r − p20 − 2p0 ∆p + hx0 r0 + r0 ∆hx + hx0 ∆r
C
− hz0 p0 − p0 ∆hz − hz0 ∆p
= Mu ∆u + Mv ∆v + Mw ∆w + Mp ∆p + Mq ∆q + Mr ∆r + · · ·
Si ω 0 = 0:
RU
Ix ṗ + Ixz ṙ = Lu ∆u + Lv ∆v + Lw ∆w + Lp ∆p + Lq ∆q + Lr ∆r + · · ·
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 + · · ·
ST
Podemos escribir esto en forma matricial:

      
m 0 −Xẇ  u̇ 
  Xu Xv Xw Xp Xq Xr   ∆u 

 0 m 0  03×3  v̇  Yu Yv Yw Yp Yq Yr   ∆v 
 
  
 
 
   

 0 0 m − Zẇ  ẇ =  Zu Zv Zw Zp Zq
   Zr  ∆w
 
    +

 0 0 0 Ix 0 −Ixz 
 ṗ   Lu Lv Lw Lp Lq Lr 
 ∆p 
   
N
 0 0 −Mẇ   0 Iy 0   q̇ Mu Mv Mw Mp Mq Mr   ∆q 

  

   
   
0 0 0 −Ixz 0 Iz ṙ Nu Nv Nw Np Nq Nr ∆r
  
 
Xη Xτ Xξ Xη   
03

 Yη Yτ Yξ Yη 
∆η 
O
   
 Zη Zτ Zξ Zη  ∆τ   ∆Xg 0 0 
 Lη Lτ Lξ Lη   ∆ξ  +  0
   
   ∆Xg 0 
Mη Mτ Mξ Mη  ∆η  0 0 ∆Xg
Nη Nτ Nξ Nη
C
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
EN

Esto permite separar los efectos longitudinales de los transversales:
      
m 0 −Xẇ 
 u̇ 
 Xu 0 Xw 0 Xq 0   ∆u 

 0 m 0  03×3  v̇   0 Yv Yw Yp 0 Yr  ∆v 
 
 
  
   
 

 0 0 m − Zẇ  ẇ =  Zu 0 Zw 0 Zq 0 ∆w +
     
  
 0 0 0 Ix 0 −Ixz  ṗ   0 Lv 0 Lp 0 Lr  ∆p 
IO
 
    
 0 0 −Mẇ   0 Iy 0   q̇ M 0 M 0 M 0 ∆q 
  
u w q
 
   
 
   
0 0 0 −Ixz 0 Iz ṙ 0 Nv 0 Np 0 Nr ∆r
   
 
Xη Xτ 0 0   
03

 0 0 Y ξ Yζ
 ∆η 
    
 Zη Zτ 0 0  ∆τ   ∆Xg 0 0 

 0
 + 
0 L L ∆ξ 0 ∆X 0 
C
ξ ζ g
    
  
Mη Mτ 0 0  ∆ζ  0 0 ∆Xg
0 0 Nξ Nζ
Y para vuelo recto y nivelado φ0 = 0:
C
φ̇ ≈ p , θ̇ ≈ q
∆Xg ≈ −mg cos θo , ∆Yg ≈ mg cos θo , ∆Zg ≈ −mg sin θo

m −Xẇ
RU
Con esto, reutilizando las variables de estado originales u, v, · · · para denotar las varia-
ciones ∆u, ∆v, · · · :
0
  
0  u̇ 
ẇ
 Xu Xw Xq
  
Xθ   u

Xη Xτ
 0 m − Zẇ 0 0 Zu Zw Zq Zθ 
 w +  Zη Zτ  η
     
  =
0 −Mẇ Iy 0  q̇  Mu Mw Mq Mθ 
 q Mη Mτ  τ
   

0 0 0 1 θ̇ 0 0 1 0 θ 0 0
 
      
ST

m 0 0 0   v̇  Yv Yp Yr Yφ  v Yξ Yζ
 ṗ   
0 I −I 0 L Lp Lr Lφ  p +  Lξ Lζ  ξ
    
x xz v


 0 −Ixz
 =
Iz 0  ṙ 

 Nv Np Nr Nφ  
 r  Nξ Nζ  ζ
 
0 0 0 1 φ̇ 0 0 1 0 φ 0 0
  
Estas ecuaciones tienen la forma:
Mẋ = Āx + B̄u

N
Podemos reescribir esto en forma de ecuación de estados:
ẋ = Ax + Bu
O
en donde:
A = M−1 Ā , B = M−1 B̄
A.1.4. Dinámica Longitudinal

C
El modelo en ejes de estabilidad es el siguiente:

      

 u̇  xu xw xq xθ  u xη xτ
ẇ 
 
zu zw zq zθ  w zη zτ 
 η
   
=  +
q̇ mu mw mq mθ   q mη mτ  τ
EN

  
  
 
θ̇ 0 0 1 0 θ 0 0
 

Si aproximamos (u, w U0 ):
w w
α = tan−1 ≈
u + U0 U0
      

 u̇  xu xα xq xθ  u xη xτ
α̇ 
 
zu zα zq zθ  α zη zτ 
 η
   
IO
=  +

 q̇  mu mα mq mθ   q  mη mτ  τ
  
 
θ̇ 0 0 1 0 θ 0 0
 
Para los cómputos de las derivativas aerodinámicas ver [Coo07, p. 431]).
Debe notarse que las derivativas asociadas con θ surgen fundamentalmente por efec-
C
to gravitatorio, mientras que xq y zq tienen que ver con los términos de acoplamiento
producto de usar un sistema de coordenadas inerciales.
Podemos decir que para la dinámica longitudinal el modelo resulta:
C
      
 u̇ 
  xu xα −we −g cos θe   u xη xτ
 
α̇  z zα ue −g sin θe  w zη zτ 
 η
  
= u  + (A.8)
 q̇ 
  mu mα mq 0   q
mη mτ  τ
θ̇ 0 0 1 0 θ 0 0
   
xu =
2 σS
RU
donde los coeficientes de la matriz dinámica para una terna principal de inercia son:
cx (αe , 0) xw =
σS ∂cx
(αe , 0)
1
Ve m m ∂α Ve
2 σS σS ∂cz 1
zu = cz (αe , 0) zw = (αe , 0)
Ve m m ∂α Ve
ST
2 σSc̄ σSc̄ ∂cm 1 σSc̄ ∂cm
mu = Ve cm (αe , 0) mw = (αe , 0) mq = (αe , 0)
Iy Iy ∂α Ve Iy ∂q
Aproximación de Perı́odo Corto

Si se puede asumir u̇ ≈ 0 , y si θe 1 (zθ ≈ 0 y mθ ≈ 0 - ver [Coo07, p. 148]):

ẇ z zq w z
N
= w + η {η}
q̇ mw mq q mη
El polinomio caracterı́stico es:
s2 − (mq + zw ) s + (mq zw − mw zq ) = 0
O
Si se puede asumir que Zq mUe y m Zẇ :

Zq + mUe
zq = ≈ Ue
C
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
EN
Iy m Iy

Simplificando más aún se puede decir que:
s
Mw Ue Mq
ωsp ≈ − , 2ζsp ωsp = −
Iy Iy
IO
Aproximación de Perı́odo Largo
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 0 w
 
zη zτ 
 η
=  +
0 mu mw mq 0  q mη mτ  τ
C

  
   

θ̇ 0 0 1 0 θ 0 0
 
Operando se llega a que:

mu Ue − mq zu mu zw − mw zu
C
s2 − xu − xw s+g =0
mw Ue − mq zw mw Ue − mq zw
Simplificando se llega a que:

RU
Sustituyendo:
ωlp ≈
r
−g
zu
Ue
, 2ζlp ωlp = −xu
√ g 1 CD
ωlp ≈ 2 , ζlp ≈ √
Ue 2 CL
A.1.5. Dinámica Lateral

ST
El modelo en ejes de estabilidad es el siguiente: Si aproximamos (u, w U0 ):

v v
β = tan−1 ≈
u + U0 U0
      

 β̇  yβ yp yr yφ  β yζ yξ
   

ṗ lβ lp lr lφ  p lζ lξ 
 ζ
   
N
=  +

 ṙ  nβ np nr nφ   r  nζ nξ  ξ
   

φ̇ 0 0 1 0 φ 0 0
 
Para los cómputos de las derivativas aerodinámicas ver [Coo07, p. 417]).

O
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
   
C
=  + (A.9)
 ṙ
  

nv np nr 0  r
  

nζ nξ  ξ
φ̇ 0 0 1 0 φ 0 0
 
donde:
EN

σS ∂cy 1
yv = (αe , 0)
m ∂β Ve
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
IO
nv = (αe , 0) np = (αe , 0) nr = (αe , 0)
Iz ∂β Ve Iz ∂p Iz ∂r
A.1.6. Trayectoria
Plano Vertical
C
La relación entre el ángulo de planeo γ y la velocidad vertical es:
ż = V sin γ ≈ V · γ
C
Por otra parte se tiene que:
γ =θ−α
Asumiendo que se cuenta con alguna clase de control sobre el ángulo de ataque, y que
RU
u̇ es pequeño, se puede plantear que:

q̇
θ̇
=
mq 0 q
1 0 θ

+
mα
0
α
con la ecuación de salida:

ż q
y =γ= = 0 1 + −1 α
V θ
ST
Plano Horizontal
Para la cinemática de la trayectoria horizontal se tiene algo similar a lo planteado para el
desplazamiento vertical:
ẏ = V sin ψ ≈ V · ψ (A.10)
N
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.11)
O
vt
Para un viraje coordinado a velocidad de descenso constante: vt = V cos γ , y además:
ac = g cos γ tan φ (A.12)

C
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.13)
EN

EN
C
O
N
ST
RU
C
C
IO
IO
C
Índice de figuras
C
RU
1.2. distribución espacial de velocidades para el modelo de vórtice de Lamb-Oseen (izquier-
da) y variación de la componente longitudinal de la velocidad al atravesar el vórtice a
velocidad constante a diferentes alturas (derecha) . . . . . . . . . . . . . . . . . . . .
1.3. campo de velocidades para el péndulo plano . . . . . . . . . . . . . . . . . . . . . . .
7
11
1.4. campo de velocidades y trayectorias para el péndulo plano . . . . . . . . . . . . . . . 12
1.5. puntos crı́ticos aislados : arriba foco (izquierda) y nodo (derecha); bajo centro (izquierda)
y punto de silla (derecha). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6. respuesta de un oscilador de van der Pol a diferentes condiciones iniciales . . . . . . . 15
ST
1.7. evolución temporal de los estados del modelo de Lorenz con diferentes condiciones
iniciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.8. trayectorias para el modelo de Lorenz con diferentes condiciones iniciales . . . . . . . 18
1.9. Estabilidad según Lyapunov: a) estable, b) asintóticamente estable, c) inestable . . . . 19
1.10.Función cuadrática y una trayectoria para el sistema masa-resorte-amortiguador . . . . 23
1.11.trayectoria y evolución de las funciones de energı́a para el sistema masa-resorte-
amortiguador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
N
1.12.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) . . . . . . . . . . . . . . . . . . . . . . . 32
1.13.respuesta temporal de una dinámica de segundo orden con cr = 1, cs = 0 y ωn = 1. . 34
O
1.14.Trayectorias para el caso con autovalores reales, uno positivo y otro negativo. Las lı́neas
marcan la dirección de los autovectores. . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.1. Respuesta al escalón de los diferentes términos de la (2.5) . . . . . . . . . . . . . . . 48

C
2.2. Parámetros de respuesta transitoria al escalón . . . . . . . . . . . . . . . . . . . . . . 49

2.3. respuesta temporal de segundo orden al escalón con ξωn = 1. . . . . . . . . . . . . . 50
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 . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.6. Descomposición en serie de Fourier de una onda cuadrada truncada en el séptimo
EN
armónico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
121
3.1. Modelo conceptual de 2GL para la suspensión de un automóvil . . . . . . . . . . . . . 74
3.2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.5. estructura reticulada discretizada por elementos viga . . . . . . . . . . . . . . . . . . . 104
IO
C
C
RU
ST
N
O
C
EN

IO
Bibliografı́a
C
C
[Coo07] M.V. Cook. Flight Dynamics Principles. Elvesier, 2007.
edition, 2012.
RU
[Kel12] S. Graham Kelly. Mechanical Vibrations - Theory and Applications. Cengage Learning, 5
[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.
[Rao11] Singiresu S. Rao. Mechanical Vibrations. Prentive Hall, 5 edition, 2011.
[Tho82] Wiliam T. Thompson. TeorÃa de Vibraciones - Aplicaciones. Prentice-Hall Inc., 1982.
[V.O94] Peter V.O’Neil. Matemáticas Avanzadas para Ingenierı́a. Prentice Hall, 3 edition, 1994.
N
O
C
EN
123

Apuntes de Dinamica

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apuntes de Dinamica

Hochgeladen von

Copyright:

Verfügbare Formate

IO

2.1.2. Matriz de Transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2.3.2. Respuesta a una Entrada Senoidal . . . . . . . . . . . . . . . . . . . . . . . . . 54

3. Modelado de Sistemas Mecánicos 73

versión (preliminar) 0.11 - pág.

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

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

saria e incluso no recomendable.

1.1.2. Modelo Matemático

versión (preliminar) 0.11 - pág.2

2 - conducción térmica En el calefón se produce una transferencia de energı́a desde

Definiendo x = T − T0 y u = Tcomb − T0 2 podemos escribir el modelo en la forma de una

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

en todo caso a una temperatura media

2 x y u serı́an apartamientos respecto de la temperatura del ambiente en lugar de temperaturas absolutas

versión (preliminar) 0.11 - pág.3

Análisis del Modelo Matemático

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

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

ml2 θ̈ = −mgl sin θ + f (t) l

versión (preliminar) 0.11 - pág.4

donde ρ es la densidad del aire, w la velocidad del viento, S es el área frontal de la

decir, τ = t − t0 , lo lógico es considerar al modelo como perturbado pero invariante; ya

La variable exógena en general se denomina perturbación, y cuantifica el efecto de pro-

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

particulares se requiere de un modelo matemático para dicha perturbación. Realzamos

versión (preliminar) 0.11 - pág.5

en donde r es la distancia al centro del vórtice en el lugar en donde se desea determinar

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

Perturbaciones Armónicas Un tipo de perturbación determinı́stica especial lo cons-

versión (preliminar) 0.11 - pág.6

descomponerse en una superposición de funciones senoidales cuyas frecuencias son

Perturbaciones Aleatorias Los modelos estocásticas son necesarios para el caso

1.2.2. Análisis de Sistemas Autónomos

versión (preliminar) 0.11 - pág.7

Es común confundir los términos equilibrio y estabilidad. Aclaramos desde ahora

Es evidente que en este modelo el equilibrio no es posible si p no es constante.

versión (preliminar) 0.11 - pág.8

Evidentemente cuando el sistema dinámico se encuentra “próximo” a una condi-

versión (preliminar) 0.11 - pág.9

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

Para modelos de segundo orden el estado puede graficarse en el plano carte-

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

Sin necesidad de resolver la ecuación de estados podemos calcular esta veloci-

como el de la figura 1.4.

versión (preliminar) 0.11 - pág.10

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

|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

versión (preliminar) 0.11 - pág.11

Clasificación de Puntos Crı́ticos

versión (preliminar) 0.11 - pág.12

versión (preliminar) 0.11 - pág.13

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

1.2.3. Dinámicas Complejas

El ejemplo clásico de esta clase de comportamiento es el denominado oscilador de van

en donde µ es un parámetro escalar que gobierna la no linealidad y el amortiguamiento.

Podemos ver en la figura ?? que partiendo de diferentes condiciones iniciales la solución

siempre confluye a una misma trayectoria cerrada, o cliclo lı́mite.

con circuitos eléctricos se hizo más simple. La oscilación se da por un intercambio de

Para este circuito, asumiendo que

versión (preliminar) 0.11 - pág.14

donde L es la inductancia y C la capacidad.