Volumen 1
Con este libro se pretende hacer una propuesta tanto metodolgica como de enfoque
de contenidos para el desarrollo de la competencia de modelado matemtico y
simulacin. La propuesta va dirigida tanto a docentes como estudiantes de las
carreras de ingeniera. El proceso de construir un modelo matemtico para resolver o
analizar un problema de la vida real, es un proceso que no surge de manera natural o
espontnea de las estructuras mentales de las personas. Para asimilarlo e
interiorizarlo, se requiere inicialmente del acompaamiento de un especialista. Esta
es la razn por la cual adems de presentar una estructura de contenidos con un
enfoque que da lugar a dicha organizacin, se hace una propuesta metodolgica que
da lugar a un acompaamiento en el proceso de aprendizaje de los estudiantes, hasta
el logro de una autonoma total en su ejecucin. La metodologa propuesta consiste en
presentar de forma incompleta, tareas sobre procesos de modelado, la actividad de los
estudiantes consiste en completar el proceso. A medida que se avanza en el
aprendizaje de los estudiantes, sobre la competencia de modelado, se reduce la ayuda
dada sobre el proceso y por tanto se aumenta la exigencia a los estudiantes. El
problema propuesto a los estudiantes tiene una doble intencionalidad, por un lado el
desarrollo de la competencia sobre modelado matemtico, y por el otro la
aprehensin de los contenidos asociados al problema objeto de estudio. La
representacin mental del problema produce una tensin cognitiva orientada a la
bsqueda de la informacin de contenidos que no posee el estudiante y que son
necesarios para la solucin del problema.
Para el desarrollo de las habilidades cognitivas relacionadas con la competencia de
modelado matemtico, se utiliza la teora de los conjuntos-T de los profesores Ricardo
J. de Armas C. y David Macas M. Se espera que el libro sea de ayuda para los
orientadores del proceso de aprendizaje en este campo y aporte en el desarrollo de la
competencia de modelado matemtico y simulacin en los estudiantes.
Agradecimientos
Los autores expresan sus agradecimientos a la doctora Edel Serrano I. directora del
Departamento de Matemticas de la Universidad Central por su gestin ante la Facultad de
Ingeniera para que aprobaran los tiempos y recursos necesarios para investigar y escribir
este material. Tambin extienden sus agradecimientos a todos los estudiantes y profesores
de la Facultad de Ingeniera quienes han aportado directa o indirectamente al
enriquecimiento del libro con observaciones, sugerencias y material didctico; por ejemplo,
los estudiantes que construyeron en MatLab las ilustraciones que aparecen en la portada.
Contenido
Introduccin...........................................................................................................................6
Captulo 1. Modelos Matemticos.10
1.1. Introduccin...................................................................................................................10
1.2. Sistema...........................................................................................................................12
1.3. Los modelos ..........................................................................................14
1.4. Los modelos matemticos..............................................................................................15
1.5. Simulacin......................................................................................................................17
1.6. El modelado matemtico................................................................................................18
1.7. La competencia de modelado matemtico.....................................................................19
1.8. Los Conjuntos-T.20
1.9. Limitaciones en la formulacin del modelo matemtico...............................................25
1.10. Recomendaciones y Reflexiones...........................................................26
Introduccin
Los problemas de la vida real (p. ej., describir el crecimiento en el tiempo de dos especies
que interactan en una comunidad cerrada donde una es la depredadora y la otra es la presa
que cuenta con abundante alimentacin) se pueden solucionar usando ya sea el mtodo
cientfico o construyendo un modelo matemtico. El mtodo cientfico consiste en:
observar y describir, desarrollar hiptesis o explicaciones, comprobar por
experimentacin dichas hiptesis y aplicar estos conocimientos en la resolucin de
problemas similares. La construccin de un modelo matemtico consiste en: definir el
problema, identificar las teoras que lo gobiernan, formular el modelo matemtico,
resolver el modelo, interpretar los resultados, predecir hechos acerca del mundo real,
validar el modelo y determinar las limitaciones del mismo.
objetivos para resolver el problema, la habilidad para manejar la informacin cientfica que
se relaciona con el problema, la habilidad para establecer las variables de inters, los
parmetros constantes y un conjunto de suposiciones razonables (las hiptesis) sobre las
variables de acuerdo con las teoras que gobiernan el problema y la traduccin al lenguaje
matemtico de todas las suposiciones, la habilidad para analizar tablas de datos
(reconocimiento de patrones, interpretacin numrica, grfica y sugerir representaciones
algebraicas), la habilidad de usar las matemticas y/o las estadsticas para solucionar los
modelos matemticos, habilidad para programar las soluciones matemticas (simular y
animar), la habilidad para interpretar matemticamente los resultados de la simulacin, la
habilidad para validar los modelos matemticos y por ltimo la habilidad para limitar el
modelo matemtico (sin atribuirle cualidades que no llega a poseer).
Para cada problema de la vida real que se propone, el estudiante debe construir un
conjunto-T compuesto por ocho tareas que le permite alcanzar la solucin del mismo y de
aquellos que le son similares. La ejecucin de cada tarea trae consigo la entrega de unos
productos especficos que sern evaluados por un especialista (p. ej., el profesor). Cada
producto tiene como finalidad formativa el desarrollo de alguna de las habilidades
especficas que hacen parte del conjunto de habilidades de la competencia de modelado
matemtico y simulacin.
e interpretar; es decir, para hacer una lectura significativa cuando son colocados frente a un
texto. Otro ejemplo, tiene que ver con la poca disposicin que tienen hacia las tareas de
investigacin. El poco manejo (o nada) que evidencia la mayora sobre las herramientas
computacionales dificulta el desarrollo de la competencia. Para superar estos obstculos, en
este libro se acompaa a los estudiantes en el desarrollo de las tareas hasta el logro de una
autonoma total en su ejecucin. Se presentan inicialmente tareas con desarrollos
incompletos (la parte faltante se encuentra subrayada) y como actividad de los estudiantes
se solicita la completitud de dicha tarea. La exigencia de completitud va aumentando
progresivamente hasta el logro del desarrollo total de la tarea por parte de los estudiantes.
El manejo computacional es solucionado con el captulo dos. La ejecucin de las tareas
produce una tensin cognitiva1 que los lleva a la necesidad de la bsqueda de una
informacin. Esa informacin la pueden tener, no recordarla o no poseerla. Si no disponen
definitivamente de ella deben buscarla, entenderla y aplicarla.
Estado anmico de excitacin, impaciencia, esfuerzo o excitacin producido por determinadas circunstancias
o actividades.
Captulo 1
Modelos Matemticos
1.1. Introduccin
Los modelos matemticos se han vuelto un tema de inters general tanto a nivel mundial
como nacional, porque por medio de ellos, los ingenieros pueden relacionar las
matemticas con otras disciplinas, conectarse con los problemas sensibles de la sociedad y
proponer soluciones. Este inters se puede evidenciar en varios estudios internacionales
dirigidos por la Organizacin para la Cooperacin y el Desarrollo Econmico (OCDE,
2003), en particular, el del Programa para la Evaluacin Internacional de Alumnos PISA
(Programme for International Assessment) que mide la capacidad para resolver problemas
usando modelos matemticos (OCDE, 2007). Los modelos matemticos son inevitables en
el quehacer del ingeniero.
Dos son los objetivos que se proponen en este captulo. El primero tiene que ver con la
comprensin en contexto de los conceptos: sistema, modelo, modelo matemtico,
simulacin, modelado matemtico y simulacin; que permitir crear el vocabulario que se
usar en el resto del libro. Se debe ser conciente que en el mbito cientfico para construir
modelos matemticos hay que disponer de conocimientos especializados de las temticas
en donde se contextualizan los problemas del entorno, algo que no es posible en los niveles
de pregrado de ingeniera; pero lo que s es viable como segundo objetivo, es la
metacognicin4 del ejercicio de formulacin de un modelo matemtico para resolver
problemas del entorno.
El captulo se organiza de la siguiente manera: desde la seccin 1.2 hasta la seccin 1.5 se
analizan y definen los conceptos de: sistema, modelo, modelo matemtico, simulacin,
proceso de modelado matemtico y simulacin, respectivamente, en la seccin 1.6 se
analiza el proceso de modelado matemtico, en la seccin 1.7 se presenta una definicin
sobre la competencia de modelado matemtico, en la seccin 1.8 se presenta una estrategia
educativa para desarrollar la competencia de modelado matemtico, en la seccin 1.9 se
revisan algunas limitaciones que se deben tener en cuenta a la hora de formular un modelo
matemtico y en la ltima seccin, la seccin 1.10 se presentan algunas reflexiones y
recomendaciones tiles para el modelado matemtico.
1.2. Sistema
La realidad es una red compleja de relaciones entre objetos por lo que su anlisis es una
tarea nada fcil. Sin embargo, una estrategia de anlisis que se ha mostrado efectiva desde
hace ms de cincuenta aos, es tratarla como un sistema. Este trmino aparece en una
variedad de contextos: acadmicos, empresariales y hasta populares con distintas
interpretaciones por lo que se debe ser cuidadoso con el mismo. En este libro, cuando se
use el trmino sistema se estar haciendo referencia a una porcin de la realidad. El anlisis
riguroso de la realidad, es decir, el anlisis de una multiplicidad de relaciones entre los
objetos de la porcin de la realidad, demanda del diseo de sistemas complejos que
contienen componentes que proceden de tecnologas heterogneas (Mecnica, Electrnica,
Industrial, Sistemas y Ambiental entre otras). Este tipo de sistemas requiere de ingenieros
trabajando en equipos interdisciplinarios aportando conocimientos, competencias y
habilidades especficas de acuerdo con los perfiles respectivos.
Definicin 1. Sistema
Es una coleccin de componentes relacionadas que desarrollan
funciones especficas para cumplir con un propsito definido en
la realidad.
Ejemplos de sistemas:
El cuerpo humano
La Tierra
El universo
Sistema ecolgico
Sistema mecnico
Sistema elctrico
Sistema de servicio
Sistema de produccin
La empresa
Cada uno de estos sistemas contiene componentes relacionados que cumplen funciones
especficas con un determinado propsito. Los sistemas pueden interactuar con su entorno,
formar parte de otros sistemas o estar constituidos por otros sistemas. Existen sistemas:
estticos, dinmicos, materiales, inmateriales, vivos e inanimados.
En los sistemas acontecen una variedad de fenmenos que se pueden explicar, describir o
predecir usando modelos. Por medio de estos, los seres humanos han logrado articular de
Definicin 2. Modelos
Son representaciones simplificadas que describen sistemas,
soportados en unos supuestos tericos o teoras y creados para
fines determinados.
El trmino modelo fuera del mbito cientfico da lugar a ambigedades y confusiones por
su carcter polismico. En la ciencia se pueden encontrar una variedad de modelos como
por ejemplo: los fsicos, los abstractos, los dinmicos, los estticos, los empricos, los
explicativos, los determinsticos, los estocsticos, los de simulacin y los analticos entre
otros.
Los modelos abstractos usan smbolos para representar los sistemas estudiados.
no siempre son las mismas, ya que las variables aleatorias dentro del modelo pueden
tomar diferentes valores cada vez que se resuelve el modelo.
Los modelos de simulacin son aquellos para los cuales es imposible encontrar una
solucin analtica debido a que la funcin, o el conjunto de ecuaciones que
describen es demasiado compleja y deben resolverse numricamente usando un
conjunto de operaciones aritmticas.
a) La representacin matemtica
describe la relacin
d) La representacin matemtica
posicin
con el tiempo
la posicin inicial,
la velocidad inicial y
es
e) La representacin matemtica
es la
Los modelos matemticos a pesar de que reflejan solo una dimensin del sistema
modelado, pueden tambin describir una clase completa de sistemas, es decir, el modelo
construido a partir de la observacin de un fenmeno en particular puede permitir la
descripcin del mismo fenmeno en otros contextos o de otros fenmenos. Los modelos
matemticos no requieren inicialmente gastos materiales significativos para su formulacin,
por ejemplo, es ms econmico y rpido elaborar un modelo matemtico que describa el
crecimiento de una poblacin biolgica, que empezar con un determinado nmero de
individuos y tener que esperar cierto tiempo para poder experimentar con ellos.
De acuerdo con Brito Vallina et l., (2011) los modelos matemticos se pueden clasificar
atendiendo a:
La estructura matemtica.
y de
ecuaciones
multidimensionales).
1.5. Simulacin
El trmino simulacin apareci en el ao 1940, cuando el matemtico hngaro,
nacionalizado estadounidense Von Neuman junto con
el matemtico, polaco-
Definicin 4. Simulacin
Es el uso de un modelo matemtico para imitar, o describir paso
a paso (a travs de una computadora) el comportamiento del
sistema que se est analizando.
La simulacin presenta varias desventajas. Una tiene que ver con los resultados; estos al ser
de carcter numrico pueden ser imprecisos debido al truncamiento o redondeo de las cifras
decimales y con el tiempo se convertirn en unas cifras muy significativas al obtenerse el
error. La simulacin se puede usar cuando: los procedimientos matemticos son muy
complejos y engorrosos, se necesita controlar experimentos por un cierto periodo de tiempo
para observar el comportamiento del sistema y se requiere que un proceso sea estudiado en
menos tiempo del real. Tambin tiene aplicacin en la educacin como laboratorios de
aprendizaje (p. ej., interactuar con fenmenos naturales para comprenderlos) y en el
entrenamiento profesional (p. ej., simuladores de vuelo para el entrenamiento de pilotos).
Las simulaciones en este libro se desarrollan en el ambiente de desarrollo de interfaces
grficas de usuarios de MatLab denominado GUIDE.
Ejercicio 1.
Escribir un ensayo cuyo tema es La realidad y los modelos matemticos.
Definicin 6. Conjunto-T
Es el conjunto formado por un mnimo nmero de tareas cuyas
ejecuciones reiterativas permiten el desarrollo de una o varias
competencias; entendindose como tarea el estmulo que activa
configuraciones mentales y/o operaciones intelectuales para
obtener un producto cuya validez est determinada por un
especialista.
Hay tareas que son necesarias para desarrollar una competencia pero no son suficientes; el
mnimo nmero de tareas en la definicin seis hace referencia a las tareas que son
necesarias y suficientes. La ejecucin de tareas adicionales implica un grado mayor de
especializacin en el sujeto. Cada tarea ejecutada permite el desarrollo de una o varias
habilidades especficas. La finalidad de la tarea es la obtencin de un producto. En el caso
del modelado matemtico se proponen los siguientes los productos:
Una proposicin
Un listado
Un prrafo
Un texto
Una tabla de datos
Un cdigo
Una interface
5
La teora de los conjuntos-T es autora de los profesores Ricardo J. De Armas C. y David Macas M.
Una animacin
Un artculo
Un prototipo o maqueta
Se hace una aclaracin sobre los tres primeros productos. La proposicin es un enunciado
al cual se le puede asignar dos valores: o bien es verdadero, o bien es falso. El prrafo es la
secuencia organizada de varias proposiciones coherentemente relacionadas, interna y
externamente por conectivos y signos de puntuacin, que expresa una idea principal,
pensamiento o idea temtica. Un texto est compuesto por uno o ms prrafos y que gira
alrededor de un tema.
Cada conjunto de tareas sigue trayectorias bien definidas y desglosadas en diferentes pasos
organizados por un especialista o especialistas. Para el desarrollo de la competencia de
modelado matemtico y simulacin se requiere de la ejecucin de ocho tareas. Este
conjunto se denotar como
Tabla con datos. Contiene los datos de las variables de inters obtenidos con la
interface.
Texto. Contiene de acuerdo con los datos de la tabla, la descripcin matemtica del
comportamiento de las variables de inters. Adems, contiene entre otras respuestas, la
respuesta detallada de la pregunta si eran los resultados que se esperaban?
Validacin del modelo
La realidad.
Texto. Contiene la grfica que contrasta los datos reales contra los datos de la interface.
Explica que tanto se aproximan los datos de la interface con los datos reales. Indica si
es necesaria una redefinicin del modelo matemtico ya sea aumentando su nivel de
resolucin (es decir, incluyendo variables que no eran de inters) o reiniciando el ciclo.
(Comprobacin por experimentacin de dichas hiptesis)
Limitaciones del modelo
La primera tiene que ver con la disponibilidad y la exactitud de los datos necesarios
para formular el modelo matemtico.
La segunda tiene que ver con los mtodos matemticos disponibles para la solucin
de los modelos matemticos.
La tercera tiene que ver con la atribucin al modelo de cualidades que no llega a
poseer.
Recomendacin
Reflexin
El carcter aproximativo de los modelos matemticos, ms que un defecto resulta ser una
de sus ventajas. Se podra pensar que lo ms deseable sera una representacin matemtica
idntica al sistema. Esto generalmente es imposible, adems sera poco til ya que el
modelo matemtico sera muy difcil de analizar. El ideal es el modelo matemtico ms
simple que an guarde las caractersticas del sistema que se desea reproducir. Esto encierra
al sistema dentro de un marco terico ms fcil de manejar. Se deben entonces encontrar
Recomendacin
Reflexin
Para un sistema particular, se puede construir una infinidad de modelos matemticos. Unos
enfocados a algunas caractersticas del sistema, 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 matemtico es apropiado, aplicable o no
a cierta situacin. Para esto se manejan las limitaciones del modelo matemtico que se
generan en su diseo.
Recomendacin
La representacin matemtica
tiempo de un objeto en cada libre. Sin embargo, se deben conocer sus limitaciones para
poder usar en predicciones. Una situacin como la cada de una hoja de papel, no puede
representarse con este modelo matemtico ya que la resistencia del aire en este caso es muy
grande, misma que no est considerada en la representacin. As se puede decir que este
modelo matemtico es aplicable en situaciones donde la resistencia del aire sea
despreciable.
Ejercicio 2.
Escribir un ensayo cuyo tema es el modelado matemtico y el mtodo cientfico en
la educacin superior.
Captulo 2
Introduccin a MatLab
1.11.
Introduccin
http://ordenador.wingwit.com/Programacion/computer-programming-languages/87495.html
1.12.
Matrices
a)
b)
c)
d)
e)
Solucin
a) A = [ 1 2 3; 2 1 4 ]
a) A = [ 1, 2, 3; 2, 1, 4 ]
b) B = [ -1 2; 0 0.5; 9 -7 ]
c) C = [ 3 0 5; 4 1 4; 2 0 3 ]
d) D = [ 0.1 0.2 0.3 0.4 0.5 ]
e) E = [ -1; -2; -3 ]
Sugerencia
Para borrar una variable especfica se escribe el comando clear dejando un espacio y
escribiendo el nombre de la variable que se desea borrar. Utilizando slo el comando clear
se borran todas las variables que se tienen asignadas en la memoria. Para borrar nicamente
el contenido de la pantalla se escribe el comando clc seguido de ENTER.
a) AB
b) BA + C
c) D + E
d) A B
e)
Solucin
Los smbolos + - * / son los operadores para suma, resta, multiplicacin y divisin
respectivamente (como en una calculadora).
Recomendacin
Para no estar escribiendo las mismas instrucciones cada rato, se usan las teclas
, . Estas
a) A * B
b) B * A + C
e)
Para poder elevar al cuadrado cada elemento de la matriz E se tiene que escribir
los dos caracteres
Sugerencia
Para comprender los mensajes de error que nos muestra MatLab, se debe, frecuentemente
hacer uso de la teora del lgebra Lineal. Tenga en cuenta cuando escriba los nombres de
comandos, funciones y variables que MatLab distingue entre maysculas y minsculas.
a)
b)
c)
d)
e)
Solucin
Para obtener la matriz traspuesta se debe usar la comilla simple
a) A
b) B * A
c) ( A * B )
d) ( C + B * A )
e) D - E Error using - Matrix dimensions must agree.
MatLab indica que hay un error porque las matrices no son del mismo tamao.
a)
b)
c)
d)
e)
Solucin
A = [ 1 -2 3 4; 5 2 7 8; 9 0 8 7; 6 5 4 3; 2 1 0 9]
size(A)
El comando size( ) nos indica el nmero de filas y el nmero de columnas de una matriz.
a) A (1, 1)
b) A (1, 2)
c) A (2, 1)
d) A (4, 4)
e) A (5, 5) Index exceeds matrix dimensions.
MatLab nos indica que hay un error porque la matriz no tiene estas dimensiones. Esta
matriz no tiene cinco columnas.
a) Fila uno
b) Fila tres
c) Columna uno
d) Columna cuatro
e) Desde la fila uno hasta la fila tres.
f) Desde la fila dos hasta la fila cuatro.
g) Desde la columna uno hasta la columna tres.
Solucin
A = [ 6 1 1 2; 7 2 3 4; 8 3 5 6; 9 4 7 8; 0 5 9 0]
a) A ( 1 , : )
b) A ( 3 , : )
c) A ( : , 1 )
d) A ( : , 4 )
e) A ( 1 : 3 , : )
f) A ( 2 : 4 , : )
g) A ( : , 1 : 3 )
h) A ( : , 2 : 4 )
i) A ( [ 2 4 ] , : )
j) A ( : , [ 1 3 ] )
Ejemplo 6. Submatrices
Definir la matriz A en la ventana de comandos.
Solucin
A = [ 2, 1, 1, 1 ; 0, 2, 2, 2 ; 3, 0, 1, 3 ]
B=A(1:2,1:3)
Solucin
b) Para obtener una forma racional en la ventana de comandos se debe escribir format
espacio rat y a continuacin definir el vector A.
format rat
[
c) Para obtener cuatro dgitos despus del punto decimal en la ventana de comandos se
debemos escribir format espacio short y a continuacin definir el vector A.
format short
[
Solucin
a) A = zeros ( 3 , 4 )
b) A = ones ( 4 , 5 )
c) A = eye ( 3 )
d) A = rand (3 , 2 )
a) Cambiar la entrada
por 8.
Solucin
a) A ( 3 , 2 ) = 8
b) A ( 3 , : ) = 5
c) A ( : , 2 ) = 1
d) A ( [ 2 , 3 ] , : ) = A ( [ 3 , 2 ] , : )
e) A ( : , [ 2 , 3 ] ) = A ( : , [ 3 , 2 ] )
A1 = [ 1 2 3 ]
A2 = [ 4 5 6 ]
A3 = [ 7 8 9 ]
Solucin
A1 = [ 1 2 3 ]
A2 = [ 4 5 6 ]
A3 = [ 7 8 9 ]
A = [ A1 ; A2 ; A3 ]
Ejercicio 1.
2. Indicar el error que se cometi en cada caso al editar la matriz A. Explicar las
respuestas.
a) A = [ 0 1 0 1 ; 1 0 1 0 ; 0 11 0 ; 1 0 0 1 ]
b) A = [ 0 1 0 1 ; 1 1 0 ; 0 1 1 0 ; 1 0 0 1 ]
c) A = [ 0 1 0 1 ; 1 0 1 0 ; 0 1 1 0 1 0 0 1 ]
d) A = [ 0 1 0 1 ; 1010 ; 0 1 1 0 ; 1 0 0 1 ]
3. La operacin C + B no es posible efectuarla para las matrices del ejercicio 1. Editar las
instrucciones adecuadas para poder sumar estas dos matrices.
5. Escribir las instrucciones que permitan obtener las cuatro submatrices que se indican
con las lneas punteadas A1, A2, A3, A4.
6. Definir la matriz
( )
MatLab cuando se le piden los siguientes productos:
a) A * A
b) A . * A
(
Describir en cada caso el comportamiento de
)
cuando
a)
b) A * A * A * * A ( n veces )
8. Sea la matriz
).
Instrucciones:
9. Sea la matriz
1.13.
Los comandos que permiten graficar funciones en dos dimensiones se ilustran en los
siguientes ejemplos. Con MatLab es posible agrupar y superponer las grficas de dichas
funciones. Tenga en cuenta que en este volumen se manejan funciones en dos dimensiones
pero el programa tambin lo hace con tres dimensiones, funciones vectoriales, etc.
indicadas.
a) El dominio es el intervalo [ -2, 1.5 ]. El paso entre los datos es 0.01.
b) Etiqueta del eje horizontal x.
c) Etiqueta del eje vertical f ( x ).
d) Ttulo de la grfica Funcin Exponencial Decreciente .
Solucin
a) x = -2 : 0.01 : 1.5 ;
f = exp ( - x ) ;
Para construir la grfica se usa el comando plot( )
plot ( x, f )
b) xlabel ( x )
c) ylabel ( f ( x ) )
d) title ( Funcin Exponencial Decreciente )
indicadas.
Solucin
a) x = -2 : 0.2 : 2 ;
f = exp ( x ) ;
plot ( x, f )
b) xlabel ( x , fontsize , 15 )
c) ylabel ( f ( x ) , fontsize , 15 )
d) title ( Funcin Exponencial Creciente )
e) grid on
f) axis ( [ -3, 4, -1, 8 ] )
El comando axis( ) permite escalar los ejes y cambiar su apariencia.
indicadas.
a) El dominio es el intervalo [ -4 , 4 ].
El dominio es un vector con 200 datos.
b) La grfica de color rojo. El tamao de lnea 3.
c) Etiqueta del eje horizontal t . Tamao 14.
d) Etiqueta del eje vertical y(t) . Tamao 14.
e) Ttulo de la grfica Funcin Seno. Tamao 14.
f) Con cuadrcula.
g) La grfica debe estar ubicada en la regin
Solucin
Un comando que tambin se puede usar para definir el vector del dominio es
linspace(min,mx,N). Cuando no se indica un valor para N, MatLab presenta por defecto
un vector linealmente espaciado de 100 datos.
,2*
, -1.5, 1.5 ] )
Sugerencia
Cuando no se quiere manejar la cuadrcula se escribe el comando grid off
con
las caractersticas
indicadas.
Solucin
Sugerencia
Para consultar todo lo que MatLab puede desarrollar con las grficas, como por ejemplo los
colores que maneja, se escribe el comando help plot seguido de ENTER. A continuacin
aparecer una descripcin del comando plot en la ventana de comandos. Esto aplica para
cualquier otro comando.
Solucin
a) x = -3 : 0.01 : 6 ;
y = exp ( -
);
b) plot ( x, y, k, linewidth, 4 )
Solucin
a) x = linspace ( -3 , 3 , 500 ) ;
y = x. * exp ( -
2);
caractersticas indicadas.
Solucin
a) clear all
b) x = -1 : 0.01 : 3 ;
f = exp ( -
);
g = 2 * exp ( -
);
c) plot ( x, f ), grid on
figure
c) plot ( x, g ), grid on
caractersticas indicadas.
b) La grfica de
con trazo
Solucin
a) x = linspace ( -1, 3, 50 );
f = exp (-
);
g = 2 * exp (-
);
b) plot ( x, f, r, x, g, b. )
c) legend ( f ( x ) , g ( x ) )
El comando legend( ) nos permite identificar la grfica de cada una de las funciones.
c) Escribir
d) Escribir
Solucin
Para crear variables lgicas se utilizan los operadores relacionales ilustrados en la tabla 1.
Menor que
Mayor que
Menor o igual que
Mayor o igual que
Igual
Distinto
Tabla 1: Operadores relacionales
&
|
a) x = 1 : 1 : 9
b) x > 4
c) ( 2 < x ) & ( x < = 6 )
d) ( 3 < = x ) & ( x < = 5 )
Solucin
indicadas:
Solucin
El comando set( ) permite manipular las propiedades del objeto y el comando gca permite
manipular manualmente el tamao de los ejes.
e) set ( gcf, color , w )
f) set ( gcf, color, y)
La grfica de
La grfica de
es de color negro.
La grfica de
es de color verde.
La grfica de
es de color azul.
es de color rojo.
Solucin
f3 =
f4 =
Para construir la matriz de 2 filas con 2 columnas cuyas entradas sean las grficas, se
escribe el comando subplot.
subplot (221), plot ( x, f1 , r ), grid on
Sugerencia
No se debe cerrar la grfica sino minimizarla para no perder la informacin editada.
La grfica de
es de color negro.
La grfica de
es de color azul.
La grfica de
es de color rojo.
La grfica de
es de color verde.
Solucin
Los datos de entrada del comando subplot se pueden separar tambin por comas.
subplot (4,1,1), plot ( x, y1 , k ), grid on
subplot (4,1,2), plot ( x, y2 , b ), grid on
subplot (4,1,3), plot ( x, y3 , r ), grid on
subplot (4,1,4), plot ( x, y4 , g ), grid on
set ( gcf, Color, y)
Ejercicio 2.
3. Dibujar las grficas de las funciones trigonomtricas agrupndolas en una misma figura
y con las caractersticas indicadas:
es de color azul.
c) Una leyenda que referencie a cada una de las funciones.
. Escribir las
Figura 2: Grfica de
. Escribir las
Figura 3: Grfica de
indicadas.
indicadas:
8. Dibujar en una matriz de tamao 1x2 las grficas de las funciones que se indican a
continuacin:
La grfica de
La grfica de
es de color rojo.
es de color azul
]. El
9. Dibujar en una matriz de tamao 2x1 las grficas de las funciones que se indican a
continuacin:
La grfica de
es de color rojo.
La grfica de
es de color azul.
10. Escribir los comandos que se usaron para obtener la grfica que se ilustra en la figura 4.
11. De acuerdo con las instrucciones, escribir la frmula de la funcin definida a trozos.
Dibujar con lpiz y papel la grfica.
t = -2 : 0.001 : 2;
y = (-1).*((-2<=t)&(t<-1)) + (0)*((-1<t)&(t<-0.5)) + (-t).*((-0.5<=t)&(t<=0.5) +
(0)*((0.5<t)&(t<1)) + (1)*((1<=t)&(t<=2));
plot ( t, y, k, linewidth, 3)
grid on
axis ( [ -3, 3, -2, 2 ] )
1.14.
Los archivos que contienen cdigo MatLab se denominan archivos-M (en ingls M-files) y
tienen la extensin.m. Existen dos tipos de estos archivos: los guiones y las funciones.
Los guiones (en ingls scripts) no aceptan datos de entrada o producen argumentos
de salida. Manejan datos de variables que se han usado previamente.
Las funciones (en ingls functions) pueden aceptar datos o argumentos de entrada y
regresan tambin datos de salida. Las variables internas de una funcin son
variables locales.
Para editar un archivo-M se puede usar un editor de textos como Word; lo nico que se
debe hacer al terminar es guardar el archivo de texto con la extensin.m.
Un diagrama de flujo (en ingls flowchart) es una de las tcnicas que se utilizan para
representar los algoritmos. En la figura 5, se ilustran algunos de los smbolos usados en el
diseo de los diagramas de flujo. Recuerde que un algoritmo se define como un conjunto
finito de instrucciones precisas con un propsito especfico.
Ejemplo 1.
Estructura if - end
Tiene la forma general:
if
condicin
instrucciones
end
Solucin
Ejemplo 2.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
si
Solucin
function [ y ] = operacin ( x )
y = instrucciones
end
Para escribir el cdigo se accede al editor (figura 8). Esto puede hacerse desde el men
usando la ruta: File / New / Function
El smbolo % se usa para escribir los comentarios que detallan y explican los cdigos. Es
decir, si se inicia con este smbolo, MatLab interpretar esto como una lnea de
comentarios. La codificacin se escribir sobre la plantilla como se ilustra en la figura 9
despus de borrar los comentarios de color verde.
Se guarda el documento con la extensin m. Hay que tener en cuenta que el nombre de la
funcin debe coincidir con el nombre del archivo-M con el cual se guarda. De no ser as, se
podrn presentar errores de directorio y/o ejecucin. A continuacin en la ventana de
comandos aparecer un mensaje de error como se muestra en la figura 10.
Ejemplo 3.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
Extrae la diagonal principal de una matriz cuadrada M. Si la matriz no es cuadrada
arroja un mensaje.
a) Dibujar el diagrama de flujo.
b) Codificar usando la estructura if end.
Solucin
Ejemplo 4.
Estructura if - else - end
Una segunda forma del if end es la inclusin de la clusula else. Esta nueva clusula le
permite al programador el uso de un solo if en muchos casos para ejecutar dos bloques de
instrucciones.
condicin
instrucciones a1
instrucciones a2
*
*
instrucciones an
else
instrucciones b1
instrucciones b2
*
*
instrucciones bn
end
Solucin
Ejemplo 5.
Archivo m-function
Escribir en un archivo-m function el siguiente programa:
Calcula las soluciones de un sistema de dos ecuaciones con dos incgnitas
Solucin
a1 = 1, a2 = 1, a3 = 2, b1 = 2, b2 = -1, b3 = 3
[ x, y ] = ejemplo5 ( 1, 1, 2, 2, -1, 3 )
Qu sucede con los valores [ x, y ] = ejemplo5 ( 1, 1, 2, 1, 1, 3 )?
Ejemplo 6.
Archivo m-function
Escribir en un archivo-m function el siguiente programa:
Solucin
Ejemplo 7.
Estructura switch - case - end
Se usa cuando se quiere revisar si una expresin es igual a algn valor determinado.
No se puede usar para revisar condiciones como a > 5 o b
switch
expresin
case valor 1
instrucciones a1
instrucciones a2
*
*
instrucciones an
case valor 2
instrucciones b1
instrucciones b2
*
instrucciones bn
case valor 3
instrucciones c1
instrucciones c2
*
*
instrucciones cn
case valor m
instrucciones m1
instrucciones m2
*
*
instrucciones mn
otherwise
instrucciones
end
Solucin
Cada valor puede ser numrico o una cadena de texto. Adems, cada case puede tener uno
o ms valores, como en:
case { valor1 valor2, , valork }
instruccin 1
instruccin 2
*
*
instruccin m
En este caso si la expresin es igual a cualquiera de los valores valor1, valor2, , valork
se ejecutan las instrucciones 1 a la m.
Ejemplo 8.
Archivo-function
Escribir en un archivo-m function el siguiente programa:
Solucin
Ejemplo 9.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
Lineal (n = 1)
Cuadrtica (n = 2)
Cbica (n = 3)
n=
Solucin
Ejemplo 10.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
Construye la grfica de las funciones:
Exponencial decreciente; Exponencial creciente; Logartmica con base 10; Seno;
Coseno.
Solucin
Solucin
es el valor inicial,
es el valor final y
es el
Ejemplo 12.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
Determina la suma de las n primeras potencias del nmero 2.
Es decir,
Solucin
Ejemplo 13.
Archivo-m script
Escribir en un archivo-m script el siguiente programa:
Solucin
La for se puede anidar, es decir, dentro de un ciclo de for puede haber uno o ms ciclos de
for como se muestra a continuacin.
Despus del ltimo end se coloca la instruccin disp(A) para que nos muestre la matriz. En
algunas ocasiones se necesita que el contador no vare de uno en uno. Para ello, se indica el
tamao de paso en la instruccin for.
Recomendacin
MatLab dispone de operaciones matriciales y vectoriales optimizadas por lo que se debe
evitar en lo posible el uso de bucles, ya que hacen que los programas funcionen ms
lentamente.
Ejemplo 14.
Estructura condicional while - end
El condicional while
indeterminado de veces.
La diferencia con el for es que ste se ejecuta un nmero determinado de veces. La forma
general del condicional while es:
while condicion
instrucciones a1
instrucciones a2
*
*
instrucciones an
end
Solucin
Ejemplo 15.
Archivo-m script
Escribir en un archivo-m script, el siguiente programa:
Solucin
a) El diagrama de flujo es tarea para el lector.
b) El cdigo se ilustra en la figura 23.
Por qu
Ejemplo 16.
Archivo-m script
Escribir en un archivo-m script el siguiente programa:
Construye la tabla de valores de la funcin
Solucin
Ejemplo 17.
Archivo-m script
Escribir en un archivo-m script el siguiente programa:
Construye la tabla de los valores redondeados con un dgito despus del punto decimal
de las funciones:
Solucin
Ejercicio 3.
La tabla de valores de las funciones logaritmo con base 10 y logaritmo con base
el nmero e de Euler.
a) Dibujar el diagrama de flujo.
b) Codificar usando la estructura if - else - end.
1.15.
Se les denomina GUI porque su nombre en ingls es Graphical User Interface. Las
ventanas de Word, las ventanas de Excel y las ventanas de MatLab son ejemplos de
interfaces. stas tambin se conocen como interfaces de usuario.
Para construir interfaces grficas con MatLab, se usa el ambiente de desarrollo de interfaces
grficas GUIDE (en ingls GUI Development Environment). Para esto primero se escogen
los controles y a continuacin se definen las acciones que cada uno va a realizar.
2.5.1.
2.5.2.
A continuacin se listan algunos controles bsicos de GUIDE con sus respectivos nombres:
Cada uno de estos controles maneja un conjunto especfico de propiedades. Para acceder a
ellas se hace a travs del inspector de propiedades.
Solucin
Este inspector se puede obtener clickeando dos veces la parte izquierda del apuntador
(ratn). El inspector de propiedades permite cambiar entre otras cosas:
Solucin
Qu se hace?
Se escoge la opcin OK.
Aparece el rea de trabajo o diseo de la figura 38.
Qu se hace?
Se arrastran de la parte izquierda los controles que se necesitan para la interface y se
ubican de acuerdo con el diseo establecido. (Figura 39)
Figura 39: Ilustra los controles arrastrados al rea de trabajo que se necesitan
Qu se hace?
Se modifican y programan los respectivos controles que se encuentran referenciados
con nmeros dentro de crculos. Esto se puede realizar en cualquier orden.
Control 1
Inspector de propiedades
Qu se hace?
En el String el block de notas que aparece se deja en blanco y se escribe
Control 2
Inspector de propiedades
Qu se hace?
En el String se escribe Ingrese la frecuencia
Control 3
Inspector de propiedades
Se arrastra de la paleta de controles de la parte izquierda
el control Axes; se ubica y
despus se despliega en el
rea de trabajo.
Control 4
Inspector de propiedades
Qu se hace?
En el String se escribe Salir
Para escribir los cdigos se sigue la ruta:
ViewCallback
Callback
Para programar la accin que llevar a cabo un control cuando el usuario lo presione, se
clickea en la parte derecha del apuntador (ratn). A continuacin MatLab muestra el editor
para las funciones o plantilla en donde se escribirn todos los cdigos de la interface.
Primero pide guardar la informacin (si an no ha guardado nada). En este ejemplo se
denominar interfaceuno.m. MatLab nos ubica y nos indica donde se deben escribir el
respectivo cdigo. OJO NO ES EN CUALQUIER LUGAR. Despus de lo indicado con
color azul y debajo de los comentarios en verde.
Control 5
Inspector de propiedades
Qu se hace?
El String se deja en blanco
Callback
El comando str2double captura la cadena de caracteres (o el String) del control Edit Text
y lo pasa a un formato numrico doble definiendo de sta manera las variables internas.
Por ltimo, se corre la interface ejecutando en la parte superior el cono que dice Run
Solucin
Control 1
Inspector de propiedades
Qu se modifica?
String: Se escribe Frecuencia del Coseno
FontSize: Se cambia a 18
BackgroundColor: Se cambia a blanco
ForegroundColor: Se cambia a rojo
Control 2
rea de trabajo
Inspector de propiedades
Qu se hace?
El Color: Se cambia por el color rojo
Control 3
Inspector de propiedades
Qu se hace?
String: Se escribe Ingrese la frecuencia
FontSize: Se cambia a 18
BackgroundColor: Se cambia a blanco
ForegroundColor: Se cambia a rojo
Control 4
Inspector de propiedades
Qu se hace?
String: Se escribe Salir
FontSize: Se cambia por 18
BackgroundColor: Se cambia a blanco
ForegroundColor: Se cambia a rojo
ViewCallback
Callback
Qu se programa?
close(interfacedos)
Control 5
Inspector de propiedades
Qu se hace?
String: Se deja en blanco
ViewCallback
Callback
Qu se programa?
f = srt2double(get(handles.frecuencia,string));
x = linspace(0,2*pi,500);
y=cos(x); y1=cos(f*x);
plot(x,y,k,x,y1,b,linewidth,3)
grid on
axis([0,2*pi,-1.5,1.5])
Control 5
Inspector de propiedades
Se Arrastra de la parte izquierda
y se ubica en el rea de
trabajo el control
Axes.
Ejercicio 4.
desde 0 hasta el ao
que se
1.16.
Con ste programa es posible dibujar y colorear figuras cerradas ubicndolas sobre
cuadrculas (plano cartesiano) y determinando despus cada una de las lneas que la
componen.
Ejemplo 1. Rectngulo
Dibujar un rectngulo con vrtices (0,0), (2,0), (2,1) y (0,1) como el de la figura 44.
Solucin
x = [ 0 2 2 0 0 ];
y = [ 0 0 1 1 0];
plot( x, y )
fill(x, y, 'y' )
axis off
El comando fill permite colorear el interior de la figura y la instruccin axis off permite
ocultar los ejes de coordenadas.
Solucin
x = [ 0 4 4 0 0 ];
y = [ 0 0 2 2 0 ];
axis([0,5,0,2])
axis square
axis off
hold on
plot( x, y, 'k' )
fill( x, 0.5*y, 'b' )
Ejemplo 3. Crculo
Dibujar un crculo como el de la figura 46.
Solucin
theta = 0:pi/100:2*pi;
r = 5;
x = r*cos(theta);
y = r*sin(theta);
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'r' )
Ejemplo 4. Avin
Dibujar un avin como el de la figura 47. Los vrtices vienen dados de la siguiente manera:
(-3.5,-1), (-3,-1), (-2.5,-0.5), (0,-1), (0,-3), (1,-3), (1.5,-1), (3.5,-0.5), (4,0), (3.5,0.5), (1.5,1),
(1,3), (0,3), (0,1), (-2.5,0.5), (-3,1) y (-3.5,1).
Solucin
x = [-3.5,-3,-2.5,0,0,1,1.5,3.5, 4,3.5,1.5,1,0,0,-2.5,-3,-3.5,-3.5];
y = [-1,-1,-0.5,-1,-3,-3,-1,-0.5,0,0.5,1,3,3,1,0.5,1,1,-1];
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'r' )
Ejemplo 5. El Robot
Dibujar un robot como el de la figura 48. Los vrtices vienen dados de la siguiente manera:
(-2,-1), (-1.5,-1), (-1.5,1.5), (-1,1.5), (-1,-4), (-1.5,-4), (-1.5,-5), (-0.5,-5), (-0.5,-1), (0.5,-1),
(0.5,-5), (1.5,-5), (1.5,-4), (1,-4), (1,1.5), (1.5,1.5), (1.5,-1), (2,-1), (2,3), (1,5), (-1,5), (-1,3)
y (-2,3).
Solucin
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'm' )
1.17.
Animacin de trayectorias
Para hacer real la animacin, se debe recurrir a la velocidad del procesador del computador
donde se va a correr el programa para as tomar un incremento de tiempo adecuado y evitar
as que el movimiento se vea muy lento o muy veloz.
es la frecuencia.
Solucin
*t );
end
end
*************************************************************************
Solucin
% Avin
xo = [-3.5,-3,-2.5,0,0,1,1.5,3.5, 4,3.5,1.5,1,0,0,-2.5,-3,-3.5,-3.5];
yo = [-1,-1,-0.5,-1,-3,-3,-1,-0.5,0,0.5,1,3,3,1,0.5,1,1,-1];
% Modificacin de la escala
xo = 0.1 * xo;
yo = 0.1 * yo;
% rea del movimiento
axis( [ 0, 11, -5, 5 ] )
axis square
axis off
hold on
% Suma de coordenadas
x = xo + t;
y = yo + yl;
plot( x, y, k )
fill( x, y, b)
pause(0.01)
end
end
*************************************************************************
Solucin
end
*************************************************************************
En el siguiente captulo se crea el espacio en donde los ingenieros usando como excusa la
formulacin de los modelos determinsticos para resolver problemas del entorno puedan
desarrollar las habilidades cognitivas necesarias para la formulacin de modelos
matemticos en general.
Captulo 3
Modelos Determinsticos
1.18.
Introduccin
Los modelos determinsticos son modelos matemticos que describen fenmenos que no
contemplan la existencia del azar ni el principio de incertidumbre. Es decir, no contienen
variables aleatorias; las predicciones obtenidas para un conjunto especfico de condiciones
son siempre las mismas. Por medio de estos, es posible conocer el estado del sistema
transcurrido cierto tiempo una vez que se han dado valores a los distintos parmetros que
aparecen en el modelo. En general los modelos determinsticos son tiles para describir los
sistemas que evolucionan con el tiempo. Un ejemplo es el conjunto de ecuaciones
diferenciales de un sistema fsico que puede predecir la evolucin en el tiempo de un buen
nmero de magnitudes caractersticas del sistema.
El objetivo de este captulo es crear el espacio en donde los estudiantes usando como
excusa la formulacin de los modelos determinsticos para resolver problemas del entorno
puedan desarrollar las habilidades cognitivas propias de la competencia de modelado
matemtico.
.
El proceso de construir un modelo matemtico para resolver o analizar un problema del
entorno, es un proceso que no surge de manera natural ni espontnea de las estructuras
mentales de las personas. Para asimilarlo e interiorizarlo, se requiere inicialmente del
acompaamiento de un especialista. Esta es la razn por la cual en este captulo y en el
siguiente se acompaa a los estudiantes en el desarrollo de las tareas hasta el logro de una
autonoma total en su ejecucin. Se presentan inicialmente tareas con desarrollos
incompletos (la parte faltante se encuentra subrayada) y como actividad de los estudiantes
se solicita la completitud de dicha tarea. La exigencia de completitud va aumentando
progresivamente hasta el logro del desarrollo total de la tarea por parte de los estudiantes.
La ejecucin de las tareas produce una tensin cognitiva que los lleva a la necesidad de la
bsqueda de una informacin. Esa informacin la pueden tener, no recordarla o no
poseerla. Si no dispone definitivamente de ella debe buscarla, entenderla y aplicarla.
Para la lectura del libro, se debe tener en cuenta, que al ser los casos de modelado
matemtico independientes entre s, se hace necesario para un mejor tratamiento de los
mismos, que cada uno disponga de su propia numeracin en lo que respecta a las
ecuaciones, las figuras y las tablas.
1.19.
Problema
Se sabe que la poblacin de una comunidad crece con una razn proporcional al nmero de
personas presentes en el tiempo. La poblacin inicial
Introduccin
Una de las primeras personas que intent explicar el crecimiento de la poblacin humana
usando las matemticas fue el economista ingls Thomas Robert Malthus. Para 1798,
Malthus ya haba publicado de forma annima la primera edicin de su ensayo sobre el
principio de la poblacin, obra que se reedit en 1803 con importantes modificaciones. El
libro naci como consecuencia de las discusiones entre l y su padre quien sostena que la
miseria era una consecuencia del papel desempeado por malas instituciones, ya que la
Tierra poda alimentar a todos los seres humanos, y lo nico necesario era que mejorase la
asistencia pblica contenida en las leyes de pobres inglesas, para conseguir as una mayor
igualdad social. Malthus difera radicalmente de esta hiptesis, pues sostena que el
crecimiento demogrfico es mayor que el de los medios de subsistencia, afectados por la
ley de rendimientos decrecientes. As, mientras la poblacin crece en progresin
geomtrica, la produccin de alimentos lo hace en progresin aritmtica.
Zill, D., G. y Cullen, M., R. (2002). Ecuaciones diferenciales con problemas de valores en la frontera.
5 Edicin. Mxico: Thomson Learning. p. 216-229
y despus de 10 aos poblacin es de 10000 habitantes. Esta poblacin crece con una
razn proporcional al nmero de personas presentes en el tiempo. El modelo no tendr en
cuenta: el nmero de personas que nacen ni el nmero de personas que mueren, el nmero
de personas que entran ni el nmero de personas que salen de la comunidad, los problemas
de hambrunas, las epidemias ni las guerras.
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
el nmero de personas de la comunidad en cualquier instante de tiempo.
8
http://www.biografiasyvidas.com/biografia/m/malthus.htm
Los conocimientos cientficos que se relacionan con este problema y permiten formular el
modelo matemtico son:
Cantidades proporcionales
Cuando dos cantidades
. Esto significa
(r se
(variable independiente) y el
(variable dependiente). La
hiptesis malthusiana establece la siguiente relacin entre las variables de inters: la razn
a la que crece la poblacin
total del pas en ese momento. La traduccin al lenguaje matemtico de esta hiptesis es:
(1)
Es decir,
(2)
Donde
de la comunidad y el tiempo .
(3)
, usando la informacin
informacin
. Determinar el valor de
. Determinar el
, usando la
(4)
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 1). Determine la poblacin desde 1980 hasta el ao 1990. (Sugerencia:
registre el tiempo como
aos)
Redactar el texto con la respuesta de preguntas como los resultados son los que se
esperaban?
La tabla 2, contiene algunos datos reales de la comunidad durante los aos comprendidos
entre 1980 y 1990.
Tiempo
Poblacin
(aos)
(miles)
1980
6597
1981
7579
1982
8708
1983
10001
1984
11491
1985
13203
1986
15170
1987
17431
1988
20003
1989
23012
1990
26440
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Redactar el texto indicando que a pesar de no haber errores matemticos las predicciones de
la interface son inaceptables. En este caso es necesaria una redefinicin del modelo
matemtico ya sea aumentando su nivel de resolucin (es decir, incluyendo variables que
no eran de inters) o reiniciando el ciclo de modelado. Si las predicciones son aceptables
analizar la exactitud y su rango de aplicabilidad.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
http://www.sesbe.org/evosite/history/humanecol.shtml.html
1.20.
Problema
Introduccin
10
Stewart, J. (2002). Clculo. Trascendentes Tempranas. Cuarta Edicin. Mxico: Thomson Learning.
p. 24-48
frontera de los 5000 millones de personas pero antes que la poblacin del mundo alcanzara
esta cantidad, los expertos y analistas del tema haban advertido sobre el riesgo del aumento
demogrfico, revisando las predicciones demogrficas y las fuentes limitadas de los
recursos de la Tierra.
Ibidem
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
el nmero de personas de la poblacin mundial en el siglo XX.
Los conocimientos cientficos que se relacionan con este problema y permiten formular el
modelo matemtico son:
Ajuste de curvas
El ajuste de curvas es un proceso mediante el cualCompletar la informacin
Interpolacin de datos
La interpolacin de datos es...Completar la informacin...
Extrapolacin de datos
La extrapolacin de datos es Completar la informacin...
(variable independiente) y el
(variable dependiente).
. Para
Este diagrama de dispersin sugiere los siguientes modelos matemticos: lineal, cuadrtico,
cbico y exponencial.
Lineal
Cuadrtico
Cbico
Exponencial
. Construir el
ajuste cbico e ilustrarlo en una figura (denomnarla figura 5). Para determinar los valores
de los coeficientes se usa el comando de MatLab polyfit.
natural. Construir el ajuste exponencial e ilustrarlo en la figura (denominarla figura 6). Para
determinar los valores de
Para analizar el crecimiento de la poblacin mundial construir una interface grfica como la
que se ilustra en la figura 7. Los datos de entrada son los aos y los datos de salida la
poblacin mundial.
Usar la interface para construir una tabla con los datos de las variables de inters
(denominarla tabla 3). Determine la poblacin desde 1900 hasta 1996. Interpolar algunos
datos.
Redactar el texto con las respuestas de preguntas como los resultados son los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
1.21.
Problema
Introduccin
12
Ecuaciones diferenciales a travs de grficas, modelos y datos. David Lomen. David Lovelock. Mxico
2000. Compaa Editorial Continental.
Para el modelado matemtico los datos se registran cada cinco aos desde el ao 1950 hasta
1990. La poblacin inicial, es decir, la poblacin para el ao 1950 es deCompletar
millones de habitantes. Estos datos no se pueden modelar de la misma manera a como se
desarroll en la seccin 3.2. Por qu? El modelo no tiene en cuentaCompletar.
Para resolver este problema se debe obtener una expresin matemtica que permita
Completar
La derivacin numrica
Es una tcnica numrica que permite determinar de manera aproximada...
Completar
(variable independiente) y el
(variable dependiente).
la constante de
proporcionalidad . Es decir,
(1)
Para obtener informacin del conjunto de datos para Kenya acerca de la parte izquierda de
(1) se aproxima esta cantidad mediante las derivadas numricas, por ejemplo, el cociente
central, en cuyo caso:
(2)
Ao
Poblacin
(Millones)
1950
6.265
0.000000
1955
7.189
0.028752
1960
8.332
0.030724
1965
9.749
-------------
1970
11.498
-------------
1975
13.741
-------------
1980
16.632
-------------
1985
20.353
-------------
1990
25.130
0.000000
contra
(denomnela
contra
(denomnela figura 3). Cul de los dos diagramas de dispersin sugiere una relacin
lineal?
, (3)
tiempo linealmente creciente, que arroja como modelo matemtico la ecuacin diferencial:
, (4)
y :
(5)
Se deja que
(6)
(7)
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 3). Registre los datos desde 1950 hasta 1990 de cinco en cinco aos.
Redactar el texto con las respuestas de preguntas como los resultados son los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Referencias
Referenciar los materiales que consult y/o los sitios de la web que visit.
1.22.
Problema
La tabla 1 contiene la informacin sobre el ndice de capturas de linces y conejos entre los
aos 1900 y 1920 hechas en un bosque al norte de Canad. Describir el crecimiento de
estas especies que interactan. Los conejos cuentan con un amplio suministro de alimentos
mientras que las linces se alimentan de los conejos. 13
Introduccin
13
Stewart, J. (2002). Clculo. Trascendentes Tempranas. Cuarta Edicin. Mxico: Thomson Learning.
p. 24-48
Como resultado de la alta tasa a la que los seres orgnicos tienden a incrementarse se
origina de manera inevitable una batalla por la existencia. Todo ser, que durante su vida
natural produce varios huevos o semillas, debe sufrir destruccin durante cierto periodo de
su vida y durante cierta estacin o ao espordico; de otro modo, con base en el principio
de incremento geomtrico, su nmero aumentara con rapidez a tales dimensiones que
ningn pas podra soportar el producto. En consecuencia, cuando se producen ms
individuos de los que pueden sobrevivir, debe haber siempre una batalla por la existencia,
ya sea un individuo con otro de la misma especie o con los de distintas especies o con las
condiciones fsicas de la vida. Se aplica la doctrina de Malthus con fuerza mltiple a los
reinos vegetal y animal, porque en este caso no puede haber aumento artificial de alimento
ni restriccin prudente del matrimonio. Aunque algunas especies podran estar creciendo
ahora, ms o menos con rapidez, en nmero, no todas pueden hacerlo, porque el mundo no
lo soportara. La cantidad de alimento para cada especie da por supuesto el lmite extremo
al que puede aumentar cada una; pero muy a menudo no la obtencin de alimento, sino
servir de presa a otros animales, es lo que determina el nmero promedio de una especie.
14
Figura 1: Lince-cazando-Conejo
(Ilustracin tomada de historiadeunlinceiberico.wordpress.com)
Charles Darwin. Struggle por Existence, The Origin of Species. Captulo 3. De la sexta edicin en
ingls.Appleton, Nueva York, 1882.
Redactar el prrafo que describe las condiciones dadas, el entorno fsico para el modelado
matemtico. Indicar que aspectos no tiene en cuenta este modelo.
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
el nmero de conejos y el nmero de linces en cualquier momento.
(variable independiente), el
especies que mueren por enfermedad o de vejez. Resulta que sin depredadores, el amplio
suministro de alimentos permitira que la razn a la que crecen los conejos sea proporcional
a la cantidad de conejos en cualquier instante de tiempo. Traducido al lenguaje matemtico,
esto es:
(1)
Donde
Sin presas, se supone que la poblacin de depredadores disminuye con una rapidez
proporcional a s misma. Traducido al lenguaje matemtico, esto es:
(2)
Donde
(3)
Naturalmente que (3) no describe los datos de la tabla 1. En esta los conejos y las linces
crecen y decrecen simultneamente. Qu sucede cuando las dos especies estn presentes?
La causa principal de muerte entre las presas es que sean devoradas por los depredadores.
La supervivencia de los depredadores depende del suministro de alimento, es decir de las
presas. Cuando las dos especies entran en contacto se equilibran a un nivel proporcional.
Los depredadores devoran a las presas hasta que haya una proporcin entre dos especies. Es
decir, debe existir un trmino
trmino
(4)
Este sistema de ecuaciones diferenciales se conoce como sistema de ecuaciones de Lotka Volterra 15.
Para poder resolver el modelo (4) se debe primero determinar los valores de los parmetros
,
en (3) y
(5)
Realizar el siguiente anlisis numrico para obtener los datos promedios de y . Se eligen
los datos comprendidos entre dos valores mximos (o mnimos) y se determina la media
para estimar
15
Matemtico italiano (Volterra) y Ucraniano (Lotka) . Estas ecuaciones fueron propuestas de manera
independiente y se usan para describir dinmicas de sistemas biolgicos en el que dos especies interactan,
una como presa y otra como depredador
De esta manera:
Todava se necesitan otras dos ecuaciones para poder estimar todos los coeficientes. Para
ello se razona de la siguiente manera: cuando la poblacin de depredadores sea muy baja,
es de esperar que las presas estn creciendo de manera exponencial. A partir de esta
hiptesis se calcula
en 1910 y
en 1911. Se sustituye en
(6)
En el otro caso, una poblacin muy baja de conejos que implica un ritmo elevado en el
descenso de la poblacin de linces, se da en el ao completar. Sean
. Se sustituye en la frmula obtenida al resolver la ecuacin (2):
(
De los resultados anteriores se deduce que:
(7)
;
(8)
{
Uno de los mtodos numricos usados para resolver (8) es el mtodo de Runge-Kutta de
cuarto orden. Resolver este sistema usando MatLab.
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 2). Registrar los datos cada ao desde 1900 hasta el 1920.
Redactar el texto con las respuestas de preguntas como los resultados son los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Este modelo se podr aplicar nicamente a poblaciones de dos especies que interactan con
las siguientes caractersticasCompletar
Referencias
Referenciar los materiales que consult y/o los sitios de la web que visit.
1.23.
Problema
El circuito
ohms,
fuente de fuerza electromotriz (tal como una batera o un generador) que proporciona un
voltaje de
corriente de
Introduccin
16
Zill, D. G. y Cullen, M. R. (2002). Ecuaciones diferenciales con problemas de valores en la frontera. 5 Ed.
Mxico: Thomson Learning. p. 181 198.
en
serie.
coulombs y la corriente
porque el voltaje
es de
segundo la carga
es
informacin.
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
la carga del capacitor en cualquier instante de tiempo.
Los conocimientos cientficos que se relacionan con este problema y permiten formular el
modelo matemtico son:
Resistencia
Es toda oposicin que encuentra la corriente a su paso por un circuito elctrico
cerrado, atenuando o frenando...completar la informacin
Inductancia
Inductancia (tambin denominada inductancia propia) es la propiedad de un circuito
o elemento de un circuito para retardar... completar la informacin. Se simboliza
con la letra
y se mide en henrios
Capacitor o condensador
Se asemeja mucho a una batera, pues al igual que sta su funcin principal es...
Completar la informacin
Leyes de Kirchhoff
Las leyes de Kirchhoff son dos igualdades que se basan en la conservacin de la
energa y la carga en los circuitos elctricos. Fueron descritas por primera vez en
1845 por el fsico alemnCompletar la informacin
Ley de Ohm
La ley de Omh establece que la intensidad de la corriente que circula entre dos
puntos de un circuito elctrico es proporcional a la tensin elctrica entre dichos
puntos. Esta constante es la conductancia elctrica, que es el inverso de la
resistencia elctrica.
(variable independiente) y la
y la fuente o voltaje . La
segunda ley de Kirchhoff dice que la suma de la cada de los voltajes de las componentes
del sistema, es igual al valor del voltaje de entrada del sistema. Esto traducido al lenguaje
algebraico es:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
es:
(8)
viene
(9)
El modelo matemtico (9) corresponde a una ecuacin diferencial lineal de orden dos,
homognea con coeficientes constantes. La solucin se puede obtener de manera analtica
usando la ecuacin auxiliar o caracterstica.
(10)
el circuito puede
Caso I.
Caso II.
Caso III.
se debe
construir una interface como la que se ilustra en la figura 2. Los datos de entrada son: la
Usar la interface para construir una tabla con los datos de las variables de inters que ilustre
las tres respuestas del circuito para los mismos tiempos de manera simultnea (denomnela
tabla 1). Graficar en una misma figura las tres grficas respectivas de cada respuesta.
Redactar el texto con las respuestas de preguntas como: los resultados eran los que se
esperaban?
Las variables de inters obtenidos con la interface para los tres casos (tabla 1).
Construir la grfica que contrasta los datos reales contra los datos de la interface para cada
caso.
Este modelo se podr aplicar nicamente a problemas similares que involucran circuitos
en
serie
con
vibraciones
elctricas
libres
con
las
siguientes
caractersticasCompletar la informacin
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
Escribir los enunciados de tres situaciones problemas que se puedan resolver usando la
interface. El primero para la respuesta sobreamortiguada, el segundo para la respuesta
crticamente amortiguada y el tercero para la respuesta subamortiguada.
1.24.
Problema
Comprender el movimiento oscilatorio que se origina cuando se libera una masa suspendida
de un resorte sujetado a una base que ha sido desplazada de su posicin de equilibrio,
permite solucionar una variedad de problemas sobre dispositivos mecnicos que contienen
entre sus componentes masas y resortes. Describir el movimiento oscilatorio de un sistema
masa resorte. 17
Introduccin
En la naturaleza se pueden observar una variedad de objetos que repiten sus movimientos
de manera regular regresando siempre a la posicin de partida despus de un intervalo fijo
de tiempo.
17
Dennis G. Zill, Michael R. Cullen. (2002). Ecuaciones diferenciales con problemas de valores en la
frontera. 5 Edicin. Mxico: Thomson Learning. p. 216-229.
Por ejemplo:
La Tierra vuelve a la misma posicin en su rbita alrededor del Sol cada ao, dando por
resultado la variacin entre las cuatro estaciones.
La Luna vuelve a la misma relacin con la Tierra y el Sol, dando por resultado una luna
llena aproximadamente una vez al mes.
Una masa suspendida de una cuerda, que es alejada de su vertical, se mueve hacia
adelante y hacia atrs volviendo a la misma posicin a intervalos regulares.
es
medio viscoso. El modelo no tiene en cuenta las fuerzas de friccin sobre la masa ni el
resorte; no existen fuerzas externas interactuando con la masa. La masa del resorte es
despreciable por lo que no produce desplazamiento del mismo debido a su peso.
Para resolver este problema se deben obtener expresiones matemticas que permiten
conocer:
El tiempo que tarda la masa en volver a su posicin inicial, es decir, conocer el periodo.
Los conocimientos cientficos que se relacionan con este problema y permiten formular los
modelos matemticos son:
La Ley de Hooke
La ley de Hooke fue formulada por... establece que...Completar
(variable independiente) y la
y la
longitud natural del resorte que se denominar . En la figura 2 se ilustran tres posibles
escenarios del sistema masa resorte.
Cuando la masa no interacta con el resorte, este permanece en reposo porque su peso no
produce desplazamientos por ser su masa despreciada en este modelado matemtico.
Cuando la masa se suspende verticalmente del resorte sin ser desplazada an de su posicin
de equilibrio
. Aplicando la Ley
(1)
se tiene que:
(2)
(3)
de la masa. Es decir:
(4)
(5)
(6)
, donde
(7)
El tiempo
(8)
(9)
(10)
Para
0y
diferentes de cero,
es la amplitud de la oscilacin y
. Sustituir (8), (9) y (10) en (7) y aplicar la frmula de los cosenos para probar que:
(11)
expresin algebraica:
(11)
La frecuencia es
segundos
(12)
segundo. Se debe tener en cuenta que la frecuencia se mide en ciclos sobre segundo, en
tanto que la frecuencia circular tiene como dimensin radianes por segundo.
Para analizar el movimiento del sistema masa resorte construir una interface como la que se
ilustra en la figura 4. Los datos de entrada son: la contante de elasticidad del resorte, la
masa, la posicin inicial de la masa, la velocidad inicial de la masa y el tiempo. Los datos
de salida son: la posicin de la masa y el periodo.
Animar en MatLab el movimiento de la masa en dos dimensiones.
Usar la interface para construir una tabla de datos con las variables de inters (denomnela
tabla 1) de manera que pueda responder con argumentos numricos si est de acuerdo o no
con la siguiente afirmacin. La trayectoria o el lugar geomtrico que describen las
posiciones sucesivas en el plano bidimensional por las que pasa la masa en su movimiento
es una onda sinusoide como se ilustra en la figura 5.
Redactar el texto con las respuestas de preguntas como: los resultados son los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Este modelo se podr aplicar nicamente a sistemas en los que la masa y el resorte no se
encuentran sumergidos en ningn lquido o medio viscoso, no se tienen en cuenta las
fuerzas de friccin sobre la masa y el resorte; no existen fuerzas externas interactuando con
la masa del resorte es despreciada.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
1.25.
Problema
Introduccin
La descripcin del movimiento armnico libre de la seccin 3.7 no es tan real como parece
dado que el movimiento descrito por el modelo matemtico
supone que no
actan fuerzas retardadoras sobre la masa en movimiento. A menos, que la masa est
suspendida en un vaco perfecto, debe existir por lo menos una fuerza opuesta debida al
medio que lo rodea.19
18
Dennis G. Zill, Michael R. Cullen. Ecuaciones diferenciales con problemas de valores en la frontera.
Quinta Edicin. Mxico. 2002. Thomson Learning. Pgina 216-229
19
Dennis G. Zill, Michael R. Cullen. Ecuaciones diferenciales con problemas de valores en la frontera.
Quinta Edicin. Mxico. 2002. Thomson Learning. Pgina 216-229
El medio viscoso donde se introduce la masa acta como fuerza de friccin modificando el
movimiento. En el modelo la masa del resorte es despreciable, por lo cual no se observa
desplazamiento del resorte debido a su peso.
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
la posicin de la masa en cualquier instante del tiempo.
Los conocimientos cientficos que se relacionan con este problema y permiten formular los
modelos matemticos son:
La Ley de Hooke
La ley de Hooke fue formulada por... establece que...Completar
(variable independiente) y la
, la
(1)
(2)
(3)
Aplicando la Ley de Hooke,
(4)
(5)
En la teora de mecnica, suponen que las fuerzas de amortiguacin que actan sobre un
cuerpo son proporcionales a una potencia de su velocidad instantnea
. En los problemas
(8)
Donde
(9)
(10)
(11)
;
(12)
Caso I.
(13)
(14)
(15)
dados a continuacin:
(16)
(17)
Caso II.
(18)
dados a continuacin:
(19)
(20)
Caso III.
(22)
(23)
)]
(21)
dados a continuacin.
Construir una interface grfica como la que se ilustra en la figura 4 para analizar el
movimiento del sistema masa resorte con amortiguamiento y poder obtener informacin del
mismo. Completar con las unidades respectivas
Usar la interface para construir una tabla con los datos de las variables de inters que
contenga los resultados de los tres casos para los mismos tiempos (denomnela tabla 1).
Las variables de inters obtenidos con la interface para los tres casos (tabla 1).
El clculo de errores.
Construir la grfica que contrasta los datos reales contra los datos de la interface para cada
caso.
Este modelo se podr aplicar nicamente a sistemas en los que la masa y el resorte se
encuentran...Completar la informacin. Qu puede decir del modelo matemtico de la
seccin 3.6 y el modelo matemtico formulado en esta seccin?
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
Escribir el enunciado de tres situaciones problemas similares que se puedan resolver con la
interface. El primero para el caso sobreamortiguado, el segundo para el caso crticamente
amortiguado y el tercero para el caso subamortiguado.
Mejorar la resolucin del modelo desarrollando nuevamente las tareas pero teniendo en
cuenta esta vez una fuerza externa actuando en el sistema.
1.26.
Problema
alcanzando cierta
altura por ir frenando su ascenso la accin de la gravedad y desciende por el mismo camino
hasta caer en el piso, alcanzando con esto su altura mxima en
20
Introduccin
El ejemplo ms conocido de movimiento con aceleracin (casi) constante es la cada de un
cuerpo bajo la influencia de la atraccin gravitacional de la Tierra. Este fenmeno ha
interesado a filsofos y cientficos desde la antigedad. En el siglo IV a.C, Aristteles
pensaba (errneamente) que los objetos pesados caen con mayor rapidez que los ligeros, en
proporcin con su peso. Diecinueve siglos despus, Galileo afirm que los cuerpos caan
con una aceleracin constante e independiente de su peso. Segn se cuenta, Galileo
experimentaba dejando caer balas desde la Torre inclinada de Pisa. Desde entonces, la
cada de los cuerpos se ha estudiado con gran precisin. Si puede descontarse el efecto del
aire, Galileo est en lo cierto; todos los cuerpos en un lugar especfico caen con la misma
aceleracin hacia abajo, sea cual sea su tamao o peso. Si la distancia de cada es pequea
en comparacin con el radio terrestre, la aceleracin es constante. En esta seccin se
formula un modelo matemtico idealizado en el que se hace caso omiso de los efectos del
aire, la rotacin terrestre y la disminucin de la aceleracin de la altitud. A ste modelo
matemtico idealizado comnmente se le conoce con el nombre de cada libre, aunque
incluye tambin el movimiento ascendente. 21
frenando su ascenso la accin de la gravedad y desciende por el mismo camino hasta caer
en el piso y el tiempo.
La posicin inicial es
y velocidad inicial
. La aceleracin constante
Francis W. Sears. Mark W. Zemansky. Hugh D. Young. Roger A. Freedman. Fsica Universitaria Vol. 1.
Dcimo primera edicin, Pearson Educacin, Mxico, 2004.
terrestre
. Este modelo no tiene en cuenta los efectos del aire, la rotacin terrestre
Para resolver este problema se deben obtener expresiones matemticas que permiten:
Los conocimientos cientficos que se relacionan con este problema y permiten formular los
modelos matemticos son:
(variable independiente) y la
, la velocidad
De la figura 2 se obtiene:
(1)
(2)
(3)
(5)
(6)
El valor de
(8)
Se integra nuevamente:
(9)
El valor de
(10)
La altura mxima del cuerpo se alcanza cuando la velocidad final se vuelve cero.
(11)
(12)
(13)
El tiempo total de vuelo se refiere al tiempo que tarda el cuerpo en llegar al suelo. Cuando
el cuerpo llega al suelo su altura es cero, por tanto
(14)
Dado que no se pueden tener tiempos negativos, se descarta la solucin con la funcin
suma, obteniendo
vuelo total:
(17)
Construir una interface grfica como la de la figura 3 para analizar el movimiento del
cuerpo. En esta se podr conocer la posicin actual del objeto, su altura mxima y el tiempo
total de vuelo. Los datos de entrada son: la posicin inicial del cuerpo, la velocidad inicial,
y el tiempo. Los datos de salida son la posicin del cuerpo, su altura mxima y su tiempo
total de vuelo. Animar el movimiento del objeto subiendo y bajando en dos dimensiones.
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 1).
Redactar el texto con las respuestas de preguntas como los resultados eran los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Redactar el texto indicando si las predicciones son inaceptables y no hay errores
matemticos. En este caso es necesaria una redefinicin del modelo matemtico ya sea
aumentando su nivel de resolucin (es decir, incluyendo variables que no eran de inters) o
reiniciando el ciclo de modelado. Si las predicciones son aceptables analizar la exactitud y
su rango de aplicabilidad.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
Problema
con respecto al suelo sin tener en cuenta en el mismo la resistencia del aire, la curvatura y
la rotacin de la Tierra.
Introduccin
Un proyectil es cualquier cuerpo que recibe una velocidad inicial y luego sigue una
trayectoria determinada totalmente por los efectos de la aceleracin gravitacional y la
resistencia del aire. Una pelota bateada, un baln lanzado (figura 1), un paquete soltado de
un avin y una bala disparada de un rifle son proyectiles. El camino que sigue el proyectil
es su trayectoria.
Para analizar este tipo de movimiento tan comn, se parte de un modelo matemtico
idealizado que representa el proyectil como una partcula con aceleracin (debida a la
gravedad) constante en magnitud y direccin. Se hace caso omiso de los efectos del aire, de
la curvatura y de la rotacin de la Tierra. Como todos los modelos matemticos este tiene
limitaciones. La curvatura de la Tierra es considerada en el vuelo de misiles de largo
alcance, y la resistencia del aire es crucial para un paracaidista. No obstante, se puede
aprender mucho analizando este sencillo modelo matemtico. 22
tiempo.
de la posicin son
hasta cierta altura y luego desciende. Este modelo no tiene en cuenta la friccin del aire, la
curvatura y la rotacin de la Tierra.
Para resolver este problema, se debe obtener una expresin matemtica que permita
conocer las coordenadas
en el plano
Los conocimientos cientficos que se relacionan con este problema y permiten formular el
modelo matemtico son...Completar la informacin
22
Francis W. Sears. Mark W. Zemansky. Hugh D. Young. Roger A. Freedman. Fsica Universitaria Vol. 1.
, con el eje
horizontal y el
por separado. La
es constante e igual a
. Se
Francis W. Sears. Mark W. Zemansky. Hugh D. Young. Roger A. Freedman. Fsica Universitaria Vol. 1.
Dcimo primera edicin, Pearson Educacin, Mxico, 2004.
. De acuerdo con la
(1)
{
La expresin matemtica (1) representa la relacin entre las coordenadas en el plano del
proyectil y el tiempo.
Abscisa
(2)
(3)
El valor de
(4)
Se integra nuevamente:
(5)
El valor de
(6)
Se deja que
de lanzamiento.
(7)
Ordenada
(8)
(9)
El valor de
(10)
Se integra nuevamente:
(11)
El valor de
(12)
Se deja que
de lanzamiento.
(13)
dadas por:
(14)
Comprobar que la altura mxima viene dada por la siguiente expresin matemtica:
(15)
Comprobar que el tiempo total de vuelo viene dado por la siguiente expresin matemtica:
(16)
Comprobar que el alcance mximo del proyectil viene dado por de la siguiente expresin
matemtica:
(17)
Construir una interface grfica para analizar la trayectoria del proyectil. En esta, el usuario
ingresa los datos de: la posicin inicial de la abscisa, la posicin inicial de la ordenada, la
velocidad inicial, el ngulo de lanzamiento y el tiempo. La interface le devuelve los datos
de: las coordenadas del proyectil en el respectivo tiempo, la altura mxima, el tiempo de
vuelo y el alcance mximo.
Animar el movimiento del proyectil.
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 1).
Redactar el texto con las respuestas de preguntas como los resultados eran los que se
esperaban?
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Redactar el texto indicando si las predicciones son inaceptables y no hay errores
matemticos. En este caso es necesaria una redefinicin del modelo matemtico ya sea
aumentando su nivel de resolucin (es decir, incluyendo variables que no eran de inters) o
reiniciando el ciclo de modelado. Si las predicciones son aceptables analizar la exactitud y
su rango de aplicabilidad.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
Escribir los enunciados de tres situaciones problemas similares. Resolverlos por medio de
la interface.
Mejorar la resolucin del modelo matemtico desarrollando nuevamente todas las tareas
pero teniendo en cuenta en esta ocasin la resistencia debida al aire.
Paul A. M. Dirac
Fsico britnico (1902-1984)
Premio Nobel de Fsica en 1933
En el siguiente captulo se crea el espacio en donde los ingenieros usando como excusa la
formulacin de los modelos estocsticos para resolver problemas de la vida real pueden
desarrollar las habilidades cognitivas necesarias para la formulacin de modelos
matemticos en general.
Captulo 4
Modelos Estocsticos
1.28.
Introduccin
Los modelos estocsticos (no determinsticos) son modelos matemticos que describen
fenmenos que contemplan la existencia del azar y del principio de incertidumbre. Es decir,
contienen variables aleatorias que siguen distribuciones de probabilidad; las predicciones
obtenidas para un conjunto especfico de condiciones no son siempre las mismas. Estos
modelos son ms difciles de trabajar que los determinsticos porque requieren del
conocimiento del clculo de probabilidades. Los sistemas de servicios (p. ej., un banco) o
de produccin (p. ej., la industria) se caracterizan por presentar numerosos procesos en los
que el comportamiento de las variables involucradas es de naturaleza aleatoria.
El objetivo de este captulo es crear el espacio en donde los ingenieros usando como excusa
la formulacin de los modelos estocsticos para resolver problemas del entorno puedan
desarrollar las habilidades cognitivas propias de la competencia de modelado matemtico.
Para lograr el objetivo se requiere repasar algunos conceptos de estadstica necesarios en la
formulacin de estos modelos.
nmero de piezas que entran a una lnea de produccin de una planta que siguen una
distribucin de Poisson y por ltimo, en la seccin 4.7, se modela el comportamiento de
una cola en el banco usando la metodologa empleada en el captulo tres.
Para la lectura del libro, se debe tener en cuenta, que al ser los casos de modelado
matemtico independientes entre s, se hace necesario para un mejor tratamiento de los
mismos, que cada uno disponga de su propia numeracin en lo que respecta a las
ecuaciones, las figuras, las tablas y los ejercicios.
1.29.
Los nmeros aleatorios son nmeros que se utilizan en: los juegos de azar, la teora de
juegos, la teora de decisin, la animacin por ordenador, la resolucin de integrales, test
para localizacin de errores en chips, la teora de muestras, la transmisin de datos desde un
satlite y en las finanzas. En general, cuando se requiere simular aleatoriedad en
determinadas variables de inters, se utilizan estas secuencias de nmeros.
. La secuencia
contiene
recibe el nombre de periodo o ciclo de vida del generador que la cre. Estas secuencias
siguen una distribucin de probabilidad uniforme definida por:
(1)
Datos de entrada
Requiere un nmero entero detonador (llamado semilla)
con D dgitos.
Paso 1
Paso 2
Paso 3
Se repite el paso 2 hasta obtener los N nmeros aleatorios deseados.
Este algoritmo no congruencial fue propuesto en la dcada de los cuarenta del siglo XX por
Von Neumann y Metropolis.24 A continuacin se generan los cinco primeros nmeros
aleatorios a partir de la semilla
Solucin
Sugerencia
Para poder escoger en este caso los cuatro dgitos del centro se debe agregar un cero a la
izquierda.
24
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
La secuencia es
. El algoritmo de cuadrados
grande.
Ejercicio 1
hasta
3. Usar el algoritmo de cuadrados medios para generar los primeros diez nmeros
aleatorios a partir de la semilla
Las ecuaciones recursivas del algoritmo congruencial lineal para generar nmeros
aleatorios son:
Ecuacin Recursiva
Donde
Nmeros Aleatorios
Este algoritmo congruencial lineal fue propuesto por D. H. Lehmer en 1951. Segn Law y
Kelton es el ms usado
25
escogidos de manera
arbitraria.
Solucin
La secuencia es
.
Ejercicio 2
hasta
Para que el algoritmo congruencial lineal sea capaz de lograr el mximo periodo de vida
es preciso que se cumplan las condiciones sugeridas por Banks, Corson, Nelson y Nicol.26
25
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
26
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
Solucin
Vuelve el algoritmo a trabajar con la semilla repitiendo de nuevo las secuencias de nmeros
aleatorios. Se comprueba entonces que este generador, con esta semilla, produce
nicamente ocho nmeros aleatorios distintos.
Ejercicio 3
Las ecuaciones recursivas del algoritmo congruencial cuadrtico para generar variables
aleatorias son:
Ecuacin Recursiva
Nmeros Aleatorios
Para que el algoritmo sea capaz de lograr el mximo periodo de vida N, es preciso que se
cumplan las condiciones sugeridas por LEcuyer.27
Comprobar que bajo estas condiciones se obtiene un periodo de vida mximo de N = m con
los parmetros:
Solucin
7143
Se comprueba entonces que este generador, con esta semilla, produce nicamente ocho
nmeros aleatorios distintos.
27
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
Ejercicio 4
Se debe tener en cuenta que una vez que el generador construye las secuencias de nmeros
aleatorios, estas deben ser sometidas a una serie de pruebas estadsticas que indican si los
nmeros que la integran son aptos para ser usados en las simulaciones.
Con MatLab se pueden obtener matrices con nmeros aleatorios usando el comando rand.
Por ejemplo, construir las matrices de nmeros aleatorios que se indican.
Una seal es una funcin portadora de informacin. Cuando se registran pueden presentar
artefactos o ruidos por diferentes causas.
Ejemplo
La seal
( )
a. Graficar la seal
b. Adicionarle ruido aleatorio.
c. Graficar la seal con ruido.
d. Graficar ambas seales (sin ruido y con ruido) en una misma figura.
Solucin
plot ( t, y, k, linewidth, 3)
b. yruido = y + rand(1,200);
c. t = linspace(0 ,2*pi, 200) ;
yruido = y + rand(1,200);
plot ( t, yruido, b, linewidth, 3)
d. plot ( t, y, k, t, yruido, b, linewidth, 3)
Las variables aleatorias son funciones que asignan nmeros reales a los elementos del
espacio muestral. Tienen un comportamiento no determinstico o probabilstico en la
realidad. Son ejemplos de variables aleatorias: las temperaturas de una estufa, los tiempos
de servicio en la caja del banco, el nmero de clientes que llegan cada hora a un banco y el
nmero de piezas que entran a una planta de ensamble entre otras. Estas pueden ser
continuas (los dos primeros ejemplos) o discretas (los otros dos ejemplos).
Ejemplo
Cuando se lanza un dado, el resultado puede ser cualquiera de las caras. Una variable
aleatoria para este experimento aleatorio podra ser la funcin X que asigna el nmero
total de puntos negros de cada cara. Es decir,
(1)
Ejercicio 1
Completar el promedio mvil en los ltimos cinco datos de los nmeros de la tabla y
graficar los promedios.
3.5
4.2
3.94
3.1
3.76
3.6
3.88
4.3
3.4
10
Es una funcin que asigna a los elementos de una variable aleatoria un valor de
probabilidad. Cualquier tabla, frmula o grfico que contiene todos los valores de la
variable aleatoria y sus respectivas probabilidades, se le conoce con el nombre de
distribucin de probabilidad de la variable aleatoria. La distribucin de probabilidad debe
cumplir las siguientes propiedades:
Ejemplo
Determinar si la funcin
donde
de la variable
Solucin
Se determinan las probabilidades de cada elemento de la variable aleatoria:
tanto,
. Por
, la esperanza matemtica de
definido por:
[ ]
(1)
(2)
con
Ejemplo
Calcular el valor de .
Solucin
Por ser una funcin de densidad o de probabilidad, el rea bajo la curva es uno. Esto es,
(1)
(2)
(3)
Entonces,
(4)
(5)
Ejercicio 2
-3
-2
-1
0.1
0.2
0.1
0.2
0.1
0.2
0.1
a) Comprobar que
3. La variable aleatoria
de densidad de
es:
Para un valor de
a) Exponencial
b) Uniforme
c) Poisson
d) Normal
e) Weibull
f) Binomial
Problema
Simular las temperaturas de una estufa si se sabe por los datos histricos que estas siguen
una distribucin de probabilidad uniforme dentro del rango de
.28
Las temperaturas producidas por una estufa son variables aleatorias continuas que por lo
general siguen una distribucin de probabilidad uniforme. No es posible determinar con
certeza la temperatura en un instante dado.
28
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
(1)
(2)
(3)
(4)
Se utilizan los nmeros aleatorios dado que las temperaturas son datos de naturaleza
aleatoria por lo que se escribe
en vez de
(5)
(6).
Ejercicio 1
Construir una tabla de datos para simular las temperaturas de la estufa como se ilustra la
figura 1.
Figura 1: Ilustra una tabla de los datos de las temperaturas de una estufa
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 2. En esta, se simulan las
temperaturas de la estufa.
Problema
Simular los tiempos de servicio en la caja de un banco si se sabe por los datos histricos
que estos siguen una distribucin de probabilidad exponencial con media de 3 minutos por
cliente.29
Los tiempos de servicio siguen una distribucin de probabilidad exponencial con media
dada por:
{
(1)
(2)
(3)
(4)
29
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
Se utilizan los nmeros aleatorios dado que los tiempos de servicio en la caja del banco son
datos de naturaleza aleatoria por lo se escribe
en vez de
(5)
(6)
Ejercicio 1
Construir una tabla de datos para simular los tiempos de atencin en el banco.
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 1. En esta se simulan los
tiempos de atencin del cajero.
Problema
Simular el nmero de piezas que entran a una planta de ensamble de una industria.
Se sabe por los datos histricos que estas siguen una distribucin de probabilidad de
Poisson con media de 2 piezas por hora.30
El nmero de piezas que entran a una lnea de produccin de una planta son variables
aleatorias discretas que por lo general siguen una distribucin de probabilidad Poisson. No
es posible determinar con certeza el nmero de piezas en un instante dado. El nmero de
piezas que entran a la planta sigue una distribucin de probabilidad de Poisson con media
dada por:
(1)
(2)
30
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
y las
f(x)
F(x)
f(x)
F(x)
0.1353
0.1353
0.0360
0.9834
0.2706
0.4060
0.0120
0.9954
0.2706
0.6766
0.0034
0.9989
0.1804
0.8571
0.0008
0.9997
0.0902
0.9473
0.0001
0.9999
[
[
[
[
[
[
[
[
[
[
(3)
Ejercicio 1
Construir una tabla de datos para simular los tiempos de atencin en el banco.
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 4. En esta, se simulan el
nmero de piezas que entran a la planta de ensamble.
Problema
Suponga que a un banco con un solo servidor llegan en promedio 45 clientes por hora. Se
tiene capacidad para atender en promedio a 60 clientes por hora. Los datos histricos
muestran que el nmero de clientes que llegan sigue una distribucin de Poisson y los
tiempos de servicio siguen una distribucin exponencial. Determinar:
de clientes, uno
Introduccin
Un banco es una estacin que proporciona servicios que los clientes necesitan o deben
tomar. La existencia de clientes que requieren o deben tomar estos servicios origina el
fenmeno de las colas. Para optimizar las operaciones bancarias se debe estudiar el
comportamiento de las mismas. La cola ms sencilla de describir es cuando el banco
dispone de un solo servidor; el nmero de clientes que llegan sigue una distribucin de
Poisson y los tiempos de servicio siguen una distribucin exponencial. Los otros casos de
colas corresponden a variaciones de estos factores: dos o ms servidores, distintas
Los tiempos de atencin y el nmero de llegadas de los clientes que ingresan al banco se
producen de manera no determinstica o probabilstica (Marcoviana). Las distribuciones de
probabilidad son: exponencial para los tiempos de servicio y de Poisson para el nmero de
llegadas de los clientes. El banco dispone de un solo servidor; la velocidad de llegada es
menor que la velocidad de atencin. Es decir, se trata de un sistema estable. Este modelo
asume la siguiente disciplina de cola: el primer cliente en llegar es el primero en ser
atendido y no existe una atencin especial para los clientes que se encuentren por fuera de
la cola. En la figura 1 se ilustran los elementos que componen una cola simple del sistema
bancario.
Para resolver este problema se deben obtener expresiones matemticas que permiten
conocer:
de clientes uno
Los conocimientos cientficos que se relacionan con este problema y permiten formular los
modelos matemticos son:
Las variables de inters son: la velocidad promedio del nmero de clientes que llegan por
hora que se denominar
(variablecompletar).
Objetivo a)
La probabilidad que el servidor est ocupado se denominar
. Deducir por qu la
probabilidad que el servidor est ocupado en trminos de las velocidades viene dada por la
expresin matemtica:
(1)
Objetivo b)
La probabilidad que no hayan clientes o que el servidor se encuentre desocupado u ocioso
se denominar
(2)
Objetivo c)
La probabilidad que al llegar al banco haya determinado nmero
recibiendo el servicio y otros formando la cola se denominar
probabilidad que al llegar al banco haya determinado nmero
de clientes uno
. Deducir por qu la
el servicio y otros formando la cola; en trminos de las velocidades viene dada por la
expresin matemtica:
( ) (
(3)
Objetivo d)
El nmero promedio de clientes en el banco se denominar
ingls a longitud (length) y
donde
corresponde en el
el nmero promedio de clientes en el banco en trminos de las velocidades viene dado por
la expresin matemtica:
(4)
Objetivo e)
El nmero promedio de clientes en la cola se denominar
en donde
corresponde en el
(5)
Objetivo f)
El tiempo promedio que espera un cliente en la cola para ser atendido se denominar
donde
en
que espera un cliente en la cola para ser atendido en trminos de las velocidades viene dado
por la expresin matemtica:
(6)
Objetivo g)
El tiempo promedio que espera un cliente en el banco para ser atendido se denominar
El tiempo
(7)
Para analizar las colas en el banco construir una interface como la que se ilustra en la figura
3. La interface indica entre otras cosas si el sistema es estable o inestable.
Los datos de entrada son: Los datos de salida son:.
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 1). Dejar fijo el valor de
columna para cada una de las salidas de la interface con los valores correspondientes a la
variacin de .
Vs
b.
Vs
c.
Vs
d.
Vs
e.
Vs
f.
Vs
Redactar el texto con las respuestas de preguntas como: los resultados eran los que se
esperaban?
Estos modelos matemticos se podrn aplicar nicamente a las colas que se forman en
aquellos bancos (o estaciones de servicio) que...Completar la informacin
Referencias
No olvide referenciar el material que consult y/o los sitios de la web que visit.
Referencias
Brito-Vallina, M. L., Alemn-Romero, I., Fraga-Guerra, E., Parra-Garca, J.L. y Arias de
Tapia, R. I. (2011, mayo-agosto). Papel de la modelacin matemtica en la formacin de
los ingenieros. Ingeniera Mecnica, 14(2): 129 139.
Organization for Economic Co-operation and Development (2003). The PISA 2003
Assessment Framework-Mathematics, Reading, Science and Problem Solving Knowledge
and Skills, 194.
Regalado, A., Peralta, E.y Gonzlez, C. A. (2008). Cmo hacer modelos matemticos.
Temas de Ciencia y Tecnologa, 12(35): 9-18.
Schichl, H. (2004). Models and the History of Modeling. En Kallrath, J. (ed.), Modeling
Languages in Mathematical Optimization (pp. 25-36). Boston MA: Kluwer.
Shannon, R. y Johannes J. D. (1976). Systems Simulation: the Art and Sciencie. IEEE
Transactions on System, Man and Cybernetics, 6(10): 723-724.