Presentacin de la unidad

Una de las herramientas ms interesantes de las que actualmente disponemos para analizar y
predecir el comportamiento de los fenmenos naturales son los modelos matemticos.
Estos modelos nos ayudan a entender mejor los fenmenos que describen, desarrollando nuestra
intuicin sobre su funcionamiento. Adems, al mismo tiempo, nos sirven para predecir lo que pasara
en una situacin real, tanto en condiciones normales como al modificar algn factor que intervenga
en el modelo.
En esta ltima unidad, se revisaran los modelos matemticos, qu son; la relacin que existe entre
stos y las funciones matemticas; las fases para su construccin y finalmente su aplicabilidad en la
seguridad alimentaria, en donde se revisarn algunos ejemplos.

3.1. Qu es un modelo matemtico?

Para poder construir modelos, primero necesitamos entender lo que es un modelo matemtico. A
grandes rasgos, un modelo matemtico es una representacin de un fenmeno real, basada en
relaciones matemticas. Todas las frmulas, grficas o tablas que describen de alguna manera el
comportamiento de un sistema real, se pueden considerar como modelos matemticos.
Debido a la complejidad de los fenmenos de la naturaleza, casi siempre, al construir un modelo
matemtico, se tienen que hacer simplificaciones que hacen que esta imagen matemtica sea una
aproximacin a la realidad que se trata de reproducir. Por lo mismo, hay que distinguir claramente
entre el modelo como representacin y la realidad misma.
Este carcter aproximativo de los modelos, ms que un defecto resulta ser una de sus ventajas. Uno
pensara que lo ms deseable sera una representacin matemtica idntica al fenmeno. Esto
generalmente es imposible, adems de que sera poco til ya que el modelo resultara muy difcil de
analizar. Lo que debemos buscar es el modelo ms simple que an guarde las caractersticas del
fenmeno que nos sean importantes de reproducir fielmente. Esto encierra al fenmeno dentro de
un marco terico que es ms fcil de analizar.
Es recomendable empezar desarrollando un modelo relativamente simple y poco a poco irlo
mejorando. Esta es una buena estrategia en modelacin ya que al ir introduciendo cada factor
podemos observar su efecto. As, el mismo proceso de la construccin del modelo, favorece el
aprobar o rechazar hiptesis que seran muy difciles de comprobar de manera experimental.
Para un fenmeno particular, podemos construir una infinidad de modelos matemticos. Unos
enfocados a algunas caractersticas del fenmeno, otros a otras, unos ms complejos y otros ms
simples. As, los modelos matemticos no se pueden clasificar como correctos o incorrectos. En su
lugar, se habla de si un modelo es apropiado o no a cierta situacin. Para esto nos basamos en las
limitaciones del modelo que se generan de su propio diseo.
La ecuacin de cada libre, por ejemplo, nos ayuda a entender la relacin de distancia y tiempo de
un objeto en cada. Sin embargo, debemos conocer sus limitaciones para poderla usar en
predicciones. Una situacin como la cada de una hoja de papel, no puede representarse con este
modelo ya que la resistencia del aire en este caso es muy grande, misma que no est considerada
en la ecuacin. As, podemos decir que este modelo es aplicable en situaciones donde la resistencia
del aire sea despreciable.
Un peligro de los modelos matemticos es que resultan tan idealizados y sin bases reales, que se
aproximan muy levemente a su contraparte real. Aqu nos interesa presentar las ideas matemticas
y los modelos que estn basados directamente en observaciones del mundo real en el que vivimos,
tratando siempre de mantener esta conexin entre el modelo y el fenmeno. Debemos aclarar sin
embargo, que la simplificacin es esencial en la modelacin y que no debe confundirse con la sobre
idealizacin del comportamiento del fenmeno.
Existen modelos que tienen un comportamiento exponencial. Es un error pensar que estos modelos
no representan a la realidad de manera razonable. Por ejemplo, en biologa se tacha un modelo
exponencial para poblaciones como incorrecto, ya que las poblaciones no pueden crecer hacia
infinito como lo hace el modelo. Hay que entender que esta suposicin de crecimiento exponencial
es solo una simplificacin que hace al modelo ms manejable. Adems, los modelos exponenciales
son aplicables a una gran variedad de poblaciones que no tengan limitantes de crecimiento, como
clulas de un laboratorio o poblaciones humanas sin restricciones severas de alimento. El modelo
exponencial es entonces adecuado en un buen rango del crecimiento de estas poblaciones.
Otra de las caractersticas de un modelo matemtico es que es intrnsecamente aproximado y, por
lo tanto, sus resultados deben de interpretarse de acuerdo a esto. Por ejemplo, los modelos de
poblaciones dan por lo general resultados decimales. Esto no quiere decir que los modelos sean
incorrectos, sino que slo son aproximaciones a la realidad y que, por lo tanto, se debe considerar
solamente la parte entera de los resultados.

3.2. Clasificacin de los Modelos matemticos

La actividad cientfica es inconcebible sin el desarrollo de modelos matemticos que permitan
sintetizar e incrementar el conocimiento existente sobre un sistema. La investigacin agrcola y en
especial la ciencia y arte de la horticultura no son la excepcin. Los modelos matemticos de
hortalizas permiten probar hiptesis cientficas y, adems, tienen aplicacin potencial tanto en
educacin como en la prctica de la horticultura. Por ejemplo, los modelos permiten evaluar
estrategias del manejo posible de un invernadero sin necesidad de llevar a cabo experimentos
costosos.
En general existen tres tipos de modelos matemticos:
Los modelos empricos, son descripciones directas de datos y proporcionan relaciones
observables entre las variables de un sistema o fenmeno, sin proporcionar alguna explicacin de
los mecanismos subyacentes. Estos modelos son un poderoso medio para describir y resumir datos,
ejemplos de ellos son los modelos de regresin simple y regresin mltiple, redes neuronales,
modelos difusos o modelos neuro-difusos.
Los modelos teleonmicos, son aplicables a comportamientos dirigidos por metas y se formulan
explcitamente en trminos de objetivos.
Los modelos explicativos o mecanicistas, generalmente son modelos determinsticos.
Normalmente, un modelo mecanicista es definido mediante un conjunto o sistema de ecuaciones
diferenciales ordinarias no-lineales, las cuales describen el comportamiento de las variables de
estado del sistema, aquellas variables que representan las propiedades relevantes o atributos del
sistema considerado. El desarrollo de un modelo matemtico mecanicista requiere de suficiente
comprensin de los procesos biolgicos, fisiolgicos, qumicos y fsicos de un sistema biolgico. El
uso de un modelo mecanicista demanda anlisis, calibracin y validacin apropiados.

3.3.1. Funcin lineal

Entre las relaciones empricas, la curva ms simple que se podra obtener al graficar una serie de
datos experimentales es la lnea recta y corresponde a las llamadas relaciones lineales.
Una relacin lineal es una lnea recta que representa el comportamiento de un fenmeno. Indica que
hay una relacin de proporcionalidad entre las variables en cuestin y que, por lo tanto, existe una
constante de proporcionalidad que en este caso es la pendiente de la recta.
La ecuacin general que representa a una relacin lineal es la ecuacin de la recta de la forma:
Donde X representa la variable independiente y Y a la variable dependiente. Si ; P1 y P2 son
puntos de la recta con coordenadas P1 = (X1,Y1) y P2 = (X2,Y2) , la llamada pendiente de la
recta se calcula como:

Y la ordenada al origen se calcula como:

Supongamos que se tienen diferentes muestras de hierro con las cuales se efectuaron mediciones
de las masas y los volmenes respectivos. Los datos que se obtuvieron se muestran en la siguiente
tabla.

Los datos de la tabla anterior vienen graficados en la siguiente figura. Utilizando dos datos de la recta
y sustituyndolos en las frmulas para calcular la pendiente y la ordenada al origen, se tiene:
Como se puede observar, el valor de la ordenada al origen es igual a cero. Esto nos indica que la
recta pasa por el origen y la masa sobre el volumen es igual a 11 gramos por cada centmetro cbico.
Por lo que la pendiente de la recta representa la densidad del hierro.

3.3.2. Funcin cuadrtica

Una relacin cuadrtica es una lnea parablica que representa el comportamiento de un fenmeno.
Este tipo de relacin no implica que hay una relacin de proporcionalidad entre las variables en
cuestin y que, por lo tanto, no existe una constante de proporcionalidad que en este caso es la
pendiente de la recta.
La ecuacin general que representa a una relacin cuadrtica es una ecuacin de segundo grado
de la forma:

Donde a, b y c son constantes.

Este tipo de ecuacin representa una parbola. Si el valor de a es positivo, la parbola abrir hacia
arriba y, abrir hacia abajo, en caso contrario. Si los valores de a y de b tienen el mismo signo,
el vrtice de la parbola se encontrar a la izquierda del eje de las ordenadas y si sus signos son
diferentes, se encontrar a la derecha.
Finalmente, si el valor de c es positivo, el cruce de la parbola con el eje de las ordenadas ser por
arriba del origen y si el valor de c es negativo, el cruce ser por debajo del mismo. Esto es cierto
independientemente del valor que asuma el valor de a y b .
Como son tres las constantes que se encuentran en la ecuacin de la parbola, mnimamente se
necesitan tres datos para encontrar sus valores. Si quisiramos conocer la ecuacin que se relaciona
con los datos de la tabla siguiente, mnimamente se necesitan tres datos para conocerlos.
La siguiente figura muestra la grfica de los datos de la tabla anterior.

Si se quisiera conocer el valor de las constantes a , b y c , es necesario sustituir en la ecuacin

de la parbola tres valores de los que se encuentran en la tabla. Por ejemplo, se pueden utilizar el
primer, el tercer y el quinto dato para sustituirlos en la ecuacin mencionada.

Resolviendo este sistema de ecuaciones, se concluye que: a = 5, b = 3 y c = -1 .

Como a y b son positivos, el vrtice de la parbola se encuentra a la izquierda del eje de las
ordenadas y el cruce de la parbola con el eje de las ordenadas se encuentra por debajo del
origen.

3.3.3. Funcin potencial

Sern llamadas funciones potenciales todas aquellas funciones que puedan ser representadas por
ecuaciones de la forma:

Donde Y y X son variables y a y n son constantes.

De acuerdo con el exponente n , se pueden distinguir dos tipos de curvas: parablicas si n es
positiva e hiperblicas si n es negativa.
Para conocer el valor de la a n , se utiliza una tcnica llamada cambio de variable, donde
y de la
cada uno de los valores de la tabla que relaciona a Y y a X se le aplica la funcin logaritmo para
linealizar la curva.
Por ejemplo, suponga que se tienen los datos de la distancia y la intensidad luminosa.

La siguiente figura muestra la grfica de la Intensidad luminosa en funcin de la distancia.

Vemos que la grfica es de tipo hiperblica, por lo que se debe hacer un cambio de variable para
conocer el valor de a y n . El cambio de variable consiste en aplicar la funcin logaritmo en base
10 para linealizar la curva. El valor de la pendiente y de la ordenada al origen corresponde al valor
de n y de a , respectivamente.
La siguiente tabla muestra los valores del logaritmo de la intensidad luminosa y de la distancia.

La siguiente figura muestra la grfica del logaritmo de la intensidad luminosa en funcin del
logaritmo de las distancias.

Vemos en la grfica que los puntos conforman una lnea recta, cuya pendiente y ordenada al
origen se pueden calcular con las ecuaciones:
Tomando dos puntos de la recta, se tiene:

Por lo que la ecuacin de la recta es igual a:

Aplicando las reglas de los logaritmos, se tiene:

Aplicando la funcin inversa del logaritmo a la ecuacin anterior, se llega a:

En consecuencia, al aplicar la funcin logaritmo a la Intensidad luminosa y a la distancia, se

obtiene una lnea recta cuya pendiente y ordenada al origen es igual al exponente de la distancia y
al coeficiente, respectivamente.

3.3.4. Funcin exponencial

Supongamos que el valor de un automvil nuevo es de $ 200 000.00 y que ste pierde el 20% de su
valor cada ao. Quisiramos predecir su valor despus de 6 aos. Para el primer ao se tiene que
el valor original del automvil perdi $ 40 000.00, as que el valor del auto al primer ao es de $ 160
000.00. En el segundo ao volver a perder el 20% del valor que tena el automvil al primer ao,
que sera de $ 32 000.00. De esta forma, el valor del automvil al segundo ao sera de $ 128 000.00,
y as sucesivamente.
Se puede construir una tabla en donde se muestren los valores del automvil para cada ao.
Notamos en la tabla que cerca de los tres aos el valor del automvil se reduce hasta la mitad. Por
ello decimos que el valor medio del automvil es de tres aos ya que en ese tiempo su valor se
reduce hasta la mitad. De igual forma, se observa que a pesar de que siempre es el mismo porcentaje
de depreciacin, conforme pasa el tiempo es menor la diferencia de precios entre un ao y otro.
Es decir, mientras ms tiempo transcurra, ms lenta ser la depreciacin del automvil. Una forma
muy til de mostrar los datos es por medio de una grfica. La grfica nos ayudar a representar los
resultados de una manera global. Al construir la grfica de los valores anteriores, extendindolos
hasta el dcimo ao, obtendremos:

Para poder convertir en una lnea recta la curva de la grfica anterior, apliquemos a cada uno de
los valores del automvil la funcin logaritmo natural. La siguiente tabla muestra el logaritmo
natural del tiempo y su respectivo valor del automvil.
La siguiente figura muestra la grfica del logaritmo natural del precio del automvil en funcin del
tiempo.

Vemos que es una lnea recta, cuya ecuacin se puede deducir de la siguiente manera:
Tomemos dos puntos de la recta, por ejemplo el primero y el noveno y sustituymoslos en la siguiente
ecuacin:
Esta proporcin debe ser igual a la proporcin que existe entre uno de los puntos escogidos y otro
cualquiera de la recta, es decir:

Despejando el logaritmo natural expresado en la anterior ecuacin, tenemos:

Utilizando la regla de los exponentes, se tiene:

En consecuencia, la expresin que calcula el precio del automvil en funcin del tiempo, depende
de una funcin exponencial. El $ 200 000.00 expresa el valor del automvil en el momento de la
compra y -0.22314 es la constante de la exponencial por la cual se va depreciando en automvil.
Para conocer el tiempo por el cual el valor del automvil es igual a la mitad, sustituyamos en el precio
la mitad de su valor original, es decir:

Despejando se tiene:

Vemos que aproximadamente en tres aos se deprecia el valor del automvil hasta la mitad.

3.3.5. Mtodo de Mnimos Cuadrados

Supongamos que en cierto experimento aleatorio tratamos de manera simultnea con dos
cantidades, una variable ordinaria X y una variable aleatoria Y , cuya medida depende de X , y
efectuamos el experimento de tal manera que seleccionamos primero n valores de X , y luego,
para cada X , obtenemos un valor observado de Y . Entonces tenemos una pareja de n muestras
de X y Y.
Con el fin de ver qu relacin tienen ambas variables, podemos graficar cada par de parejas en el
plano cartesiano. En algunos casos podemos ver que los n puntos se encuentran muy cercanos a
una recta, y podemos ajustar a ojo esa recta. A esta recta se le llama recta de regresin de los
valores de la muestra de Y con base a los valores de la muestra de X .
sta se puede utilizar para predecir valores de Y para alguna X dada que nos interese, de tal
manera que obtengamos alguna idea de la relacin que existe entre estas dos variables.
Cuando ajustamos, existe la posibilidad de que diferentes personas puedan ajustar a ojo rectas
completamente diferentes. Por lo tanto, debemos tener un mtodo matemtico para ajustar rectas,
que den un resultado nico que solo depende de los puntos y no de la persona.
Un procedimiento de este tipo que es muy usado es el mtodo de Mnimos Cuadrados desarrollado
por Gauss. En nuestra situacin puede formularse de la siguiente manera: La recta debe ajustarse
a los puntos dados de manera que la suma de los cuadrados de las distancias de estos puntos
hasta la recta sea mnima, en donde la distancia se mide en direccin vertical.
Es evidente que las distancias intervienen en el mtodo. El usar cuadrados de distancias, en lugar
de valores absolutos, resulta prctico desde el punto de vista del clculo y de la teora. Esto hace
preferible este mtodo, en comparacin con otros mtodos que pueden usarse para el mismo fin. El
uso de la distancia vertical se justifica por el hecho de que X es una variable independiente, cuyos
valores se seleccionan al principio del experimento y que deseamos estimar valores de Y que
corresponden a valores dados de X.
La frmula que calcula el valor de la pendiente y de la ordenada al origen de una serie de datos
que se conforman aproximadamente como una recta, est dada por las frmulas de Mnimos
Cuadrados:

Donde m es la pendiente de la recta y b es la ordenada al origen.

La recta se llama recta de regresin de los valores de Y de la muestra con base en los valores
de X.
Actividad 5. Los modelos matemticos y las funciones
Propsito: Identificar la relacin entre los modelos y las funciones matemticas, para analizar su
empleo en la modelacin matemtica.

Indicaciones:

1. Con base en lo que has revisados hasta este momento, elabora un escrito de mximo dos
cuartillas en donde des respuesta a las siguientes cuestiones:

Qu es un modelo matemtico y para qu sirve?

Es posible que un modelo matemtico represente fielmente un fenmeno?

Qu relacin se establece entre las funciones y los modelos matemticos?

2. Guarda tu trabajo con la siguiente

nomenclatura: Primernombre_Apellidopaterno_Actividad5 y sube tu trabajo al espacio
de tareas para que lo retroalimente tu Docente en lnea. Para ingresar, da clic en el
nombre de la actividad que se encuentra en la parte derecha de tu pantalla.