SISTEMAS LINEALES AVANZADOS

TAREA 1
Estudiante: Augusto Lismayes Aguilar. Fecha: 26/10/2018
Profesora: Dra. Ingeborg Mahla Á.
Respuestas:
1.- Entendiendo que los sistemas lineales pueden ser utilizados para describir ciertos
procesos físicos de forma matemática, el uso de esta disciplina en el estudio analítico de los
sistemas físicos es de suma importancia, entendiendo que para llevar a cabo lo anterior se
debe recurrir a modelados, desarrollo de descripciones matemáticas, análisis y
eventualmente diseños. En específico para el análisis de sistemas eléctricos de potencia, o
sistemas de energía eléctricas, que comprenden las áreas de generación, transmisión y
distribución, el curso podrá aplicarse para describir los sistemas o subsistemas mencionados
anteriormente, debido generalmente a que se requiere utilizar descripciones matemáticas
que, para el entorno de trabajo (simulaciones), representen fielmente el sistema
investigado, con la menor cantidad de elementos idealmente. En particular me interesa
aplicar los conocimientos del curso para poder modelar y simular sistemas predictivos de
fallas del sistema eléctrico, donde las variables de mayor estudio son la magnitud,
frecuencia y ángulo de la señal eléctrica.
2.- Antes de dar la clasificación de los 8 tipos de sistemas, procederé a definir por separado
las clasificaciones. Se tienen las siguientes definiciones:

• Sistemas Discretos: representación matemática que permite describir la evolución

de las variables relevantes de un sistema, como una secuencia de instantes discretos
de tiempo, esta representación también en conocida como recurrencia. Es utilizada
para representar procesos intrínsecamente discretos o a un muestreo de proceso
continuo. 𝑥𝑘 .
• Sistemas Continuos: representación matemática que permite describir el
comportamiento de variables que toman valores a lo largo de un continuo,
usualmente el tiempo. También se utilizan para describir señales o procesos
analógicos. 𝑥(𝑡).
• Forma Explícita: Ecuaciones de estado donde las derivadas de las variables que
describen el sistema se encuentran debidamente despejas. Es decir, se obtiene la
ecuación de forma inmediata o directa. Como se muestra a continuación:
𝑥̇ = 𝑓(𝑥), 𝑥 ∈ 𝐼𝑅 𝑛 , 𝑓: 𝑈 → 𝐼𝑅 𝑛 , 𝑈 ⊆ 𝐼𝑅 𝑛 , 𝑛 ∈ 𝐼𝑁
• Forma Implícita: La ecuación de estado no se obtiene de forma directa desde el
sistema de ecuaciones, las derivadas de las varíales de interés son parte de la
función, y deben ser despejadas para llevar el sistema de ecuaciones a la
representación de estados. Como se muestra a continuación:
 𝐺(𝑥̇ , 𝑥) = 0, 𝑥 ∈ 𝐼𝑅 𝑛 , 𝑓: 𝑈 → 𝐼𝑅 𝑛 , 𝑈 ⊆ 𝐼𝑅 𝑛 , 𝑛 ∈ 𝐼𝑁
• Sistemas autónomos: Son descripciones matemáticas, utilizando ecuaciones
diferenciales ordinarias (o de diferencia, para caso discreto) que no dependen
explícitamente de la variable independiente. Por ejemplo:
𝑥̇ = 𝑓(𝑥) 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑜; 𝑥𝑘+1 = 𝑓(𝑥𝑘 ) 𝑐𝑎𝑠𝑜 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜
• Sistemas no autónomos: Son descripciones matemáticas empleando ecuaciones
diferenciales (o de diferencia para el caso discreto) ordinales que dependen
explícitamente de la variable independiente. Por ejemplo:
𝑥̇ = 𝑓(𝑥, 𝑡) 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑜; 𝑥𝑘+1 = 𝑓(𝑥𝑘 , 𝑘) 𝑐𝑎𝑠𝑜 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑜
Entendiendo las definiciones anteriores, se establece la siguiente clasificación de sistemas
dinámicos, como las diferentes combinaciones de las definiciones anteriormente descritas:
a) Sistema discreto implícito no autónomo.
b) Sistema discreto implícito autónomo.
c) Sistema discreto explicito no autónomo.
d) Sistema discreto explicito autónomo.
e) Sistema continuo implícito no autónomo.
f) Sistema continuo implícito autónomo.
g) Sistema continuo explicito no autónomo.
h) Sistema continuo explicito autónomo.
3.- Siguiendo la clasificación establecida en el punto 2. Se tienen los siguientes ejemplos:
Sistema discreto implícito no autónomo
Evolución de la población (𝑦𝑡 ) de una determinada especie animal está dada por:

1 1 𝑡
𝑦𝑡+2 − 𝑦𝑡+1 = (𝑦𝑡+1 − 𝑦𝑡 ) + ( )
5 5
Realizando el cambio de variable
𝑥1,𝑡 = 𝑦𝑡

𝑥2,𝑡 = 𝑦𝑡+1

Las ecuaciones de estado

𝑥1,𝑡+1 = 𝑥2,𝑡

1 6 1 𝑡
𝑥2,𝑡+1 = − 𝑥1,𝑡 + 𝑥2,𝑡 + ( )
5 5 5
Ecuacion de salida
𝑤𝑡 = 𝑥1,𝑡
Sistema discreto implícito autónomo
Ajuste del precio de un bien en el mercado:
Demanda: 𝐷𝑘 = 5 − 3𝑃𝑘
Oferta: 𝑆𝑘 = −2 + 𝑃𝑘−1 ; 𝑃0 = 4; precio 𝑃𝑘 .
Suponiendo un mercado competitivo, donde la oferta=demanda
5 − 3𝑃𝑘 = −2 + 𝑃𝑘−1
Realizando el cambio de variable: 𝑥𝑘 = 𝑃𝑘
Ecuacion de estado
7 𝑥𝑘
𝑥𝑘+1 = −
3 3
Ecuacion de salida
𝑦𝑘 = 𝑥𝑘
Sistema discreto explicito no autónomo
Modelo no lineal de la evolución del precio, dada una función de oferta y demanda

𝐷(𝑃𝑛 ) 𝑛
𝑃𝑛+1 =( ) ∗ 𝑃𝑛
𝑂(𝑃𝑛 )
𝑑
Donde demanda es 𝐷(𝑃𝑛 ) = 𝑥 𝑐 , y oferta es 𝑂(𝑃𝑛 ) = 𝑏𝑥 𝑎 , con 𝑎, 𝑏, 𝑐, 𝑑 > 0, precio 𝑃𝑛 .

Realizando cambio de variable: 𝑥𝑘 = 𝑃𝑛

Ecuación de estado

𝐷(𝑥𝑘 ) 𝑛
𝑥𝑘+1 =( ) ∗ 𝑥𝑘
𝑂(𝑥𝑘 )
Ecuación de salida
𝑦𝑘 = 𝑥𝑘
Sistema discreto explicito autónomo
Ecuación de diferencia autónoma de Beverton-Holt, crecimiento de población.
𝜇𝐾𝑧𝑛
𝑧𝑛+1 = , 𝑛𝜖𝐼𝑁0
𝐾 + (𝜇 − 1)𝑧𝑛
Donde K representa la capacidad de crecimiento. µ es la tasa de crecimiento inherente. 𝑧𝑛
es la población actual.
En representación de estado:
𝑠𝑒𝑎 𝑧𝑛 = 𝑥𝑛
𝜇𝐾𝑥𝑛
𝑥𝑛+1 =
𝐾 + (𝜇 − 1)𝑥𝑛
Ecuación de salida
𝑦𝑛 = 𝑥𝑛
Sistema continuo implícito no autónomo
Expresión de Wagner’s para la presión de golpe, es dada por:
𝑉𝑧 (𝑡)2 (𝜋𝑡)2 𝑑𝑉𝑧 (𝑡) 𝜋 2 𝑡𝑉𝑧 (𝑡)3 𝑑𝑉𝑧 (𝑡)
𝑝 − 𝑝𝑎 = 𝜌 + 𝜌 + 𝜌 √𝐶 2 − 𝑦 2
4 tan(𝛽)2 √𝐶 2 − 𝑦 2 𝑑𝑡 4 tan(𝛽)2 √𝐶 2 − 𝑦 2 𝑑𝑡

Donde: 𝜌 es densidad del agua, 𝑝 presión, 𝑝𝑎 presión media, 𝑦 valor de la constante de

velocidad vertical, 𝛽 Angulo de punto muerto, C es el valor que se interpreta como la media
parte sumergida del bote, finalmente 𝑉𝑧 es la velocidad de caída vertical.
Despejando la derivada de la velocidad:
𝜋 2 𝑡𝑉𝑧 (𝑡)3 𝑉𝑧 (𝑡)2 (𝜋𝑡)2 𝑑𝑉𝑧 (𝑡)
𝑝 − 𝑝𝑎 − 𝜌 = (𝜌 2
+ 𝜌√𝐶 2 − 𝑦 2 )
4 tan(𝛽)2 √𝐶 2 − 𝑦 2 4 tan(𝛽) √𝐶 2 − 𝑦 2 𝑑𝑡

𝑑𝑉𝑧 (𝑡) ∆𝑝(4 tan(𝛽)2 √𝐶 2 − 𝑦 2 ) − 𝜌𝜋 2 𝑡𝑉𝑧 (𝑡)3

=
𝑑𝑡 𝜌(4 tan(𝛽)2 (𝐶 2 − 𝑦 2 ) + (𝜋𝑡)2 𝑉𝑧 (𝑡)2 )
Realizando el cambio de variable y llevando el sistema a la ecuación de estado y salida, se
tiene: 𝑉𝑧 (𝑡) = 𝑥1 (𝑡), ∆𝑝 = 𝑝 − 𝑝𝑎
Ecuación de estado

∆𝑝(4 tan(𝛽)2 √𝐶 2 − 𝑦 2 ) − 𝜌𝜋 2 𝑡𝑥1 (𝑡)3

𝑥1̇ (𝑡) =
𝜌(4 tan(𝛽)2 (𝐶 2 − 𝑦 2 ) + (𝜋𝑡)2 𝑥1 (𝑡)2 )
Ecuación de salida
𝑦1 (𝑡) = 𝑥1 (𝑡)
𝜋𝑉 𝑡
Nota: Para efectos del despeje, no se consideró que 𝐶 = 𝐶(𝑡) = 2tan𝑧(𝛽)
Sistema continuo implícito autónomo
Modelamiento del movimiento de un satélite
𝐺𝑀𝑇 𝑀𝑠
𝑀𝑠 𝑟̈ (𝑡) − 𝑀𝑠 𝑟(𝑡)𝜃̇(𝑡)2 + = 𝐺𝑟 (𝑡) + 𝐹𝑟 (𝑡)
𝑟(𝑡)2
𝑀𝑠 𝑟(𝑡)𝜃̈(𝑡) + 2𝑀𝑠 𝑟̇ (𝑡)𝜃̇(𝑡) = 𝐺𝜃 (𝑡) + 𝐹𝜃 (𝑡)
𝐹 𝐹
Se despreciarán las fuerzas 𝐺𝑟 𝑦 𝐺𝜃 , y se redefine 𝐹𝑟 = 𝑀𝑟 ; 𝐹𝜃 = 𝑀𝜃 , 𝑀𝑇 masa de la tierra,
𝑠 𝑠
𝑀𝑠 masa del satélite, 𝑟 radio, 𝜃 posición angular.
Despejando las derivadas:
𝐺𝑀𝑇
𝑟̈ (𝑡) = 𝑟(𝑡)𝜃̇(𝑡)2 − + 𝐹𝑟 (𝑡)
𝑟(𝑡)2
2𝑟̇ (𝑡)𝜃̇(𝑡)
𝜃̈(𝑡) = − + 𝐹𝜃 (𝑡)
𝑟(𝑡)
Ecuaciones en espacio de estado, se realiza el cambio de variable:

𝑥1 (𝑡) = 𝑟(𝑡); 𝑥2 = 𝑟̇ (𝑡); 𝑥3 (𝑡) = 𝜃(𝑡); 𝑥4 (𝑡) = 𝜃̇(𝑡)

Ecuacion de estado
𝑥1̇ (𝑡) = 𝑥2 (𝑡)
𝐺𝑀𝑇
𝑥2̇ (𝑡) = 𝑥1 (𝑡)𝑥4 (𝑡)2 − + 𝐹𝑟 (𝑡)
𝑥1 (𝑡)2
𝑥3̇ (𝑡) = 𝑥4 (𝑡)
2𝑥2 (𝑡)𝑥4 (𝑡) 𝐹𝜃 (𝑡)
𝑥4̇ (𝑡) = − +
𝑥1 (𝑡) 𝑥1 (𝑡)
Ecuacion de salida
𝑦1 (𝑡) = 𝑥1 (𝑡)
𝑦2 (𝑡) = 𝑥3 (𝑡)

Sistema continuo explicito no autónomo

Argumentación lineal de osciladores acoplados, Stuart-Landau

𝑍̇ = (𝐴 + 𝑖𝜔 − |𝑍|2 )𝑍
Llevando la ecuación anterior a coordenadas cartesianas:

𝑥̇ = [𝐴 − (𝑥 2 + 𝑦 2 )]𝑥 − 𝜔𝑦
𝑦̇ = [𝐴 − (𝑥 2 + 𝑦 2 )]𝑦 + 𝜔𝑥
Donde 𝐴 es un parámetro que determina la distancia desde la bifurcación hopf y 𝜔 es la
frecuencia natural (𝜔 depende de t, por ello es no autónomo)
Aplicando el cambio de variable 𝑥1 = 𝑥; 𝑥2 = 𝑦, se obtienen las siguientes ecuaciones de
estado, y salida respectivamente

𝑥1̇ = [𝐴 − (𝑥1 2 + 𝑥2 2 )]𝑥1 − 𝜔𝑥2

𝑥2̇ = [𝐴 − (𝑥1 2 + 𝑥2 2 )]𝑥2 + 𝜔𝑥1
𝑦1 = 𝑥1
𝑦2 = 𝑥2

Sistema continuo explicito autónomo

Modelo básico de la dinámica del VIH, por Perelson y Nelson:
𝑇𝑠
𝑇𝑠̇ = 𝑞 + 𝛽𝑇𝑠 (1 − ) − 𝜇𝑠 𝑇𝑠 − 𝑘𝑇𝑠 𝑉
𝑇𝑚𝑎𝑥
𝑇𝑒̇ = 𝑘𝑇𝑠 𝑉 − 𝜇𝑒 𝑇𝑒

𝑉̇ = 𝑝𝑇𝑒 − 𝜇𝑉 𝑉
Donde 𝑇𝑠 es la población de células sanas T CD4+, 𝑇𝑒 población de células T CD4+ infectadas
y V es la carga viral, población de virus. 𝑞 tasa de generación de células sanas, 𝛽 tasa de
proliferación, 𝑇𝑚𝑎𝑥 saturación de la densidad de población, 𝜇 tasa de mortalidad de las
células correspondientes (𝜇𝑠 , 𝜇𝑒 ) y virus (𝜇𝑉 ) y 𝑝 tasa de proliferación de virus a través de
células enfermas.
En representación de estado:
𝑠𝑒𝑎 𝑥1 = 𝑇𝑠 ; 𝑥2 = 𝑇𝑒 ; 𝑥3 = 𝑉

𝑥1
𝑥1̇ = 𝑞 + 𝛽𝑥1 (1 − ) − 𝜇𝑠 𝑥1 − 𝑘𝑥1 𝑥3
𝑇𝑚𝑎𝑥
𝑥2̇ = 𝑘𝑥1 𝑥3 − 𝜇𝑒 𝑥2
𝑥3̇ = 𝑝𝑥2 − 𝜇𝑉 𝑥3
 𝑦1 = 𝑥1
𝑦2 = 𝑥2
𝑦3 = 𝑥3
4.- Simulaciones de un sistema discreto de evolución poblacional, y de un modelo continúo
aproximado del desarrollo del VIH.
A.- Simulación de sistema discreto:
Simulación de modelo de poblaciones de tiempo discreto (Beverton Holt)
𝜇𝐾𝑧𝑛
𝑧𝑛+1 =
𝐾 + (𝜇 − 1)𝑧𝑛
Script de Matlab caso1: K=15, u=1.075
Gráfico caso 1:

Caso2: Aplicando cambio de parámetros K=15, u=1. 005

Gráfico caso 2:

Caso3: Aplicando cambio de parámetros K=8, u=1.2

Gráfico caso 3:
Observaciones:
En el caso 1, la capacidad de carga o del entorno de la población es relativamente pequeño
(5mil) por ello es con una tasa de crecimiento inherente de 1.075 al cabo de 100 años se
logra llegar al máximo de carga permitida por el entorno.
Para el caso 2, se aumentó la capacidad de carga del entorno, 15mil, y se redujo el
crecimiento inherente a 1.005, esto provoco que la población creciera de forma lenta, en
donde al transcurso de 100 años aún no se alcanzó la capacidad máxima de carga.
Finalmente, en el caso 3, se tiene una capacidad de carga del entorno de 8mil, donde
además la tasa de crecimiento inherente es de 1.2, lo cual provoco que a pesar de tener
una capacidad de mayor que el caso 1, al poseer una tasa de crecimiento mayor,
rápidamente la población alcanza la capacidad máxima de carga, en alrededor de 47 años.
B.- Simulación de sistema continuo:
Simulación del modelo matemático del VIH
𝑇𝑠
𝑇𝑠̇ = 𝑞 + 𝛽𝑇𝑠 (1 − ) − 𝜇𝑠 𝑇𝑠 − 𝑘𝑇𝑠 𝑉
𝑇𝑚𝑎𝑥
𝑇𝑒̇ = 𝑘𝑇𝑠 𝑉 − 𝜇𝑒 𝑇𝑒

𝑉̇ = 𝑝𝑇𝑒 − 𝜇𝑉 𝑉
Diagrama en Simulink, del sistema anterior:

Los parámetros elegidos, para el primer caso, son los siguientes:

𝑞 10
𝛽 0.05
𝑇𝑚𝑎𝑥 1500
𝜇𝑠 0.02
𝑘 2.7e-3
𝜇𝑒 0.3
𝑝 3
𝜇𝑉 3
Gráficos caso1:
Células sanas

Células infectadas
Virus libres

Cél. Sanas v/s cél. Infectadas

Como se aprecia en los gráficos, el sistema posee un comportamiento oscilatorio en el

transiente, alrededor de los 120 días entra en estado estacionario, cabe destacar que la
unidad de tiempo para este sistema biológico no son los segundos, sino, que días.
Las células sanas 𝑇𝑠 aumentan fuertemente los primeros 15 días, dado que su tasa de
nacimiento 𝑞 es alto, luego entran a un estado oscilatorio, donde claramente se ven
afectadas por la presencia de virus, dado que estos disminuyen en ese mismo intervalo,
debido que una vez que infectan el virus forma parte de la célula infectada 𝑇𝑒 que durante
el intervalo de los primeros 15 días también aumentan. Una vez el sistema llega al estado
estacionario, se aprecia que la cantidad de células sanas, infectas y virus logran
estabilizarse, poseyendo mayor cantidad las células sanas, en tanto la cantidad de células
infectadas y de virus están alrededor del mismo rango, esto puede deberse al equilibrio
alcanzado entre la proliferación de virus y su tasa de mortalidad, así mismo para las células
infectadas.
Caso 2: Se cambiará los valores de generación de células sanas 𝑞 de 10 a 0.1, que es otro
valor típico que entrega la bibliografía, y la tasa de mortalidad de las células enfermas 𝜇𝑒
también se reducirá a 0.24.
Gráficos caso2:
Células sanas
Células infectadas

Virus libres
Cél. Sanas v/s cél. Infectadas

El comportamiento general del sistema es idéntico al caso anterior, donde las células sanas
son infectadas por los virus y por ende las células sanas disminuyen, las enfermas aumentan
y los virus disminuyen, las 3 variables alcanzan un estado estacionario. Sin embargo, existen
notorias diferencias, el sistema se vuelve mucho más oscilatorio, mayoritariamente porque
la producción de células sanas es menor, esto lo indico porque es el parámetro que más
vario respecto al caso anterior. Además, el tiempo de asentamiento también aumenta,
anterior mente el sistema se estabilizaba alrededor de los 120 días, en el caso actual
alcanzar dicho estado de estabilidad requiere de al menos 3500 días.
En las gráficas XY, se observa que en ambos casos el número de células sanas y enfermas
convergen a un punto, lo cual indica que se ha alcanzado el estado estable. Como la segunda
grafica presenta más vueltas, esto indica que efectivamente el sistema es más oscilatorio.
Nota: las definiciones de los parámetros y variables de cada problema se encuentra en el
respectivo apartado del ítem 3.
5.- A partir de un sistema de masa-resorte-roce viscoso

Se describe el sistema a través de las siguientes ecuaciones diferenciales:

𝑑 2 𝑦1 (𝑡) 𝑑𝑦1 (𝑡) 𝑑𝑦 (𝑡)
[a] 𝑓(𝑡) + 𝑀1 𝑔 = 𝑀1 + 𝐵1 ( − 2 )+ 𝑘1 (𝑦1 (𝑡) − 𝑦2 (𝑡))
𝑑𝑡 2 𝑑𝑡 𝑑𝑡

𝑑𝑦1 (𝑡) 𝑑𝑦2 (𝑡) 𝑑 2 𝑦2 (𝑡) 𝑑𝑦2 (𝑡)

[b] 𝑀2 𝑔 = −𝐵1 ( 𝑑𝑡
− 𝑑𝑡 )− 𝑘1 (𝑦1 (𝑡) − 𝑦2 (𝑡)) + 𝑀2 𝑑𝑡 2
+ 𝐵2 𝑑𝑡
+ 𝐾2 𝑦2 (𝑡)

Realizando el cambio de variables para poder obtener la ecuacion de estado.

𝑥1 (𝑡) = 𝑦1 (𝑡); 𝑥2 (𝑡) = 𝑦1̇ (𝑡) ; 𝑥3 (𝑡) = 𝑦2 (𝑡) ; 𝑥4 (𝑡) = 𝑦2̇ (𝑡)

Ecuación de estado:
𝑥1̇ (𝑡) = 𝑥2 (𝑡)
𝐾1 𝐵1 𝐾1 𝐵1 𝑓(𝑡)
𝑥2̇ (𝑡) = − 𝑥1 (𝑡) − 𝑥2 (𝑡) + 𝑥3 (𝑡) + 𝑥4 (𝑡) + +𝑔
𝑀1 𝑀1 𝑀1 𝑀1 𝑀1
𝑥3̇ (𝑡) = 𝑥4 (𝑡)
𝐾1 𝐵1 (𝐾1 + 𝐾2 ) (𝐵1 + 𝐵2 )
𝑥4̇ (𝑡) = 𝑥1 (𝑡) + 𝑥2 (𝑡) − 𝑥3 (𝑡) − 𝑥4 (𝑡) + 𝑔
𝑀2 𝑀2 𝑀2 𝑀2
Ecuación de salida:

𝑤1 (𝑡) = 𝑥1 (𝑡)
6.- Se utilizaron dos sistemas electrónicos para crear el sistema lineal invariante, que cumpla
con los requisitos del enunciado, para ello se empleó un filtro activo en la primera etapa y
un amplificador operacional en la segunda, con 𝑉0 (𝑡) entrada y 𝑉2 (𝑡) salida. Como se
describe en la imagen.

La ecuacion diferencial que describe la primera etapa (𝑉0 (𝑡) 𝑎 𝑉1 (𝑡)) es:

𝑑 2 𝑉0 (𝑡) 1 𝑑𝑉0 (𝑡) 1 𝑑𝑉0 (𝑡) 𝑉0 (𝑡) 𝑑 2 𝑉1 (𝑡) 1 𝑑𝑉1 (𝑡) 1 𝑑𝑉1 (𝑡) 1 𝑑𝑉1 (𝑡) 𝑉1 (𝑡)
+ + + = + + + +
𝑑𝑡 2 𝑅1 𝐶1 𝑑𝑡 𝑅2 𝐶2 𝑑𝑡 𝑅1 𝐶1 𝑅2 𝐶2 𝑑𝑡 2 𝑅1 𝐶1 𝑑𝑡 𝑅2 𝐶2 𝑑𝑡 𝑅2 𝐶1 𝑑𝑡 𝑅1 𝐶1 𝑅2 𝐶2

A su vez, la ecuacion que describe la segunda etapa (𝑉1 (𝑡) 𝑎 𝑉2 (𝑡)) es:

1 𝑑𝑉1 (𝑡) 𝑑 2 𝑉2 (𝑡) 1 𝑑𝑉2 (𝑡) 1 𝑑𝑉2 (𝑡) 𝑉2 (𝑡)

− = + + +
𝑅3 𝐶4 𝑑𝑡 𝑑𝑡 2 𝑅3 𝐶3 𝑑𝑡 𝑅4 𝐶4 𝑑𝑡 𝑅3 𝐶3 𝑅4 𝐶4

Aplicando la transformada de Laplace a las ecuaciones anteriores, asumiendo que las

condiciones iniciales son 𝑉0 (0) = 𝑉1 (0) = 𝑉2 (0) = 0, al igual que sus derivadas 𝑉0̇ (0) =
𝑉1̇ (0) = 𝑉2̇ (0) = 0

Se obtienen las siguientes ecuaciones:

𝑠 𝑠 𝑉0 (𝑠) 𝑠 𝑠 𝑠 𝑉1 (𝑠)
𝑠 2 𝑉0 (𝑠) + 𝑉 (𝑠) + 𝑉 (𝑠) + = 𝑠 2 𝑉1 (𝑠) + 𝑉 (𝑠) + 𝑉 (𝑠) + 𝑉 (𝑠) +
𝑅1 𝐶1 0 𝑅2 𝐶2 0 𝑅1 𝐶1 𝑅2 𝐶2 𝑅1 𝐶1 1 𝑅2 𝐶2 1 𝑅2 𝐶1 1 𝑅1 𝐶1 𝑅2 𝐶2

𝑠 𝑠 𝑠 𝑉2 (𝑠)
− 𝑉1 (𝑠) = 𝑠 2 𝑉2 (𝑠) + 𝑉2 (𝑠) + 𝑉2 (𝑠) +
𝑅3 𝐶4 𝑅3 𝐶3 𝑅4 𝐶4 𝑅3 𝐶3 𝑅4 𝐶4
 Se obtienen las funciones de transferencia de cada etapa:

𝑉1 (𝑠) 𝑅1 𝐶1 𝑅2 𝐶2 𝑠 2 + (𝑅1 𝐶1 + 𝑅2 𝐶2 )𝑠 + 1
= [𝑎]
𝑉0 (𝑠) 𝑅1 𝐶1 𝑅2 𝐶2 𝑠 2 + (𝑅1 𝐶1 + 𝑅2 𝐶2 + 𝑅1 𝐶2 )𝑠 + 1

𝑉2 (𝑠) −𝑅4 𝐶3 𝑠
= 2
[𝑏]
𝑉1 (𝑠) 𝑅3 𝐶3 𝑅4 𝐶4 𝑠 + (𝑅3 𝐶3 + 𝑅4 𝐶4 )𝑠 + 1

Finalmente, para determinar la ecuacion de transferencia del sistema completo se

multiplican en cascada las funciones de transferencia de [a] y [b]

𝑉2 (𝑡) 𝑉1 (𝑡) 𝑉2 (𝑡) 𝑎𝑠 3 + 𝑏𝑠 2 + 𝑐𝑠

= ∗ = 4
𝑉0 (𝑡) 𝑉0 (𝑡) 𝑉1 (𝑡) 𝐴𝑠 + 𝐵𝑠 3 + 𝐶𝑠 2 + 𝐷𝑠 + 1
Donde:
𝑎 = 𝑅1 𝑅2 𝑅4 𝐶1 𝐶2 𝐶3
𝑏 = 𝐶3 𝐶4 (𝑅1 𝐶1 + 𝑅2 𝐶2 )
𝑐 = 𝑅4 𝐶3
𝐴 = 𝑅1 𝑅2 𝑅3 𝑅4 𝐶1 𝐶2 𝐶3 𝐶4
𝐵 = 𝑅1 𝑅2 𝐶1 𝐶2 (𝑅3 𝐶3 + 𝑅4 𝐶4 ) + 𝑅3 𝑅4 𝐶3 𝐶4 (𝑅1 𝐶1 + 𝑅2 𝐶2 + 𝑅1 𝐶2 )
𝐶 = (𝑅1 𝐶1 + 𝑅2 𝐶2 + 𝑅1 𝐶2 )(𝑅3 𝐶3 + 𝑅4 𝐶4 ) + 𝑅1 𝐶1 𝑅2 𝐶2 + 𝑅3 𝐶3 𝑅4 𝐶4
𝐷 = 𝑅1 𝐶1 + 𝑅2 𝐶2 + 𝑅1 𝐶2 + 𝑅3 𝑅3 + 𝑅4 𝐶4

Se comprueba que la entrada llega hasta su derivada de orden 3, y que la salida

posee derivada hasta el 4to orden.

7.- Teniendo la ecuacion de estado determina en el punto 5, se procede a buscar la ecuacion

de transferencia en el espacio “S”.
Ecuación de estado:

𝑥1̇ (𝑡) = 𝑥2 (𝑡)

𝐾1 𝐵1 𝐾1 𝐵1 𝑓(𝑡)
𝑥2̇ (𝑡) = − 𝑥1 (𝑡) − 𝑥2 (𝑡) + 𝑥3 (𝑡) + 𝑥4 (𝑡) + +𝒈
𝑀1 𝑀1 𝑀1 𝑀1 𝑀1
𝑥3̇ (𝑡) = 𝑥4 (𝑡)
𝐾1 𝐵1 (𝐾1 + 𝐾2 ) (𝐵1 + 𝐵2 )
𝑥4̇ (𝑡) = 𝑥1 (𝑡) + 𝑥2 (𝑡) − 𝑥3 (𝑡) − 𝑥4 (𝑡) + 𝒈
𝑀2 𝑀2 𝑀2 𝑀2
Ecuación de salida:

𝑤1 (𝑡) = 𝑥1 (𝑡)
Como se aprecia en la ecuacion de estado, se ha demarcado con negrita la constante de
gravedad “g”, que para el desarrollo de este ítem causará problemas por el hecho de ser un
coeficiente libre, para lo cual será necesario llevar el sistema a su punto de equilibrio y de
esta forma poder realizar un cambio de variable conveniente.
En el punto de equilibrio se cumple que
𝑥1̇ (𝑡) = 𝑥3̇ (𝑡) = 0, lo que conlleva a que 𝑥2 (𝑡) = 𝑥4 (𝑡) = 0 ⟹ 𝑥2̇ (𝑡) = 𝑥4̇ (𝑡) = 0
Así las ecuaciones de estado resultan, en el punto de equilibrio:
𝐾1 𝐾1 𝑓(𝑡)
0=− 𝑥1 (𝑡) + 𝑥3 (𝑡) + +𝑔
𝑀1 𝑀1 𝑀1

𝐾1 (𝐾1 + 𝐾2 )
0= 𝑥1 (𝑡) − 𝑥3 (𝑡) + 𝑔
𝑀2 𝑀2

Resolviendo el sistema de ecuaciones anterior:

𝑀1 (𝑀1 + 𝑀2 ) (𝑀1 + 𝑀2 )
𝑥1 (𝑡) = { + } 𝑔 ; 𝑥3 (𝑡) = 𝑔
𝐾1 𝐾2 𝐾2

Se vuelve a realizar un cambio de variable, de la siguiente forma:

𝑀1 (𝑀1 + 𝑀2 )
𝑧1 (𝑡) = 𝑥1 (𝑡) − { + }𝑔
𝐾1 𝐾2
(𝑀1 + 𝑀2 )
𝑧3 (𝑡) = 𝑥3 (𝑡) − 𝑔
𝐾2
Al derivar lo anterior se obtiene:
𝑧1̇ (𝑡) = 𝑥1̇ (𝑡) = 𝑥2 (𝑡) = 𝑧2 (𝑡)
𝑧3̇ (𝑡) = 𝑥3̇ (𝑡) = 𝑥4 (𝑡) = 𝑧4 (𝑡)
Reescribiendo la ecuación de estado:
𝑧1̇ (𝑡) = 𝑧2 (𝑡)
𝐾1 𝐵1 𝐾1 𝐵1 𝑓(𝑡)
𝑧2̇ (𝑡) = − 𝑧1 (𝑡) − 𝑧2 (𝑡) + 𝑧3 (𝑡) + 𝑧4 (𝑡) +
𝑀1 𝑀1 𝑀1 𝑀1 𝑀1
𝑧3̇ (𝑡) = 𝑧4 (𝑡)
𝐾1 𝐵1 (𝐾1 + 𝐾2 ) (𝐵1 + 𝐵2 )
𝑧4̇ (𝑡) = 𝑧1 (𝑡) + 𝑧2 (𝑡) − 𝑧3 (𝑡) − 𝑧4 (𝑡)
𝑀2 𝑀2 𝑀2 𝑀2

Ecuación de salida:
𝑤1 (𝑡) = 𝑧1 (𝑡)
Como se aprecia el coeficiente libre g, ya no es parte del sistema.
De forma matricial, las ecuaciones de estado son:
0 1 0 0
𝑧1̇ (𝑡) 𝐾1 𝐵1 𝐾1 𝐵1 𝑧1 (𝑡) 0
− − 1
𝑧2̇ (𝑡) 𝑀1 𝑀1 𝑀1 𝑀1 𝑧2 (𝑡)
= 0 0 0 1 [ ] + 𝑀1 𝑓(𝑡)
𝑧3̇ (𝑡) 𝑧3 (𝑡)
𝐾1 𝐵1 (𝐾1 + 𝐾2 ) (𝐵1 + 𝐵2 ) 𝑧4 (𝑡) 0
[𝑧4̇ (𝑡)] − − (0)
( 𝑀2 𝑀2 𝑀2 𝑀2 )
𝑧1 (𝑡)
𝑧 (𝑡)
𝑤1 (𝑡) = (1 0 0 0) [ 2 ]
𝑧3 (𝑡)
𝑧4 (𝑡)
𝑍1 (𝑠)
Determinar la función de transferencia a partir del sistema anterior es bastante sencillo
𝐹(𝑠)
aplicando la siguiente relación en Laplace:
𝑊(𝑠) = [𝐶(𝑠𝐼 − 𝐴)−1 𝐵 + 𝐷]𝐹(𝑠) [∗]
Donde A, B, C y D son las matrices:
0 1 0 0
𝐾1 𝐵1 𝐾1 𝐵1 0
− − 1
𝑀1 𝑀1 𝑀1 𝑀1
𝐴= ; 𝐵 = 𝑀1
0 0 0 1
𝐾1 𝐵1 (𝐾1 + 𝐾2 ) (𝐵1 + 𝐵2 ) 0
− − (0)
( 𝑀2 𝑀2 𝑀2 𝑀2 )

𝐶 = (1 0 0 0); 𝐷 = (0)

Aplicando la expresión de [*], se obtiene finalmente la ecuación de transferencia:

𝑍1 (𝑠) 𝑀2 𝑠 2 + (𝐵1 +𝐵2 )𝑠 + 𝐾1 + 𝐾2
=
𝐹(𝑠) 𝑀1 𝑀2 𝑠 + 1 𝐵2 + 1 + 𝑀2 1 3 + {(𝐾1 + 𝐾2 )𝑀1 + 𝐾1 𝑀2 + 𝐵1 𝐵2 }𝑠 2 + {𝐾1 𝐵2 + 𝐵1 𝐾2 }𝑠 + 𝐾1 𝐾2
4 {𝑀 (𝑀 )𝐵 }𝑠

Nota: la función de transferencia anterior, se determinó en base al punto de equilibrio, a la

hora de analizar esta relación se debe tener presente el cambio de variable realizado previo
al desarrollo.
Bibliografía:

• [1] M. Bohner, F. M. Dannan, S. Streipert, “A nonautonomous Beverton-Holt

equation of higher order”, J. Math. Anal. Appl., pp 114-133, agosto 2017. (ELSEVIER)
• [2] A. Ramírez, J. López, C. Vargas de León, “Un modelo matemático para el
VIH/SIDA”, Journal of Basic Sciences, vol 1, diciembre 2015. (RESEARCHGATE)
• [3] N. Drimer, “Fatigue limit state design of fast boats”, Marine Structures, mayo
2017. (ELSEVIER)
• [4] U. Singh, M. D. Shirimali, “Phase-flip in relay oscillators via linear augmentation”,
Chaos, Solitions and Fractals, diciembre 2017. (ELSEVIER)
• [5] T. Singla, P. Pamananda, M. Rivera, “Stabilizing antiperiodic oscillations in Chua’s
circuit using periodic forcing”, Chaos, Solitions and Fractals, enero 2018. (ELSEVIER)
• [6] B. C. Kuo, Sistemas de control automático. 7ma edición. México. PRENTICE-HALL
HISPANOAMERICANA, S.A., 1996.
• [7] J. A. Aguirre, Y. A. Rocha, “Aplicación de las ecuaciones en diferencia a los
modelos: Telaraña y de Consumo”, Thesis, Dep. Matemática y Estadística,
Universidad nacional autónoma de Nicaragua, Managua, 2015.
• [8] I. Mahla, “Estabilidad y caos en sistemas dinámicos no lineales: aplicación en el
sistema PLL-Dual”, Tesis doctoral, Dep. Sistemas y control de Energía, UNICAMP.
• [9] V. J. Bolos, Matemática para los modelos dinámicos, online, disponible en
https://www.uv.es/vbolos/docencia/mplmd/apuntes.pdf