MATEMATICOS
PARA LA INGENIERIA QUIMICA
NOTAS DE CLASE
Indice general
1. Interpolaci
on
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
ESCUELA TECNICA
SUPERIOR
UNIVERSIDAD POLITECNICA
DE VALENCIA
37
Captulo 1
. . . . . . . . . . . . . 42
Interpolaci
on
50
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2. Sistema dinamico lineal invariante en tiempo continuo . . . . . 51
4.2.1. Sistemas representados por una ecuacion diferencial de
orden n . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3. Estudio de la solucion de un sistema continuo . . . . . . . . . 56
4.3.1. Metodo matricial . . . . . . . . . . . . . . . . . . . . . 56
4.3.2. Metodo de la Transformada de Laplace. Funcion paso
de Heaviside . . . . . . . . . . . . . . . . . . . . . . . . 57
4.4. Funcion de transferencia: ceros y polos . . . . . . . . . . . . . 65
4.4.1. Ceros y polos . . . . . . . . . . . . . . . . . . . . . . . 67
4.5. Estabilidad de sistemas continuos . . . . . . . . . . . . . . . . 68
4.5.1. Estabilidad asintotica a cero . . . . . . . . . . . . . . . 68
4.6. Criterio de Routh-Hurwitz . . . . . . . . . . . . . . . . . . . . 71
4.7. Sistemas en lazo cerrado. Realimentacion . . . . . . . . . . . . 73
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5. Ecuaciones en diferencias
81
1.1.
Introducci
on
Frecuentemente, al realizar trabajos experimentales, la informacion respecto de cierta funcion desconocida o de difcil calculo, f (x), se tiene a partir
de una tabla con valores numericos de f (x) para ciertos valores de x. Para
una funcion representada de esta forma se necesita, a menudo, hallar el valor
tabulados. Este
es el problema de la interpolaci
on inversa. El problema de
determinar el valor de f (x) en alg
un punto x que no este situado entre dos
valores de la tabla se denomina problema de extrapolaci
on.
Trabajar solo con la informacion de f (x) que proporciona la tabla significa desconocer casi todo sobre f (x), en particular si f (x) es continua
y derivable. En el desarrollo del tema se asumira la hipotesis de continuidad y derivabilidad sobre la funcion f (x). Una justificacion para esto es que
intentaremos resolver los problemasde interpolacion y extrapolacion aproximando la funcion desconocida, f (x), mediante una funcion polinomica o
una funcion construida a partir de polinomios (splines).
La interpolacion, con las hipotesis descritas es un procedimiento usualmente satisfactorio, sobre todo si los valores para los que se quiere calcular
f (x) estan cerca de los valores tabulados.
Veamos a continuacion algunos problemas practicos que se pueden plantear.
5.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3
1.1.1.
Varios problemas pr
acticos
Tabla 1.3.-
Produccion
(t/ha)
1.2
6.5
9.3
9.0
8.5
8.0
Por otra parte las dosis optimas de N dependen del manejo del agua.
En la experiencia anterior tambien se midio la lixiviacion (lavado hacia
capas mas profundas del suelo) de nitrato en funcion de la dosis de
fertilizante nitrogenado y del volumen de drenaje:
Nfertilizante
aplicado (kg N/ha)
0
95
180
360
25
30
40
95
Meses
1
2
3
4
5
6
7
8
9
10
11
12
Nextraido kgN/ha
kgN/ha
2.44
4.07
6.11
12.22
23.21
34.61
42.75
36.65
22.39
10.18
6.11
2.85
extraccione
mensuales/totales
0.012
0.02
0.03
0.06
0.114
0.17
0.21
0.18
0.11
0.05
0.03
0.014
Fraccion
del a
no
0.083
0.166
0.25
0.333
0.416
0.5
0.583
0.666
0.75
0.833
0.916
1.000
Veamos ahora la curva de demanda de N por el cultivo como una funcion de la fraccion del tiempo.
Debido a los problemas que supone la ingestion de aguas con un elevado contenido en nitratos por parte del ser humano (la OMS propone
que en agua potable no se sobrepase los 50 ppm), y puesto que parece
que en la contaminacion de los acuferos tiene una importancia crucial
el exceso de la fertilizacion nitrogenada aportada por la agricultura intensiva, se realizo un ensayo de laboratorio con vistas a considerar la
evolucion de mineralizacion, proceso por el cual el N organico (proveniente de residuos vegetales, abonos . . . ) se transforma en N mineral
(NO3- y NH4+), que se produce en el suelo de una parcela de Vinalesa
con vistas a considerar estos aportes en el balance total de N y as al
considerar este aporte disminuir la fertilizacion disminuyendo de estaforma la contaminacion de los acuferos. Los datos obtenidos para un
ensayo a 25 grados C y a la humedad determinada fueron los siguientes:
18
19
21
50
Fraccion total
de N extraido
0.012
0.032
0.062
0.122
0.236
0.406
0.616
0.796
0.906
0.956
0.986
1.000
Tabla 1.4.Tiempo
Nmin
(das) (mg/kg)
7
9.466
14
8.211
27
15.590
41
17.615
55
20.215
83
21.734
Seg
un la bibliografa la evolucion de la mineralizacion se ha ajustado a
funciones lineales (Nmin = N0 + kt) , exponenciales de primer orden
(Nmin = N0(1 exp(kt))), potenciales (Nmin = htk ).
Podemos escribir una funcion interpoladora, I(x), que sea valida para
todos los puntos comprendidos entre los puntos extremos de la tabla haciendo
uso de la funcion caracterstica,
1 x [xi , xi+1 ]
.
[xi ,xi+1] =
0 x 6 [xi , xi+1 ]
1.2.
x xi
y yi
=
,
xi+1 xi
yi+1 yi
o sea, el valor de y correspondiente al valor x es
y = yi +
Interpolaci
on lineal
x0
y0
x1
y1
xi+1 x
x xi
yi+1 yi
(x xi ) = yi
+ yi+1
.
xi+1 xi
xi+1 xi
xi+1 xi
(1.1)
y2
yn+1
y1
x xi1
xi+1 x
[x ,x ] +
[x ,x ] ,
xi xi1 i1 i
xi+1 xi i i+1
podemos escribir
n
y0
I(x) = y0
x0
x1
x2
xn+1
X
x xn
x1 x
[x0 ,x1 ] +
yi i (x) + yn+1
[x ,x ] ,
x1 x0
x
xn n n+1
n+1
i=1
(1.2)
1.3.
x0
f0
x1
f1
xn
fn
donde
Pn,i (x) =
de donde
Ln (xi ) = Pn,i(xi ) fi = fi , i = 0, 1, . . . , n.
El polinomio obtenido en el teorema 1 se conoce con el nombre de polinomio interpolador de Lagrange. Sera mas propio decir que esta representado
en la forma de Lagrange ya que, como probaremos en la siguiente proposicion,
el polinomio interpolador de una funcion f (x) es u
nico.
Proposicion 1.1 Dada la tabla 1.6, el polinomio interpolador de la funci
on
f (x) es u
nico.
Demostraci
on.
Supongamos que existe otro polinomio interpolador de f (x), es decir, existe
un polinomio Ln (x) de grado menor o igual que n, tal que
a0 + a1 xn + . . . + an xnn = fn .
Ln (xi ) = fi , i = 0, 1, . . . , n.
Esta forma de afrontar el problema es, desde el punto de vista practico, poco
operativa.
El siguiente resultado proporciona una forma explcita del polinomio interpolador buscado.
n
X
Pn,i(x) fi
i=0
10
60
40
Para el c
alculo pr
actico del polinomio interpolador de Lagrange no hay
necesidad alguna de que los nodos esten ordenados.
En vista de que un polinomio interpolador depende linealmente de los
valores fi de la funci
on f , el polinomio interpolador de la suma de dos
funciones en n + 1 puntos x0 , x1 , . . . , xn es igual a la suma de los
polinomios interpoladores.
exp(x)
50
30
20
10
0
-10
-1
x
f (x)
0,3
1,35
Tabla 1.7.1
2
3
2,718 7,389 20,086
(x 1)(x 2)(x 3)
1,35 +
(0,3 1)(0,3 2)(0,3 3)
(x 0,3)(x 2)(x 3)
2,718 +
(1 0,3)(1 2)(1 3)
(x 0,3)(x 1)(x 3)
7,389 +
(2 0,3)(2 1)(2 3)
(x 0,3)(x 1)(x 2)
20,086 .
(3 0,3)(3 1)(3 2)
11
0
3
5
9
0 0,141 0,959 0,412
(x 3)(x 5)(x 9)
(x 0)(x 5)(x 9)
0+
0,141 +
(0 3)(0 5)(0 9)
(3 0)(3 5)(3 9)
(x 0)(x 3)(x 5)
(x 0)(x 3)(x 9)
(0,959) +
0,412.
(5 0)(5 3)(5 9)
(9 0)(9 3)(9 5)
De la observaci
on de las gr
aficas de sen(x) y de L3 (x) (vease la figura 1.2)
se deducen las grandes diferencias entre la funci
on aproximadora (L3 (x)) y
la funci
on a aproximar (sen(x)).
12
sin(x)
L3 (x)
de modo que
cn =
fn+1 Ln (xn+1 )
.
(xn+1 x0 )(xn+1 x1 ) (xn+1 xn )
10
1. Definimos N0 (x) = f0 .
2. Teniendo en cuenta la demostracion de la proposicion 1.2 definimos
1.4.
A partir de los datos de la Tabla 1.5, vamos a obtener una nueva forma
de expresar el polinomio interpolador para la funcion f (x). Antes sera interesante demostrar el siguiente resultado.
Proposicion 1.2 Sea f una funci
on de la cual se conocen sus valores en
n + 2 valores reales distintos
f1 N0 (x1 )
.
(x1 x0 )
3. En general, calculamos
Nk (x) = N0 (x) +
k
X
i=1
con
ci =
para k = 2, 3, . . . , n.
ci (x x0 )(x x1 ) (x xi1 )
fi Ni1 (xi )
.
(xi x0 )(xi x1 ) (xi xi1 )
f (xi ) = fi , i = 0, 1, . . . , n + 1.
Llamaremos polinomio interpolador en la forma de Newton al polinomio
Consideremos los polinomios interpoladores de f en los nodos x0 , x1 , . . . , xn
y x0 , x1 , . . . , xn , xn+1 a los cuales llamamos Ln (x) y Ln+1 (x) respectivamente. Entonces, existe una constante cn 6= 0 tal que
Ln+1 (x) = Ln (x) + cn (x x0 )(x x1 ) (x xn ) .
Demostraci
on. Observemos que el polinomio
Ln (x) + cn (x x0 )(x x1 ) (x xn ) ,
Nn (x) = N0 (x) +
n
X
i=1
ci (x x0 )(x x1 ) (x xn1 ) ,
coincide con Ln (x), y por lo tanto con f (x) en los puntos x0 , x1 , . . . , xn , para
cualquier valor de cn . Adem
as, este polinomio es de grado n + 1 a lo sumo.
13
14
1.5.
1.5.1.
obtenemos
Diferencias finitas
xi
fi
0,5
1,65
1,03
1,5
0,74
j = 0, 1 . . . , n.
2
0,61
2,5
0,53
f (x) = f (x + h) f (x)
0,45
2 f
0,62
0,29
0,13
0,08
3 f
4 f 5 f
0,33
0,16
0,05
0,00
0,17
0,11
0,06
0,00
0,06
0,05
0,08
f (x)
f0
f (x)
2 f (x)
3 f (x)
4 f (x)
1.5.2.
f1
x2
f2
x3
f3
x4
...
f4
...
c1 =
2 f (x0 )
3 f (x0 )
f (x1 )
2 f (x1 )
4 f (x0 )
..
f (x2 )
3 f (x1 )
.
..
..
.
.
2 f (x2 )
..
..
f (x3 )
.
.
..
..
..
..
.
.
.
.
...
...
...
...
0,5
1
1,5
2
2,5
3
1,65 1,03 0,74 0,61 0,53 0,45
15
j = 0, 1 . . . , n.
se obtiene
f (x0 )
x1
c2 =
=
f (x1 ) f (x0 )
f (x0 + h) f (x0 )
f (x0 )
=
=
x1 x0
(x0 + h) x0
h
f (x0 )
h
f (x0 )
h
=
x2 x1
h
f (x1 ) + f (x0 ) 2f (x0 )
f (x1 ) f (x0 )
2 f (x0 )
=
=
=
.
2
2
2h
2h
2h2
k f (x0 )
,
hk k!
16
de donde la forma de Newton del polinomio interpolador quedara del siguiente modo
2 f (x0 )
f (x0 )
(x x0 ) +
(x x0 )(x x1 ) + . . .
h
h2 2!
n f (x0 )
...+
(x x0 )(x x1 ) . . . (x xn1 ) .
hn n!
Nn (x) = f (x0 ) +
la extrapolacion para casos muy particulares de funciones. Por ejemplo, consideremos la tabla 1.5 donde fi tiende a un lmite f cuando i crece. Supongamos, ademas, que la sucesion {f fi } es una progresion geometrica.
Entonces, para tres valores consecutivos fk1 , fk , fk+1 , se tiene que
(f fk1 )(f fk+1 ) = (f fk )2 ,
y de aqu
N5 (x) = 1,65 +
1.6.
1.6.1.
Interpolaci
on inversa y extrapolaci
on
Interpolaci
on inversa
Dada una tabla de puntos, el problema de la interpolacion inversa consiste, simplemente, en determinar para un valor dado de la funcion f (x) la
correspondiente x. Cualquiera de las formas de interpolacion expuestas permite afrontar este problema, simplemente hay que considerar a la f como
variable independiente y a x como variable dependiente. La interpolacion inversa puede tener gran interes como metodo para contrastar los resultados
obtenidos al resolver un problema de interpolacion directa.
1.6.2.
Extrapolaci
on
f = fk+1
1.7.
Splines
Podemos pensar que, dada una nube de puntos, basta calcular el polinomio interpolador para obtener una aproximacion aceptable de la funcion.
Pero cuando el n
umero de puntos de la tabla a ajustar es elevado, este proceso
es computacionalmente, costoso y el resultado obtenido no suele ser bueno.
Otro metodo que se utiliza es la aproximacion mediante Splines. Aqu se
sigue la filosofa de que la aproximacion obtenida sera una funcion que pase
por todos los puntos dados por la tabla y que esta funcion estara construida
a partir de polinomios de grado a elegir, pero no muy alto en la practica.
Supongamos que se quieren aproximar, a partir de los datos de la tabla 1,
los valores de una funcion f (x), donde se supondra que los puntos a = x0
x1 . . . xn = b definen una particion del intervalo [a, b].
Definicion 1.1 Dado un intervalo [a, b] R y una particion P de este
intervalo
a = x0 x1 . . . xn = b ,
La utilizacion de los polinomios interpoladores para calcular aproximaciones con valores no situados entre nodos de la tabla 1.5 da, en general,
resultados bastante desastrosos. Solamente se obtienen buenos resultados en
17
(fk+1 fk )2
.
fk+1 2fk + fk1
x [xi1 , xi ], i = 1, . . . , n
i = 1, . . . , n
(1.3)
y adem
as,
k1)
k1)
Si (xi ) = Si+1 (xi )
(1.4)
Si (x) = Mi1
(x xi1 )3
(xi x)3
+ Mi
+ i x + i ,
6(xi xi1 )
6(xi xi1 )
Si (xi1 ) = fi1
Si (xi ) = fi
i = 1, . . . , n ,
f f
i = xi xi1 61 (Mi Mi1 )(xi xi1 )
i
i1
i = fi i xi 16 Mi (xi xi1 )2 .
Si (xi1 ) = fi1
Si (xi ) = fi
Si (xi ) = Si+1
(xi )
Si (x) =
i = 1, . . . , n ,
i = 1, . . . , n 1 ,
(xi x)
(x xi1 )
+ Mi
,
(xi xi1 )
(xi xi1 )
i = 1, . . . , n .
(1.5)
Efectivamente
Si (xi ) = Mi
Si+1 (xi ) = Mi
(1.6)
(xi xi )
(xi+1 xi )
+ Mi+1
= Mi .
(xi+1 xi )
(xi+1 xi )
A = S1 (x0 ) = M0 ,
Mi
1
(x xi1 )
Mi1
(xi x)3 +
(x xi1 )3 + (fi Mi h2i )
+
6hi
6hi
6
hi
1
(xi x)
+(fi1 Mi1 h2i )
.
(1.7)
6
hi
Falta calcular los Mi , para ello, se hace uso de la condicion que nos queda
Si (xi ) = Si+1 (xi ) i = 1, . . . , n 1 obteniendo el sistema de ecuaciones
ai Mi1 + Mi + ci Mi+1 = di ,
donde los coeficientes vienen dados por las expresiones
ai =
di =
hi+1
hi
; ci =
,
2(hi + hi+1 )
2(hi + hi+1 )
1
2(hi + hi+1 )
fi+1 fi
hi+1
1 c1 0
a2 1 c2
.
.
..
.
[A] = 0 . . . .
.
..
..
..
.
.
0
an1
fi fi1
hi
matriz de coeficientes es de
0
0
..
. ,
..
.
1
B = Sn (xn ) = Mn .
y, una vez resuelto, basta sustituir en (1.7) para obtener los distintos polinomios del spline c
ubico.
19
20
y la expresion (1.6)
x
f (x)
y obtenemos
M1
M2
M3 =
M4
Tabla 1.8.0 1 2 3 4 5
0 1 4 9 16 25
0,421
0,316
.
0,316
0,421
30
25
20
10
S4 (x) =
0
-5
S3 (x) =
15
-1
Fig. 1.3.- Gr
afica de los puntos de la tabla 4.2.
Suponiendo que M0 = M5 = 0 y teniendo en cuenta
1, . . . , 5, calculamos los valores ai = 0,25, ci = 0,25, di =
que dan lugar a la matriz
1 c1 0 0
1 0,25 0
a2 1 c2 0 0,25 1 0,25
[A] =
0 a3 1 c3 = 0 0,25 1
0 0 a4 1
0
0 0,25
Resolvemos el sistema
d1
M1
M2 d2
=
[A]
M3 d3
d4
M4
21
S5 (x) =
0,421 3
0,421
x + (1
)x ,
6
6
0,316
0,316
0,421
(2 x)3 +
(x 1)3 + (4
)(x 1)
6
6
6
0,421
+(1
)(2 x) ,
6
0,316
0,316
0,316
(3 x)3 +
(x 2)3 + (9
)(x 2)
6
6
6
0,316
+(4
)(3 x) ,
6
0,316
0,421
0,421
(4 x)3 +
(x 3)3 + (16
)(x 3)
6
6
6
0,316
+(9
)(4 x) ,
6
0,421
0,421
(5 x)3 + 25(x 4) + (16
)(5 x) .
6
6
que hj = 1, j =
0,5, i = 1, . . . , 4,
0
0
.
0,25
1
22
spline
x
f (x)
20
10
0
-5
-1
x
Si(x)
3
1.8.
8
50
15
2 4 6
3 11 27
0
0.2
0.4
0.6
0.8
1.0
0 0.19956 0.39646 0.58813 0.77210 0.94608
Ejercicios
3
4
44 107
-2 1
2
4
25 -8 -15 -23
determinar el polinomio interpolador de Lagrange asociado a estos datos, dar una estimacion de f (0).
23
Algebra
Fsica
7.5 8 9.3
8.2 7.8 8.6
6.5 8.7
7.2 9.1
Captulo 2
Horas 0 2
4
6
Bacterias 32 65 132 275
a) Hallar un polinomio interpolador de grado 3 a lo sumo para estos
datos.
Ajuste de curvas
3
5
92 190
cos(x) dx = 0.
y1 , y2 , . . . , yn ,
y por otro los valores que predice la funcion
f (x1 ), f (x2 ), . . . , f (xn ) ,
x
1.0
1.02
1.04
1.06
f (x) 0.76578939 0.79536678 0.82268817 0.84752226
(2.2)
que se pretende que sean lo mas cercanos posibles. Se pueden definir distintos
errores que miden la distancia entre estos dos conjuntos de puntos. As el
error m
aximo se define como
E = max |f (xi ) yi| ,
0in
25
(2.1)
26
(2.3)
1
n+1
n
X
i=0
|f (xi ) yi | ,
1 X
(f (xi ) yi )2
n + 1 i=0
#1/2
(2.4)
(2.5)
2.1.
(n + 1)
i=0
n
X
i=0
i=0
yi a
n
X
i=0
xi b
27
i=0
n
X
i=0
1=0.
x2i
i=0
X
n
n 2 X
x
y
x
i i
i
i=0
i=0
X
n
n
X
x
y
i
i
i=0
i=0
b = n
=
n
X
X
xi
x2i
i=0
i=0
X
n
n
X
1
xi
i=0
! i=0n !
n
X
X
x2i
yi
Supongamos que se quiere ajustar los datos de la tabla 2.1 mediante una
recta de la forma
f (x, a, b) = ax + b .
i=0
n
X
i=0
i=0
n
X
(n + 1)
x2i
i=0
i=0
xi
n
X
n
X
i=0
xi
i=0
n
X
i=0
xi
xi
(2.6)
n
X
yi xi
i=0
n
X
i=0
xi
(2.7)
xi
yi
Trataremos de ajustar la nube puntos mediante una recta usando la aproximacion de mnimos cuadrados. Basta para ello, utilizar las expresiones (2.6)
28
2.2.
b = 0,360.
Par
abola de mnimos cuadrados
Supongamos ahora que se quiere ajustar los datos de la tabla 2.1 mediante
una parabola de la forma
(2.8)
16
14
2
1 X
E2 =
yi a0 a1 xi a2 x2i
n + 1 i=0
10
y
"
12
#1/2
6
4
2
0
1
10
y = at + b ,
d
y = x+
c
x = d y1 c ,
y=
x
ax + b
1 ,
t= x
x = ax + b ,
y
y = ceax
ln(y) = ln(c) + ax ,
y = cxa
y=
1
(ax + b)2
1 = ax + b ,
y
29
n
X
yi = a0
i=0
n
X
xi yi = a0
i=0
n
X
1 + a1
yix2i
= a0
n
X
xi + a2
i=0
n
X
+ a1
n
X
n
X
x2i ,
i=0
n
X
x2i + a2
x3i ,
i=0
i=0
x2i
x3i
+ a2
n
X
xni ,
(2.9)
i=0
i=0
i=0
i=0
n
X
xi + a1
i=0
i=0
n
X
n
X
xi
yi
a1 = 0,8641,
30
a2 = 0,8437.
Nos planteamos pues, ajustar una funcion de la forma (2.10) a los datos
de la tabla 2.1. El error cuadratico medio en este caso es de la forma
"
#1/2
n
1 X
1 xi
2 xi 2
E2 =
y i C1 e
C2 e
.
n + 1 i=0
2.2
y
E2
=
C1
1.8
1.6
yi C1 e1 xi C2 e2 xi
i=0
1/2
(n + 1)
1.4
i=0
n
X
1.2
1
0
0.2
0.4
0.6
0.8
E2
=
C2
i=0
1/2
" n
X
i=0
n
X
E2
=
1
Ajuste no lineal
i=0
1/2
a a2 4b
1,2 =
.
2
n
X
" n
X
i=0
1/2
" n
X
i=0
o lo que es lo mismo
n
X
i=0
n
X
i=0
n
X
i=0
n
X
yi e1 xi C1
yi e2 xi C1
1 xi
yi xi C1 e
e1 xi
n
X
i=0
n
X
i=0
e2 xi )2
#1/2 = 0 ,
C1 xi e1 xi
(yi C1 e1 xi C2 e2 xi )
(yi C1 e1 xi C2 e2 xi )
n
X
n
X
21 xi
i=0
n
X
i=0
#1/2 = 0 ,
e(1 +2 )xi = 0 ,
i=0
n
X
e22 xi = 0 ,
i=0
C1 C2
n
X
xi e(1 +2 )xi = 0 ,
i=0
32
#1/2 = 0 ,
C2 xi e2 xi
2
e(1 +2 )xi C2
yi xi C2 e2 xi C1 C2
#1/2 = 0 ,
e21 xi C2
C12
e2 xi )2
e2 xi
C2
yi C1 e1 xi C2 e2 xi
(n + 1)
i=0
31
(yi C1
i=0
E2
=
2
C2
yi C1 e1 xi C2 e2 xi
(n + 1)
(yi C1
e1 xi
yi C1 e1 xi C2 e2 xi
(n + 1)
2.3.
" n
X
e1 xi
n
X
i=0
xi e22 xi = 0 .
k1
[B]p = ek1 t
k2
A B C
de las que se conoce que la evoluci
on con el tiempo de la concentraci
on de la
especie B viene dada por los valores
[B]p =
Se tiene pues la soluci
on general
8k1 k1 t
e
.
k2 k1
[B] = C2 ek2 t +
t (seg)
0
0.5
1.0
1.5
2.0
2.5
3.0
5.0
10
[B]
0.000 1.003 1.500 1.725 1.815 1.820 1.782 1.505 0.892
La evoluci
on con el tiempo de las concentraciones de A y B se puede
modelizar mediante las ecuaciones
d[A]
= k1 [A] ,
dt
d[B]
= k2 [B] + k1 [A] .
dt
Se pide estimar los valores de k1 y k2 que ajusten los valores experimetales
sabiendo que [A](0) = 8 moles.
Soluci
on.En primer lugar hay que resolver el problema de valores iniciales asociado
a las concentraciones.
De la primera ecuaci
on obtenemos
[A] = C1 ek1t ,
e imponiendo que se satisfaga la condici
on inicial [A](0) = 8, llegamos a que
[A] = 8ek1 t .
La segunda ecuaci
on queda
d[B]
= k2 [B] + k1 8ek1 t .
dt
La soluci
on de la ecuaci
on homogenea es
[B]h = C2 ek2 t ,
33
8k1 k1 t
e
.
k2 k1
[B] =
8k1
ek1 t ek2 t .
k2 k1
[B]i
k2 k1
i=1
8k2
8k1
k1 ti
ti ek1 ti = 0 ,
ek2 ti
2 e
k2 k1
(k2 k1 )
8
X
8k1
[B]i
ek1 ti ek2 ti
k2 k1
i=1
8k1
8k1
k1 ti
k2 ti
k1 ti
e
t
e
=0,
i
k2 k1
(k2 k1 )2
2.4.
Ejercicios
1. Escribir el sistema analogo al (2.9) que se obtiene si en vez de la parabola (2.8), consideramos un polinomo de grado k.
34
Coeficiente (db/cm)
26.5
28.1
25.2
26.0
24.0
25.0
27.2
25.6
25.0
26.8
P (t)
t
R
0.154
0.296
0.363
0.531
2.23
3.58
3.52
2.40
Nmin
(mg/kg)
9.466
8.211
15.590
17.615
20.215
21.734
36
Captulo 3
Resoluci
on de ecuaciones no
lineales
Generalmente, no es posible encontrar expresiones explcitas para las soluciones de una ecuacion de la forma f (x) = 0. Por ello, sera interesante
disponer de metodos que nos proporcionen aproximaciones de estas races.
Pasaremos a discutir algunos metodos numericos sencillos para el tratamiento
de este problema.
3.1.
3.1.1.
Ecuaciones no lineales
M
etodo de la bisecci
on
a+b
,
2
M=2;
a=1;
b=2;
k=0;
tol=1.0e-5;
while (b-a) >tol
x=(a+b)/2;
if x^2>M
b=x;
else
a=x;
end
k=k+1;
end
sol=(a+b)/2
Este
es un metodo lento pero seguro para obtener una raz de una ecuacion
del tipo
f (x) = 0 .
Si f (x) es una funcion continua, solo hace falta conocer un intervalo [a, b] de
forma que se satisfaga f (a)f (b) < 0.
3.1.2.
M
etodo del punto fijo
(3.1)
b)
c)
d)
e)
1.5
1.5
1.5
1.5
0.8165 1.286953768 1.348399725 1.37333333
2.9969 1.402540804 1.367376372 1.365262015
Para obtener una solucion por este metodo, es necesario que la sucesion
{xn }
mite de esta sucen=1 construida como en (3.1) sea convergente, y el l
sion coincida con la raz. Las condiciones necesarias para que esto ocurra se
resumen en el siguiente teorema.
Este teorema ayuda a elegir una funcion (x) adecuada, por ejemplo para
la opcion d) del ejemplo anterior se tiene que
4 (x) = (10/(4 + x))1/2 ;
(x) =
10 (1/2) (4 + x)3/2 ;
4
10/2 (4 + x)3/2 < 10/(2 53/2 ) = 0,141 < 1 .
4 (x) =
3.1.3.
M
etodo de Newton-Raphson
x1 = x0
f (x0 )
.
f (x0 )
f (xn )
.
f (xn )
Teorema 2 (Teorema del punto fijo) Sea : [a, b] [a, b] una funci
on
continua en [a, b] y derivable en ]a, b[, y adem
as que cumple que | (x) | k <
1, x ]a, b[. Entonces existe un u
nico c ]a, b[ tal que (c) = c. Adem
as para
todo x0 ]a, b[, la sucesi
on {xn }
n=0 obtenida de la forma x0 , xn = (xn1 )
converge a c.
39
40
{xn }
n=1
de aproximaciones
f (xn )
.
sn
M
| xn xn1 | ,
2m
3.2.1.
M
etodo iterativo del punto fijo
xn cos (xn )
,
= xn
1 + sen (xn )
3.1.4.
3.2.
M
etodo de la secante
Una de las desventajas del metodo de Newton para obtener las races de
una ecuacion de la forma
f (x) = 0 ,
41
f1 (x, y) = 0 ,
f2 (x, y) = 0 ,
del que se pretende obtener la solucion. Para utilizar el metodo del punto
fijo, se reescribe el sistema de la forma
x = g1 (x, y) ,
y = g2 (x, y) .
Se construye la sucesion
(xn+1 , yn+1 ) = (g1 (xn , yn ), g2(xn , yn ))
que como ocurre en el caso escalar la eficiencia del metodo dependera de la
eleccion de las funciones g1 y g2 .
Ejemplo 3.3 Suponemos que se quiere buscar una soluci
on del sistema
x2 10x + y 2 + 8 = 0 ,
xy 2 + x 10y + 8 = 0 ,
42
se eligen
1
x2 + y 2 + 8 ,
10
1
xy 2 + x + 8 .
y =
10
x =
3.2.2.
yn
0
0.8000
0.9670
0.9901
0.9969
0.9990
0.9997
0.9999
1
M
etodo de Newton-Raphson
f1 (x0 , y0 )
f1 (x0 , y0 )
x +
y 0 ,
x
y
f2 (x0 , y0 )
f2 (x0 , y0 )
f2 (x0 , y0 ) +
x +
y 0 ,
x
y
f1 (x0 , y0 ) +
queda
entonces
f1
x
f2
x
f1
y
f2
y
43
44
1
2A + B
C
2
A + D
C
con
k1 = CC / CA 2 CB = 5 104 ,
k2 = CC / (CA CD ) = 4 102
y las concentraciones iniciales:
CA,0 = 40, CB,0 = 15, CC,0 = 0, CD,0 = 10.
Si llamamos x a la concentraci
on de B que ha reaccionado e y a la proporci
on
de D que ha reaccionado, se tiene
CA
CB
CC
CD
=
=
=
=
function [xr,k]=newtonsi(x,tol,imax)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Metodo de Newton para sistemas de ecuaciones
% Uso: [xr,k]=newtonsi(x,tol,imax)
%
% Input:
%x = vector x1,x2,...,xn inicial,
%tol=tolerancia
%
% Se ha de disponer de las funciones:
%
f.m funcion y=f(x) donde se define el sistema
%
jac.m funcion df=jac(x) donde se define la matriz
%
derivada del sistema.
%
% Output: xr= raiz, k= numero de iteraciones.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
k=1;
epi=1;
x1=x;
while norm(epi)>tol
x=x1;
fxn=f(x);
axn=jac(x);
epi=axn\fxn;
x1=x-epi;
46
De este modo, dado un vetor wnT tal que wnT bn 6= 0, podemos elegir
k=k+1;
if k>imax
disp(no converge)
break
end
Cn =
ya que
Cn bn = fn Sn bn .
end
xr=x1;
3.2.3.
1
(fn Sn bn ) wnT ,
wnT bn
M
etodo de Broyden
As pues, el metodo de Broyden para sistemas parte de una aproximacion inicial para la raz, x0 , y una aproximacion para la matriz derivada del
sistema, S0 , y se basa en iteraciones de la forma
bn = Sn1 f (xn ) ,
xn+1 = xn + bn ,
fn = f (xn+1 ) f (xn ) ,
1
Sn+1 = Sn + T (fn Sn bn ) wnT .
wn bn
xn+1 = xn s1
n f (xn ) .
Para el caso de un sistema, se ha de obtener una aproximacion de la
matriz derivada, Sn , que cumpla
Sn (xn xn1 ) = f (xn ) f (xn1 ) .
Introducimos la siguiente notacion
bn = xn+1 xn ,
fn = f (xn+1 ) f (xn ) ,
Sn+1 = Sn + Cn .
3.3.
Ejercicios
x4 + 2x2 x 3 = 0 ,
se puede escribir como
o sea,
(Sn + Cn ) bn = fn ,
y, por tanto,
Cn bn = fn Sn bn .
47
a) x = (3 + x 2x2 ) 4
21
4
b) x = x+3x
,
2
d) x =
3x4 +2x2 +3
4x3 +4x1
48
c) x =
x+3
x2 +2
21
Captulo 4
Sistemas din
amicos lineales
4.1.
Introducci
on
49
50
4.2.
Sistema din
amico lineal invariante en tiempo continuo
Denotaremos por q(t) la variable que mide el caudal de fluido que entra al
tubo y por y(t) el desplazamiento que sufre el pist
on. La relaci
on entre estas
variables es
dy
q(t)
=
.
dt
A
El sistema din
amico viene dado por esta ecuaci
on diferencial donde q(t) es
la variable de entrada y el desplazamiento, y(t), es la variable de salida.
Ejemplo 4.2 Sea un tanque que contiene un lquido cuya altura medimos
con la variable h(t). Supongamos que en el tanque entra un caudal de lquido
dado por q(t) y por un desag
ue se pierde un caudal de lquido, qs (t), que viene
h(t)
, donde R es la constante de resistencia.
dado por qs (t) =
R
ecuaci
on de salida.
En general, cuando el sistema dinamico esta representado por la expresion
(4.1), se dice que el sistema viene dado en su forma espacio-estado.
En ocasiones la variable y(t) que nos proporciona la respuesta medible del
sistema no es mas que el propio estado, x(t), con lo que la segunda ecuacion
se puede obviar, y el sistema dinamico se modeliza mediante una ecuacion
de la forma
y (t) = Ay(t) + Bu(t) .
q(t)
h(t)
qs(t)
El modelo mas sencillo correspondera al caso en que las variables son escalares, reduciendose el problema a una ecuacion diferencial de primer orden
lineal de coeficientes constantes.
51
52
4.2.1.
x1
0
1
0
0
x2
0
0
1
0
.. = ..
..
..
..
..
.
.
.
.
.
.
xn
an an1 an2 a1
x1
x2
.. +
.
xn
x1
x2
y = [1 0 . . . 0] .. .
.
xn
0
1
0
0
0
1
A = ..
..
..
..
.
.
.
.
an an1 an2
0
0
..
.
a1
; B=
0
0
..
.
1
C = [1 0 . . . 0],
Ejemplo 4.4 Sea un sistema de vasos comunicantes que contiene un cierto
lquido. Le aplicamos una presi
on, P (t), en uno de ellos, lo que produce un
desplazamiento del lquido, h(t), en el otro.
P(t)
xn = y n1) ,
53
u(t),
h(t)
con y(0) = y0 , y (0) = y0 , . . ., y n1) (0) = y0 . Como es conocido, utilizando variables auxiliares (variables de estado) esta ecuacion diferencial de
orden n se puede escribir como un sistema de primer orden de n ecuaciones
diferenciales. Llamando,
x1 = y
x2 = y
..
.
0
0
..
.
dh
d2 h
= Al 2 ,
dt
dt
o sea,
P
d2 h R dh
+ 2h = ,
+
dt2
dt
y = [1 0]
x1
x2
x1
0 0 0
an
x1
bn
x2
1 0 0
an1
x2 bn1
.. = .. .. .. ..
.. + .. u(t),
..
.
. . . .
. .
.
xn
0 0 0 1 a1
xn
b1
y = [0 0 . . . 1]
x1
x2
..
.
xn
4.3.
4.3.1.
Estudio de la soluci
on de un sistema continuo
M
etodo matricial
En el caso matricial,
x (t) = Ax(t) + Bu(t),
y(t) = Cx(t),
se necesita trabajar con la matriz exponencial eAt , que se define mediante un
desarrollo en serie
eAt = I + At +
1
1
(At)2 + (At)3 + ,
2!
3!
56
y sustituyendo en la segunda,
w(t) w(t0 ) =
eA Bu( ) d,
t0
eA Bu( ) d.
t0
4.3.2.
M
etodo de la Transformada de Laplace. Funci
on
paso de Heaviside
Si consideramos el sistema
x (t) = Ax(t) + Bu(t),
y(t) = Cx(t),
con condiciones iniciales en el instante t = 0, x(0) = x0 , aplicando la transformada de Laplace, obtenemos
57
58
u1 (t) 0 t < t1
u2 (t) t1 t < t2
u(t) =
,
u3 (t) t2 t < t3
u4 (t)
t t3
podemos expresarla mediante la funcion paso unidad de Heaviside H(t), de
la siguiente forma
u(t) = u1 (t)H(t) + [u2 (t) u1 (t)]H(t t1 ) + [u3 (t) u2 (t)]H(t t2 )+
+[u4 (t) u3 (t)]H(t t3 ).
O bien, si tenemos en cuenta que
tendremos,
t<a
0
1 at<b ,
H(t a) H(t b) =
0
tb
0
t<0
t
0t<1
.
u(t) =
2t 1t< 2
0
t2
Aplicando lo expuesto anteriormente,
59
60
K1
1
L[h] =
AR
As
k
kR
kR
1
=
1
1
A s(s + AR
s
s + AR
)
y, por tanto,
t
AR
h(t) = KR(1 e
Ejemplo 4.8 Sea el mismo ejemplo anterior (Ejemplo (4.2)) pero con una
entrada rampa en un intervalo finito y cero en el resto:
t 0 t < t0
q(t) =
.
0
t t0
Utilizando la definici
on, obtenemos que
L[t(H(t) H(t t0 ))] = L[tH(t) tH(t t0 )] =
1
t0
1
= 2 2 est0 est0 .
s
s
s
Por tanto, tomando la transformada de la ecuaci
on (4.3), obtenemos
1
1
1 st0 t0 st0
L[h(t)] =
e
e
,
1
s2 s2
s
s + AR
y descomponiendo en fracciones simples
Mediante la funci
on entrada escal
on unidad H(t), escribiremos q(t) =
t(H(t) H(t t0 )), quedando la ecuaci
on:
A2 R2 AR
AR2
+ 2
1
s
s
s + AR
2 2
AR
AR
AR st0
+
e
1
s
s2
s + AR
!
AR
AR
t0 est0 .
s
s + s+AR1
L[h(t)] =
h
t
dh
+
= (H(t) H(t t0 )) .
dt
AR
A
Resolviendola,
t
h(t) = e AR
Z
e AR
t
(H(t) H(t t0 )) dt .
A
AR
Por tanto,
Si 0 t < t0 :
t
t
t
h(t) = e AR
e AR H(t0 t) dt =
A
0 t
t
t
= e AR Rte AR AR2 e AR + AR2 =
t
t
1 + e AR .
= AR2
AR
Z
Si t t0 :
t
h(t) = e AR
Z
t0
e AR
t
dt =
A
0 t0
t
t
= e AR Rt0 e AR AR2 e AR + AR2 =
t0 t
t
t0 t0 t
e AR e AR + e AR .
= AR2
AR
61
La soluci
on vendr
a dada por
Z t
kt
kt
k t mc
T (t) = e mce
e e e (H(t) H(t0 )) dt .
0 mce
Si 0 t < t0 :
kt
T (t) = e mce
=
Z
t
0
k
k
e mce e(1+ mce )t dt =
t2
5 dh
d2 h
+ 2h = (H(t) H(t t0 )) ,
+
dt2
dt
2
2
kt
k
(et e mce ).
mce + k
Si t t0 :
por
T (t) =
hH (t) = C1 e2
i
k
ket0 h k(tmc0 t)
e e e(t0 + mce t) .
mce + k
(4.4)
Como
1
e(1s)t0 1
(1 s)
la transforma de de Laplace de (4.4) queda
L[et (H(t) H(t0 ))] =
L[T ] =
o sea,
k
mce s +
1
k
mce
(1 s)
e(1s)t0 1
k
L[T ] =
mce + k
1
1
s1
s + mck e
mce + k
1
1
s1
s + mck e
h(t) = C1 (t)e2
Si 0 t < t0 :
h(t) =
et0 est0
.
k
e mce (tt0 ) e(tt0 ) et0 H(t t0 )
k
e mce t et
.
63
2t
1 t
+ C2 (t)e
1 22t 4 t
5
1
21
e
2e 2 + t2 t + .
3
4
24 2
2 2
8 2
Si t t0 :
1
1 22t 4 t
1
1
e
2
1 (t0 t)
2
.
+
(t0 2 2t0 + 4)e 2
3
As,
k
T =
mce + k
k
mce + k
y determinando el valor de las funciones C1 (t) y C2 (t) y utilizando las condiciones iniciales, llegamos a la siguiente soluci
on:
h(t) =
!
1 t
+ C2 e
2t
(4.5)
Como
2
2
1
1
L[t2 (H(t) H(t0 ))] = t20 et0 s 2t0 2 et0 s 3 et0 s + 3
s
s
s
s
64
1
1
t2
h(t) =
0 + t0 e2 2(tt0 ) H(t t0 ) +
6 2 12
24 2
2 2 4
8
1
t0 t0 e 2 (tt0 ) H(t t0 ) +
+
3
3 2
3 2
1
21
1 2 5
+
t0 + t0 H(t t0 ) (t t0 )2 H(t t0 ) +
4
2 2
8 2
2 2
t0
1
5
+
+
(t t0 ) + e2 2t
2 4
24 3
8 1 t
1
5 2
21
e 2 + t2 t +
.
3 3
2 3
4 3
8 3
(4.7)
4.4.
Funci
on de transferencia: ceros y polos
Consideremos un sistema dinamico lineal definido por una ecuacion diferencial del tipo
y n) + a1 y n1) + + an1 y + an y = u(t),
ai R,
(4.6)
por tanto,
1
L[y]
= n
= G(s),
L[u]
s + a1 sn1 + + an1 s + an
A esta funcion G(s) se le denomina funci
on de transferencia del sistema
(4.6).
65
y(t) =
0 1
1 0
x(t),
s+1
2
(s 1)(s 3) (s 1)(s 3)
G(s) =
1
1
s1
s1
4.4.1.
4.5.
Ceros y polos
del denominador.
Caso escalar
Tal como hemos dicho, cuando G(s) es una funcion racional escalar,
esta viene dada por un cociente de polinomios y, por tanto, los polos de
p(s)
G(s) =
seran valores que anulan el denominador, q() = 0. En el
q(s)
caso particular de un sistema dinamico dado por una ecuacion diferencial de
orden n, del tipo (4.6), vimos que
1
G(s) = n
,
s + a1 sn1 + + an1 s + an
y, por tanto, los polos de G(s) seran las races de la ecuacion:
sn + a1 sn1 + + an1 s + an = 0.
A esta ecuacion se le denomina ecuaci
on caracterstica del sistema (4.6).
Los ceros de la funcion de transferencia son las races de p(s).
Caso matricial
Cuando consideramos el sistema dinamico (4.7) y su matriz de transfeadj ((sI A)T )
, entonces
|sI A|
los polos de G(s) seran races de la ecuacion |sI A| = 0. A esta ecuacion se
le denomina ecuaci
on caracterstica del sistema (4.7). Se tiene pues, que
los polos de G(s) se encuentran entre los autovalores de la matriz A.
rencia G(s) = C(sI A)1 B, como (sI A)1 =
67
4.5.1.
Para caracterizar esta propiedad usando la ecuacion caracterstica asociada al sistema consideremos primero el caso en que el sistema lineal invariante
viene definido por una ecuacion diferencial de orden n lineal de coeficientes
constantes.
a) Sistema definido por una ecuaci
on diferencial de orden n.
Sea un sistema lineal invariante sin controles dado por una ecuacion diferencial de orden n homogenea de coeficientes constantes
y n) + a1 y n1) + + an1 y + an y = 0.
68
(4.8)
Para analizar la estabilidad asintotica a cero del sistema (4.8) tenemos que
estudiar la solucion de esta ecuacion. Recordemos que si 1 , 2 , . . . , l con
multiplicidades k1 , k2 , . . . , kl , respectivamente, son las races de la ecuacion
caracterstica
sn + a1 sn1 + + an1 s + an = 0 ,
sabemos que la solucion esta formada por suma de funciones de la forma
Ctq et , C R, q N, C,
1
.
sn + a1 sn1 + + an1 s + an
69
Se observa que los polos de G(s) no son mas que las races de la ecuacion
caracterstica que acabamos de estudiar asociada a (4.8) y, por tanto, podemos afirmar que el sistema (4.8) es asintoticamente estable si los polos de la
funcion de transferencia G(s) tienen parte real negativa. Es decir, los polos
de G(s) estan situados en el semiplano abierto izquierdo del plano complejo.
Si consideramos esta condicion, G(s) se descompone en fracciones simples
As + B
, m 1, cuya transformada inversa
[(s a)2 + b2 ]m
As + B
L1
,
[(s a)2 + b2 ]m
del tipo
(4.10)
ck
,
s2
y tomando antitransformada
y(t) = ckt,
t0,
Para analizar el comportamiento asintoticamente estable a cero del sistema sin controles, x (t) = Ax(t), hay que estudiar sus soluciones, llegando a
resultados analogos al caso escalar. Se obtiene que el sistema es asintoticamente estable a cero si las races de la ecuacion caracterstica |I A| = 0
tienen parte real negativa, o sea, si los polos de G(s) tienen su parte real
negativa.
En definitiva, para estudiar la estabilidad de sistemas dinamicos lineales
es suficiente estudiar el signo de la parte real de las races de un polinomio.
En el siguiente apartado estableceremos un criterio con esta finalidad.
4.6.
Criterio de Routh-Hurwitz
72
0
a3
a2
a1
0
a5
a
a
0 .
4
3
. . . , Dn =
..
..
..
..
.
.
.
.
a2k1 a2k2 a2k3 a2kn
Donde los ai en los determinantes cuyo subndice sea negativo o mayor que
n, se entienden como 0.
4.7.
Dado un sistema de control lineal sabemos que en el dominio de la frecuencia viene representado por
y(s) = G(s)
u(s),
donde G(s) es la funcion transferencia. A un sistema de este tipo se le denomina sistema en lazo abierto, y se representa como
~
y(s)
~
v(s)
G(s)
H(s)
G(s)
v(s).
1 + G(s)H(s)
La funcion de transferencia en lazo cerrado sera
G(s)
.
GH (s) =
1 + G(s)H(s)
y(s) =
~
u(s)
G(s)
~
y(s)
c(s) = H(s)
y (s) = K(1 +
K
y(s),
s
H(s) =
K
.
s
1
)
y (s).
Ti s
y(s) =
con
G(s)
v(s)
1 + G(s)H(s)
G(s)
sp(s)
=
.
1 + G(s)H(s)
sq(s) + Kp(s)
K
y(s),
s
1
+ Td s).
Ti s
Solucion.-
a) El sistema no es asint
oticamente estable ya que sus polos son s = 2
y s = 1, y este u
ltimo no tiene parte real negativa.
b) La funci
on de transferencia del sistema en lazo cerrado, vendr
a dada
en este caso por
G(s)
=
GH =
1 + G(s)H(s)
1
1
=
= 2
.
(s + 2)(s 1) + K(1 + Td s)
s + (1 + KTd )s + (K 2)
Por el criterio de Routh-Hurwitz, el nuevo sistema ser
a asint
oticamente
estable si los coeficientes del polinomio s2 + (1 + KTd )s + (K 2) son
distintos de cero y tienen el mismo signo. Para ello, K y Td tendr
an
que cumplir K > 2 y Td 0.
4.8.
Ejercicios
2
2t
f (t) =
t
+4
paso la funcion
t<0
0t<3
3t<5
t5
3. Expresar la entrada
f (t) =
3
0t<4
2t 5 t 4
x +x = f (t) ,
sabiendo que x(0) = 1 y x(0)
= 0.
4. Demostrar que la funcion
f (t) =
0
t<
sen(t) t
77
a) s5 + 3s4 + s3 + 7s2 s + 1,
b) s3 + 6s2 + 11s + 6.
78
y(s)
u(s)
+
G(s)
-
1 + Td s
y y = 1; y(0) = y (0) = 0,
determinar si el sistema es o no estable. Escribir este sistema de segundo
orden como un sistema de ecuaciones diferenciales de primer orden y
obtener la funcion matricial de transferencia asociada.
10. Es el siguiente sistema estable?
G(s) =
1
.
(s 1)(s + 3)
1 1 2
1 x(t).
x (t) = 1 2
0 1 1
u(s)
G(s)
+
donde G(s) =
1
, en las siguientes situaciones:
(s 1)(s + 3)
79
80
Captulo 5
Ecuaciones en diferencias
(5.2)
o sea,
r nk r k + 1 r k1 + 2 r k2 + + k = 0 .
(5.3)
xn = x0 + (n 1)d .
xn = xn1 r , n = 1, 2, . . . ,
cuya solucion es de la forma
n
xn = x0 r .
En este captulo estudiaremos alg
un metodo para obtener soluciones de
ecuaciones en diferencias un poco mas complicadas. En particular, estudiaremos ecuaciones en diferencias lineales de coeficientes constantes, que son
ecuaciones en diferencias de la forma
xn + 1 xn1 + 2 xn2 + + k xnk = fn ,
81
(5.1)
82
Soluci
on.La ecuacion a resolver es
xn+1 5xn + 3xn1 + 9xn2 = 0 ,
cuya ecuacion caracterstica es de la forma
r 3 5r 2 + 3r + 9 = 0
que se puede factorizar como
(r + 1)(r 3)2 = 0
con lo que se tiene r = 1 raz simple y r = 3 raz doble. Por tanto, la
solucion general de la ecuacion es de la forma
n
n
2ei 4 + C2
2ei 4
=
= C1
n
= ( 2) C1 cos n
+ i sen n
+
4 4
i sen n
=
+ C2 cos n
4
4
n
= ( 2) (C1 + C2 ) cos n
+ i (C1 C2 ) sen n
0
4
4
n
+ C2 sen n
.
= ( 2) C1 cos n
4
4
Se puede probar que, de forma analoga a como ocurre en las ecuaciones
diferenciales, para obtener una solucion general de una ecuacion en diferencias
completa, basta encontrar la solucion general de la ecuacion en diferencias
homogenea asociada, xhn y una solucion particular de la ecuacion completa,
xpn . Ya que la solucion general es
xn = C1 (1)n + C2 3n + C3 n3n .
Como se cumplen las condiciones
x0 = 6 = C1 + C2 ,
x1 = 8 = C1 + 3C2 + 3C3 ,
x2 = 22 = C1 + 9C2 + 18C3 .
Resolviendo este sistema de ecuaciones se obtiene C1 = 5, C2 = 1, C3 = 2,
luego la solucion es de la forma
n
xn = 5 (1) + 3 2n3 .
Ejemplo 5.2 Obtener la soluci
on general de la ecuaci
on
xn = xpn + xhn .
Veamos algunos caso en donde es sencillo encontrar una solucion particular de una ecuacion en diferencias completa.
Ejemplo 5.3 Encontrar la soluci
on general de la ecuaci
on
xn = xn1 + 2xn2 + 1 ,
Soluci
on.Probamos una solucion particular constante xpn = k. Sustituyendo en la
ecuacion obtenemos que la solucion es xpn = 21 .
La ecuacion caracterstica de la ecuacion homogenea es
r2 = r + 2
Soluci
on.-
r 2 2r + 2 = 0 .
Las soluciones de esta ecuacion son de la forma r = (1 + i) y r = (1 i). As,
la solucion general de la ecuacion sera de la forma
xn = C1 (1 + i)n + C2 (1 i)n =
83
Soluci
on.La ecuacion homogenea es de la forma
xn 2xn1 = 0 .
La ecuacion caracterstica es
r=2
con lo que xhn = C2n .
Para encontrar una solucion particular de la ecuacion completa probamos
soluciones de la forma
xpn = K3n .
Sustituyendo en la ecuacion, obtenemos
2
K K=1,
3
con lo que xpn = 3 3n , y la solucion general de la ecuacion es
n
xn = C2 + 3
n+1
2
2
(n + 1)
(n + 1)
6 A sen
+ B cos
=
2
2
n
n
n
+ B sen
= 5 sen
.
A sen
2
2
2
Y haciendo uso de las identidades
n
n
(n + 2)
sen
= sen
+ = sen
,
2
2
2
n
n
(n + 2)
+ = cos
= cos
,
cos
2
2
2
n
n
(n + 1)
sen
+
= cos
= cos
,
2
2
2
2
(n + 1)
n
n
= cos
cos
+
= sen
,
2
2
2
2
se obtiene la ecuacion
n
2
o lo que es lo mismo, el sistema
7A + 6B = 5 ,
n
2
= 5 sen
n
2
6A 7B = 0 .
85
86
5.1.
x
y
z
L
G
H
w
k
N
qG
kH
q
, =
, = (yF zN +1 ).
L
L
w
9
zN +1
= ,
w
10
donde
87
88
0.8
0.7
0.6
0.5
0.3
0.2
0
0
y(n)
0.4
0.1
4
5
Platos
5.2.
Ejercicios
2) xn 3xn1 + 2xn2 = 5, x0 = 1, x1 = 3.
4) xn + xn 2 = 2, x0 = 10, x1 = 1.
89