T3 Ecuaciones Diferenciales

T3.
Transformada de Laplace
Transformada de Laplace
In[ ]:=  laplace transform of 6t^2
Input interpretation:
ℒt 6 t2  (s)
ℒ_t[f(t)](s) is the Laplace transform of f(t) with complex argument s »
Result:
12
s3
Plots:
15
10
s
-1.5 -1.0 -0.5 0.5 1.0 1.5
-5
-10
-15
min max
s
-5 5
-1
-2
min max
Roots: Step-by-step solution
(no roots exist)
Properties as a real function: Approximate forms

Domain:
2 Transformada y transporfada inversa de Laplace.nb
 (all real numbers)

Range:
y 1
{y ∈  :  }
12 s3
Parity:
odd
R is the set of real numbers »
Derivative: Step-by-step solution

ⅆ 12 36
-
ⅆs s3 s4
Indefinite integral: Step-by-step solution

12 12 t
 ⅆt  + constant
s3 s3
Limit:
12
lim 0
s→±∞ s3
Differential geometric curves:
12
— s3
— normals
Horizontal plot range:
smin smax symmetric
More controls
Inverse iterations:
Transformada y transporfada inversa de Laplace.nb 3
backward iterations 1 2 3 4 5 6 7 8
show frame
In[ ]:=  Laplace transform ((1 - e^t + 3e^(-4t)) * cos(5t))
ℒt -ⅇt + 3 ⅇ-4 t + 1 cos(5 t) (s)

Result:
s s-1 3 (s + 4)
- +
s2 + 25 (s - 1)2 + 25 (s + 4)2 + 25
Plots:
0.4
0.2
s
-30 -20 -10 10 20
-0.2
-0.4
min max
0.3
0.2
0.1
s
-150 -100 -50 50 100
-0.1
-0.2
-0.3
min max
Alternate forms:
1-s s 3 (s + 4)
+ +
s2 - 2 s + 26 + 25 s2 + 8 s + 41 s2
3 s5 + 5 s4 + 122 s3 + 454 s2 + 1591 s + 8825
s2 + 25 s2 - 2 s + 26 s2 + 8 s + 41
Expanded forms:
s s 3s 1 12
- + + +
s2 + 25 (s - 1)2 + 25 (s + 4)2 + 25 (s - 1)2 + 25 (s + 4)2 + 25
s s 3s 1 12
- + + +
s2 + 25 s2 - 2 s + 26 s2 + 8 s + 41 s2 - 2 s + 26 s2 + 8 s + 41
Real root: Exact form More digits
s ≈ -4.01946
Complex roots: More digits Exact forms
s ≈ -0.6033 - 4.8921 ⅈ
s ≈ -0.6033 + 4.8921 ⅈ
s ≈ 1.7797 - 5.1918 ⅈ
s ≈ 1.7797 + 5.1918 ⅈ
Roots in the complex plane:

Im(s)
0 Re(s)
-2
-4
-6
-4 -3 -2 -1 0 1 2
Properties as a real function:

Domain:
Range:
s-1 s 3 (s + 4)
{y ∈  : +y + }
(s - 1)2 + 25 s2 + 25 (s + 4)2 + 25
Series expansion at s = 0:
353 146 014 s 8 771 981 s2 212 720 927 191 s3 61 236 893 287 s4
+ - + + + Os5 
1066 7 102 225 605 677 748 201 766 399 802 500 344 132 771 503 144
(Taylor series)
Big-O notation »
Series expansion at s = ∞:
3 13 28 782 1 5
- - + +O
s s2 s3 s4 s
(Laurent series)
Big-O notation »

ⅆ s s-1 3 (s + 4)
-  +
ⅆs s2 + 25 (s - 1)2
(s + 4)2 + 25
+ 25
1 2 s2 2 (s - 1)2 1 3 6 (s + 4)2
- + - + -
s2 + 25 s2 + 252 (s - 1)2 + 252 (s - 1)2 + 25 (s + 4)2 + 25 (s + 4)2 + 252

-1 + s s 3 (4 + s) st (s - 1) t 3 (s + 4) t
 - + + ⅆt  - + + constant
25 + (-1 + s)2 25 + s2 25 + (4 + s)2 s2 + 25 (s - 1)2 + 25 (s + 4)2 + 25
Local maximum: More digits Exact form
Step-by-step solution
s s-1 3 (s + 4)
max - +  ≈ 0.33894 at s ≈ 0.79084
s2 + 25 (s - 1)2 + 25 (s + 4)2 + 25
Local minimum: More digits Exact form
s s-1 3 (s + 4)
min - +  ≈ -0.30491 at s ≈ -8.9849
s2 + 25 (s - 1)2 + 25 (s + 4)2 + 25
Limit:
-1 + s s 3 (4 + s)
lim - + + 0
s→±∞ 25 + (-1 + s)2 25 + s2 25 + (4 + s)2

s s-1 3 (s+4)
— s2 +25
- (s-1)2 +25
+ (s+4)2 +25
— normals
smin smax symmetric
More controls
Transformada inversa de Laplace

Es un método operacional. Las funciones senoidales, senoidales amortiguadas y exponenciales se
pueden convertir en funciones algebraicas lineales en la variable S. Sirve para reemplazar opera-
ciones como derivación e integración. Este método permite usar técnicas gráficas para predecir el
funcionamiento de un sistema.
In[ ]:=  inverse laplace transform of \frac{s}{s^2+4s+5}
Assuming "s" is a variable | Use as a unit instead
Input:
s
ℒ-1
s   (t)
s2 + 4 s + 5
ℒ_s^(-1)[f(s)](t) is the inverse Laplace transform of f(s) with positive real variable t »
Result:
1
ⅇ(-2-ⅈ) t (1 + 2 ⅈ) ⅇ2 ⅈ t + (1 - 2 ⅈ)
2
Plots:
0.5
0.4
0.3
0.2
0.1
t
0.2 0.4 0.6 0.8 1.0
-0.1 real part
imaginary part
min max
0.02
0.01
t
1 2 3 4 5 6
-0.01
-0.02
real part
-0.03 imaginary part
min max
Alternate forms:
ⅇ-2 t (cos(t) - 2 sin(t))

1 1
ⅇ(-2-ⅈ) t + ⅈ ⅇ2 ⅈ t + -ⅈ
2 2
1 (-2-ⅈ) t
ⅈⅇ (2 - ⅈ) ⅇ2 ⅈ t + (-2 - ⅈ)
2
Expanded form: Step-by-step solution

1 1
- ⅈ ⅇ(-2-ⅈ) t + + ⅈ ⅇ(-2+ⅈ) t
2 2
In[ ]:=  inverse laplace transform of \frac{5}{4x^2+1}+\frac{3}{x^3}-5\frac{3}{2x}
Input:
5 3 3
ℒ-1
x  + - 5×  (t)
4 x2 +1 x3 2x
Result:
1 t
3 t2 + 5 sin - 15
2 2
Plots:
t
0.2 0.4 0.6 0.8 1.0 1.2 1.4
-2
-4
-6
real part
imaginary part
min max
100
80
60
40
20
t real part
2 4 6 8 imaginary part
min max
Alternate forms:
1 t
3 t2 + 5 sin -3
2 2
3 t2 5 5 15
+ ⅈ ⅇ-(ⅈ t)/2 - ⅈ ⅇ(ⅈ t)/2 -
2 4 4 2

3 t2 5 t 15
+ sin -
2 2 2 2
Teoremas de traslación de Laplace
1
In[ ]:=  laplace ⅇ
2
Assuming "laplace" is the Laplace transform | Use the Laplace operator instead
ⅇ
ℒt   (s)
2
Result:
ⅇ
2s
Plots:
15
10
s
-1.0 -0.5 0.5 1.0
-5
-10
-15
min max
s
-4 -2 2 4
-1
-2
-3
min max
(no roots exist)
Property as a function:
2 Teoremas de traslación de Laplace.nb
Parity:
odd
Derivative: Approximate form Step-by-step solution

ⅆ ⅇ ⅇ
 -
ⅆs 2 s 2 s2
Limit:
ⅇ
lim 0
s→±∞ 2s
ⅇ
— 2s
— normals
smin smax symmetric
More controls
In[ ]:=  laplace ⅇ-2 t sin2 (t)
ℒt ⅇ-2 t sin2 (t) (s)

Teoremas de traslación de Laplace.nb 3
Result:
2
(s + 2) s2 + 4 s + 8
Plots:
15
10
5
s
-2.5 -2.0 -1.5 -1.0
-5
-10
-15
min max
0.6
0.4
0.2
s
-6 -4 -2 2
-0.2
-0.4
-0.6
min max
Alternate forms:
2
s (s (s + 6) + 16) + 16
2
(s + 2) (s (s + 4) + 8)
Partial fraction expansion: Step-by-step solution

-s - 2 1
+
2 s2 + 4 s + 8 2 (s + 2)
Expanded form:
2
s3 + 6 s2 + 16 s + 16
(no roots exist)


Domain:
Range:
2
{y ∈  : y  }
s3 + 6 s2 + 16 s + 16
1 s 5 s2 5 s3 9 s4
- + - + + Os5 
8 8 64 128 512
(Taylor series)
Big-O notation »
2 12 40 80 1 7
- + - +O
s3 s4 s5 s6 s
(Laurent series)
Big-O notation »
ⅆ 2 2 3 s2 + 12 s + 16
-
ⅆs (s + 2) s2 + 4 s + 8 2
(s + 2)2 s2 + 4 s + 8

2 2t
(2 + s) 8 + 4 s + s2  (s + 2) s2 + 4 s + 8
Limit:
2
lim 0
s→±∞ (2 + s) 8 + 4 s + s2 
Definite integral:
More digits
∞ 2 1 5
 ⅆs  log ≈ 0.0557859
2 (2 + s) 8 + 4 s + s2  4 4
log(x) is the natural logarithm »

2
— — normals
(s+2) s2 +4 s+8
smin smax symmetric
More controls
Inverse iterations:
backward iterations 1 2 3 4 5 6 7 8
show frame
In[ ]:=  laplace 8π
ℒt [8 π] (s)
Result:
8π
s
Plots:
y
40
20
s
-5 5
-20
-40
min max
s
-40 -20 20 40
-5
min max
(no roots exist)
Parity:
odd

ⅆ 8π 8π
-
ⅆs s s2
Limit:
8π
lim 0
s→±∞ s
8π
— s
— normals
smin smax symmetric
More controls
In[ ]:=  laplace g(t) = 3sinh(2t) + 3 sin(2t)
ℒt [3 sin(2 t) + 3 sinh(2 t)] (s)

sinh(x) is the hyperbolic sine function »
Result:
12 s2
s4 - 16
Plots:
y
6
4
2
s
-2 -1 1 2
-2
-4
-6
-8
min max
2.0
1.5
1.0
0.5
s
-10 -5 5 10
-0.5
-1.0
-1.5
min max
Alternate form:
12 s2
(s - 2) (s + 2) s2 + 4

6 3 3
- +
s2 + 4 2 (s + 2) 2 (s - 2)
Root: Step-by-step solution
s0

Domain:
Range:
y s2
{y ∈  :  }
12 s4 - 16
Parity:
even
3 s2 3 s6 3 s10
- - - + Os13 
4 64 1024
(Taylor series)
Big O notation
Big-O notation »
12 192 3072 1 13
+ + +O
s2 s6 s10 s
(Laurent series)
Big-O notation »
ⅆ 12 s2 24 s s4 + 16
-
ⅆs s4 - 16 s4 - 16
2

12 s2 12 s2 t
-16 + s4 s4 - 16
Local maximum: Step-by-step solution

12 s2
max   0 at s  0
s4 - 16
Limit:
12 s2
lim 0
s→±∞ -16 + s4
12 s2
— s4 -16
— normals
smin smax symmetric
More controls
Inverse iterations:
backward iterations 1 2 3 4 5 6
show frame
In[ ]:=  laplace ⅇ3 x cos(x)
ℒx ⅇ3 x cos(x) (p)

Result:
p-3
(p - 3)2 + 1
Plots:
0.5
p
-2 2 4 6 8
-0.5
min max
0.4
0.2
p
-20 -10 10 20 30
-0.2
-0.4
min max
Alternate form:
p-3
(p - 6) p + 10
Expanded forms:
p-3
p2 - 6 p + 10
p 3
-
(p - 3) + 1 (p - 3)2 + 1
2
p 3
-
2 2
p - 6 p + 10 p - 6 p + 10
Root: Step-by-step solution
p3

Domain:
Range:
p-3
{y ∈  : y  }
(p - 3)2 + 1
Series expansion at p = 0:
3 2p 9 p2 7 p3 3 p4
- - - - + + O p5 
10 25 500 2500 25 000
(Taylor series)
Big-O notation »
Series expansion at p = ∞:
1 3 8 18 1 5
+ + + +O
p p2 p3 p4 p
(Laurent series)
Big-O notation »

ⅆ p-3 p2 - 6 p + 8
-
ⅆ p (p - 3)2 + 1 p2 - 6 p + 10
2

-3 + p px 3x
 ⅆx  - + constant
1 + (-3 + p)2 (p - 3)2 +1 (p - 3)2 + 1
Global maximum: Decimal form Step-by-step solution

p-3 1
max  at p  4
(p - 3)2 +1 2
Global minimum: Decimal form Step-by-step solution

p-3 1
min - at p  2
(p - 3)2 + 1 2
Limit:
-3 + p
lim 0
p→±∞ 1 + (-3 + p)2
p-3
— (p-3)2 +1
— normals
pmin pmax symmetric
More controls
Inverse iterations:
backward iterations 1 2 3 4 5 6 7 8 9 10 11 12
show frame
In[ ]:=  laplace π
ℒt [π] (s)
Result:
π
s
Plots:
30
20
10
s
-1.0 -0.5 0.5 1.0
-10
-20
-30
min max
6
4
2
s
-4 -2 2 4
-2
-4
-6
min max
(no roots exist)
Parity:
odd

ⅆ π π
 -
ⅆs s s2
Limit:
π
lim 0
s→±∞ s

π
— s
— normals
smin smax symmetric
More controls
In[ ]:=  laplace g(t) = sinh(2t) - 3sin(2t)
ℒt [sinh(2 t) - 3 sin(2 t)] (s)

Result:
4 s2 - 8
-
s4 - 16
Plots:
y
0.5
s
-4 -2 2 4
-0.5
-1.0
-1.5
-2.0
-2.5
min max
0.10
0.05
s
s
-20 -10 10 20
-0.05
-0.10
-0.15
-0.20
min max
Alternate form:
4 s2 - 8
-
(s - 2) (s + 2) s2 + 4

6 1 1
- - +
s2 + 4 2 (s + 2) 2 (s - 2)
Expanded forms:
32 - 4 s2
s4 - 16
32 4 s2
-
s4 - 16 s4 - 16
Roots: Approximate forms Step-by-step solution
s  -2 2
s2 2

Domain:
Range:
s2 - 8 y
{y ∈  : +  0}
s4 - 16 4
Parity:
even
s2 s4
-2 + - + Os6 
4 8
(Taylor series)
Big-O notation »
4 32 1 6
- + +O
s2 s4 s
(Laurent series)
Big-O notation »
ⅆ 4 s2 - 8 8 s s4 - 16 s2 + 16

- 
ⅆs s4 - 16 s4 - 16
2

4 -8 + s2  32 t 4 s2 t
- ⅆt  - + constant
-16 + s4 s4 - 16 s4 - 16
Local maxima: Approximate forms Step-by-step solution
4 s2 - 8 3
max-   -1 - at s  8-4 3
s4 - 16 2
4 s2 - 8 3
max-   -1 - at s  - 8-4 3
s4 - 16 2
Local minima: More Approximate forms
4 s2 - 8
min-   -2 at s  0
s4- 16
4 s2 - 8 1
min-   3 - 2 at s  8+4 3
s4 - 16 2
Limit:
4 -8 + s2 
lim - 0
s→±∞ -16 + s4
4 s2 -8
normals
s 8
— - — normals
s4 -16
smin smax symmetric
More controls
Inverse iterations:
backward iterations 1 2 3 4 5 6
show frame
In[ ]:=  laplace Log10[2 t]
Assuming "t" is a variable | Use as a unit instead

ℒt [log10 (2 t)] (s)

log_b(x) is the base- b logarithm »
Result:
log 2s  + ℽ
-
s log(10)
gamma is the Euler-Mascheroni constant »
Plots: Complex-valued plots | ▾
1.0
0.5
s
-6 -4 -2 2 4 6
-0.5
real part
-1.0 imaginary part
min max
0.3
0.2
0.1
s
-30 -20 -10 10 20 30
-0.1
-0.2 real part

imaginary part
min max
Alternate form:
log(s) + ℽ - log(2)
-
s log(10)
Alternate form assuming s>0:

log(s) ℽ log(2)
- - +
s (log(2) + log(5)) s (log(2) + log(5)) s (log(2) + log(5))

log 2s  ℽ
- -
s log(10) s log(10)
Root: Approximate form Step-by-step solution
s  2 ⅇ-ℽ

Domain:
Range:
s y log(10) + log 2s  + ℽ
{y ∈  :  0}
{y ∈  :  0}
s
log 2s  + ℽ
- + Os2 
s log(10)
(Puiseux series)
Big-O notation »
log 2s  + ℽ 1 2
- +O
s log(10) s
(Puiseux series)
Big-O notation »
ⅆ log 2s  + ℽ log 2s  + ℽ - 1
- 
ⅆs s log(10) s2 log(10)
Indefinite integral:
ℽ + log 2s  t log 2s  ℽt
- ⅆt  - - + constant
s log(10) s log(10) s log(10)
Global minimum: Approximate form Step-by-step solution

log 2s  + ℽ ⅇℽ-1
min- - at s  2 ⅇ1-ℽ
s log(10) log(100)
Limit:
ℽ + log 2s 
lim - 0
s→±∞ s log(10)

s
log +ℽ
— - s log(10)
2 — normals
smin smax symmetric
More controls
In[ ]:=  laplace ⅇ3 tan(t)
ℒt ⅇ3 tan(t) (s)

Result:
ⅇ3 -ⅈ π s csch π2s  + 2 - s ψ(0)  ⅈ4s + 12  + s ψ(0)  ⅈ4s 

2s
(assuming the Cauchy principal value integral)
csch(x) is the hyperbolic cosecant function »

polygamma(n, x) is the nth derivative of the digamma function »
Plots:
y
14
12
10
8
6
4
2
s real part
-1.0 -0.5 0.5 1.0 imaginary part
min max
8
s real part
-6 -4 -2 2 4 6 imaginary part
min max
Alternate forms: More
ⅇ3 -s ψ(0)  12 + ⅈs
4
 + s ψ(0)  ⅈ4s  - ⅈ 2+ πs
πs
sinh 2 
2s
ⅈ ⅇ3 1 πs 1 ⅈs 1 1
- - ⅈ ⅇ3 π csch  + ⅇ3 ψ(0) (ⅈ s + 2)- ψ(0)
s 2 2 2 4 2 4
ⅇ3 csch π2s  s 2 sinh π2s  ψ(0)  ⅈ4s  - ψ(0)  14 (ⅈ s + 2) - 2 ⅈ π - 4 ⅈ sinh π2s 
4s
Expanded form:
ⅈ ⅇ3 1 πs 1 ⅈs 1 1 ⅈs
- - ⅈ ⅇ3 π csch - ⅇ3 ψ(0) + + ⅇ3 ψ(0)
s 2 2 2 4 2 2 4
1
In[ ]:=  laplace ⅇ
4
ⅇ
ℒt   (s)
4
Result:
ⅇ
4s
Plots:
s
-1.0 -0.5 0.5 1.0
-5
min max
1.5
1.0
0.5
s
-4 -2 2 4
-0.5
-1.0
-1.5
min max
(no roots exist)
Parity:
odd

ⅆ ⅇ ⅇ
 -
ⅆs 4 s 4 s2
Limit:
ⅇ
lim 0
s→±∞ 4s

ⅇ
— 4s
— normals
smin smax symmetric
More controls
DIFERENCIA ENTRE LA TRANSFORMADA DE UNA DERIVADA Y
DERIVADA DE UNA TRANSFORMADA
La función inversa Laplace son funciones senoidales, senoidales amortiguadas y exponenciales se
pueden convertir en funciones algebraicas lineales en la variable S. Sirve para reemplazar opera-
ciones como derivación e integración. Este método permite usar técnicas gráficas para predecir el
funcionamiento de un sistema cuando La Transformada de Laplace es una herramienta que per-
mite transformar los problemas anteriores en problemas algebraicos y, una vez resuelto este
problema algebraico más fácil a priori de resolver, calcular a partir de la solución del problema
algebraico la solución del problema de ecuaciones diferenciales.
Una propiedad importante de la transformada de Laplace es su linealidad. L[αf(x) + βg(x)] = αL[f(x)]

+ βL[g(x)] para todos α,β ∈ R.
La Transformada Inversa de Laplace, matemáticamente se representa de la siguiente manera:
In[ ]:= laplace transformeℒ_t[t^4 sen(t)](s)


ℒt s ℒ_t t4 sin(t) (ω)

Result:
∂4
s ℒt [ℒ_t sin(t)] (ω)
∂ω4
2 LAPLACE_SusanCasanova.nb
In[ ]:=  InverseLaplaceTransform[1/(s + 1), s, t]
Input:
1
ℒ-1
s   (t)
s+1
Result:
ⅇ-t
Plots:
1.0
0.8
0.6
0.4
0.2
t real part
0.5 1.0 1.5 2.0 imaginary part
min max
0.035
0.030
0.025
0.020
0.015
0.010
0.005
t real part
2 4 6 8 10 12 imaginary part
min max
APLICACIONES DE LA TRANSFORMADA DE UNA FUNCIÓN PERIÓDICA Y
DE LA FUNCIÓN DELTA DE DIRAC.
En Control, la función delta se utiliza una idealización de una perturbación muy
rápida al sistema. Por ejemplo, si volcas un balde de agua en un tanque, entonces
el “caudal” es esencialmente una función delta, una función de pico muy alto, pero
con una integral neta (la cantidad total de agua en el cubo).
En mecánica, y ejemplo de la función delta es la fuerza al golpear un objeto con un

martillo. Digamos que golpeas una bola de acero con un martillo. Se mueve con
cierta velocidad representando el impulso total transferido por el martillo. En lugar
de hablar de la fuerza x tiempo (la transferencia neta de impulso), se habla de un
“impulso” que es el impulso neto transferido en un período de tiempo
infinitesimalmente corto.
Una aplicación posible puede ser en el caso en el que se tiene no una sino varias
discontinuidades en el espacio tridimensional, como en el caso de un dipolo eléctrico
formado por dos cargas puntuales, cada una de ellas ubicada en el espacio
mediante su propia función delta de Dirac.
FUNCIONES PERIÓDICAS
Es muy común, especialmente en aplicaciones ligadas a circuitos elécticos,

la presencia de una fuerza externa periódica. Es usual tener voltajes en forma
de ondas diente de sierra, ondas en escalón, etc. Por lo que es necesario
calcular sus transformadas.
TEOREMA (Transformada de una función periodica)

Demostracion
Usando la Definicion:
ALGUNOS EJEMPLOS DE FUNCIONES PERIÓDICAS IMPORTANTES
Aplique la convolución a Deep Learning, procesamiento de
imágenes y procesamiento de señales
La convolución es una operación matemática que combina dos señales y genera
una tercera señal.
Suponiendo que tenemos dos funciones, f(t) y g(t), la convolución es una integral
que representa la magnitud en que se superpone una función g a medida que se
desplaza sobre la función f
La convolución se expresa como:
Según cuál sea la aplicación de la convolución, las funciones se pueden
reemplazar con señales, imágenes u otros tipos de datos. La convolución y sus
aplicaciones se pueden implementar de varias maneras en MATLAB®.
La convolución en el procesamiento de señales
La convolución se utiliza en el procesamiento digital de señales para estudiar y
diseñar sistemas lineales invariantes en el tiempo (LTI), como los filtros digitales.
La señal de salida de los sistemas LTI, y[n], es la convolución de la señal de
entrada x[n] y la respuesta al impulso h[n] del sistema
Convolución para sistemas lineales invariantes en el tiempo.

En la práctica, el teorema de convolución se utiliza para diseñar el filtro en el
dominio de la frecuencia. El teorema de convolución establece que la convolución
en el dominio del tiempo es igual a la multiplicación en el dominio de la frecuencia.
Las funciones de MATLAB conv y filter permiten realizar convolución y crear filtros
desde cero. Signal Processing Toolbox y DSP System Toolbox tienen varias
funciones y bloques de Simulink para implementar directamente filtros digitales
como designfilt, lowpass y highpass.
La convolución en el procesamiento de imágenes
En el procesamiento de imágenes, el filtrado convolucional se puede utilizar para
implementar algoritmos tales como detección de bordes, aumento de nitidez y
desenfoque de imágenes.
Operación de convolución con un kernel de filtro de aumento de nitidez de

3x3.
Redes neuronales convolucionales (CNN)
La convolución desempeña un papel clave en las redes neuronales
convolucionales (CNN). Las CNN son un tipo de red profunda que se utiliza con
frecuencia para analizar imágenes. Estas redes evitan extraer características de
forma manual y, por eso, funcionan muy bien en problemas complejos como la
identificación de imágenes y el análisis de imágenes médicas. Las CNN también
son efectivas en el análisis de datos no relacionados con imágenes, como audio,
series temporales y datos de señales.
Las redes tienen varias capas; las más frecuentes son las de convolución, ReLU y
pooling.
Capas de una red neuronal convolucional (CNN).

Las capas de convolución actúan como filtros; cada capa aplica un filtro y extrae
características específicas de la imagen. La red aprende estos valores de filtro
durante su entrenamiento. Las capas iniciales suelen extraer características de
bajo nivel de los datos, mientras que las capas más profundas extraen
características de alto nivel.
Para obtener más información sobre la convolución y sus aplicaciones en
procesamiento de señales, procesamiento de imágenes, Deep Learning y otras
áreas, consulte Signal Processing Toolbox, DSP System Toolbox, Image
Processing Toolbox y Deep Learning Toolbox para su uso con MATLAB.
Por último, consideramos la convolución de dos funciones. A menudo, nos
enfrentamos a tener el producto de dos transformaciones de Laplace que
conocemos y buscamos la transformación inversa del producto. Por ejemplo,
digamos que hemos obtenido al intentar resolver un
problema de valor inicial. En este caso, podríamos encontrar una
descomposición parcial de la fracción. Pero, hay otras formas de encontrar
la transformación inversa, sobre todo si no podemos realizar una
descomposición parcial de la fracción. Podríamos usar el Teorema de
Convolución para las transformaciones de Laplace o podríamos calcular la
transformación inversa directamente. Analizaremos estos métodos en las
dos secciones siguientes. Comenzamos por definir la convolución.
Definimos la convolución de dos funciones definidas de [0,∞) la misma manera
que habíamos hecho para la transformada de Fourier. La convolución f∗g se define
como
Tenga en cuenta que la integral de convolución tiene límites finitos a diferencia del
caso de la transformada de Fourier.
La operación de convolución tiene dos propiedades importantes:
1. La convolución es conmutativa: f∗g = g∗f
Prueba. La clave es hacer una sustitución y=t−u en la integral. Esto hace f una
función simple de la variable de integración.
2. El teorema de la convolución: La transformación de Laplace de una convolución

es el producto de las transformaciones de Laplace de las funciones individuales:
Prueba. Demostrar este teorema requiere un poco más de trabajo. Haremos

algunas suposiciones que funcionarán en muchos casos. Primero, asumimos que
las funciones son causales, f(t)=0 y g(t)=0 para t<0. Second, asumiremos que
podemos intercambiar integrales, lo que necesita una atención más rigurosa de la
que se brindará aquí. El primer supuesto nos permitirá escribir la integral finita
como una integral infinita. Entonces un cambio de variables nos permitirá dividir la
integral en el producto de dos integrales que son reconocidas como producto de
dos transformaciones de Laplace.
Realizando el cómputo, tenemos

Ahora, haz la sustitución τ=t−u. Observamos que
No obstante, como g(τ) es una función causal, tenemos que para la que se
desvanece τ<0 y podemos cambiar el intervalo de integración a[0,∞). Entonces,
después de un poco de reordenamiento, podemos proceder al resultado.
Ecuaciones diferenciales, integrales e integro-diferenciales
usando la transformada
In[ ]:=  [//math:y'(x)=y(x)+x+x y(x)+1//]
Input:
y′ (x)  y(x) + x + x y(x) + 1
Separable equation:
y′ (x)
1+x
1 + y(x)
ODE classification:
first-order linear ordinary differential equation
Alternate forms:
y′ (x)  (x + 1) (y(x) + 1)
y′ (x)  (x + 1) y(x) + x + 1
Differential equation solution: Approximate form Step-by-step solution

2
y(x)  c1 ⅇx 2+x - 1
Slope field: Fewer points More points Slope field | ▾
-0.6
-0.8
-1.0
y
-1.2
-1.4
-1.6
-1.6 -1.4 -1.2 -1.0 -0.8 -0.6 -0.4
x
Plots of sample individual solution:
y y′
y(0)  1
x y
Sample solution family:

2 integral-transformada.nb
40
30
(sampling y(0))
20
10
x
0.5 1.0 1.5
Interactive differential equation solution plots:
y(0)  1.
y
000
000
y(x)
000
x
0.5 1.0 1.5 2.0 2.5 3.0 3.5
000
Initial conditions:
y(0)
More controls
In[ ]:= eqn = Derivative[1][y][x] == 1 + Sin[a x] + \!\(

 \*SubsuperscriptBox[\(∫\), \(0\), \(x\)]\(y[
t] ⅆt\)\);
integral-transformada.nb 3
Using closest Wolfram|Alpha interpretation: Derivative[1][y][x] == 1 + Sin[a x]
Input:
y′ (x)  1 + sin(a x)
ODE names:
Separable equation:
y′ (x)  1 + sin(a x)
Exact equation:
(-1 - sin(a x)) ⅆ x + ⅆ y  0
Exact equation »
ODE classification:
first-order linear ordinary differential equation
Alternate forms:
ax π
y′ (x)  2 sin2   +
4 2
1 1
y′ (x)  ⅈ ⅇ-ⅈ a x - ⅈ ⅇⅈ a x + 1
2 2
Differential equation solution: Step-by-step solution

cos(a x)
y(x)  - + c1 + x
a
Wolfram|Alpha no sabe cómo interpretar su entrada.
In[ ]:=  Fourier transform exp(-x^2)
ℱx exp-x2  (ω)
ℱ_x[f(x)](ω) is the Fourier transform of f(x) with frequency variable ω »
Result: normalization: 1/sqrt(2π), oscillatory factor: 1 | ▾

2
1 ∞ ⅇ-ω 4
 exp-x2  ⅇⅈ ω x ⅆ x 
2π -∞ 2
i is the imaginary unit »
Plots:
0.6
0.4
0.2
ω
-3 -2 -1 1 2 3
min max
0.6
0.4
0.2
ω
-20 -10 10 20
min max
Alternate form assuming ω is real:

1
2
2
4
ⅇω
Trigonometric transform: normalization: sqrt(2/π), oscillatory factor: 1 | ▾
ℱx exp-x2  (ω)  ℱxc exp-x2  (ω)

Fourier cosine transform for the even part:
2
2 ∞
2
ⅇ-ω 4
 exp-x  cos(ω x) ⅆ x 
π 0 2
ℱ_x[f(x)](ω) is the Fourier transform of f(x) with frequency variable ω »
ℱ_x^c[f(x)](ω) is the Fourier cosine transform of f(x) with frequency variable ω »
In[ ]:=  Mellin transform sin 2x

Input:
ℳx [sin(2 x)] (s)

ℳ_x[f(x)](s) is the Mellin transform of f(x) with complex argument s »
Exact result:
πs
2-s sin  Γ(s)
2
Γ(x) is the gamma function »
Plots:
10
s
-2 -1 1 2 3
-5
-10
min max
20
15
10
5
s
-15 -10 -5 5 10 15
-5
-10
-15
min max
Alternate forms:
πs
2-s (s - 1)! sin 
2
ⅈ 2-s-1 ⅇ-1/2 ⅈ π s Γ(s) - ⅈ 2-s-1 ⅇ(ⅈ π s)/2 Γ(s)
n! is the factorial function »
In[ ]:=  definite integrals with Si(x)
Si(x) definite example integrals
Si(x) is the sine integral »
Results:
∞ Γ(α) sin π2α 

 x
α-1
Si(x) ⅆ x  - for -1 < Re(α) < 0
0 α
∞ xα-1 Si(x) 1 1+α α 3 3 1
 ⅆ x  z-1-α Γ(1 + α) 3 F2 , , 1+ ; , ;- for (Re(z) > 0 and Re(α) > -1)
0 ⅇz x 2 2 2 2 2 z2
∞ π π
 sin(x) Si(x) -  ⅆx  -
0 2 4
∞ π 2 π
 Si(x) -  ⅆx 
0 2 2
∞ π
 Si(x) -  Ci(x) ⅆ x  log(2)
0 2
Γ(x) is the gamma function »
Re(z) is the real part of z »
_pF_q(a_1, ..., a_p; b_1, ..., b_q; z) is the generalized hypergeometric function »
Ci(x) is the cosine integral »
In[ ]:=  y'' + y = 0, y(0)=2, y'(0)=1
Input:
{y′′ (x) + y(x)  0, y(0)  2, y′ (0)  1}
ODE names:
Autonomous equation:
y′′ (x)  -y(x)
Van der Pol's equation:
y′′ (x) + y(x)  0
van der Pol's equation »
ODE classification:
second-order linear ordinary differential equation
Alternate form:
{y′′ (x)  -y(x), y(0)  2, y′ (0)  1}
Differential equation solution: Step-by-step solution
y(x)  sin(x) + 2 cos(x)
Plots of the solution:
y y′
x y
In[ ]:=  Z transform of n^4
Input:
n n4  (z)
Z_n[a](z) is the Z-transform of the sequence {a_n} with frequency variable z »
Result:
z z3 + 11 z2 + 11 z + 1
(z - 1)5
Plots:
0.2
0.1
0.1
z
-30 -20 -10 10 20 30
-0.1
-0.2
min max
0.06
0.04
0.02
z
-150 -100 -50 50 100 150
-0.02
-0.04
-0.06
min max
Alternate forms:
z (z + 1) (z (z + 10) + 1)
(z - 1)5
z (z + 1) z2 + 10 z + 1
(z - 1)5
z (z (z (z + 11) + 11) + 1)
z (z (z ((z - 5) z + 10) - 10) + 5) - 1

1 15 50 60 24
+ + + +
z-1 (z - 1)2 (z - 1)3 (z - 1)4 (z - 1)5
Expanded forms: Step-by-step solution

z4 11 z3
+ +
z5 - 5 z4 + 10 z3 - 10 z2 + 5 z - 1 z5 - 5 z4 + 10 z3 - 10 z2 + 5 z - 1
11 z2 z
+
z5 - 5 z4 + 10 z3 - 10 z2 + 5 z - 1 z5 - 5 z4 + 10 z3 - 10 z2 + 5 z - 1
z4 + 11 z3 + 11 z2 + z
z5 - 5 z4 + 10 z3 - 10 z2 + 5 z - 1
z4 11 z3 11 z2 z
+ + +
(z - 1) 5 (z - 1) 5 (z - 1) 5 (z - 1)5

T3 Ecuaciones Diferenciales

Uploaded by

Document Information

Original Description:

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

T3 Ecuaciones Diferenciales

Uploaded by

Copyright:

Available Formats

T3.

Roots: Step-by-step solution

(no roots exist)

Properties as a real function: Approximate forms

 (all real numbers)

Derivative: Step-by-step solution

Indefinite integral: Step-by-step solution

Differential geometric curves:

Horizontal plot range:

smin smax symmetric

In[ ]:=  Laplace transform ((1 - e^t + 3e^(-4t)) * cos(5t))

ℒt -ⅇt + 3 ⅇ-4 t + 1 cos(5 t) (s)

Real root: Exact form More digits

Complex roots: More digits Exact forms

Roots in the complex plane:

Properties as a real function:

Derivative: Step-by-step solution

Indefinite integral: Step-by-step solution

Local maximum: More digits Exact form

Local minimum: More digits Exact form

Differential geometric curves:

Horizontal plot range:

smin smax symmetric

Transformada inversa de Laplace

In[ ]:=  inverse laplace transform of \frac{s}{s^2+4s+5}

Assuming "s" is a variable | Use as a unit instead

ⅇ-2 t (cos(t) - 2 sin(t))

Expanded form: Step-by-step solution

In[ ]:=  inverse laplace transform of \frac{5}{4x^2+1}+\frac{3}{x^3}-5\frac{3}{2x}

Expanded form: Step-by-step solution

Roots: Step-by-step solution

(no roots exist)

Derivative: Approximate form Step-by-step solution

Differential geometric curves:

Horizontal plot range:

smin smax symmetric

In[ ]:=  laplace ⅇ-2 t sin2 (t)

ℒt ⅇ-2 t sin2 (t) (s)

Partial fraction expansion: Step-by-step solution

Roots: Step-by-step solution

(no roots exist)

Properties as a real function:

Derivative: Step-by-step solution

Indefinite integral: Step-by-step solution

Differential geometric curves:

Horizontal plot range:

smin smax symmetric

In[ ]:=  laplace 8π

Roots: Step-by-step solution

(no roots exist)

Derivative: Approximate form Step-by-step solution

Differential geometric curves:

Horizontal plot range:

smin smax symmetric

In[ ]:=  laplace g(t) = 3sinh(2t) + 3 sin(2t)

ℒt [3 sin(2 t) + 3 sinh(2 t)] (s)

Partial fraction expansion: Step-by-step solution

Root: Step-by-step solution

Properties as a real function: Approximate forms

Derivative: Step-by-step solution

Indefinite integral: Step-by-step solution

Local maximum: Step-by-step solution

Differential geometric curves: