Colegio de Bachilleres Plantel 3

Iguala
Modelos Matemticos de la vida
cotidiana
Alumno: Manuel Rodrguez Mojica
Profr. Arturo Tonatiu Rea Reyes

Semestre: 5

Grupo: 501

DEFINICIN

Modelo Matemtico:
En ciencias aplicadas, un Modelo matemtico es aquel que emplea
algn tipo de formulismo matemtico para expresar relaciones,
proposiciones sustantivas de hechos, variables, parmetros, entidades y
relaciones entre variables y/o entidades u operaciones, para estudiar
comportamientos de sistemas complejos ante situaciones difciles de
observar en la realidad.
Un modelo matemtico es la descripcin matemtica de una situacin
real.
La rama de la matemtica que se encarga de estudiar sistemticamente
las propiedades de los modelos es la teora de modelos.
Un modelo matemtico consta al menos de dos conjuntos bsicos de
elementos:
1. Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a
partir de la solucin del modelo. Los parmetros representan los valores
conocidos del sistema o bien que se pueden controlar.
2. Restricciones
Las restricciones son relaciones entre las variables de decisin y
magnitudes que dan sentido a la solucin del problema y las acotan a
valores factibles. Por ejemplo si una de las variables de decisin
representa el nmero de empleados de un taller, es evidente que el
valor de esa variable no puede ser negativo.
SITUACIN DEL MUNDO REAL

Esquema del proceso de modelado

MODELO DEL MUNDO REAL

MODELO MATEMTICO

CONCLUSIONES

EJEMPLO 1

Sean x1 y x2 la cantidad a producirse de dos productos 1 y 2, los

parmetros son los costos de produccin de ambos productos, $3 para el
producto 1 y $5 para el producto 2. Si el tiempo total de produccin est
restringido a 500 horas y el tiempo de produccin es de 8 horas por
unidad para el producto 1 y de 7 horas por unidad para el producto 2,
entonces podemos representar el modelo como:
C = 3x1 + 5x2 (Costo total de Produccin)
Sujeto a:
8x1 + 7x2

500

x1 0 y x2

0.

EJEMPLO 2

Una huerta de manzanos tiene 40 rboles por hectrea y el promedio de

produccin es de 300 manzanas por rbol y por ao. Si por cada rbol
que se plante por hectrea, adems de los 40, la produccin promedio
disminuye en 5 manzanas y como restriccin no puede haber ms de 60
rboles por hectrea, exprsese la produccin.
Solucin: La produccin actual de la huerta puede obtenerse de la
siguiente forma: (300)(40) = 12000 manzanas por hectrea y por ao, y
en general, la produccin = (nmero de rboles por hectrea)
(produccin promedio anual de un rbol).

Representemos por x el nmero de rboles plantados, adems de los 40.

Puesto que la produccin promedio por rbol disminuye en 5 manzanas
por cada rbol plantado, entonces:
Produccin: promedio anual de un rbol = 300 5x;
y la produccin total ser: P = (40 + x)(300-5x)
Obsrvese que 0 x 60
ANTECEDENTES

El empleo de mtodos cientficos (modelos matemticos) en el anlisis

de procesos no es nuevo, pero la verdad es que se observa un creciente
inters en los ltimos diez aos en este campo. Una gran parte de este
crecimiento de las aplicaciones cientficas se debe sin duda a la
existencia y empleo de calculadoras de gran capacidad (digitales,
analgicas e hibridas) que en la actualidad permiten el estudio de
problemas de gran complejidad, que solamente hace unos aos no se
podan abordar.
Para adquirir competencia en el anlisis de procesos se requiere una
doble capacidad por parte del ingeniero. La primera y ms evidente de
ellas es que debe poseer unos conocimientos slidos y verstiles tanto
en ingeniera como en matemticas.

Qu es anlisis de procesos?
El anlisis de procesos se refiere a la aplicacin de mtodos cientficos,
al reconocimiento y definicin de problemas, as como al desarrollo de
procedimientos para su solucin.
Esto quiere decir:
1.- Especificacin matemtica.
2.- Anlisis detallado para obtener modelos matemticos.
3.- Sntesis y presentacin de resultados para asegurar la total
comprensin.

La construccin de modelos matemticos tericos o semitericos

constituye frecuentemente una necesidad preliminar.
Tanto el diseo como la operacin se pueden facilitar mediante la
simulacin del proceso o de sus partes, los modelos matemticos de los
procesos se pueden manipular mucho ms fcilmente que los procesos
reales, de forma ms segura se puede simular una operacin fuera de
las condiciones o intervalos normales, y tambin se puede llevar a su
punto ms crtico o de quiebre, a fin de encontrar las condiciones de
operacin prohibidas.

VENTAJAS DE LOS MODELOS MATEMTICOS

Experimentacin econmica. Es posible estudiar procesos

existentes de una forma ms rpida, econmica y completa que
en un plano real.
Extrapolacin. Con un modelo matemtico adecuado se pueden
ensayar intervalos extremos de las condiciones de operacin, que
pueden ser imposibles de realizar en un modelo real, tambin es
posible establecer caractersticas de funcionamiento.
Estudio de conmutabilidad. Se pueden introducir nuevos factores o
elementos de un sistema y suprimir otros antiguos al examinar el
sistema con el fin de ver si estas modificaciones son compatibles,
con el fin de comparar distintos diseos y procesos que todava no
estn en operacin y ensayar hiptesis sobre sistemas o procesos
antes de llevarlos a la prctica.
Repeticin de experimentos. En el modelo matemtico se puede
introducir o retirar a voluntad un error, lo cual no es posible en el
plano real.

CLASIFICACION DE MODELOS

Para los propsitos de ingeniera resulta conveniente, utilizar un tipo de

modelo que tenga una base conceptual y no fsica, es decir representado

por enunciados matemticos y modelos en forma de smbolos, sobre

descripciones matemticas planteadas para ayudar y comprender
procesos fsicos complejos.
Por supuesto que en la prctica todo esto no es tan fcil como puede
parecer a primera vista.
Los modelos se pueden clasificar de la siguiente manera:
--Segn su representacin matemtica

Modelo Lineal:
los que despus de ser analizados
matemticamente, se representan por medio de una funcin
lineal, se puede obtener el resultado mediante una grafica o una
ecuacin.
Modelo Cuadrticos: los que se pueden expresar por medio de
una ecuacin cuadrtica. Habr ocasiones en las que no todos los
datos pertenecen a la misma curva. En dicha situacin trataremos
de encontrar aquella parbola que mejor represente el modelo que
estamos analizando.
Modelo exponencial: se representan por medio de una funcin
exponencial.Los modelos exponenciales son muy frecuentes en el
estudio de crecimientos poblacionales, en el clculo de intereses
bancarios, as como tambin diversos fenmenos fsicos.

--Segn la informacin de entrada

Modelos heursticos (del griego euriskein 'hallar, inventar'). Son

los que estn basados en las explicaciones sobre las causas o
mecanismos naturales que dan lugar al fenmeno estudiado.

Modelos empricos (del griego empeirikos relativo a la

'experiencia'). Son los que utilizan las observaciones directas o los
resultados de experimentos del fenmeno estudiado.

--Segn el tipo de representacin

Modelos cualitativos o conceptuales, estos pueden usar

figuras, grficos o descripciones causales, en general se contentan
con predecir si el estado del sistema ir en determinada direccin
o si aumentar o disminuir alguna magnitud, sin importar
exactamente la magnitud concreta de la mayora de aspectos.

Modelos cuantitativos o numricos, usan nmeros para

representar aspectos del sistema modelizado, y generalmente
incluyen frmulas y algoritmos matemticos ms o menos
complejos que relacionan los valores numricos.

--Segn la aleatoriedad

Determinista. Se conoce de manera puntual la forma del

resultado ya que no hay incertidumbre. Adems, los datos
utilizados para alimentar el modelo son completamente conocidos
y determinados.

Estocstico. Probabilstico, que no se conoce el resultado

esperado, sino su probabilidad y existe por tanto incertidumbre.

--segn su aplicacin u objetivo

Modelo de simulacin o descriptivo, de situaciones medibles

de manera precisa o aleatoria, por ejemplo con aspectos de
programacin lineal cuando es de manera precisa, y probabilstica
o heurstica cuando es aleatorio. Este tipo de modelos pretende
predecir qu sucede en una situacin concreta dada.

Modelo de optimizacin. Para determinar el punto exacto para

resolver alguna problemtica administrativa, de produccin, o
cualquier otra situacin. Cuando la optimizacin es entera o no
lineal, combinada, se refiere a modelos matemticos poco
predecibles, pero que pueden acoplarse a alguna alternativa
existente y aproximada en su cuantificacin. Este tipo de modelos
requiere comparar diversas condiciones, casos o posibles valores
de un parmetro y ver cul de ellos resulta ptimo segn el
criterio elegido.

Modelo de control. Para saber con precisin como est algo en

una organizacin, investigacin, rea de operacin, etc. Este
modelo pretende ayudar a decidir qu nuevas medidas, variables
o qu parmetros deben ajustarse para lograr un resultado o
estado concreto del sistema modelado.

CMO SE EVALUA EL MODELO?

El ingeniero puede recoger datos y ver la forma en que dichos datos se
ajustan a las predicciones del modelo. Si el ingeniero dispone de dos
series de datos (una correspondiente al proceso real y otra al modelo)
para un modelo relativamente poco complicado, suele ser preciso
introducir una cantidad considerable de subjetividad en el anlisis a la
hora de establecer la concordancia entre las dos series de datos. En
cualquier caso, si la respuesta del modelo concuerda satisfactoriamente
con los resultados experimentales, aumenta la confianza del ingeniero
en la aptitud de las descripciones matemticas. Si la concordancia es
mal, tal vez convenga revisar el modelo o bien intentar otro modelos de
ataque.Otros criterios a considerar, adems de la fidelidad, para evaluar
un modelo son:

Exactitud
Reproductibilidad
Coste
Tiempo
Complejidad
Capacidad y posibilidad de aplicacin.

Cuando el proceso que se ha de evaluar no se puede ensayar en una

forma totalmente operacional (debido al coste, tiempo, riesgo etc.) la
base de evaluacin debe desplazarse hacia ensayos de algunas
aproximaciones del sistema, estudios en planta piloto, o bien los
ensayos se pueden llevar acabo modificando las condiciones de
operacin del proceso real. Tales simulaciones dan lugar a nuevos
problemas.

CONSTRUCCION DE UN MODELO MATEMATICO

En muchos casos la construccin o creacin de modelos matemticos

tiles sigue una serie de fases bien determinadas:

1. Identificacin de un problema o situacin compleja que necesita

ser simulada, optimizada o controlada y por tanto requerira un
modelo matemtico predictivo.
2. Eleccin del tipo de modelo, esto requiere precisar qu tipo de
respuesta u output pretende obtenerse, cuales son los datos de
entrada o factores relevantes, y para qu pretende usarse el
modelo. Esta eleccin debe ser suficientemente simple como para
permitir un tratamiento matemtico asequible con los recursos
disponibles. Esta fase requiere adems identificar el mayor
nmero de datos fidedignos, rotular y clasificar las incgnitas
(variables
independientes
y dependientes) y establecer
consideraciones, fsicas, qumicas, geomtricas, etc. que
representen adecuadamente el fenmeno en estudio.
3. Formalizacin del modelo en la que se detallarn qu forma
tienen los datos de entrada, qu tipo de herramienta matemtica
se usar, como se adaptan a la informacin previa existente.
Tambin podra incluir la confeccin de algoritmos, ensamblaje de
archivos informticos, etc. etc. En esta fase posiblemente se
introduzcan tambin simplificaciones suficientes para que el
problema
matemtico
de
modelizacin
sea
tratable
computacionalmente.
4. Comparacin de resultados los resultados obtenidos como
predicciones necesitan ser comparados con los hechos observados
para ver si el modelo est prediciendo bien. Si los resultados no se
ajustan bien, frecuentemente se vuelve a la fase 1.
Es importante mencionar que la inmensa mayora de modelos
matemticos no son exactos y tienen un alto grado de idealizacin y
simplificacin, ya que una modelizacin muy exacta puede ser ms
complicada de tratar y por tanto menos til.

LIMITANTES

Es
preciso reconocer que el anlisis de procesos tiene algunas
limitaciones importantes:
La primera de ellas reside en la disponibilidad y exactitud de los datos;
es decir, el xito del anlisis de procesos depende grandemente de la
informacin bsica disponible para el anlisis. Los estudios que se
pueden realizar con el sistema son solamente tan exactos como los
datos fsicos y qumicos que se introducen en el modelo.
La segunda limitacin reside en los recursos disponibles para la
manipulacin de los planteamientos matemticos que componen el
modelo. Hay estructuras que son fciles de definir y describir
matemticamente pero que no se pueden
manipular con los
conocimientos actuales, debido a limitaciones tericas o de las tcnicas
de clculo. En estas condiciones, aunque el modelo este bien definido y
resulte adecuado para la situacin real, no resultara un mtodo
razonable para el desarrollo de predicciones.
La tercera limitante en la utilizacin de modelos consiste en suponer que
representan al sistema real fuera del intervalo de las variables para el
que el modelo ha sido originalmente propuesto. Dicha extrapolacin
puede constituir un aspecto valioso del modelo pero puede conducir
tambin a errores.

BIBLIOGRAFA
1. MODELIZACIN. ROS, SIXTO (1995). ALIANZA UNIVERSIDAD
2. http://es.wikipedia.org/wiki/Modelo_matem%C3%A1tico
3. El modelo matemtico. Salvador Gorbea Portal