Escolar Documentos
Profissional Documentos
Cultura Documentos
MODELAMIENTO MATEMÁTICO
TRABAJO A DESARROLLAR
Tema:
Concepto modelamiento matemático, investigación sobre
ecuaciones para el cálculo y diseminación de enfermedades y
Resolución de ejercicios.
NOMBRE:
Angel Quizhpe
NOMBRE:
CURSO:
9no “B”
FECHA:
2. DESCRIPCIÓN
MODELO MATEMÁTICO
2.1 Definiciones
2.2 Fases
Básicamente, en un modelo matemático advertimos 3 fases:
close all
clc, clear
tiempo=[0,1.5,4,5];
velocidad=[0,5,5,0];
hold on
plot(tiempo,velocidad)
xlabel('Tiemp(h)')
ylabel('Velocidad (km/h)')
grid on
title('Velociadades de
entrenamiento de un Atleta')
hold off
2001 1.640.278
2002 1.649.332
2003 1.644.694
2004 1.575.653
2005 1.545.992
close all
clc, clear
Ano=[2001,2002,2003,20
04,2005];
1. Bibliografía TotalAlumno=[1640.278,
1649.332,1644.694,1575
.653,1545.992];
hold on
plot(Ano,TotalAlumno)
xlabel('Añio')
ylabel('Total Alumno
f(x)')
grid on
title('ALUMNOS
MATRICULADOS EN EL
NIVEL POLIMODAL/MEDIO
EN ARGENTINA')
hold off
La función P = f (x) que para cada medida x (m3) de volumen del contenedor le
asigna el peso P del mismo cuando se completa con trigo se define como:
𝑃(𝑥) = 800𝑥
close all
clc, clear
Volumen=1:0.1:10;
Peso=800.*Volumen;
hold on
plot(Volumen,Peso)
xlabel('Volumen
Trigo m3')
ylabel('Peso del
trigo en Kg
f(x)=800x')
grid on
title('Volumen y
Peso del Trigo')
hold off
Interpretación
De acuerdo al grafico realizado podemos decir:
A medida que incrementa el volumen el peso también incrementa.
Cuando el volumen de 5 m3 el peso equivale a 4000kg.
Cuando el Volumen es de 1 m3 el peso equivale a 1000kg
hold on
y1=2*x;
y2=2*x+1;
y3=2*x-3;
plot(x,y1,x,y2,x,y3)
legend ('y1=2*x',
'y2=2*x+1','y3=2*x-
3');
xlabel('Valores en
x')
ylabel('Valores en
y')
grid on
title('Gráficas de
funciónes lineales')
hold off
Interpretación:
En este caso todas las funciones lineales tienen igual pendiente (a = 2).
Por ser esta pendiente positiva, ¿son crecientes o decrecientes estas funciones lineales?
En todos los gráficos se observa que el valor de b corresponde a la imagen del origen x =
0 (f (0) = b).
Para valores positivos b, la recta y = ax + b corta al eje y positivo.
Para valores negativos b, la recta y = ax + b corta al eje y negativo.
Si b = 0, la recta y = ax + b pasa por el origen de coordenadas.
Largo x del 0 5 8 10 14 17 20
cantero (m)
Superficie S 0 75 96 100 84 51 0
ocupada (𝑚2 )
Tabla 3. Valores de la superficie.
close all
clc, clear
x=0:0.1:20;
hold on
y=(-x.^2)+(20*x);
a=[0,5,8,10,14,17,20];
b=[0,75,96,100,84,51,0]
;
plot(x,y,a,b,'r*')
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Gráfica de la
función
cuadratica')
hold off
Interpretación:
Cuando los del largo son de 0 m y 20 m el área de la región ocupada es de 0 m2 ya que
en ese caso no estaríamos conformando ningún rectángulo, sólo sería una línea de 40 m
de alambre.
Como cualquier valor de número real entre 0 y 20 sería posible para el largo del cantero,
es correcto conectar los puntos con una curva continua, todos los puntos de esta función
cuadrática pertenecen a la curva que se denomina parábola.
Si ubicamos en un sistema de coordenadas los pares ordenados (x, y) que verifican esta
función cuadrática S, y adicionamos algunos más para ayudarnos a determinar la forma,
obtenemos el gráfico 5.
Ejemplo 6. El origen de los juegos de pelota, entre los que se encuentran el tenis, se remonta a
las culturas griega, romana y egipcia. De hecho, la palabra raqueta surge del término árabe rahat,
que quiere decir palma de la mano. Hay registros del siglo XI en que los monjes jugaban en los
monasterios a algo parecido al tenis. En poco tiempo se pasó de los claustros a los palacios.
Un fabricante de raquetas de tenis ha determinado que el costo unitario C(x) (en dólares) por la
producción de x raquetas por día se puede modelizar por:
𝐶(𝑥) = 0.01𝑥 2 − 4𝑥 + 500
Donde C(x) representa los costos unitarios en $ y la capacidad de producción del fabricante
es de 300 raquetas diarias.
close all
clc, clear
x=0:0.1:350;
hold on
y=((0.01*x.^2)-
(4*x)+500);
plot(x,y)
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Gráfica de la
función cuadratica')
hold off
Grafica 6. Grafica costo raqueta de tenis.
Interpretación:
Para esta situación, el conjunto Dom C(x) = {x ∈ R / 0 ≤ x ≤ 300} y la unidad de
medida de la variable independiente es el número de raquetas diarias producidas.
Este valor nos indica que para la venta le conviene en realidad realizar solamente 200
raquetas, de este modo el costo unitario de las mismas era menor.
close all
clc, clear
x=0:0.01:3;
hold on
y1=(5.^x);
y2=((1./3).^x);
y3=(-2+((5).^x));
plot(x,y1,x,y2,x,y3)
legend ('y1=(5.^x)',
'y2=((1./3).^x)','y3
=(-2+(5.^x))');
xlabel('Valores en
x')
ylabel('Valores en
y')
grid on
title('Gráficas de
funciónes lineales')
hold off
close all
clc, clear
x=0:0.01:3;
hold on
y=(2.^x);
plot(x,y)
xlabel('Valores en
x')
ylabel('Valores en
y')
grid on
title('Gráficas de la
función cuadratica')
Grafica 8. Representación ecuación diferencial.
Interpretación:
Por la definición de potencias para distintos exponentes, se puede obtener 2𝑥 para
cualquier número real x entonces Dom f = R.
También por la definición de potencia de base 2 para distintos exponentes x se
verifica que f (x) > 0 entonces Img f = (0, +∞).
El punto (0;1) pertenece al gráfico de la función ya que f (0) = 20 = 1
close all
clc, clear
x=-3:0.01:3;
hold on
y=(2.^x);
y1=log2(x);
plot(x,y1,x,y)
legend ('y1=logx',
'y=(2.^x)');
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Gráficas de
funciónes Logarítmica y
Exponencial')
hold off
Interpretación:
Dom f = (0 , +∞) e Img f = R;
el punto (1,0) pertenece al gráfico de la función ya que f (1) = 𝑙𝑜𝑔2 1 = 0. Por adiiotra
parte este par ordenado es simétrimaico del (0,1) que pertenece al gráfico de asldla
función exponencial inversa 𝑦 = 2𝑥 .
El gráfico de la función logarítmica y = 𝑙𝑜𝑔2 x es creciente para todo valor positivo
de la variable independiente
1
Ejemplo 10. Graficamos 𝑦 = 𝑙𝑜𝑔1 x como inversa de la función exponencial 𝑦 = (2 )𝑥
2
close all
clc, clear
x=-3:0.01:10;
x1=0:0.01:10;
hold on
y=(1./2).^x;
y1=log2(x1);
plot(x1,y1,x,y)
legend
('y1=log2','y=(1./2).^x');
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Gráficas de funciónes
Logarítmica y Exponencial')
hold off
Interpretación:
La pleamar se produce, aproximadamente, dos veces al día: a las 1.50 h de la mañana y
a las 7.9 h.
la bajamar se produjo durante el día registrado aproximadamente a las 4,7 h
el nivel del agua está subiendo desde la medianoche hasta alcanzar la primera pleamar,
a las 3h.
Ejemplo 12. A partir del gráfico de la función y = cos t, y utilizando las propiedades del gráfico
de la suma de funciones ¿Cuál es el gráfico de la función y = cos t + 2?
close all
clc, clear
x=0:0.01:10;
y=cos(x);
y1=cos(x)+2;
hold on
plot(x,y,x,y1)
legend
('y=cos(x)','y1=cos(x)+2'
);
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Funciones
trigonometricas')
hold off
Informe
• En el primer mes del año el precio se mantuvo estable en $1,00 por kilogramo.
• En la última quincena del mes de febrero comenzó a bajar hasta que el día 10 de abril,
cuando alcanzó un precio de $0,50 por kg.
• El precio de $0,50 por kg se mantuvo constante hasta finalizar el mes de mayo.
• A partir de junio se registró un aumento sostenido en el precio que permitió vender la
manzana a $2,00 el kg el 15 de octubre.
• A fines de noviembre nuevamente el precio comenzó a decrecer, siendo a fin de
diciembre de $1,20 por kg.
Solución
DATOS
Tiempo Velocidad
30 1.00
45 0.50
150 0.50
300 2.00
330 1,20
close all
clc, clear
mes=[0,0,30,45,150,300,330];
Precio=[0,1.00,1.00,0.50,0.50,2.
00,1.20];
hold on
plot(mes,Precio)
xlabel('Tiempo en dias')
ylabel('Presion en $')
grid on
title('Precio de un kilogram de
manzanas')
hold off
close all
clc, clear
x=-10:1:10;
hold on
y1=2;
y2=2*+x;
y3=(2*x)+3;
y4=(2*x)-1;
plot(x,y1,x,y2,x,y3,x,y4
)
legend
('y2=2x','y2=2x','y3=2x+
3','y4=2x-1');
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Gráficas de
funciónes Lineales')
hold off
hold on
s=((-1).*(t+5)).*(t-
20);
plot(t,s)
xlabel('Valores en t')
ylabel('Valores en s')
grid on
title('Gráficas de
función pesca y
alimentos')
hold off
Ejercicio 4. La función que representa el crecimiento del peso de un pollo en los primeros 50
días de vida, si se conoce que el peso del mismo en el momento de su nacimiento es de 50 g y
que el aumento diario del peso es de un 8%, se escribe como P(x) con:
𝑃 (𝑥) = 50. (1,80)𝑥 𝑐𝑜𝑛 0 ≤ 𝑥 ≤ 50
Graficar e interpretar.
close all
clc, clear
x=0:0.01:50;
hold on
y=50*((180).^x);
plot(x,y,'r')
xlabel('Valores en
x')
ylabel('Valores en
y')
grid on
title('Crecimiento
peso de un pollo')
hold off
close all
clc, clear
t=100:0.01:2500;
hold on
y=(60.2).^((-0.02)*t);
plot(t,y,'r')
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Decrecimiento de
un elemento radiactivo')
hold off
2.5590e-36
close all
clc, clear
t=-6*pi:0.01:6*pi;
hold on
y=8*cos((pi./3)*(t));
plot(t,y,'r')
xlabel('Valores en x')
ylabel('Valores en y')
grid on
title('Decrecimiento
de un elemento
radiactivo')
hold off
𝑃(𝑡) = 𝐶𝑒 𝑘𝑡
(de aquí el nombre exponencial con que también se conoce al modelo). En esta expresión
hay dos constantes que no se conocen (de momento): k y C.
Despejamos k
9
𝐼𝑛 (8) = 𝐼𝑛𝑒 3𝑘 −→ 𝑖𝑛(1.125) = 3𝑘
ln(1.125)
𝑘= 𝑘 = 0.03926
3
close all
clc, clear
t=0:0.01:15;
t1=10;
hold on
p=400000*exp((0.03
926)*t);
p1=(400000)*exp(0.
03926*t1);
plot(t,p,t1,p1,'r*
')
xlabel('Tiempo en
Años')
ylabel('Población'
)
grid on
title('Crecimiento
de una ciudad')
hold off
𝑃 100
= 𝑒 2𝑡 = 𝑒 2𝑡
500 500
𝑃 2 = 𝑒 2𝑡
𝐼𝑛 = 𝐼𝑛𝑒 2𝑡
500 𝐼𝑛(𝑒 2𝑡 ) = 𝐼𝑛2
𝑃
𝐼𝑛 = 2𝑡𝐼𝑛𝑒 2𝑡𝐼𝑛𝑒 = 𝐼𝑛2
500
2𝑡 = 𝐼𝑛2
𝐼𝑛2
𝑡= = 0.35
2
close all
clc, clear
t=0:0.01:10;
t1=0.5;
t2=0.35;
t3=3.5;
t4=2;
hold on
p=500*exp(t);
p1=500*exp(t1);
p2=500*exp(t2);
p3=500*exp(t3);
p4=500*exp(t4);
plot(t,p,t1,p1,'r*')
plot(t2,p2,t3,p4, 'r*')
plot(t4,p4,'r*')
xlabel('Tiempo en Años')
ylabel('Población')
grid on
title('Crecimiento de una
ciudad')
hold off
DISEMINACIÓN DE ENFERMEDADES
El objetivo que perseguimos ahora es determinar qué proporción de la población total será
infectada y por cuánto tiempo, usando un modelo matemático que incorpore en su estructura los
mecanismos de transmisión que consideramos importantes. Iniciamos la formulación del modelo
dividiendo a la población en tres subclases que serán designadas con las letras S, I y R. S(t)
denotará el número de individuos susceptibles de contraer la enfermedad al tiempo t, I(t) el
número de individuos capaces de transmitirla; es decir, individuos infecciosos, y R(t) el número
de individuos que han perdido la posibilidad de ser infectados; ya sea por haber sido
convenientemente aislados del resto, por haber sido inmunizados o por haber fallecido a
consecuencia de la enfermedad. R(t) es, pues, el número de individuos removidos o retirados de
la población al tiempo t. Aunque los factores por los cuales un individuo entra a este último
compartimiento son diversos desde un punto de vista epidemiológico, todos son matemáticamente
equivalentes ya que en nuestro modelo los individuos en R(t) no contribuyen a la posterior
trasmisión de la enfermedad. Como se observó anteriormente, uno de los primeros modelos
elaborados para tratar de explicar los rápidos cambios (incrementos y decrementos) en las tasas
de enfermos durante brotes epidémicos, fue propuesto por Kermack y McKendrick.
El modelo en cuestión es el siguiente:
El modelo SIR se basa además en las siguientes hipótesis: La población se mantiene constante,
es decir, no se tienen en cuenta los nacimientos y muertes que se producen a lo largo del desarrollo
de la enfermedad. Si denotamos por N a la población total de individuos tenemos que la suma del
número de individuos de cada uno de los 3 grupos es igual al total de la población:
close all
clc, clear
x=0:0.01:30;
x1=10;
k=0.2;
hold on
t=(((log(x)-log(x-5000-
1))./(x+1))+x)./k;
t1=(((log(x1)-log(x1-5000-
1))./(x1+1))+x1)./k;
plot(x,t,x1,t1,'r*')
xlabel('Tiempo')
ylabel('Población')
grid on
title('Propagacion de
Enfermedad')
hold off
6. Bibliografía:
[1] J. P. P. y A. Gardey, “MODELO MATEMÁTICO,” Definición.DE, 2012.
[Online]. Available: https://definicion.de/modelo-matematico/.
[2] Mármol Gómez M., “Modelos Matemáticos de Poblaciones,” Univ. Sevilla, p. 19,
2007.
[3] F. Brauer et al., “Modelos de la Propagación de Enfermedades Infecciosas,” no.
November, pp. 1–180, 2014.