MODELOS MATEMTICOS

ESQUEMA DE CONTENIDOS
INTRODUCCIN
Un modelo matemtico es una descripcin, en lenguaje matemtico, de un objeto que existe en un universo no
matemtico. Estamos familiarizados con las previsiones del tiempo, las cuales se basan en un modelo matemtico
meteorolgico; as como con los pronsticos econmicos, basados stos en un modelo matemtico referente a economa.
La mayora de las aplicaciones de clculo (por ejemplo, problemas de mximos y mnimos) implican modelos
matemticos.
En trminos generales, en todo modelo matemtico se puede determinar 3 fases:
Construccin del modelo. Transformacin del objeto no-matemtico en lenguaje matemtico.
Anlisis del modelo. Estudio del modelo matemtico.
Interpretacin del anlisis matemtico. Aplicacin de los resultados del estudio matemtico al objeto inicial
no matemtico.
El xito o fracaso de estos modelos es un reflejo de la precisin con que dicho modelo matemtico representa al objeto
inicial y no de la exactitud con que las matemticas analizan el modelo.

Algunos modelos son buenos para algunas cosas y malos para otras. Por ejemplo, el modelo matemtico de la mecnica
newtoniana puede, hoy en da, usarse para predecir muchos sucesos con precisin a pesar de que la teora de la
relatividad de Einstein (otro modelo matemtico) nos dice que ste es inexacto.
El lgebra lineal nos proporciona muchas herramientas para utilizarlas al analizar los modelos matemticos (ya sean
econmicos, demogrficos, probabilsticos, de ingeniera...).
A continuacin se presentan tres modelos matemticos as como la ayuda que nos proporciona el software Mathcad para
estudiarlos, analizarlos y solucionarlos.
stos son:
Modelo meteorolgico.
Modelo de petrleo refinado.
Modelo de Leontief.
OBJETIVOS
Conocer los fundamentos matemticos de los modelos matemticos.
Aprender a analizar y solucionar los modelos matemticos con la ayuda del software mathcad.
Profundizar en las funciones GIVEN, FIND, LSOLVE, RREF de mathcad.
Aprender el mtodo iterativo de resolucin de sistemas de ecuaciones lineales usando mathcad.
CONOCIMIENTOS PREVIOS
Es recomendable haber ledo, previamente, los math-blocks relativos a:
lgebra de matrices.
Determinantes.
Matriz inversa.
Discusin de SEL.
Resolucin de SEL.
As como los introductorios a Mathcad.
CONCEPTOS FUNDAMENTALES Y RESOLUCIN PRCTICA CON MATHCAD
Modelo meteorolgico
Supongamos que en una determinada ciudad tenemos tres estados climticos posibles: soleado, nublado, y lluvioso.
Supongamos, adems, que si hoy est el da nublado, entonces la probabilidad de que maana el da est soleado es de
1/2, la probabilidad de que est nublado es 1/4, y la probabilidad de que est



lluvioso es de 1/4. Estos nmeros se conocen como las probabilidades de transicin de hoy a maana suponiendo que
hoy hemos tenido un da nublado.
De forma similar, es posible considerar otras probabilidades de transicin en los casos en que el da de hoy haya estado
lluvioso o soleado. Podemos, pues, expresar dichas probabilidades en forma
matricial:
MAANA
soleado
nublado
lluvioso
HOY
soleado nublado lluvioso
3/4 1/2 1/4
1/8 1/4 1/2
1/8 1/4 1/4
A=
i.e.:
Si conocisemos la probabilidad de que hoy se d cada uno de los tres estados climticos, sera posible usar los datos de
esta matriz de transicin (la cual contiene probabilidades condicionales) para determinar la probabilidad de que maana
se d cada uno de los estados climatolgicos.
Veamos cmo:
En primer lugar, dado que usaremos notacin matricial convencional, deberemos asegurarnos de que la variable Array
Origin de mathcad (ORIGIN) (se puede acceder a ella siguiendo la ruta Math > Options) tiene el valor 1.
Supongamos, p.e., que las probabilidades de cada estado climtico para el da de hoy son:
probabilidad de que hoy est soleado --> 0
probabilidad de que hoy est nuboso --> 1/2
probabilidad de que hoy est lluvioso --> 1/2
Podemos expresar las probabilidades anteriores mediante un vector de nombre p_0:
Fijmonos que, por ser un vector de probabilidades, sus componentes son siempre positivas y suman 1.
La teora de la probabilidad nos dice que:
Probabilidad de que maana est soleado = (probabilidad de que hoy est soleado y maana est soleado)
+ (probabilidad de que hoy est nublado y maana est soleado) + (probabilidad de que hoy est lluviosos y
maana est soleado)
Por su parte, el primero de los sumandos anteriores se puede calcular como:


Probabilidad de que hoy est soleado y maana est soleado = (probabilidad de que hoy est soleado)
(probabilidad de que maana est soleado sabiendo que hoy ha estado soleado)
Y anlogamente ocurre con los restantes dos sumandos.
Usando notacin simblica, si denotamos por p_1 al vector que contiene las probabilidades de estados de maana,
tendremos que:
prob. de que maana est soleado --> p_11 := p_01 A1 , 1 + p_02 A1 , 2 + p_03 A 1 , 3
prob. de que maana est nublado --> p_12 := p_01 A2 , 1 + p_02 A2 , 2 + p_03 A 2 , 3
prob. de que maana est lluvioso --> p_13 := p_01 A3 , 1 + p_02 A3 , 2 + p_03 A 3 , 3
i.e.,
es decir,
p_11 =
3
8
p_12 =
3
8
p_13 =
1
4
Observad que lo que estamos haciendo para hallar p_1 es el producto entre la matriz de transicin A y el vector p_0, i.e.:
Suponiendo que las probabilidades de transicin no varan de un da para otro (es decir, que la matriz de transicin es
constante con el tiempo), podramos calcular ahora las probabilidades asociadas a cada estado climtico para dentro de
dos das, las cuales registraremos en el vector p_2:
prob. de que en dos das est soleado --> p_21 := p_11 A1 , 1 + p_12 A1 , 2 + p_13 A 1 , 3
prob. de que en dos das est nublado --> p_22 := p_11 A2 , 1 + p_12 A2 , 2 + p_13 A 2 , 3
prob. de que en dos das est lluvioso --> p_23 := p_11 A3 , 1 + p_12 A3 , 2 + p_13 A 3 , 3
i.e., p_21 =
1 7
3 2
p_22 =
1 7
6 4
p_23 =
1 3
6 4
o, dicho de otro modo:


Obviamente, bajo los supuestos anteriores, es posible ir reiterando este proceso de forma que se vayan obteniendo las
probabilidades de cada estado climatolgico para dentro de 3, 4, 5, ... , n das.
Este proceso reiterativo se conoce con el nombre de cadena de Markov.
Las cadenas de Markov tienen un amplio mbito de aplicacin en reas como la econmica y la industrial. Una cuestin
interesante que surge en relacin con las sucesivas distribuciones de probabilidad que se van obteniendo en el proceso
iterativo es: Se llegar a un instante temporal n a partir del cual la distribucin se estabilice?, o dicho en otras palabras,
se llegar a un instante n a partir del cual el vector p_n y p_n+1 coincidan? Si esto sucede (i.e.; si p_n=p_n+1), entonces
se dice que tenemos una distribucin estable.
Analizando las propiedades de la matriz A, veremos cmo esta cuestin se puede responder.
Recordemos que queremos predecir las probabilidades asociadas a cada estado climtico, en el futuro. Hemos visto que
dada la matriz de transicin A y p_0 el vector con la distribucin de las probabilidades de cada estado climtico para el da
de hoy. Entonces, el vector con las probabilidades de los estados climticos para el da de maana (p_1) se halla
haciendo A.p_0; y el vector con las probabilidades de los estados climticos para dentro de 2 das (p_2) se halla haciendo
A.p_1, o lo que es lo mismo, A.A.p_0. Y as sucesivamente. Esto es:
p_1=A.p_0
p_2=A2.p_0
p_3=A3.p_0
.
.
p_k=Ak.p_0
Demos por demostrado que, en las condiciones del modelo, existe un vector p llamado vector de probabilidad estable tal
que, a partir de un cierto instante n, se cumple que p_n=p_n+1=p.
Veamos cmo podemos utilizar el software MATHCAD para hallar el vector p. Para esto existen varias vas. Dos de ellas
son:
Por Iteracin del sistema.
Resolviendo la ecuacin matricial A.p=p.
Estudiemos cada mtodo.
ITERACIN
1. Definimos la matriz de transicin:


2. Imponemos el nmero de iteraciones a realizar, por ejemplo, 10:
i := 2 .. 11
3. Definimos el primer vector de probabilidad, el del da de hoy, p_0:
4. Indicamos el proceso de iteracin:
5. Indicamos W, pulsamos sobre el signo de igualdad, y aparece:
Nota: Desplazndonos por la barra se ven todos los resultados obtenidos.
Observemos cmo efectivamente las componentes del vector W 2 coincide con las del vector p_1 hallado anteriormente.
Cambiemos, ahora, el vector de probabilidad inicial por otro de componentes:
y recalculemos los vectores de probabilidad para los 10 das siguientes:






Observemos que en ambos casos, a partir de la 7 iteracin, el resultado coincide.
Parece, pues, que el "candidato" a ser el vector p es:
Comprobemos qu sucede si ponemos otro vector inicial:
Tambin coincide. Parece que la "prediccin" se est cumpliendo. Pero an no es posible generalizara. Probemos, ahora,
qu sucede si el vector inicial es el vector "candidato":
Ahora s! Podemos afirmar que el vector de probabilidad estable, p, es:




ya que al hacer las iteraciones hemos comprobado cmo cumpla que A.p=p. Puesto que hemos encontrado el vector de
probabilidad estable podemos concluir que la distribucin de probabilidad obtenida en el proceso iterativo (i.e. en la
cadena de Markov) es estable; es decir, llega un instante en que se estabiliza.
La pregunta obvia que nos haremos es; Por qu se obtiene el mismo resultado cambiando el vector inicial p_0?
Y la respuesta es muy sencilla. Porque la matriz de transicin A no vara. Utilizamos la misma matriz para hallar el
pronstico en el futuro y no importa a partir de qu da en particular partamos.
RESOLUCIN DE LAECUACIN MATRICIAL A.p=p
Resolver la ecuacin matricial A.p=p es equivalente a resolver la siguiente: (A-I).p=0; donde A es la matriz de transicin, I
es la matriz Identidad y p es el vector de probabilidad estable buscado.
(A-I) es la matriz:
(A-I).p=0 representa resolver el sistema de ecuaciones siguiente:
Para resolverlo haremos uso de la funcin rref:




Como vemos, existe un nmero infinito de vectores p tales que A.p=p.
Ya que hemos llegado al siguiente sistema:
x - 3,5z = 0
y -1,25z = 0
Pero slo uno de estos vectores puede ser el que corresponde al estado estable del proceso de Markov. Recordemos que
estamos tratando con probabilidades; por lo tanto, la ecuacin que debemos aadir al anterior sistema es aqulla en la
que se impone que la suma de las componentes del vector p debe ser 1: x + y + z = 1
Veamos qu sucede al imponer dicha condicin:
x - 3,5z = 0
y -1,25z = 0
x+y+z=1
Matricialmente, el sistema anterior, se puede expresar as:
Utilizaremos la funcin lsolve para resolver el sistema:
Nota: Si para resolver el sistema anterior utilizamos la funcin lsolve nos aparecer error ya que se trata de un sistema
compatible indeterminado y tiene infinitas soluciones. En el caso de que, al resolver un sistema mediante la funcin lsolve,
aparezca error es preferible utilizar la funcin rref.



Y, finalmente, comprobamos que el vector p de probabilidad estable es:
que coincide con la misma solucin hallada por el mtodo de iteracin.
En conclusin, el proceso estudiado tiene una distribucin de probabilidad estable.
Nota: Podemos seleccionar la forma en la que obtener los resultados numricos (decimal o fraccionaria) pulsando sobre
Format, seleccionando luego Result y, por ltimo, Number Format.
Modelo de petrleo refinado [W3]
Una compaa representa a tres refineras de petrleo. Llammoslas Refinera 1, Refinera 2 y Refinera 3. Cada refinera
produce tres productos basados en el crudo: Alquitrn, Gasleo y Gasolina.
Supongamos que, de un barril de petrleo, se sabe que:
la primera refinera produce 4 litros de alquitrn, 2 de gasleo, y 1 de gasolina.
la segunda refinera produce 2 litros de alquitrn, 5 de gasleo y 2.5 de gasolina
y la tercera refinera produce 2 litros de alquitrn, 2 de gasleo y 5 de gasolina.
Supongamos que hay una demanda de estos productos de la siguiente manera:
600 litros de alquitrn.
800 litros de gasleo.
1000 litros de gasolina.
Cuntos barriles de crudo necesitar cada refinera para satisfacer la demanda?
El enunciado se puede representar de la siguiente forma:
Cada columna de A representa un vector con la produccin de una refinera.
Cada fila de A representa un vector con las cantidades de un producto en particular producido por las diferentes refineras.
Por ejemplo:
La produccin de la refinera 3 viene reflejada en el vector:



La produccin de gasolina viene reflejada en el vector:
( 1 2.5 5 )
Sea xi el nmero de barriles de petrleo crudo necesarios en la refinera i.
Segn esto, el nmero de barriles de crudo necesarios para satisfacer esta demanda por las tres refineras deben
satisfacer el sistema de ecuaciones lineales siguiente:

Matricialmente, podemos expresar as el sistema anterior:
Utilizando la funcin rref nos devuelve una matriz que representa la forma reducida de la matriz dada.
Para ello introducimos la matriz ampliada, i.e., con coeficientes y trminos independientes:

O bien podramos calcularla directamente:
Llegamos a la solucin del modelo.
x1
x2
x3
31.25
87.5
150
La Refinera 1 necesitar 31.25 barriles de crudo.
La Refinera 2 necesitar 87.5 barriles de crudo.
La Refinera 3 necesitar 150 barriles de crudo.
= 600

= 800

= 1000


Si ahora quisiramos saber cunto debe producir cada refinera de cada producto para satisfacer la demanda, tan slo
tendramos que repartir proporcionalmente la cantidad de los barriles hallados anteriormente.
Con lo que llegaramos a la siguiente conclusin:
Para satisfacer la demanda:
la Refinera 1 debera producir: 125 litros de alquitrn; 62,5 litros de gasleo y 31,25 litros de gasolina.
la Refinera 2 debera producir: 175 litros de alquitrn; 437,5 litros de gasleo y 218,75 litros de gasolina.
la Refinera 3 debera producir: 300 litros de alquitrn; 300 litros de gasleo y 750 litros de gasolina.
O lo que es lo mismo:
los 600 litros de alquitrn sern producidos as: 125 por la Refinera 1; 175 por la Refinera 2 y 300 por la Refinera
3.
los 800 litros de gasleo sern producidos as: 62,5 por la Refinera 1; 437,5 por la Refinera 2 y 300 por la
Refinera 3.
los 1000 litros de gasolina sern producidos as: 31,25 por la Refinera 1; 218,75 por la Refinera 2 y 750 por la
Refinera 3.
Modelo de Leontief
El objetivo de este modelo es encontrar el equilibrio entre oferta y demanda en una economa. Para cada sector industrial,
supondremos que hay una ecuacin que relaciona oferta y demanda. Un modelo de Leontief de un pas puede llegar a
tener miles de estas ecuaciones. Para simplificar, consideraremos un modelo con slo tres sectores industriales: energa,
construccin, y transporte.


Construccin
Transporte
y
z
= 0.2 x +
= 0.15 x +
0.4 y
0.2 y
+
+
0.1 z +
0.2 z +
50
100
En la tabla anterior, el lado izquierdo de cada ecuacin representa la oferta existente de cada factor (energa,
construccin, y transporte) medida en euros.
Por su parte, el lado derecho de cada ecuacin representa las demandas, las cuales son de dos tipos: de un lado,
encontramos las demandas de cada sector (i.e., la cantidad, medida en euros, de recursos necesarios para producir la
oferta); de otro lado, tenemos la demanda, en euros, de los consumidores.
As, la oferta total de energa sera de:
oferta total de energa --> x euros
mientras que la demanda total de energa sera de:
demanda total de energa --> 0.4 x + 0.2 y + 0.1 z + 100 euros
donde y ser la cantidad ofertada de "construccin" y z de "transporte" (ambas en euros).
La pregunta fundamental de un modelo de Leontief es: Cuntas unidades, en euros, de cada factor (energa,
construccin y transporte) se debe producir (y ofertar) para asegurar que la demanda del consumidor est satisfecha?
Si existe solucin para el sistema anterior, decimos que el modelo est en equilibrio (la oferta de cada factor coincide con
su demanda).
Observemos, adems, que de la tabla anterior tambin se deduce lo siguiente: En esta economa, por cada unidad
ofertada de "energa", se necesitan emplear 0.4 + 0.2 + 0.15 = 0.75 1 unidades de energa. Algo similar ocurre con los
otros dos factores.
La restriccin del modelo de Leontief es que la suma de las unidades necesarias emplear de cada factor (energa,
construccin y transporte) debe ser inferior a 1. Esto es, 0.4 + 0.2 + 0.15 1; 0.2 + 0.4 + 0.2 = 0.8 1 y 0.1 + 0.1 + 0.2 1.
Podemos usar Mathcad para intentar resolver el sistema anterior. Existen varios mtodos para ello. En el math-block
sobre resolucin de sistemas de ecuaciones lineales estn explicados detalladamente cada uno de de los mtodos
siguientes por lo que, si se desea, se puede ampliar la informacin en ste. Vemoslos:
Mtodo 1 de resolucin: GIVEN y FIND
En primer lugar, asignamos valores iniciales (cualesquiera) a las variables:
x := 1 0 y := 2 0 z := 3 0
i.e. hacemos una "prediccin" a la que podra ser la solucin del sistema.
Definimos ahora el sistema, usando la instruccin Given. Escribid la palabra "Given"; as se indica a Mathcad que lo que le
sigue a continuacin es un sistema de ecuaciones. Podis escribir "Given" con cualquier tipo de letra, slo tenis que
aseguraros de no escribirla en una regin de texto (debe ser en una regin matemtica)
G i v e n
Ahora escribiremos el sistema de ecuaciones, usando el signo "=" que aparece en la barra de herramientas Boolean:
x
y
z
0 . 4 x + 0 . 2 y + 0 . 1 z
+ 1 0 0
0 . 2 x + 0 . 4 y + 0 . 1 z
+ 5 0
0 . 1 5 x + 0 . 2 y + 0 . 2 z
+ 1 0 0
Finalmente, usaremos la funcin Find (se halla en Insert Function):
Como hemos encontrado la solucin al sistema anterior, podemos afirmar que el modelo de Leontief
anterior est en equilibrio.
Mtodo 2 de resolucin: LSOLVE
Una forma alternativa de resolver el sistema anterior es usar notacin matricial. Para ello,
reescribimos el sistema como:
0.6 x - 0.2 y - 0.1 z = 100
-0.2 x + 0.6 y - 0.1 z = 50
-0.15 x - 0.2 y + 0.8 z = 100
Por lo que la matriz de coeficientes y el vector de trminos independientes sern:
Recurrimos a la funcin lsolve (se halla en Insert Function):
Como, de nuevo, hemos encontrado la solucin al sistema anterior, podemos afirmar que el modelo de Leontief anterior
est en equilibrio.
Mtodo 3 de resolucin: RREF
Utilizando la notacin matricial, podemos comprobar que el modelo est en equilibrio utilizando la funcin rref, la cual
devuelve una matriz que representa la forma de filas reducidas de la matriz dada.
Para ello introducimos la matriz ampliada, i.e., con coeficientes y trminos independientes:



Y utilizamos la funcin rref:
Y otra vez hemos encontrado la solucin al sistema anterior, por lo que podemos afirmar que el modelo de Leontief
anterior est en equilibrio.
Mtodo 4 de resolucin: ITERACIN
Asimismo podemos resolver el sistema anterior haciendo iteracin (repeticin de un proceso):
Sea D la matriz de las demandas industriales, c la demanda del consumidor y u el vector oferta de forma que el sistema
para el cual deseamos saber si tiene solucin es el siguiente:
u D u + c
dnde:
Proceso de iteracin:
Hacemos 36 iteraciones, pero se podran hacer tantas como quisiramos





Comprobamos que, a partir de la iteracin n 32, el resultado coincide. Por tanto, el vector, u, buscado coincide con el
hallado por los otros mtodos:
Y de nuevo hemos encontrado la solucin al sistema anterior, por lo que podemos afirmar que el modelo de Leontief
anterior est en equilibrio.
Tambin podemos resolver el sistema anterior utilizando la matriz inversa.
Recordemos el sistema del que partamos:
Sea D la matriz de las demandas industriales, c la demanda del consumidor y u el vector oferta de forma que el sistema
para el cual deseamos saber si tiene solucin es el siguiente:
u D u + c
donde:
Podemos afirmar:
La restriccin de Leontief implica, automticamente, que todo modelo de Leontief est en equilibrio (y, por lo tanto, tiene
solucin).




Por tanto, llegamos a la conclusin de que el vector solucin, u, existe y, en consecuencia, el sistema tiene solucin y est
en equilibrio.
El vector solucin, u, se puede hallar de la siguiente forma:
u ( I D )
1
c
Volvamos al caso concreto que estamos tratando:
Y las cantidades totales ofertadas, en euros, necesarias para satisfacer la demanda del consumidor son:
276.316 euros de energa
213.816 euros de construccin
230.263 euros de transporte