MODELAMIENTO MATEMATICO

CURSO : ANALISIS MATEMATICO PARA INGENIERIA

DIRIGUIDO POR : ing. RIVERA ROJAS, HUMBERTO HUGO

PRESENTADO POR : ROSAS CONDEZO, DALILA

MAYO : I

TINGO MARIA PERU

Abstract

A novel algorithm is presented for the optimal estimation of parameters and for
determining the initial conditions in non linear mathematical models. The work
was developed based on models derived from property balance equations. A
matrix relation between the variation of degrees of freedom of the process and
the variations of the input variables was used to formulate the objective function,
which was optimized via orthogonal projection methods. The technique was
applied to a continuous stirred tank reactor obtaining results that were consistent
with the dynamic behavior of the reactor.
I.INTRUDUCCION

Construir modelos para resolver problemas complejos es un tema central en las

formas de la ciencia contempornea: mediante los modelos formales, la
matemtica genera interrelaciones con otras disciplinas y se relaciona con los
problemas sensibles de la sociedad; a su vez, la informtica y la inteligencia
artificial han contribuido a que la ciencia enfrente problemas de creciente
complejidad y a que la construccin de modelos sea de inters general. Para la
matemtica, el creciente inters por los modelos marca un cambio de tendencia
en la investigacin; segn Brwcka, Dix y Kolonige (1997), esta se caracteriza
como paso del pensamiento deductivo (montono) a la induccin (no-montona).

El pensamiento deductivo procede por informacin completa, contrario con lo

que sucede con la mayora de las inferencias de la vida diaria y del sentido
comn, caracterizadas por la informacin incompleta. Esta condicin fue puesta
de relieve por los investigadores de inteligencia artificial cuando abordaron la
representacin del conocimiento de sentido comn y la solucin de los
correspondientes problemas de decisin. La consideracin de que las
experiencias son la base del razonamiento llev a formalizar la representacin
de las mismas organizadas por similitud y jerarquizadas por relevancia para
generar heursticas en la solucin de problemas * Proyecto auspiciado por el
Ministerio de Educacin Nacional mediante el convenio IF007 suscrito con la
Universidad Central y que, adems, integra otras instituciones como la
Universidad Hebrea de Jerusaln, Universitaria de Investigacin y Desarrollo y la
Universidad Pedaggica Nacional, con la direccin de Luis Facundo Maldonado.
El proyecto fue elegido en la convocatoria abierta por Renata para conformar un
banco de proyectos de investigacin elegibles, en innovacin educativa con uso
de las tecnologas de la informacin y la comunicacin durante el periodo 2011-
2012. ** Ph. D. y docente investigador del Departamento de Matemticas de la
Universidad Central e integrante del grupo de investigacin Tecnice. Correo
electrnico: lmaldonadog1@ucentral.

(Kolodner y Leak, 1997). Dos problemas que han motivado a que la matemtica
desarrolle modelos en interaccin con la inteligencia artificial y otras disciplinas
han sido la complejidad y la incertidumbre. Comprender y entender los procesos
del mundo real a partir de la interaccin entre mltiples componentes y predecir
lo que puede pasar es una poderosa motivacin para el desarrollo del
conocimiento en la sociedad contempornea. En este proceso, la matemtica
incorpora tanto los desarrollos algebraicos como la representacin grfica: por
ejemplo, los desarrollos de la teora de grafos se unen a los de la teora de la
probabilidad para el desarrollo de algoritmos eficientes, de propsito general
( Jordan, 1999). El inters en resolver problemas autnticos de la vida real
mediante la construccin de modelos matemticos es caracterstico de la ciencia
y de la tecnologa de la sociedad contempornea (Galbraith y Stillman, 2006).
Este inters est estrechamente relacionado por la forma como los cientficos
conciben el papel de la ciencia frente al contexto fsico, social e histrico. Los
movimientos econmicos y sociales de la sociedad industrial y de la sociedad de
la informacin marcan cambios en la concepcin del papel de la ciencia en la
sociedad. La ciencia pasa de su concepcin de perenne a perfectible; su papel
de factor de formacin de lite ideolgica y poltica a ser factor de desarrollo
econmico y social; los entornos de desarrollos aislados de los problemas y
necesidades se abren para estudiar de manera sistemtica las variables del
entorno. La naturaleza y complejidad de los problemas, la experticia
histricamente construida, la organizacin de recursos especialmente de
informacin y la formulacin de problemas son factores que entran en la
dinmica de construccin de modelos en contexto (Hoffman, Feltovich y Ford,
1997).
II.OBJETIVOS

Conocer los fundamentos matemticos de los modelos matemticos.

Aprender a analizar y solucionar los modelos matemticos con la ayuda

del software mathcad.

Aprender el mtodo iterativo de resolucin de sistemas de ecuaciones

lineales usando mathcad.
III. REVISIN BIBLIOGRAFICO

QUE ES UN MODELO MATEMATICOS?

Un sistema donde todos los comportamientos u opciones se pueden simular

por medio de ecuaciones matemticas cuyas variables estn previamente
establecidas de acuerdo a lo que se quiere contemplar. Te permiten obtener
resultados en base a experiencias anteriores o a estadstica. Se utiliza en
pronsticos (de demanda, ventas), en control de inventarios, de calidad,
muestre). Hay que rescatar que todo modelo matemtico sufre de error
cuando se compara con la realidad, pues siempre ser un clculo y factores
externos que no permitan la exactitud.

PARA QUE SIRVE UN MODELO MATEMATICO?

Una de las herramientas principales utilizadas en la estadstica son los

modelos, los cuales constituyen representaciones de problemas y situaciones
de la vida. Los modelos pueden ser representaciones fsicas, grficas y
simblicas o matemticas. Los modelos fsicos se usan principalmente para
hacer simulaciones. Se llama simulacin a un experimento realizado
sobre el modelo de un sistema. Como ejemplos de modelos fsicos podemos
mencionar el geoide, que pone de manifiesto la forma de nuestro planeta y la
distribucin y forma de los continentes y ocanos, la topografa, etc.; un avin
a escala, que se utiliza en los tneles aerodinmicos para conocer su
comportamiento y estabilidad ante diferentes condiciones
atmosfricas ah simuladas; una maqueta, que es la representacin a
escala de un edificio o construcciones en general, etc.
COMO ESTA FORMADO EL MODELO MATEMATICO?

Informalmente una teora matemtica est formada por un conjunto de

teoremas y axiomas. Los teoremas son proposiciones lgicamente
deducibles de los axiomas. En el enfoque moderno, las teoras se conciben
como un conjunto de proposiciones expresables en un cierto lenguaje
formal que recoge explcitamente el conjunto de smbolos de la teora, los
axiomas y las reglas de deduccin. El aparataje anterior define la sintaxis de
la teora.

TIPOS DE MODELOS MATEMATICOS:

Modelo cuantitativo es aquel cuyos principales smbolos representan

nmeros. Son los ms comunes y tiles en los negocios.

Modelo cualitativo aquel modelo cuyos smbolos representan en su

mayora a Cualidades no numricas. Una fuente importante es la teora de
conjuntos.

Modelo Probabilstico aquellos basados en la estadstica y probabilidades

(donde se incorpora las incertidumbres que por lo general acompaan
nuestras observaciones de eventos reales).

Modelo Determinstico corresponde a aquel modelo cuantitativo que no

contiene consideraciones probabilsticas.

Modelo Descriptivo cuando el modelo simplemente describe una situacin

del mundo real en trminos matemticos, descripcin que puede emplearse
para exponer una situacin con mayor claridad, para indicar como pueden
reajustarse o an para determinar los valores de ciertos aspectos de la
situacin.

Modelo Optimizador corresponde al modelo ideado para seleccionar entre

varias alternativas, de acuerdo a determinados criterios, la ms ptima. Los
modelos de cualquier clase, sin importar su refinamiento y exactitud, pueden
probar serpoco prcticos si no estn respaldados con datos confiables. Si se
distorsionan las estimaciones, la solucin obtenida, pese a ser ptima en un
sentido matemtico, en realidad ser de calidad inferior desde la perspectiva
 del sistema real. En consecuencia, la disponibilidad de datos puede tener un
efecto directo en la precisin del modelo. La recopilacin de datos puede ser
la parte ms difcil para determinar un modelo y desgraciadamente no se
pueden sugerir reglas para este procedimiento.

Por lo comn los modelos matemticos son de ndole iterativa, vale decir,
se llega a la respuesta final en pasos o iteraciones y cada iteracin acerca la

Solucin al nivel ptimo, pero no todos los modelos matemticos poseen

algoritmos de solucin que converjan al nivel ptimo por dos razones:
El algoritmo de solucin converge al nivel ptimo solo en teora
la convergencia terica seala que hay un lmite superior finito, pero sin
indicar cuan alto puede ser ese lmite. Por lo tanto, se puede gastar horas y
horas de computadora sin alcanzar la iteracin final. La complejidad del
modelo matemtico puede

Hacer imposible idear un algoritmo de solucin. Por lo tanto, el modelo puede

mantenerse no factible en trminos de clculo.

Modelos Modelos Modelos

Lineales Poligonales Cuadrticos

Modelos
Cbicos Tipos de modelos

Modelo Modelos
Trigonomtrico Exponenciales

V.CONCLUSIONES
Con una buena investigacin se realiza modelos ptimos que nos ayudan a
Resolver los problemas. Las ecuaciones diferenciales nos ayudan a determinar
diferentes formas de tratar la realidad. Los resultados obtenidos permiten
concluir que el algoritmo desarrollado arroja en todos los casos una solucin
nica, en la determinacin de condiciones iniciales y de parmetros, con
total independencia de los puntos de partida adoptados en las iteraciones; Esto
es plenamente consistente con el basamento fsico y termodinmico del
modelo matemtico con el que se trabaja. En esta cuestin el algoritmo de
clculo que se propone ofrece una notoria ventaja frente a algunos otros
presentados en trabajos donde se plantea la existencia de ms de una
solucin para la estimacin de parmetros.

IV. REFERENCIAS

M. y Jensen, T. H. (2003). Developing Mathematical Modelling

Competence: Conceptual Clarification and Educational Planning.Teaching
Mathematics and its Applications, 22(3): 123-139.

Blum, W. y Borromeo, R. (2009). Mathematical Modelling: Can It Be

Taught And Learnt? Journal of Mathematical Modelling and Application,
1(1):45-58.

BritoVallina, M. L., AlemnRomero, I., FragaGuerra, E., ParraGarca,

J. L. y Ariasde Tapia, R. I. (2011, mayo-agosto). Papel de la modelacin

matemtica en la formacin de los ingenieros. Ingeniera Mecnica,14(2):

129-139.

Montes Lozano, A (1998): "lgebra", Ediciones UOC, Mdulo 3: "Matrices,

vectores y sistemas de ecuaciones lineales".

G. J. Porter, D. R. Hill (1996): Interactive Linear Algebra. A laboratory

course using Mathcad, Springer-Verlag New York, Inc., Chapter 0.