ANÁLISIS DE SISTEMAS DINÁMICOS - DARÍO FERNANDO FAJARDO
Laboratorio No. 1 Solución de Ecuaciones
Diferenciales
Análisis de Sistemas Dinámicos
Abstract—Se pretende desarrollar la solución de ecuaciones
diferenciales como parte de la fundamentación matemática del
curso de Análisis de Sistemas Dinamicos. Se propone la solución
mediante métodos analíticos como Transformada de Laplace y se
comparan los resultados con la simulación obtenida en Matlab
y el paquete de Simulink.
Index Terms—Ecuaciones Diferenciales, Sistemas Dinámicos,
Matlab, Simulink.
I. I NTRODUCCIÓN
A. Justificación
La representación del comportamiento de la dinámica de
un sistema generalmente se realiza mediante una ecuación
diferencial para sistemas en tiempo continuo o mediante una
ecuación en diferencias para un sistema en tiempo discreto. La
solución implica establecer la relación entre las variables de
salida y entrada respectivamente como funciones dependientes
del tiempo. La variable de entrada generalmente se encuentra
definida y la variable de salida es la que se desea determinar
para de esta manera predecir o describir el comportamiento
con cierto grado de certeza.
II. TALLER DE A PLICACIÓN
A. Solución de Ecuaciones Diferenciales
Establezca analíticamente la solución del siguiente sistema
de ecuaciones diferenciales:
1)
∂y 2 (t) ∂y(t)
+a +by(t) = u(t); y(0) = −2; y 0 (0) = 0.
∂t2 ∂t
(1)
Nota: para el desarrollo del laboratorio se seleccionan
los dos últimos dígitos del código de cada estudiante, por
ejemplo para los códigos 2181591024 ⇒ x1 = 4 e y1 = 2 y
2181601321 ⇒ x2 = 1 e y2 = 2. Si resultara alguna de estas
variables 0, se elige como segunda opción el número 5.
Para este caso: a = x1 +x 2
b = x1 −x 2
+5
2 2
Ahora desarrolle la simulación en Simulink de Matlab y
compare el resultado con la grafica obtenida de su solución
analítica en Matlab para una entrada escalón unitario.
B. Solución del problema del Atractor de Lorentz
El Atractor de Lorentz se describe mediante las ecuaciones
diferenciales:
∂x(t)
= a(y(t) − x(t)) (2)
∂t
∂y(t)
= x(t)(b − z(t)) − y(t) (3)
∂t
Departamento de Electrónica, Universidad de Nariño
1
∂z(t)
= x(t)y(t) − cz(t) (4)
∂t
Este es un caso de ecuación diferencial no lineal debido a
la multiplicación presentada entre dos variables en la segunda
y tercera ecuación. Su solución analítica puede ser muy
extensa, en este laboratorio se realizará la simulación para los
valores de a = 10, c = 8/3 y b = 28 + x1 . Use la condición
inicial x(0) = 0.1. Grafique la respuesta tridimensional, esta
rutina puede ayudar en Matlab:
for k=1:99
line([x.data(k) x.data(k+1)],
[y.data(k) y.data(k+1)],
[z.data(k) z.data(k+1)]);
hold on;
pause(0.1); grid on;
end
C. Simulación propagación de un virus
A partir del modelo matemático propuesto por Anderson
Gray McKendrick, conocido como modelo SIR de epidemias
se pretende realizar la simulación de la propagación de un
virus [5]. SIR hace referencia a los tres estados de un individuo
ante la enfermedad: Susceptible (sano), Infectado (infeccioso
con capacidad para contagiar a otros) y Removido (recuperado
e inmune a nuevas infecciones, o fallecido). Los estados de
cada variable dan lugar a tres compartimentos que permiten
clasificar a los individuos de la población en cada instante de
tiempo.
"En términos del modelo SIR, la propagación de SARS-
CoV-2 está vinculada al sistema de ecuaciones diferenciales
para las proporciones s(t) de susceptibles, i(t) de infectados y
r(t) de removidos respecto al tamaño N de la población (que
se asume constante) dado por:" [5]
∂s(t)
= −βs(t)i(t) (5)
∂t
∂i(t)
= (βs(t) − α)i(t) (6)
∂t
∂r(t)
= αi(t) (7)
∂t
donde β es la tasa de infección y α es la tasa de
recuperación. Para realizar nuestra simulación, haremos uso
de condiciones iniciales:
s(0) = 0.99 > 0 correspondiente al 99% de la población sana
i(0) = 0.01 > 0 representa el 1% de la población infectada
(i(0) = 1 − s(0) > 0).
La estimación inicia cuando no existen recuperados aún
r(0) = 0.
Se requiere entonces establecer el modelo mediante dia-
grama de bloques en Simulink para dos casos hipotéticos
donse se busca estimar las proporciones (fracciones del total
de la población) para s(t), i(t) y r(t):
1) Un escenario positivo donde se presenta un compo-
ramiento adecuado de la población: β = 0.8 y α = 0.4.
2 ANÁLISIS DE SISTEMAS DINÁMICOS - DARÍO FERNANDO FAJARDO

2) Un escenario negativo donde se presenta un compo-

ramiento no adecuado de la población: β = 1.1 y
α = 0.1 + 0.025 ∗ x1 .
Realizar en cada caso observaciones y anotaciones, presen-
tando un informe impreso escrito en la plantilla del formato
IEEE.

B IBLIOGRÁFICA
[1] C. T. Chen, Analog and Digital Control System Design, 2da ed. Saunders
College Publishing, 2002.
[2] K. Ogata, Ingeniería de Control Moderna, 4a ed.. , México: Prentice
Hall Panamericana, 2003.
[3] The MathWorks, Control System Toolbox for use with Matlab,
www.matworws.com
[4] Getting Started with Simulink, www.mathworks.com
[5] Las matemáticas del coronavirus Covid-19 Matemáticas y sus fronteras.
http://www.madrimasd.org