Jos Luis Rodrguez, Ph.D.

, Septiembre 2003

Terminologa
Sistema: Es una combinacin de componentes que actan conjuntamente y cumplen determinado objetivo. Un sistema no est limitado a objetos fsicos. Corresponde a la regin del Universo sometida a estudio. Sistema lineal: Es el sistema que cumple con el principio de superposicin Principio de superposicin: Es el principio matemtico que satisface simultneamente el principio de aditividad y de homogeneidad. aditividad y = f (x1 + x2 ) = f (x1 ) + f (x2 ) y = f (x) = f (x) homogeneidad y = f (x1 + x2 ) = f (x1 ) + f (x2 ) principio de superposicin Variables: Entidades que representan atributos del sistema y de su entorno. En sistemas fsicos un buen ejemplo son las propiedades termodinmicas. Clasicacin de las variables: Criterio 8 Tipo < Entradas. Internas. Espacial : Salidas. 8 > Controladas. > < Consignas (referencias, setpoints). Actuacin > Manipuladas. > : Perturbaciones.

Variables Controladas: Son las cantidades o condiciones que arbitrariamente se denotan como las salidas del sistema. Las variables controladas ms comunes son posicin, velocidad, temperatura, presin, nivel y rata de ujo. Referencias, Consignas, Valores Deseados o Setpoints: Son los objetivos del problema de control. Es el conjunto de los valores o trayectorias que se desea que alcancen las variables controladas. Variables Manipuladas: Son las cantidades o condiciones modicadas intencionalmente a n de afectar las variables controladas. Constituyen el subconjunto de variables de entrada al sistema que arbitrariamente ha sido seleccionado para ser modicado por el controlador. Estas variables deben ser capaces de afectar signicativamente las condiciones de las variables controladas. Variables de Perturbacin: Son las seales que tienden a afectar adversamente el valor de las variables controladas de un sistema, pues no son manipuladas por el sistema de control. Perturbaciones internas son aquellas que se generan dentro del sistema, mientras perturbaciones externas son aquellas que se generan fuera del sistema y constituyen el subconjunto de entradas de perturbacin. Son capaces de cambiar la carga sobre el proceso y son la principal razon por la cual se utilizan sistemas de control.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

Variables de Estado: se denen como el conjunto mnimo de variables x1 (t) ; x2 (t) ; , xn (t) ; tales que su conocimiento en cualquier tiempo t0 y la informacin sobre la seal de entrada aplicada subsecuentemente al tiempo t0 son sucientes para determinar el estado del sistema para cualquier tiempo t t0 : Se consideran variables internas. Parmetros: Propiedades del sistema o de su entorno a las que se puede asignar valores numricos arbitrarios, puede ser una constante o coeciente de una ecuacin. Control: Es el conjunto de acciones aplicadas sobre las variables manipuladas de un proceso con la intencin de corregir o limitar la desviacin entre los valores medidos de las variables controladas y los valores deseados o setpoints. Actuadores o Elementos Finales de Control (EFC): Son los dispositivos que reciben como entrada la accin de control, la cual usan para modicar sus salidas, las cuales son las variables manipuladas. Proceso: Conjunto de varias unidades o equipos relacionados mediante ujos de materia, energa o informacin, obtenindose como resultado un o unos productos con ciertas especcaciones pre-establecidas. Clasicacin de los procesos: Proceso de: 8 Caractersticas > Agentes: energa calrica, anidad qumica, > < propiedades fsicas, difusin, etc. Separacin > Operaciones unitarias: destilacin, absorcin, > : extraccin, evaporacin y otras. Fuerza impulsora: energa interna o calrica. Conversin qumica Flujo de transporte Fuerza impulsora: gradiente de presin.

Modelo: Es una representacin del sistema en trminos fsicos, grcos o numricos. Esquema: Diagrama donde se utilizan elementos grcos para representar un sistema complejo con sus interrelaciones internas y externas. Simulacin: Estudio de un proceso o sus partes mediante la manipulacin de su modelo. Generacin de la respuesta del modelo ante entradas y condiciones internas particulares para predecir la respuesta real del sistema. Estabilidad: Es la caracterstica que exhibe un sistema en su respuesta cuando es excitado por una entrada acotada arbitraria. Ventajas del modelado: 1. Experimentacin econmica. 2. Extrapolacin. 3. Repeticin de experimentos.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

4. Evaluacin de otras conguraciones de diseo y operacin. 5. Ensayos de sensibilidad. 6. Estudio de la estabilidad del sistema. Areas de aplicacin: 1. Investigacin y desarrollo. 2. Diseo. 3. Operacin de plantas. 4. Mantenimiento. Limitaciones del modelado: 1. Disponibilidad y exactitud de los datos. 2. Incertidumbre sobre la dinmica y efectos secundarios del sistema. 3. Incertidumbre sobre la eciencia de los aparatos. 4. Recursos disponibles para la manipulacin de los planteamientos matemticos. 5. Regin permisible para la extrapolacin de conclusiones. Etapas en la obtencin, anlisis y simulacin de un modelo 1. Denicin clara de la situacin del mundo real a ser investigada. Denicin y formulacin del problema: se denen claramente las preguntas que necesitan respuesta. Establecimiento de objetivos y criterios; delineacin de las necesidades de operacin. Denicin de las caractersticas esenciales relevantes a la situacin y aspectos que no son relevantes o que su relevancia es mnima. Seleccin de los aspectos deben ser considerados y qu aspectos pueden ignorarse. 2. Inspeccin preliminar y clasicacin del sistema con el n de descomponerlo en subsistemas (elementos), si es necesario. 3. Determinacin preliminar de las relaciones entre los subsistemas. 4. Consideracin acerca de todas las variables x1 ; x2 ; , xn y los parmetros a1 ; a2 ; , an involucrados. Clasicacin de stos en conocidos y desconocidos. Anlisis de las variables y relaciones para obtener un conjunto tan sencillo y consistente como sea posible. Seleccin de las variables manipuladas; seleccin de los actuadores y de las fuentes de energa requeridas para la variable manipulada en base a disponibilidad y costo. 5. Uso de las bases de formulacin del modelo. Consideracin de todas las leyes fsicas, qumicas, biolgicas, sociales, econmicas que pueden ser relevantes a la situacin. De ser necesario recoleccin de datos y anlisis para obtener una visin inicial de la situacin.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

6. Establecimiento de un modelo matemtico (en los casos que se aplicable) de las relaciones en funcin de las variables y los parmetros. Consideracin del modelo matemtico ms apropiado y formulacin del problema en el Lenguaje de Problema; es decir, en trminos de ecuaciones o inecuaciones algebraicas, transcendentales, diferenciales, de diferencias, integrales, integro-diferenciales, diferencia-diferenciales; descripcin de los elementos que solamente se pueden representar en forma incompleta mediante modelos matemticos. 7. Uso de las suposiciones simplicantes. 8. Vericacin de la consistencia del modelo. 9. Evaluacin de la forma en la que el modelo representa al sistema, utilizando el juicio crtico para acoplar las relaciones matemticas con las no matemticas. 10. Identicacin del sistema: excitacin del sistema y medicin de la respuesta. 11. Consideracin de todas las posibles maneras de resolver las ecuaciones del modelo. Los mtodos pueden ser analticos o numricos. Se debe tratar de obtener una solucin analtica tanto como sea posible y de ser necesario complementar esta solucin con mtodos numricos. Si un cambio razonable en las asunciones hace la solucin analtica posible, se debe investigar esta posibilidad. Si se requieren nuevos mtodos para resolver las ecuaciones del modelo, se debe intentar desarrollar estos mtodos. Analizar el error asociado al mtodo utilizado. Si el error no est dentro de los lmites aceptables, se debe cambiar el mtodo de solucin. 12. Simulacin del sistema. 13. Validacin. Comparacin entre las respuestas del sistema y el modelo. Si al comparar las predicciones con observaciones o datos disponibles, el ajuste es bueno, el modelo es aceptado. Si el ajuste no es bueno, se deben examinar las asunciones y aproximaciones y cambiarlas sobre la base de las diferencias observadas y proceder como antes hasta que se obtenga un modelo satisfactorio que produzca predicciones que se ajusten a los datos y observaciones usados para validar. 14. Analisis matmatico del sistema: estabilidad, controlabilidad, observabilidad, etc. Tipos de modelos 1. Fsicos: representaciones a una escala diferente a la del sistema. El anlisis dimensional es la herramienta fundamental. 2. Analgicos: se basan en similaridad de comportamiento. Las variables y propiedades de asociacion son diferencia de potencial, ujo, carga, resistencia, capacidad, inductancia. 3. Grcos: dibujos y esquemas que describen espacial o funcionalmente un sistema. Por ejemplo diagramas de ujo de seales y mapas. 4. Matemticos: representaciones del sistema en trminos matemticos en cuanto a sus caractersticas, propiedades y relaciones.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

Ventajas del modelado matemtico 1. Universalidad. 2. Lenguaje preciso y prcticamente sin ambiguedades. 3. Facilidad de manipulacin analtica. 4. Implementacin computacional. Criterios para evaluar un modelo matemtico 1. Fidelidad o concordancia. 2. Exactitud 3. Repetitividad. 4. Reproducibilidad. 5. Costo. 6. Tiempo. 7. Complejidad. 8. Capacidad. 9. Rango de accin. 10. Posibilidad de aplicacin.

Caractersticas de los Modelos Matemticos

1. Formulacin: (a) El modelado obliga a pensar claramente: Antes de hacer a un modelo matemtico, se debe estar claro sobre la estructura y elementos esenciales a la situacin. (b) Variables de estado y relaciones: Para construir un modelo matemtico, inicialmente se debe identicar las variables de estado y las relaciones entre ellas. La seleccin correcta de las variables de estado es de suma importancia. (c) Modelado ms Disciplina: Para construir modelos matemticos para describir una situacin, se debe saber matemtica y la disciplina en que la situacin ocurre. Los esfuerzos para construir un modelo matemtico sin un conocimiento profundo de la disciplina involucrada pueden llevar a modelos intiles. El enfoque de la disciplina debe preceder y suceder al modelado matemtico. (d) Modelos para el pensamiento estratgico y tctico: Los modelos pueden ser construidos para determinar las pautas para situaciones particulares para determinar una estrategia global aplicable a una variedad de situaciones.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

(e) Modelado matemtico y tcnicas matemticas: El nfasis en matemtica aplicada es con frecuencia en las tcnicas matemticas, pero el centro de las matemticas aplicadas realmente es el modelado matemtico. (f) El modelado matemtico provee una nueva ideologa y unidad a la matemtica aplicada: An cuando la investigacin de operaciones y la dinmica de los uidos dieren en sus contenidos y en sus tcnicas, el modelado matemtico es comn a ambas. (g) Criterio para modelos exitosos: stos incluyen un buen ajuste entre las predicciones y las observaciones, la obtencin de conclusiones vlidas no triviales, la simplicidad del modelo y su precisin. (h) Generalidad y aplicabilidad del modelo: El modelo en ecuaciones de Laplace aplica a sistemas gravitatorios potenciales, electro-estticos, de ujo irrotacional y una gran variedad de otras situaciones. Hay modelos aplicables a una gran variedad situaciones, mientras otros son aplicables slo en situaciones muy especcas. (i) Unidad de disciplinas a travs del modelado matemtico: Cuando varias situaciones diferentes son representadas por el mismo modelo matemtico, esto revela una cierta identidad de estructuras para estas situaciones. Lo cual puede conducir a un ahorro de esfuerzos y puede revelar la unidad subyacente entre diferentes disciplinas. 2. Generalidad: (a) Un modelo puede ser bueno, adecuado y similar a la realidad para un propsito y no para otro: Esto implica que con frecuencia se necesitan modelos diferentes por explicar aspectos diferentes de una misma situacin o incluso para rangos diferentes de las variables. Claro que en estos casos siempre se debe tratar de obtener un modelo unicado. 3. Alcance: (a) Modelos matemticos transferibles: Un modelo matemtico para un campo puede ser igualmente vlido para otro campo y puede ser transferido vlidamente a otro campo; sin embargo se debe tener gran cuidado en este proceso. Un modelo que es transferible a varios campos es muy til, pero ningn modelo debe ser forzado en otro campo a menos que all sea aplicable. (b) Diccionario de modelos matemticos: Es improbable que alguna vez se llegue a completar un diccionario de modelos matemticos, de manera tal que el trabajo se reduzca a seleccionar los modelos apropiados para cada situacin. La familiaridad con los modelos existentes siempre ser til, pero nuevas situaciones siempre exigirn la construccin de nuevos modelos. (c) Los modelos no deben ser prefabricados: Algunos matemticos puros creen que cada estructura lgica consistente modelar algn da alguna situacin fsica. Es probable que esto sea una excepcin en lugar de la regla. Habr siempre un gran nmero de estructuras matemticas sin su correspondiente modelos fsico y habr siempre situaciones fsicas sin un apropiado modelo matemtico. La bsqueda tiene que seguir ambas direcciones. La matemtica para modelado tiene que estar motivada principalmente por el mundo que la rodea. (d) El modelado matemtico es un arte: Requiere experiencia, visin general y capacidad de entendimiento. Ensear este arte tambin es otro arte.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

4. Complejidad: (a) Realismo: Un modelo matemtico debera ser tan realista como sea posible y en consecuencia debera representar la realidad tan estrechamente como sea posible. Sin embargo, si un modelo es muy realista, no puede ser matemticamente manejable. Al construir un modelo matemtico, siempre habr una situacin de compromiso entre lo manejable que sea para resolverlo y su aproximacin a la realidad. (b) Restricciones de aditividad y normalidad: Los modelos que son lineales, aditivo y en que la distribucin de probabilidad sigue la ley normal son modelos relativamente ms simples, pero en muchos casos los modelos ms realistas tienen que ser liberados de estas restricciones. (c) Jerarqua: El modelado matemtico no es un procedimiento simple. Los modelos deben ser mejorados constantemente para hacerlos ms realistas. As para cada situacin, se obtiene una jerarqua de modelos, cada uno ms realista que el precedente y cada uno probablemente seguido por otro mejor. (d) Sobre-simplicacin y modelos muy ambiciosos: Se ha dicho que la matemtica que es cierta no se reere a la realidad y matemtica que se reeren a la realidad no es cierta. Un modelo puede que no represente la realidad porque se simplic demasiado. Un modelo tambin puede ser muy ambicioso en el sentido que puede involucrar demasiadas complicaciones y puede dar resultados exacto en diez lugares decimales, mientras que las observaciones slo pueden ser correctas hasta dos lugares decimales. (e) Complejidad: sta puede aumentarse subdividiendo las variables, tomando ms variables y considerando ms detalles. El incremento en complejidad no siempre implica que mejoren las predicciones. El arte del modelado matemtico consiste en detenerse antes de que esto ocurra. (f) Los modelos pueden conducir a nuevos experimentos, nuevos conceptos y nuevas tcnicas matemtica: La comparacin entre las predicciones y las observaciones podra revelar la necesidad de realizar nuevos experimentos para recolectar ms datos. Los modelos matemticos tambin pueden conducir al desarrollo de nuevos conceptos. Si las tcnicas matemticas conocidas no son adecuadas para deducir resultados a partir del modelo matemtico, nuevas tcnicas matemticas deben ser desarrolladas. 5. Ajuste: (a) Precisin relativa: Diferentes modelos varan en su precisin y en el ajuste entre sus predicciones y las observaciones. 6. Sensibilidad: (a) Robustez: Se dice que un modelo matemtico es robusto si cambios pequeos en los parmetros llevan a los cambios pequeos en la conducta del modelo. Esta caracterstica se cuantica a travs del anlisis de sensibilidad de los modelos. 7. Prediccin: (a) Los modelos pueden conducir a predicciones esperadas o no esperadas e incluso a resultados sin sentido: Usualmente los modelos dan predicciones esperadas

Jos Luis Rodrguez, Ph.D., Septiembre 2003

basadas en consideraciones de sentido comn. Algunas veces ellos dan predicciones inesperadas e incluso pueden conducir a revelaciones o asunciones con profundo signicado. A veces las predicciones de los modelos no concuerdan en absoluto con las observaciones y entonces estos modelos tienen que ser revisados drsticamente. (b) El modelo no es bueno o malo; simplemente ajusta o no: Los modelos pueden conducir a resultados matemticos muy elegantes, pero slo son aceptables los modelos que pueden explicar, predecir o controlar las situaciones. Un modelo tambin puede encajar muy bien una situacin y puede ser completamente intil en la resolucin de otra situacin. 8. Metodologa: (a) Modelado parcial a travs de subsistemas: Antes de hacer un modelo para un sistema completo, podra ser conveniente construir modelos parciales para los subsistemas, probar su validez y entonces integrar estos modelos parciales en un modelo completo. A veces los modelos existentes son combinados para construir modelos para sistemas ms grandes. A menudo los modelos son unicados de manera tal que el modelo general incluya a los modelos para los subsistemas como casos especiales. (b) Modelado en trminos de mdulos: Al construir modelos como pequeos mdulos y combinando stos en diferentes formas se pueden obtener para una gran cantidad de sistemas. (c) Nuevos modelos para simplicar los complicados modelos existentes: Generalmente se comienza con modelos simples, se introducen cada vez ms y ms variables y funciones para hacer los modelos ms realistas y ms complicado y con el conocimiento general adicional obtenido, se debe poder de nuevo simplicar los modelos complejos. (d) No-unicidad de los modelos: En general una situacin no tiene porque tener slo un modelo matemtico y la existencia de un modelo para l no debe inhibir la bsqueda de otros modelos que pudieran ser diferentes y mejores. 9. Identicacin: (a) Estimacin de parmetros: Cada modelo contiene algunos parmetros y stos tienen que ser estimados. La estructura del modelo en muchos casos sugiere los experimentos, observaciones y mtodos a emplear para determinar estos parmetros.. Sin esta especicacin explcita, el modelo est incompleto. 10. Validacin: (a) Auto-consistencia: Un modelo matemtico involucra ecuaciones e inecuaciones y stas deben ser consistentes, por ejemplo un modelo no puede tener ambos x + y > a y x + y < a. Algunas veces la inconsistencia es el resultado de la inconsistencia de las asunciones bsicas. La inconsistencia matemtica es relativamente fcil de hallar, lo que permite extender sus mtodos de evaluacin de inconsistencia a otras ciencias como las sociales o biolgicas. (b) Aferrarse a un modelo puede bloquear la visin general: Un modelo ayuda a pensar, pero tambin puede dirigir el pensamiento slo hacia una regin muy estrecha. A veces una visin general se obtiene rompiendo con los modelos tradicionales y diseando otros completamente nuevos con nuevos conceptos.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

(c) Los modelos inadecuados tambin son tiles: Debido a que ellos obligan a detectar que aspectos signicativos que pudieron haber sido despreciados o no tomados en cuenta inicialmente. Los fracasos pueden ser el preludio a los xitos si se pueden encontrar las razones de estos fracasos. (d) Los modelos rgidos no son convenientes: Un modelo debe incluir la posibilidad de mejorar sobre la base de los datos experimentales y observaciones. (e) Las imperfecciones de los modelos y el costo de modelar: Ningn modelo es perfecto y cada modelo puede mejorarse. Sin embargo cada mejora puede costar tiempo y dinero. La mejora en un modelo debe justicar la inversin hecha en este proceso. (f) Validacin con datos independientes: A veces los parmetros son estimados con la ayuda de algunos datos y los mismos datos son usados para validar al modelo. Esto es ilegtimo. Deben usarse datos independientes para validar al modelo. (g) Ciclo de prediccin-validacin-iteracin: Un modelo matemtico predice conclusiones que se comparan con las observaciones. Usualmente hay algunas discrepancias. Para eliminar estas diferencias, se debe mejorar el modelo, de nuevo se predice y de nuevo se intenta validar y la iteracin se repite hasta que se obtiene un modelo satisfactorio.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

10

Clasicacin de los modelos matemticos Criterio Principio de formulacin Tipo 8 < Fenomenolgico Balance de poblacin : Modelos empricos Determinstico Probabilstico o estocstico Lineales No lineales Estticos Dinmicos Parmetros concentrados Parmetros distribuidos en 1, 2 y 3 dimensiones 8 > Ecuaciones algebraicas: lgebra lineal y matrices. > > > Ecuaciones integrales. > > > > Ecuaciones diferenciales ordinarias. > > > > > Ecuaciones diferenciales parciales. > < Ecuaciones de diferencias. > > Ecuaciones funcionales. > > Grcos y diagramas de ujo. > > > > Programacin matemtica. > > > > Clculo de variaciones. > > : Principio mximo. 8 Ecuaciones de estado (continuas y discretas) > Tiempo > > > Series de Fourier (funciones peridicas) > < Funcin de transferencia > > Frecuencia > > Funcin de transferencia sinusoidal > :

Naturaleza del sistema Estructura del sistema Variacin temporal Variacin espacial

Estructura matemtica

Sistema de representacin

8 > Descripcin. > > > Panorama o punto de vista. > > > > Diseo. < Optimizacin. Proposito > > Prediccin. > > > > Accin. > > : Control. 8 > SISO > < MISO Nmero de Entradas/Salidas > > SIMO : MIMO

Jos Luis Rodrguez, Ph.D., Septiembre 2003

11

Criterio: Principio de Formulacin 8 Principios de Formulacin < Conservacin de la materia Conservacin de la cantidad de movimiento Fenomenolgico : Conservacin de la energa Distribuciones de tiempo de residencia Balance de poblacin Otras distribuciones temporales (migracin) 8 < Funciones de correlacin Anlisis estadstico Modelos empricos : Teora de identicacin de sistemas Criterio Tipo

Clasicacin de los modelos fenomenolgicos

Tipo 8 > Atmico y molecular > > > Microscpico < Gradiente mltiple Nivel de detalle > > Gradiente mximo > > : Macroscpico Determinstico Naturaleza del modelo Probabilstico o estocstico Lineales Estructura del sistema No lineales Estticos o estacionarios Variacin temporal Dinmicos Parmetros concentrados Variacin espacial Parmetros distribuidos

Jos Luis Rodrguez, Ph.D., Septiembre 2003

12

Tipos de modelos fenomenolgicos de acuerdo al nivel de detalle Atmico y molecular 8 > Entidades discretas o individuales > < Mecnica cuntica > Mecnica estadstica > : Teora Cintica 9 > > = > > ; Parmetros Funciones de distribucin Integrales de colisin 9 > > = > > ;

Microscpico 8 Parmetros 8 9 > Coecientes fenomenolgicos < Sistema es continuo = > < Coecientes de viscosidad Fenmenos de transporte laminar : ; > Coecientes de difusin > Teora estadstica de la turbulencia : Coecientes de conduccin Gradiente mltiple 8 9 < Fenmenos de transporte laminar = Fenmenos de transporte turbulento : ; Transporte en medios porosos Gradiente mximo 8 9 < Fenmenos de transporte laminar = Fenmenos de transporte turbulento : ; Diseo de reactores Macroscpico 8 > Ingeniera de procesos > < Operaciones unitarias bsicas > > Termodinmica : Cintica clsica 9 > > = Parmetros

Coecientes de transporte efectivo

8 Parmetros > Coecientes de transporte de interfase > < Constantes cinticas macroscpicas > > Factores de friccin > > ; : En general slo el tiempo es la v. indep.

9 8 Parmetros < Coecientes de transporte de interfase = Constantes cinticas ; : Se suprimen los trminos de difusin 9 > > = > > ;

Jos Luis Rodrguez, Ph.D., Septiembre 2003

13

Modelos matemticos de acuerdo al sistema de representacin Funcin de transferencia: Es una representacin del proceso en el dominio de la frecuencia, se obtiene aplicando la transformada de Laplace a las ecuaciones diferenciales LIT que describen el sistema. Lo cual en general es til slo para sistemas de una entrada y una salida. Funcin de transferencia sinusoidal: Es la funcin de transferencia evaluada en s = j!: Es usada pra estudiar el efecto de las diferentes frecuencias de excitacin sobre sistemas estables en estado estacionario (t ! 1)una representacin del proceso en el dominio de la frecuencia, se obtiene aplicando la transformada de Laplace a las ecuaciones diferenciales LIT que describen el sistema. Lo cual en general es til slo para sistemas de una entrada y una salida. Ecuaciones de estado: Es una representacin del proceso en el dominio del tiempo, se obtienen asignando estados a algunas de las variables dinmicas que describen el sistema. Es una herramienta relativamente moderna que permite el diseo de controladores para procesos no lineales y de mltiples entradas y mltiples salidas. Series de Fourier: Es una representacin de una funcin en el dominio del tiempo, generalmente se usan para representar funciones peridicas.

Bibliografa
KAPUR J.N. Mathematical Modelling, John Wiley & Sons (biblioteca UNET: QA401, K36) POSSO Fausto Modelado de Procesos, Gua, ULA-Tchira.

Jos Luis Rodrguez, Ph.D., Septiembre 2003

14

Considere los siguientes problemas:

Hallar la altura de un edicio (sin subirlo!) Hallar el ancho de un ro o un canal (sin cruzarlo!) Hallar la masa de la Tierra (sin usar una balanza!) Hallar la temperatura de la supercie o el centro del Sol (sin llevar un termmetro hasta all!) Estimar la produccin de trigo en India a partir de la cosecha en pie (sin cortarla y pesarla!) Hallar el volumen de sangre dentro del cuerpo de una persona (sin desangrarlo hasta morir!) Estime la poblacin de China en el ao 2020 D.C. (sin esperar hasta ese momento!) Hallar el tiempo que le toma a un satlite a una altura de 10,000 km sobre la supercie de la Tierra para completar una rbita (sin haber enviado el satlite al espacio!) Hallar el efecto que tendr en la economa una reduccin del 30% en el impuesto sobre la renta (sin hacer esa reduccin realmente!) Hallar el arma con el mejor funcionamiento, si el funcionamiento depende de diez parmetros de diseo y cada uno de ellos puede tomar 10 valores (sin tener que fabricar 1010 armas!) Estimar la vida promedio de una produccin de bombillos (sin encender cada bombillo y esperar hasta que se funda!) Estimar la cantidad total de dinero que una compaa de seguros tiene que pagar el prximo ao por concepto de siniestros automovilsticos (sin esperar hasta el n del prximo ao!) Todos estos problemas y miles de problemas similares pueden ser y se han resuelto a travs del planteamiento matemtico. El modelado matemtico esencialmente consiste en convertir problemas del mundo real en problemas matemticos, resolver los problemas matemticos e interpretar esa solucin en el lenguaje del mundo real.