Matemática aplicada - Appd Math, Matemática Financiera

Solución de problemas financieros mediante ecuaciones lineales – método.

Introducción - Definición de ecuación lineal

Una ecuación es una proposición que expresa la igualdad de dos expresiones algebraicas. Por lo regular involucra una o más variables y el símbolo de igualdad. Un valor de la variable que haga que la ecuación sea una proposición cierta se denomina raíz o solución de la ecuación dada. Decimos que tal valor de la variable satisface la ecuación. Así, por ejemplo, 5 es una raíz de la ecuación 2x 3 = x + 2. De manera similar, -2 es solución de la ecuación:

Porque cuando 2 sustituye a y en la ecuación, obtenemos:

La cual es una proposición verdadera.

Una clase importante de ecuaciones consta de aquellas denominadas ecuaciones polinomiales. En una ecuación polinomial, los dos lados pueden constar de uno o varios términos sumados algebraicamente; cada término incluye una potencia entera no negativa de la variable multiplicada por un coeficiente constante. El grado de la ecuación polinomial es la máxima potencia de la variable que aparece en la ecuación. Así, por ejemplo:

Una ecuación polinomial de grado 1 se denomina ecuación lineal; en tanto que una ecuación polinomial de grado 2 se llama ecuación cuadrática. La forma canónica de una ecuación lineal en la variable x es:

donde a y b son constantes. Esta la ecuación lineal tiene una y sólo una solución, es decir, x=-b/a. Para graficar una ecuación lineal, es necesario fabricar una función lineal, generalmente mediante la estructura función afín:

Donde a es la pendiente de una recta (representa el aumento del valor de la función si x aumenta en 1) y b es el punto donde la recta intersecta el eje y. Para repasar esta materia ver: The graph of a polynomial function, de donde extraemos la siguiente figura:

Ejemplo: Solución de problemas financieros mediante ecuaciones lineales

Los métodos algebraicos y la teoría vista sobre función afín, a menudo son útiles en la solución de problemas aplicados en finanzas y administración. En general, tales problemas se establecen en forma verbal; antes de que podamos utilizar nuestras herramientas algebraicas, es necesario cambiar las declaraciones verbales a proposiciones algebraicas correspondientes.

EJEMPLO 1. (Ingresos mensuales) Una vendedora gana un salario base de $600 por mes más una comisión del 10% de las ventas que haga. Descubre que en promedio, le toma una  hora y media realizar ventas por un valor de $100. ¿Cuántas horas deberá trabajar en promedio cada mes para que sus ingresos sean de $2000?

Paso 1 Representar la cantidad desconocida (es decir, la cantidad que debe determinarse) mediante un símbolo algebraico, tal como x. En algunos problemas, deben determinarse dos o más cantidades; en tales casos, denotamos sólo una de ellas con x.

En este ejemplo, x: horas de trabajo de la vendedora.

Paso 2 Expresar todas las demás cantidades, si las hay, en términos de x.

La otra cantidad relevante en este problema es  V: ventas en dólares.

El enunciado sugiere que la relación entre las ventas (V) y las horas de trabajo (x) es lineal y se puede expresar como V en función de x de la siguiente manera:

Donde a es la pendiente de una recta y b el punto de su intersección (offset) con el eje vertical.

Paso 3 Traduzca las expresiones verbales que aparezcan en el problema en expresiones algebraicas en las cuales intervenga x.

Según el enunciado, la vendedora requiere de hora y media para realizar una venta de 100 dólares. Como la unidad de medida de x es la hora, debemos reacomodar este enunciado y expresarlo en horas. Lo podemos hacer de la siguiente forma, siempre buscando facilidad de comprensión. Si la vendedora en hora y media vende 100 dólares, en tres horas venderá 200 dólares, o sea, en una hora vende 200/3. Hay que recordar que este dato nos indica la pendiente de la recta que representa la relación entre x y V, siendo x la abscisa y V  la ordenada (representa el aumento del valor de la función si x aumenta en 1). Es decir, a=200/3. Luego, sabemos también que en cero horas de trabajo la vendedora obtiene cero dólares en venta, es decir, b=0. Por tanto:

Por otra parte, el salario S será de $600 por mes más una comisión del 10% de las ventas. Es decir, en un mes:

Sustituyendo:

Paso 4 Resolver la expresión o expresiones algebraicas de acuerdo con los métodos algebraicos.

Este problema nos exige responder la pregunta siguiente: ¿Cuántas horas deberá trabajar en promedio cada mes para que sus ingresos sean de $2000? Es decir, para que S=2000. Entonces:

Es decir:

De donde despejamos x aplicando operaciones algebraicas:

Paso 5 Transforme la solución algebraica en forma verbal.

La vendedora necesitará trabajar 210 horas por mes, en promedio, para poder obtener ingresos por un valor de 2000$.

EJEMPLO 2 (Utilidades) Un comerciante de ganado compró 1000 reses a $150 cada una. Vendió 400 de ellas obteniendo una ganancia del 25%. ¿A qué precio deberá vender las restantes 600 si la utilidad promedio del lote completo debe ser del 30%?

En construcción…

 

Análisis Vectorial, Matemática aplicada - Appd Math

Descripción de un vector mediante el sistema de coordenadas rectangular

Introducción

Los conceptos fundamentales y las operaciones del análisis vectorial son imprescindibles para la ingeniería. En este paper, estos conceptos y operaciones se bosquejan en vez de exponerse rigurosamente, lo cual es bastante práctico para el ingeniero. Una cantidad vectorial tiene tanto magnitud como dirección en el espacio. Sólo serán de interés los espacios de dos y tres dimensiones, aunque en aplicaciones más avanzadas los vectores pueden definirse en espacios de n dimensiones. La fuerza, la velocidad, la aceleración y una línea recta que van de la terminal positiva a la negativa de un acumulador son ejemplos de vectores. A cada cantidad la caracterizan tanto una magnitud como una dirección.

Para describir con precisión un vector, debemos hacer uso de un sistema de coordenadas que permita determinar la longitud, dirección, proyección o componentes de un vector. Los tres sistemas más sencillos para lograr esto son el de coordenadas cartesianas o rectangulares, el de coordenadas cilíndricas y el de coordenadas esféricas. En esta oportunidad trataremos el primer caso.

Sistema de coordenadas rectangular

Utiliza tres ejes coordenados perpendiculares entre sí, llamados eje x, y y z. Se acostumbra elegir un sistema de coordenadas de mano derecha en el cual una rotación (que describe un pequeño ángulo) del eje x hacia el eje y causaría que un tornillo derecho avanzara en la dirección del eje z. Los dedos de la mano derecha, pulgar, índice y medio, pueden entonces identificar los ejes y, z y x, respectivamente. La figura 1.2a muestra un sistema de coordenadas cartesianas de la mano derecha:

La localización de un punto se hace por medio de sus coordenadas x, y y z. Éstas son, respectivamente, las distancias desde el origen a cada una de las intersecciones de una proyección perpendicular desde el punto de los ejes x, y y z. Un método opcional para interpretar los valores de las coordenadas, y que corresponde al que debe usarse en todos los demás sistemas de coordenadas, es considerar el punto como la intersección de tres superficies, los planos x = constante, y = constante y z = constante, siendo las constantes los valores de las coordenadas del punto. La figura 1.2b muestra los puntos P y Q, cuyas coordenadas son (1, 2, 3) y (2, −2, 1), respectivamente. Por consiguiente, el punto P se localiza en la intersección de los planos x = 1, y = 2 y z = 3, mientras que el punto Q se localiza en la intersección de los planos x = 2y = −2, z = 1.

Si se visualiza la intersección de tres planos en cualquier punto P, cuyas coordenadas sean x, y y z, puede incrementarse el valor de cada coordenada por una cantidad diferencial y obtenerse tres planos ligeramente desplazados que se intersecten en un punto P, cuyas coordenadas serán x + dx, y + dy y z + dz. Los seis planos definen un paralelepípedo rectangular cuyo volumen es dv = dxdydz; las superficies tienen diferenciales de áreas dS de dxdy, dydz y dzdx. Por último, la distancia dL de P a P es la diagonal del paralelepípedo y tiene una longitud:

El elemento diferencial de volumen lo muestra la figura 1.2c; el punto P está indicado, pero el punto P se localiza en la única esquina invisible.

Componentes vectoriales y vector unitario

Para describir un vector en un sistema de coordenadas cartesianas se considera primero un vector r que se extiende alejándose del origen. Una manera lógica de identificar este vector es proporcionar los tres componentes vectoriales, que se encuentran a lo largo de los tres ejes coordenados y cuya suma vectorial debe ser igual al vector dado. Si las componentes vectoriales de un vector r son x, y y z, entonces r = x + y + z. Las componentes vectoriales se muestran en la figura 1.3a. En vez de un vector ahora se tienen tres, pero esto significa un paso hacia adelante porque los tres vectores son de naturaleza muy sencilla y cada uno se orienta siempre a lo largo de uno de los ejes coordenados.

En otras palabras, las componentes vectoriales tienen una magnitud que depende del vector dado (tal como el r citado antes), pero cada una tiene una dirección constante conocida. Esto sugiere el uso de vectores unitarios, los cuales tienen magnitud unitaria por definición y se orientan a lo largo de los ejes coordenados en la dirección en la que crecen los valores de las coordenadas. Se reservará el símbolo a para un vector unitario y se identifica su dirección con un subíndice apropiado. Entonces ax ay y az son los vectores unitarios en el sistema de coordenadas cartesianas.3 Son dirigidos a lo largo de los ejes x, y y z, respectivamente, como lo muestra la figura 1.3b.

Si la componente vectorial y tiene una magnitud de dos unidades y se dirige hacia donde aumentan los valores de y, se deberá escribir entonces y = 2ay. Un vector rP que apunta desde el origen a un punto P(1, 2, 3) se escribe como Rp= ax+ 2ay + 3az. El vector desde el punto P a Q se puede obtener aplicando la regla de la suma vectorial. Esta regla muestra que el vector desde el origen a P más el vector desde P a Q es igual al vector desde el origen a Q. El vector deseado desde P(1, 2, 3) a Q(2, 2, 1) es, por lo tanto:

 

Los vectores rP, rQ y RPQ se muestran en la figura 1.3c. Este último vector no empieza en el origen, como lo hacía el vector r considerado al principio. Sin embargo, hemos aprendido que los vectores que tienen la misma magnitud y apuntan en la misma dirección son iguales, así que para ayudar al proceso de visualización se tiene la libertad de desplazar cualquier vector hasta el origen, antes de determinar sus componentes vectoriales. Desde luego, el paralelismo se debe mantener durante el proceso de desplazamiento.

Si se considera un vector fuerza F en vez de cualquier otro vector, excepto uno de desplazamiento tal como el vector r, el problema radica en proporcionar letras apropiadas para los tres componentes vectoriales. No sería apropiado llamarlas x, y y z, pues representan desplazamientos o distancias dirigidas, medidas en metros (abreviado m) o alguna otra unidad de longitud. El problema se evita usando componentes escalares, simplemente llamadas componentes Fx, Fy y Fz. Las componentes son las magnitudes, con signo positivo o negativo, de los componentes vectoriales. Se escribe entonces F = Fxax + Fyay + Fzaz.  Los componentes vectoriales son Fxax, Fyay y Fzaz.

Cualquier vector B, entonces, se puede describir por B = Bxax + Byay + Bzaz. La magnitud de B, denotada por |B| o simplemente B, está dada por:

 

Cada uno de los tres sistemas coordenados tiene tres vectores unitarios fundamentales y mutuamente ortogonales, los cuales se utilizarán para descomponer cualquier vector en sus componentes vectoriales. Sin embargo, los vectores unitarios no se limitarán a esta aplicación. Es muy necesario saber cómo escribir un vector unitario que tenga una dirección específica. Esto es muy sencillo, pues un vector unitario en una dirección dada es simplemente un vector en esa dirección dividido entre su magnitud. Un vector unitario en la dirección B es:

 

Por ejemplo, si es necesario determinar un vector unitario en la dirección del punto G(2,-2,-1) desde el origen, se construye un vector desde el origen hasta G, calculamos su magnitud y aplicamos la ecuación anterior para hallar el vector unitario en esa dirección:

 Extraído de: Teoría Electromagnetica – Hayt 7ed

Escrito por: Larry Francis Obando – Technical Specialist – Educational Content Writer.

Mentoring Académico / Empresarial / Emprendedores

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Cuenca – Telf. 00593998524011

WhatsApp: +593981478463

+593998524011

email: dademuchconnection@gmail.com

 

 

Control System Analysis, Matemática aplicada - Appd Math

Example 1 – Linearization of non-linear systems.

Linearize a function

Suppose we have a system represented by the following function:
nullOur task is to linearize f (x) around xo = π / 2. As:
nullWe find the following values and substitute them in the previous equation:
nullThen we can represent our nonlinear system by means of the following negative line equation:
null

The result of the linearization of f (x) around xo = π / 2 can be seen in Figure 2.48:

null

null

Linearize a differential equation

Suppose now that our system is represented by the following differential equation:
nullThe presence of the term cosx makes the previous one a non-linear equation. It is requested to linearize said equation for small excursions around x = π / 4.

To replace the independent variable x with the excursion δx, we take advantage of the fact that:
nullSo:nullWe proceed then to the substitution in the differential equation:nullWe now apply the derivation rules:nullAnd for the term that involves the cosx function we apply the same methodology that we have just seen in the previous example for a given function, that is, linearize f (x) around xo = π / 4:

Note that in the previous equation the excursion is zero when the function is evaluated exactly at the point xo. The same happens when the slope is evaluated in xo:So:

Therefore, we can rewrite the differential equation in a linear fashion around the point xo =π /4 as follows:

That is to say:

NEXT: Example 2 – Linearization of a Magnetic Levitation (MAGLEV) system – sphere. 

 

Literature review by:

Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer

Se hacen trabajos, se resuelven ejercicios!!

WhatsApp:  +34633129287  Atención Inmediata!!

Twitter: @dademuch

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contacto: España. +34633129287

Caracas, Quito, Guayaquil, Cuenca. 

WhatsApp:  +34633129287   +593998524011  

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Control System Analysis, Matemática aplicada - Appd Math

Linearization of non-linear systems.

Introduction

Many components and actuators have non-linear characteristics and the effectiveness of their action requires that they remain at the point of operation where they act approximately linearly, which can be a very limited interval. For example, the music that we all hear must be amplified by a circuit composed of electronic devices that only amplify the signal when they are acting at the point of operation in which the system is designed to act linearly; proof of this is that the output of the system as a whole is proportional to the input, that is, a linear system.

What is linearization? It is to express a non-linear function or differential equation with an approximate linear version, only valid in a very small range of values of the independent variable. Something like expressing a quadratic function by the mathematical formula of a straight line. To what end? Well, to be able to apply to the system represented by this function all the control techniques for linear systems studied up to now. Our objective is to design a strategy to generate a linear equation that represents a non-linear system in a very limited region, a strategy that we configure next.

To obtain a linear mathematical model of a non-linear system it is necessary to suppose that the variable to be controlled only deviates very slightly from an operation point A of coordinates (xo, f (xo)), where xo is the input to the system and f (xo) is the output. At point A we can place a line with a certain slope and assume that for small changes δx around xo we have the output f (xo+δx) moving along this line, as shown in Figure 2-47:null

We can use point A as a new center of coordinates where the independent variable δx corresponds to the input to the system, while the dependent variable δf (x) represents the output of the system. We make this convenient change of coordinates to use the equation of the slope ma of the line in the following way:
null

OrnullAnd so:null

In the same way that:null

The latter is a linear mathematical approximation for f (x).

This technique allows us to obtain a linear expression for f (x), around the point of operation A. Now, we are going to combine the obtained expressions for f (x) and δf (x). Another way of thinking it is to think that, around the point of operation A, f (x) has the value of f (xo) plus a small component of value maδx along a straight line of slope ma:
nullWhere (x-xo) is so small that it approaches δx. Mission accomplished, we will do this:
null

What theory allows us to do this? The Taylor series.

Taylor Series

The Taylor series are the expansion of a function f (x) in terms of the value of that function at a particular point xo, around that point and in terms of the derivatives of the function evaluated at that point:
null

When the excursion around the point xo is small, as the case that interests us, the derivatives of higher order can be ignored, so:
null

Knowing that the mx slope of a line at point xo is the derivative of the line evaluated in xo, we can adapt this last equation to our strategy and we obtain the formula that interests us:
nullWhere mx = df / dx evaluated at x = xo. Note that δx is now the independent variable, for which we use only a valid range of values around xo, so that δx is an excursion. Returning to Figure 2.47, this is the key tactic of the linearization process, we have created a coordinate system centered at point A, to replace the independent variable x with δx. We can continue using the δx notation or any other more practical notation such as:
nullLet’s see how this works through examples.

Linearize a function

Suppose we have a system represented by the following function:
nullOur task is to linearize f (x) around xo = π / 2. As:
nullWe find the following values and substitute them in the previous equation:
nullThen we can represent our nonlinear system by means of the following negative line equation:
null

The result of the linearization of f (x) around xo = π / 2 can be seen in Figure 2.48:

null

null

Linearize a differential equation

Suppose now that our system is represented by the following differential equation:
nullThe presence of the term cosx makes the previous one a non-linear equation. It is requested to linearize said equation for small excursions around x = π / 4.

To replace the independent variable x with the excursion δx, we take advantage of the fact that:
nullSo:nullWe proceed then to the substitution in the differential equation:nullWe now apply the derivation rules:nullAnd for the term that involves the cosx function we apply the same methodology that we have just seen in the previous example for a given function, that is, linearize f (x) around xo = π / 4:

Note that in the previous equation the excursion is zero when the function is evaluated exactly at the point xo. The same happens when the slope is evaluated in xo:So:

Therefore, we can rewrite the differential equation in a linear fashion around the point xo =π /4 as follows:

That is to say:

Linearization of a system with two independent variables

The Taylor series enables us to work with functions or differential equations that have two independent variables. In this regard, the Taylor series applies the following formula:

null

Where the point of operation has the coordinates ¯x1 y ¯x2. For small excursions around the equilibrium point, we can obviate the higher order derivatives. The linear mathematical model for this nonlinear system around the point of operation is obtained from:

Example. Linearization of a system with two independent variables.

Linearization of magnetic sphere levitation system.

The magnetic suspension system of a sphere is shown in Figure 1.

The objective of the system is to control the position of the steel sphere by adjusting the current in the electromagnet through the input voltage e(t). The dynamics of the system is represented by the following differential equations:
Where:

It is requested to linearize the system around its equilibrium point.

See the complete answer in the following link: Example 2 – Linearization of a Magnetic Levitation (MAGLEV) system – sphere. 

Literature revirew by:

Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer

Se hacen trabajos, se resuelven ejercicios!!

WhatsApp:  +34633129287  Atención Inmediata!!

Twitter: @dademuch

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contacto: España. +34633129287

Caracas, Quito, Guayaquil, Cuenca. 

WhatsApp:  +34633129287   +593998524011  

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Análisis de sistemas de control, Matemática aplicada - Appd Math

Ejercicio de Linealización de sistemas no lineales

Pasos para linealizar un sistema no lineal.
  1. En primer lugar es necesario identificar entre las ecuaciones o funciones que caracterizan el sistema (dinámica del sistema) aquellas que no son lineales. La Tabla 1 señala los casos más comunes:
La imagen tiene un atributo ALT vacío; su nombre de archivo es image.png 2. En segundo lugar debemos calcular los valores en el punto de equilibrio 3. Linealizar  utilizando la Tabla 2: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-1.png
Ejemplo 1
Un modelo físico queda caracterizado por las siguientes ecuaciones diferenciales: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-2.png Se pide linealizar en torno a x0=1 y p0=2. Solución: En este caso: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-3.png En el punto de equilibrio: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-4.png Sustituyendo el valor de x0=1 y p0=2 obtenemos que: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-5.png Al linealizar, aplicando las equivalencias de la tabla 2, obtenemos que: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-6.png El sistema linealizado tiene la siguiente representación: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-7.png Al sustituir valores obtenemos que el sistema linealizado tiene la siguiente representación: La imagen tiene un atributo ALT vacío; su nombre de archivo es image-8.png
Ejemplo. Linealizar una función - aproximación teórica
Supongamos que tenemos un sistema representado por la siguiente función:  nullNuestra tarea es linealizar f(x) alrededor de xo=π/2. Como:null Es decir, vamos a cambiar f(x)=5cosx, que es la representación de una curva con variable independiente x, por f(x)=f(x0)+mxXˆ, que es la representación de una recta con pendiente mx y una nueva variable independiente xˆ, que se supone intercepta al eje y en f(x0(recordar cómo se interpreta la ecuación de una recta. Para un repaso completo ver: Linealización de sistemas no lineales) Esta nueva representación sólo es válida si la variable independiente xˆ se aleja muy poco de x0, por eso se le llama excursión.  Hallamos los siguientes valores y los sustituimos en la ecuación anterior:nullEntonces podemos representar nuestro sistema no lineal mediante la siguiente ecuación de recta con pendiente negativa:null El resultado de la linealización de f(x) alrededor de xo=π/2 se puede observar en la Figura 2.48: null null
Linealizar una ecuación diferencial
Supongamos ahora que nuestro sistema está representado por la siguiente ecuación diferencial:nullLa presencia del término cosx hace de la anterior una ecuación no lineal. Se pide linealizar dicha ecuación para pequeñas excursiones alrededor de xo=π/4. Para sustituir la variable independiente x por la excursión δx aprovechamos el hecho de que:nullAsí:null Alguien podría preguntar que significa lo anterior. Significa que x-xo es una pequeña distancia que indica lo que nos podemos alejar de xo=π/4, que es el punto «alrededor» del cual debemos hacer la linealización. A esa pequeña distancia se le llama excursión δx. Ya que el símbolo δdebe ser utilizado muchas veces, porque se convierte en la nueva variable independiente, preferimos llamarla xˆ. En el procedimiento anterior despejamos a la variable x para sustituir este resultado en la ecuación original para que dicha ecuación nos quede expresada en función de la nueva variable xˆ. Ok. Procedemos entonces a la sustitución en la ecuación diferencial:nullAplicamos ahora las reglas de derivación:nullY para el término que involucra a la función cosx aplicamos la misma metodología que acabamos de ver en el ejemplo anterior para una función determinada, es decir,  linealizar f(x) alrededor de xo=π/4: Entonces de acuerdo con la ecuación (1): Pero, ya que:Podemos afirmar que: Por tanto, con estos resultados, podemos reescribir la ecuación diferencial: null de forma lineal alrededor del punto xo=π/4 como sigue: O lo que es lo mismo: Esta es la nueva representación de nuestra ecuación diferencial original, sólo válida si no nos alejamos mucho de xo=π/2. Note que esta nueva representación es una ecuación diferencial lineal, que es el objetivo del procedimiento.
Ejemplo - Linealización de Sistema de levitación magnética de una esfera.
El sistema de suspensión magnética de una esfera se muestra en la Figura 1.

El objetivo del sistema es controlar la posición de la esfera de acero mediante el ajuste de la corriente en el electroimán a través del voltaje de entrada e(t). La dinámica del sistema está representada por las siguientes ecuaciones diferenciales:Donde: Se pide linealizar el sistema alrededor de su punto de equilibrio.
Solución
La Figura 1 muestra que la bola metálica está sujeta a dos fuerzas: Fem y G; es decir, la fuerza electromagnética y la gravedad. De la dinámica del sistemas nos enfocamos en la ecuación que relaciona ambas fuerzas mediante la ley de Newton:

Esta ecuación es no lineal y es donde será necesario aplicar del proceso de linealización. Escribiendo esta ecuación de otra forma podemos ver que las fuerzas que actúan sobre la esfera tienen signo contrario, lo que indica que se oponen: Donde:

Resulta lógico pensar que ambas fuerzas se igualan en el punto de equilibrio, de coordenada xo, cuando la bola levita y permanece inmóvil (Observación: equilibrio no significa reposo, se trata más bien de un equilibrio dinámico, no estático). Como el desplazamiento de la bola en este punto permanece constante, la velocidad y la aceleración de la bola son iguales a cero, así sabemos que:

Por tanto, en el punto de equilibrio:

Donde:

Volviendo a la dinámica del sistema, sólo una de las ecuaciones es no lineal:

Para linealizar esta ecuación diferencial, procedemos como hemos visto en: Linealización de sistemas no lineales. La excursión alrededor del punto de equilibrio se representa mediante:

De donde:

Escribimos de nuevo la ecuación 1 sustituyendo sus términos por aquellos encontrados para el punto de equilibrio:

Aplicando ley de derivadas, tomando en cuenta que xo  es una constante:

Para linealizar la fuerza electromagnética en el punto de equilibrio, aplicamos la siguiente serie de Taylor:

Entonces:

Donde

Sustituyendo estos últimos resultados en la ecuación 3 obtenemos:

Sustituimos ahora este resultado en la ecuación 2:

Y así logramos cumplir con el objetivo de representar el sistema no lineal mediante las siguientes ecuaciones diferenciales lineales:

Nota: La segunda ecuación (e(t)=…) puede mantener su forma original porque es lineal, sólo se cambió la variable independiente i por aquella que representa la excursión. Fuente: Modelling and simulation of a magnetic levitation system, Valer Dolga, Lia Dolga, 2007.
Linealización de un sistema con tres o más variables independientes
Un modelo muy simplificado de la dinámica de un cohete, se observa en la Figura 1. Una barra uniforme de masa m y longitud 2L, sometida a la fuerza de la gravedad en G (centro de gravedad de la barra) y a dos fuerzas exteriores aplicadas en su extremo inferior: una vertical V(t) y otra horizontal H(t). Se pide: i) Dibujar el diagrama de variables de entrada y salida. Caracterizar el punto de equilibrio determinado por x(0)=0, y(0)=0, .ii) Obtener el sistema de ecuaciones linealizado alrededor del punto de equilibrio. iii) Dibujar el diagrama de bloques del sistema. iV)Obtener a partir de él las funciones de transferencia: null null Para ver la solución de este problema ver: Diagrama de bloques – Catálogo 8 2. El siguiente enunciado es un ejercicio resuelto totalmente, disponible por 14.5 euros pagados por Paypal…entrega por el Whatsapp +34633129287
SIGUIENTE: Ejemplos – Linealización de sistemas no lineales Revisión literaria hecha por: Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer Se hacen trabajos, se resuelven ejercicios!! WhatsApp:  +34633129287  Atención Inmediata!! Twitter: @dademuch Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés) Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas. Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral. Contacto: España. +34633129287 Caracas, Quito, Guayaquil, Jaén.  WhatsApp:  +34633129287   +593998524011  

Twitter: @dademuch

FACEBOOK: DademuchConnection email: dademuchconnection@gmail.com
Atención:
Si lo que Usted necesita es determinar La Función de Transferencia de un Sistema..Le entregamos la respuesta en dos horas o menos, dependiendo de la complejidad. En digital. Póngase en contacto con nosotros, respuesta inmediata, resolvemos y entregamos la Función de Transferencia de sistemas masa-resorte-amortiguador, eléctricos, electromecánicos, electromotriz, nivel de líquido, térmico, híbridos, rotacional, no lineales, etc.. Opcional, Representación en Variables de Estado, Linealización de sistemas no lineales. Opcional, Entrevista por Skype para explicar la solución.
Análisis de sistemas de control, Matemática aplicada - Appd Math

Linealización de sistemas no lineales.

Introducción

Muchos componentes y actuadores poseen características no lineales y la eficacia de su acción requiere mucho de que se mantengan en el punto de operación donde actúan aproximadamente de manera lineal, el cuál puede ser un intervalo muy limitado. Por ejemplo, la música que todos escuchamos debe ser amplificada por un circuito compuesto por dispositivos electrónicos que sólo amplifican cuando están actuando en el punto de operación en el que se diseña el sistema para que actúe linealmente; muestra de ello es que la salida del sistema en su totalidad es proporcional a la entrada, es decir, un sistema lineal.

¿En qué consiste linealizar? En expresar una función o ecuación diferencial no lineal con una versión lineal aproximada, sólo válida en un intervalo muy pequeño de valores de la variable independiente. Algo así como expresar una función cuadrática mediante la fórmula matemática de una línea recta. ¿Con qué fin? Pues, poder aplicarle al sistema representado por dicha función o ecuación diferencial, todas las técnicas de control para sistemas lineales estudiadas hasta ahora. Nuestro objetivo es diseñar una estrategia para generar una ecuación lineal que represente a un sistema no lineal en una región muy limitada, estrategia que configuramos a continuación.

Para obtener un modelo matemático lineal de un sistema no lineal es necesario suponer que la variable a controlar sólo se desvía muy ligeramente de un punto de operación A de coordenadas (xo, f(xo)), donde xo es la entrada al sistema y f(xo) es la salida. En el punto A podemos colocar una recta con cierta pendiente (slope) y suponer que para pequeños cambios δx alrededor de xo la salida f(xo+δx) se mueve a lo largo de esta recta, tal como se muestra en la Figura 2-47:null

Podemos utilizar el punto A como un nuevo centro de coordenadas donde la variable independiente δx se corresponde con la entrada al sistema, mientras que la variable dependiente δf(x) representa la salida del sistema. Hacemos este conveniente cambio de coordenadas para utilizar la ecuación de la pendiente ma de la recta de la siguiente manera:null

ÓnullY así:null

Al igual que:null

Esta última es una aproximación matemática lineal para f(x) , una función que a grandes rasgos no es lineal, como se puede constatar en la Figura 2-47.

Esta técnica nos permite entonces obtener una expresión lineal para f(x), alrededor del punto de operación A. Ahora, vamos a combinar las expresiones obtenidas para f(x) y δf(x). Otra forma de razonar es pensar que, alrededor del punto de operación A,  f(x) tiene el valor de f(xo) más un pequeño componente de valor maδx a lo largo de una línea recta de pendiente ma:null

Donde (x-xo) es tan pequeño que se aproxima a δx. Misión cumplida, haremos que:
null

¿Qué teoría nos permite hacer esto? Las series de Taylor son como guante a la mano.

Series de Taylor

Las series de Taylor son la expansión de una función  f(x) en términos del valor de esa función en un punto xo en particular, alrededor de ese punto y en términos de las derivadas de la función evaluadas en ese punto:null

Cuando la excursión alrededor del punto xo es pequeña, como el caso que nos interesa, las derivadas de orden mayor se pueden ignorar, por lo que:null

Sabiendo que la pendiente mx de una recta en el punto xo es la derivada de la recta evaluada en xo, podemos adaptar esta última ecuación a nuestra estrategia y obtenemos la fórmula que nos interesa:nullDonde mx=df/dx evaluado en x=xo. Note que δx es ahora la variable independiente, para la cual utilizamos sólo un rango válido de valores alrededor de xo, por lo que a δx le llamamos excursión. Volviendo a la Figura 2.47, ésta es la táctica clave del proceso de linealización, hemos creado un sistema de coordenadas centrado en el punto A, para sustituir la variable independiente x por δx. Podemos seguir utilizando la notación δx o cualquier otra más práctica como:nullVeamos cómo funciona esto mediante ejemplos.

Linealizar una función

Supongamos que tenemos un sistema representado por la siguiente función:  nullNuestra tarea es linealizar f(x) alrededor de xo=π/2. Como:nullHallamos los siguientes valores y los sustituimos en la ecuación anterior:nullEntonces podemos representar nuestro sistema no lineal mediante la siguiente ecuación de recta con pendiente negativa:null

El resultado de la linealización de f(x) alrededor de xo=π/2 se puede observar en la Figura 2.48:

null

null

Linealizar una ecuación diferencial

Supongamos ahora que nuestro sistema está representado por la siguiente ecuación diferencial:nullLa presencia del término cosx hace de la anterior una ecuación no lineal. Se pide linealizar dicha ecuación para pequeñas excursiones alrededor de xo=π/4.

Para sustituir la variable independiente x por la excursión δx aprovechamos el hecho de que:nullAsí:nullProcedemos entonces a la sustitución en la ecuación diferencial:nullAplicamos ahora las reglas de derivación:nullY para el término que involucra a la función cosx aplicamos la misma metodología que acabamos de ver en el ejemplo anterior para una función determinada, es decir,  linealizar f(x) alrededor de xo=π/4:

Observar que en la anterior ecuación la excursión vale cero cuando la función se evalúa exactamente en el punto xo. Lo mismo pasa cuando se evalúa la pendiente en xo:Así:

Por tanto, podemos reescribir la ecuación diferencial de forma lineal alrededor del punto xo=π/4 como sigue:

O lo que es lo mismo:

Linealización de un sistema con dos variables independientes

Las series de Taylor nos habilitan para trabajar con funciones o ecuaciones diferenciales que tienen dos variables independientes. Al respecto, la serie de Taylor aplica la siguiente fórmula:

null

Donde el punto de operación tiene las coordenadas ¯x1 y ¯x2. Para excursiones pequeñas alrededor del punto de equilibrio, podemos obviar las derivadas de mayor orden. El modelo matemático lineal para este sistema no lineal alrededor del punto de operación se obtiene mediante:

Donde:

Ejemplo. Linealización de un sistema con dos variables independientes.

Linealización de Sistema de levitación magnética de una esfera.

El sistema de suspensión magnética de una esfera se muestra en la Figura 1.

El objetivo del sistema es controlar la posición de la esfera de acero mediante el ajuste de la corriente en el electroimán a través del voltaje de entrada e(t). La dinámica del sistema está representada por las siguientes ecuaciones diferenciales:

Donde:

Se pide linealizar el sistema alrededor de su punto de equilibrio.

Para ver la solución de este problema ver: Ejemplo 1

Ejemplo: Linealización de un sistema con tres o más variables independientes

Un modelo muy simplificado de la dinámica de un cohete, se observa en la Figura 1. Una barra uniforme de masa m y longitud 2L, sometida a la fuerza de la gravedad en G (centro de gravedad de la barra) y a dos fuerzas exteriores aplicadas en su extremo inferior: una vertical V(t) y otra horizontal H(t). Se pide: i) Dibujar el diagrama de variables de entrada y salida. Caracterizar el punto de equilibrio determinado por x(0)=0, y(0)=0, .ii) Obtener el sistema de ecuaciones linealizado alrededor del punto de equilibrio. iii) Dibujar el diagrama de bloques del sistema. iV)Obtener a partir de él las funciones de transferencia:

null

null

Para ver la solución de este problema ver: Diagrama de bloques – Catálogo 8

 

 

2. El siguiente enunciado es un ejercicio resuelto totalmente, disponible por 14.5 euros pagados por Paypal…entrega por el Whatsapp +34633129287

SIGUIENTE: Ejemplos – Linealización de sistemas no lineales

 

 

Revisión literaria hecha por:

Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer

Se hacen trabajos, se resuelven ejercicios!!

WhatsApp:  +34633129287  Atención Inmediata!!

Twitter: @dademuch

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contacto: España. +34633129287

Caracas, Quito, Guayaquil, Jaén. 

WhatsApp:  +34633129287   +593998524011  

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Ingeniería Eléctrica, Señales y Sistemas

Señales de tiempo discreto – muestreo en matlab

Se denomina señal de tiempo discreto a aquella señal que es función de una variable de tiempo discreto t en n, donde n toma sólo valores enteros.


Variable de tiempo discreto

Se dice que la variable de tiempo t es una variable de tiempo discreto, si t toma los valores discretos:

para algún intervalo de valores enteros de n. Por ejemplo, t podría tomar los valores enteros t=0,1,2…; es decir,

Señal de tiempo discreto

Un señal de tiempo discreto una señal que es una función de la variable de tiempo discreto tn , donde n toma sólo valores enteros.

Una señal de tiempo discreto suele denotarse x[n]. En esta notación, la variable entera n corresponde a los instantes tn. La gráfica de una señal de tiempo discreto x[n] siempre estará en términos de los valores de x[n] contra los valores de la variable de tiempo discreto n.

Con frecuencia, los valores de x[n] se indican en la gráfica mediante círculos rellenos, con líneas verticales que conectan a dichos círculos con el eje del tiempo. Esto da como resultado una gráfica de tallo, la cual es una forma común de desplegar señales de tiempo discreto.

Como ejemplo, vamos a graficar en matlab la señal x[n] determinada por:

null

Introducimos en Matlab el siguiente comando:

n=-2:6;

x=[0 0 1 2 1 0 -1 0 0];

stem (n,x,’filled’);

xlabel (‘n’)

ylabel (‘x[n]’)

La gráfica de x[n] en matlab aparece a continuación:

Muestreo

La forma más común de generar una señal de tiempo discreto es muestreando una señal de tiempo continuo.

Supongamos que una señal continua x(t) se aplica a un interruptor electrónico que se cierra cada T segundos.

Si el lapso durante el cual el interruptor se cierra es mucho más pequeño que T, la salida del interruptor puede considerarse como una señal de tiempo discreto tn:

La señal de tiempo discreto resultante se conoce como versión muestreada de la señal original x(t), y a T se le conoce como período de muestreo. Debido a que la duración de T entre instantes adyacentes de muestreo tn y t(n+1) es igual a una constante, es decir:

El proceso de muestreo bajo estas condiciones se conoce como muestreo uniforme.

La Figura 1.10 muestra una señal x(t) de tiempo continuo:

La Figura 1.14 muestra una señal en tiempo discreto que surge de un proceso de muestreo uniforme de la señal de tiempo continuo mostrada en la Figura 1.10. En este caso, la variable entera n denota el instante nT. Primero incorporamos el código matlab para generar esta gráfica:

t=0:1:30;

x=exp(-.1*t).*sin(2/3*t);

y_out=stem(t,x,’filled’);

grid

xlabel(‘time[sec]’)

ylabel(‘x[n]’)

Por definición del proceso de muestreo, el valor de x[n] para cualquier valor entero, está dado por:

En el ejemplo anterior, la señal de tiempo continuo x(t) de la Figura 1.10, es muestreada con T=1, el resultado es la señal de tiempo discreto x[n] de la Figura 1.14.

Fuente:

  1. Fundamentos_de_Señales_y_Sistemas_usando la Web y Matlab

ANTERIOR: Señales de tiempo continuo – Definición

SIGUIENTE: Convolución de señales discretas – Sumatoria de convolución

Escrito por: Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer 

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Caracas, Quito, Guayaquil, Jaén– Telf. +34633129287

WhatsApp: +34633129287

email: dademuchconnection@gmail.com

Matemática aplicada - Appd Math, Señales y Sistemas

Sistemas lineales e invariantes en el tiempo.

Introducción

Los sistemas LTI son aquellos que cumplen con las propiedades de linealidad e invarianza en el tiempo. De allí las siglas que provienen del inglés “Linear and Time-Invariant”. Su importancia radica en que facilitan enormemente el estudio y análisis de sistemas complejos que puedan ser representados mediante un modelo matemático que cumpla con estas dos condiciones.

Incluso cuando se posee poca información sobre un sistema, un modelo LTI del mismo permite predecir rápidamente como se va a comportar, cuál será la salida para una determinada entrada de prueba, que puede ser un impulso (movimiento súbito que desaparece de inmediato), un escalón (movimiento súbito que se mantiene constante), o una rampa (movimiento que crece o decrece de forma lineal).

Linealidad

Un sistema lineal, en tiempo continuo o discreto, es aquel que posee la importante propiedad de la superposición: si una entrada consiste en la suma ponderada de varias señales, entonces la salida es simplemente la superposición (es decir, la suma ponderada) de las respuestas del sistema a cada una de estas señales.

Sea y1(t) la respuesta del sistema continuo a una entrada x1(t), y sea y2(t) la salida correspondiente a la entrada x2(t). Entonces, el sistema es lineal si:

  • La respuesta a x1(t) + x2(t) es y1(t) + y2(t)
  • La respuesta a k*x1(t) es k*y1(t), donde k es una constante compleja cualquiera.

La primera de estas dos propiedades se llama propiedad de aditividad, mientras que la segunda se conoce como la propiedad de escalamiento u homogeneidad.

El siguiente cuadro sirve de resumen para el estudio de la linealidad de un sistema:

null

Invarianza en el tiempo

Un sistema es invariante en el tiempo si un desplazamiento temporal de la señal de entrada produce el mismo desplazamiento en la señal de salida. Es decir:

null

El siguiente esquema permite ver como fluye la información en un sistema invariante en el tiempo:

null

Ejemplo

Consideremos un sistema S cuya entrada x(t) y salida y(t) están relacionadas mediante:

null

Ahora consideramos dos entradas arbitrarias x1(t) y x2(t). Ellas generan las siguientes respuestas:

null

Consideremos una tercera entrada x3(t)=a*x1(t)+b*x2(t), la cual genera una salida y3(t) igual a:

null

Concluimos entonces que el sistema es lineal.

Fuentes:

  1. Análisis de Sistemas Lineales – Prof. Ebert Brea
  2. Control Systems Engineering, Norman Nise
  3. Oppenheim – Señales y Sistemas
    1. 1.6.6 Linealidad p 53

Revisión literaria hecha por:

Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer

Se hacen trabajos, se resuelven ejercicios!!

WhatsApp:  +34633129287  Atención Inmediata!!

Twitter: @dademuch

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contacto: España. +34633129287

Caracas, Quito, Guayaquil, Jaén.

WhatsApp:  +34633129287

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Circuit Analysis, Ecuaciones Diferenciales, Electrical Engineer, Elementos Básicos, Literature Review, Señales y Sistemas, Sin categoría

EL CAPACITOR. Relación corriente-voltaje.

Formalmente, la Capacitancia es la razón entre la carga de una placa del capacitor y la diferencia de tensión entre las dos placas:

null

Relación corriente-voltaje del capacitor

Para obtener la relación de corriente-tensión del capacitor, primero es necesario estudiar la relación entre la carga q y la corriente i. Dicha relación viene dada por la ecuación:

null

Para encontrar la carga q de las placas en el tiempo t se integra sobre todo el tiempo anterior:

null

Utilizando el hecho de que q=Cv, obtenemos la relación corriente-tensión del capacitor (suponiendo un capacitor lineal, es decir, que no depende del valor de la tensión v en el tiempo):

null

null

O sea:

null

Otra forma de presentar este resultado es mediante la fórmula:

null

Utilizando esta última ecuación, podemos graficar la relación corriente-voltaje del capacitor de la manera siguiente:

null

Recomiendo leer la siguiente guía: Capacitores e Inductores – Circuitos y asociaciones

Preliminares

Por tanto se concluye que la intensidad del campo eléctrico en cualquier punto a una distancia r de una carga puntual de Q coulombs, será directamente proporcional a la magnitud de la carga e inversamente proporcional al cuadrado de la distancia a la carga.

Capacitancia

Al instante en que el interruptor se cierra, se extraen los electrones de la placa superior y se depositan sobre la placa inferior debido a la batería, dando por resultado una carga neta positiva sobre la placa superior del capacitor y una carga negativa sobre la placa inferior…Cuando el voltaje en el capacitor es igual al de la batería, cesa la transferencia de electrones y la placa tendrá una carga neta Q=CV=CE

En este punto el capacitor asumirá las características de un circuito abierto: una caída de voltaje en las placas sin flujo de carga entre las placas.

El voltaje en un capacitor no puede cambiar de forma instantánea.

De hecho, la capacitancia en una red es también una medida de cuanto se opondrá ésta a un cambio en el voltaje de la red. Mientras mayor sea la capacitancia, mayor será la constante de tiempo y mayor el tiempo que le tomará cargar hasta su valor final

Ejemplo 2.2 (Fuente:3) La Figura 2.3 muestra un sistema compuesto por una resistencia y un capacitor, y cuyos valores son representados respectivamente por R y C. Además, la figura muestra que el sistema eléctrico es excitado por una señal x(t) = u(t) y su respuesta es medida a través de la tensión sobre el capacitor, donde u(t) representa la función escalón unitario:

El modelo matemático asociado al sistema representado por la Figura 2.3 puede obtenerse empleando elementales ecuación de redes eléctricas:

Entonces, al comparar el modelo matemático definido por la Ecuación (2.12) con el modelo obtenido, se tiene que el coeficiente a0 y la señal de excitación son:

,

Al aplicar la solución expresada por medio de la Ecuación (2.21), se puede afirmar que:

Al operar la Ecuación (2.26) se tiene que la respuesta del sistema es dada por:

Note que:

por cuanto el elemento de memoria representado por el capacitor no permite cambios bruscos y por tal motivo y(0-) = y(0) = y(0+). Además, para buscar una respuesta a la pregunta debe tomarse en cuenta que la excitación tiene un valor de cero y ella ha permanecido en cero desde mucho tiempo atrás, es decir, desde menos infinito, obviamente y(0) = 0.

Recomiendo leer la siguiente guía: Capacitores e Inductores – Circuitos y asociaciones

Fuentes:

  1. Introduccion-al-analisis-de-circuitos-robert-l-boylestad,
    1. El Parámetro Capacitancia p 20
  2. Análisis de Redes – Van Valkenburg,
    1. El Parámetro Capacitancia p 20
  3. Análisis de Sistemas Lineales – Prof. Ebert Brea
    1. Análisis de Sistemas en el Dominio Continuo pp 29 –
  4. Fundamentos_de_circuitos_electricos_5ta

SIGUIENTE:

Escrito por Prof. Larry Francis Obando – Technical Specialist – Educational Content Writer – Twitter: @dademuch

Se hacen ejercicios, problemas, trabajos, clases online…Respuesta inmediata !!! a través de: WhatsApp: +34 633129287

Mentoring Académico / Emprendedores / Empresarial

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, USB Valle de Sartenejas.

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, UCV CCs

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contacto: Jaén – España: Tlf. 633129287

Caracas, Valladolid, Quito, Guayaquil, Jaén, Ordizia, Zaragoza.

WhatsApp: +34 633129287

Twitter: @dademuch

FACEBOOK: DademuchConnection

email: dademuchconnection@gmail.com

Ecuaciones Diferenciales, Matemática aplicada - Appd Math

Introduction to differential equation and modeling

Fuente: Introduction to Differential Equations

    1. Motivation
    2. A secret function
    3. Cell division
    4. Classification of differential equations
    5. Homogeneous linear ODE
    6. Introduction to modeling
    7. Model of a savings account
    8. Application: mixing salt water solution
    9. Systems and signals
    10. Newtonian mechanics
    11. 5 step modeling process

Today’s objectives

  1. Identify linear first order differential equations.
  2. Model behavior of certain systems using first order linear differential equations.
  3. Use the input signal and system response paradigm to obtain an ODE for a physical system.
  4. Check reasonableness of models using unit analysis .

 

Definition 3.2 An initial value problem is a differential equation together with initial conditions.

 

4. Cell division

Here we will see how the differential equation for our secret function appears when modeling a natural phenomenon – the population growth of a colony of cells…In this example we’ll model the number of yeast cells in a batch of dough. As we work through this example, pay careful attention to the assumptions we make, and how the initial condition plays a role in the resulting differential equation.

For our system, we assume we have a colony of yeast cells in a batch of bread dough. The first step is to identify the variables, the units, and give them names.

y

number of cells

t

time measured in seconds

We also need to set some initial condition, y0, the number of cells that we begin with at t=0. In this system, this might be the number of yeast cells in a yeast packet.

A differential model

If y denotes the number of yeast cells, what can we say about the derivative y˙? The derivative represents the rate at which the number of cells is growing. How should it depend on the number of cells? In nature, cells given plenty of space and food tend to divide through mitosis regularly. If we assume that each cell is dividing independently of all other cells, then doubling the number of cells should double the rate at which new cells are born. In fact, multiplying the number of cells by any scalar factor should do the same to the derivative. So this directly implies that the growth rate of cells is proportional to the number of cells:

y˙∝y.

We can make this into a true equation by simply inserting a proportionality constant a, such that

y˙=ay.

We say that 1/a is a “characteristic» timescale for our problem, setting the rate at which the cells divide. A solution to the above differential equation is

where y0 is the number of yeast cells we started with at t=0. In our case, we assume that y0 is the number of yeast cells in a packet, which is about 180 billion yeast cells.

5. Classification of differential equations

Marcar esta página

There are two kinds:

  • An ordinary differential equation (ODE) involves derivatives of a function of only one variable.
  • A partial differential equation (PDE) involves partial derivatives of a multivariable function.

When we consider ODEs, we will often regard the independent variable to be time…The dot notation y˙ should only be used to refer to a time derivative. If for example y is a function of a spacial variable y=y(x), we will only use the notation y′ to denote the derivative with respect to x.

Definition 5.1 The order of a DE is the highest n such that the nth derivative of the function appears…

The order is 5, because the highest derivative that appears is the 5th derivative, y(5).

7. Natural growth and decay equations..We’ve been introduced to a few basic forms of differential equations so far. The first equation we saw was a basic growth equation,

y˙=ay,

which, when a is a positive constant, governs systems like bank accounts and cell populations. If we put a negative sign in front of a we get the decay equation

y˙=−ay,

which can be used to describe things like radioactive decay of materials.

How would you classify the differential equations y˙=ay and y˙=−ay just discussed? Choose all descriptors that apply…
Solution:

These two equations are both first order, linear, homogeneous differential equations. To see that these equations are homogeneous, we can either check that y=0 is a solution (it is), or we can rewrite them in standard linear form:

8. Introduction to modeling

Marcar esta página

There are two kinds of modeling. We’re not going to talk about the kind that involves fancy clothes and photographs. The other kind, mathematical modeling , is converting a real-world problem into mathematical equations.

Guidelines:

  1. Identify relevant quantities, both known and unknown, and give them symbols. Find the units for each.
  2. Identify the independent variable(s). The other quantities will be functions of them, or constants. Often time is the only independent variable.
  3. Write down equations expressing how the functions change in response to small changes in the independent variable(s). Also write down any “laws of nature» relating the variables. As a check, make sure that all summands in an equation have the same units.

Often simplifying assumptions need to be made; the challenge is to simplify the equations so that they can be solved but so that they still describe the real-world system well.

I have a savings account earning interest compounded daily, and I make frequent deposits or withdrawals into the account. Find an ODE with initial condition to model the balance.

Simplifying assumptions:

  • Daily compounding is almost the same as continuous compounding, so let’s assume that interest is paid continuously instead of at the end of each day.
  • Similarly, let’s assume that my deposits/withdrawals are frequent enough that they can be approximated by a continuous money flow at a certain rate, the net deposit rate (which is negative when I am withdrawing).

Variables and functions (with units): Define the following:

P

the initial amount that the account starts with (dollars)

t

time from the start (years)

x

balance (dollars)

I

the interest rate (year−1; for example 4%/year=0.04year−1)

q

the net deposit rate (dollars/year).

Here t is the independent variable, P is a constant, and x, I, q are functions of t.

Equations: Now we want to decide how the balance changes as time changes. We’ll estimate the change in the balance Δxas time increases from some time t to a time t+Δt. We can approximate the interest earned per dollar to be:

Note that the units in each of the three terms are dollars/year. Also, there is the initial condition x(0)=P. Thus we have an ODE with initial condition:

Now that the modeling is done, the next step might be to solve this DE, but we won’t do that yet.

Remark 9.2 The notation we chose suggested that the interest rate I depended only on time. However, I could have depended on x as well. This would not change the modeling process. If I does not depend on x, we obtain a linear differential equation. If it does, the equation is nonlinear.

Video: Application: mixing salt water solution

Systems and signals

Let’s get back to the savings account model:

x˙=I(t)x+q(t).

Maybe for financial planning I am interested in testing different saving strategies (different functions q) to see what balances x they result in. To help with this, rewrite the ODE as

In the “systems and signals» language of engineering, q is called the input signal , the bank is the system , and x is the output signal . These terms do not have a mathematical meaning dictated by the DE alone; their interpretation is guided by the system being modeled. But the general picture is this:

The system may be a mechanical system such as an automobile suspension or an electrical circuit, or an economic market. It is impacted by some external signal. We are interested in understanding how the system responds to the external stimulus.

  • The input signal is the external stimulus. It usually does not appear in as simple a way in the DE as it does in the example above. But it does always determine the right hand side of the DE (when written in standard linear form).
  • The system response (also called output signal ) is the measurable behavior of the system that we are interested in. It is always the unknown function that we write a differential equation for.
  • All differential equations have many solutions. The solution of interest is often determined by the state of the system at the beginning. This initial state is given by the initial conditions.

Newtonian mechanics

Let’s try to put this into the input/ system response paradigm we’ve just introduced. The system response is the displacement of the mass. This is what we are interested in.

What is the input signal? You could imagine that there are other forces acting on the mass, like there is a sail on the mass, and wind is blowing on the sail creating an input signal. But we are going to start by considering the case where the input signal is 0. Note that pulling the cart back and releasing it specifies the initial state of the system, that is, it gives the initial conditions.

Now we are ready to write down the differential equation . The equation is governed by Newton’s second law

We need to identify the forces acting on the mass. There is the force due to the spring. For the moment, we assume that air resistance is negligible, and there is no friction on the cart.

What is the spring force? When the displacement is positive, the spring is stretched, the force is negative. When the displacement is negative, the spring is compressed, the force is positive. Thus this force is modeled linearly by Hooke’s law:

which is a function of the displacement x away from the neutral position x=0. Note that this linear model is only valid for relatively small displacements. If we stretch the spring too far, the spring force won’t obey this linear law anymore.

The position at time t=0 is x(0)=x0 for some positive displacement x0>0. From the problem statement, we assume that we release the cart with zero initial velocity, x˙(0)=0.

Putting this all together, we get:

with initial conditions:

The last step is to write this in standard linear form . We obtain the following differential equation:

Now let’s consider the same mass/spring system as above where we’ve add a sail to the mass.

The mass now experiences an additional external force from the wind. How does this change the model?

Solution: The model is exactly the same. The only difference is that the input signal is no longer zero, rather it is now the external force due to the wind on the sail. This external force Fwind(t) depends on time in some complicated way that we will not try to write down. The differential equation for this system is:

5 step modeling process

Marcar esta página

In the example on the previous page, we outlined a 5 step modeling process that we make explicit here.

  1. Draw a diagram of the system.
  2. Identify and give symbols for the parameters and variables of the system.
  3. Decide on the input signal and the system response. Identify any initial conditions.
  4. Write down a differential equation relating the input signal and the system response.
  5. Rewrite the equation in standard linear form with initial conditions.

Written by: Larry Francis Obando – Technical Specialist

Escuela de Ingeniería Eléctrica de la Universidad Central de Venezuela, Caracas.

Escuela de Ingeniería Electrónica de la Universidad Simón Bolívar, Valle de Sartenejas.

Escuela de Turismo de la Universidad Simón Bolívar, Núcleo Litoral.

Contact: Ecuador (Quito, Guayaquil, Cuenca)

WhatsApp: 00593984950376

email: dademuchconnection@gmail.com

Copywriting, Content Marketing, Tesis, Monografías, Paper Académicos, White Papers (Español – Inglés)