Ejemplos D Emodelos Matematicos

1
INTRODUCCIN

Todos los que hacemos matemtica tenemos dos grandes retos: 1) Quitarle a la matemtica su
aura de inentendible para mostrarla como una actividad que hasta puede resultar entretenida, y
2) Mostrar que la matemtica puede mejorar la vida cotidiana de las personas y ser una
herramienta til para las organizaciones.

Tenemos que demostrar que la matemtica puede resolver problemas de la vida cotidiana: de
desarrollo urbano, ambientales, de medicina, de economa y finanzas, del sector industrial,
licitaciones del Estado, etc. Ecuador tiene muy buenos matemticos, y la mayora estn
orientados a temas tericos. Nosotros queremos que los matemticos tengan mayor presencia en
el uso de aplicaciones de la matemtica. Queremos mostrar que la matemtica sirve para
resolver problemas del mundo real, no slo para el sudoku. Hay poca experiencia en Ecuador en
resolver problemas del mundo real. El Estado, si utiliza herramientas matemticas va a ser ms
eficiente, y la empresa privada tambin.

2
PROBLEMA 1.- PARADOR TURSTICO GUAYLLABAMBA

(1) Presentacin de una situacin simplificada del mundo real.

En la actualidad se trata de aprovechar todos los recursos naturales que permitan atraer la
inversin, entre estos recursos tenemos el de "aguas termales", un recurso inagotable que hoy
en da es un buen medio para el turismo. Se trata entonces de determinar la factibilidad de
inversin y aprovechamiento del recurso natural ubicado cerca del cantn Chambo, provincia de
Chimborazo. Aunque el estudio de mercado no pueda garantizar las actividades de una empresa,
sin embargo trata de reducir en gran magnitud los riesgos de inversin y proporcionar los datos
para tomar decisiones adecuadas. Adems que nos proporciona datos reales que se obtiene de
proyectos similares. Es necesario dimensionar los lmites y fronteras para conocer la demanda y
realizar proyecciones futuras.

Es entonces que nos preguntamos cmo aporta la matemtica para implementar ste proyecto?

(2) Traduccin de la situacin en terminologa matemtica.

Como todo proyecto de inversin, en lo actual deben seleccionarse todos los datos que van
intervenir los mismos que van a jugar un papel fundamental en la elaboracin de una frmula
que permita sintetizar el modelo en una expresin matemtica.
( (( ) ( )))
De donde:
GM: ganancia mensual,
T : tiempo (un mes),
N: nmero de usuarios menores de edad,
M : nmero de usuarios mayores de edad,
TN : tarifa para menores de edad,
TM : tarifa para mayores de edad.

Sin duda una ecuacin simple (modelo matemtico) que nos proporcionar la informacin
necesaria para determinar si el proyecto es rentable o no.
Podemos ver que para la resolucin de este problema se deber tener conocimientos
bsicos de:

- Operaciones Matemticas Bsicas. (Suma, resta, multiplicacin, cociente.)
- Resolucin de Ecuaciones

PROBLEMA 2.- ELECTROCARDIOGRAMA


Cuando pensamos en nuestra salud, nos preguntamos por ejemplo saber cmo est nuestro
corazn, enseguida nos viene a la mente, puede estar ah la matemtica?. Claro que s, un
electrocardiograma nos da una informacin sobre aquello, el mismo que no es ms que el
resultado de un modelo matemtico que nos facilite informacin sobre la salud del corazn.
Para ello se recogen muestras reales de electrocardiogramas de diversas topologas (corazn
sano, corazn enfermo, pruebas realizadas en adultos, en nios,). Lo que se hace es la
simulacin y aproximacin por ordenador de las grficas que nos muestra el aparato; de esta
forma aparecen necesariamente las series de Fourier. Mediante la simulacin en Maple se
obtienen que los valores de los coeficientes de Fourier no son los mismos si se trata de un
3
corazn sano o enfermo, ni necesariamente los mismos si el rango de edad del paciente es
distinto. La grfica del electrocardiograma se presenta en papel milimetrado que mide
verticalmente el voltaje y horizontalmente el tiempo, determinado por el desplazamiento del
papel.

Los datos a tener en cuenta son:
- Velocidad del electrocardiograma igual a 25mm/seg.
- 1mm = 004 seg.
- 5mm = 020 seg.
- 1mm vertical = 001 mvolt.

As pues, mediante el anlisis visual de un gran nmero de electrocardiogramas, es posible
generalizar que con algo tan simple como fijarnos en el valor de amplitud de onda del
electrocardiograma podemos conjeturar si este pertenece a un corazn sano o enfermo. Con el
trabajo se puede establecer la conclusin de que comprobando nicamente que esos valores se
encuentren entre 015mvolt y 008mvotls, el electrocardiograma correspondiente pertenece a
una persona sana y que en el momento en que los valores de amplitud no se encuentren
incluidos en el intervalo indicado a estos sabremos que ese corazn posee algn tipo de
anomala.
En la ilustracin se muestra un electrocardiograma normal correspondiente al corazn de un
varn de 40 aos.


Con la ayuda de Maple 7 podemos simular analticamente y visualizar la funcin.

Se usan las series de Fourier que nos permitirn calcular los coeficientes y a su vez comparar
diversos electrocardiogramas.
( ) ( ) ( )
0
1
( ) cos sin
2
n n
n
a
Sf t a nwt b nwt
=
| |
= + +
|
\ .

4
bsicos de:

- Representacin grfica de funciones
- Series de Fourier

PROBLEMA 3.- MANEJO DE CANTIDAD DE VINO EN n AOS


Mtodo de la Solera.- El vino ms aejo est en la fila inferior de barriles y el ms nuevo en el
piso de ms arriba. Cada ao, la mitad del contenido de los barriles del suelo se embotella como
jerez y se llena con vino de los barriles de la fila inmediatamente superior. El proceso se
completa aadiendo vino nuevo a los barriles de la fila de ms arriba. Nos preguntamos cmo
aporta la matemtica para resolver el siguiente problema: determinar la cantidad de vino de n
aos que se extrae de k filas de barrilles (Larson,2003. ClculoI)


Efectivamente, se dedujo a partir de considerar series numricas, que la expresin que
determina la cantidad de vino de n aos que se extrae de k filas de barricas es:
n
2
1
k
n
) k , n ( f
|
|
.
|
\
|
= para k < n
Este es otro ejemplo de modelizacin que nos permite presentar los temas de matemticas de
manera distinta de la tradicional y que muestra la componente epistemolgica de las mismas.

bsicos de:

- Series Numricas

5
PROBLEMA 4.- HORNO SECADOR DE YUCA DE FLUJO RADIAL


Por la necesidad de secar cualquier slido, las diferentes formas de secado, el tiempo de
duracin del secado, y la dificultad existente se trata de encontrar un diseo y
construccin de un horno secador de yuca de flujo radial, en el cual se plante un
modelo matemtico, teniendo en cuenta la relacin superficie/volumen, masa de yuca,
temperatura del aire de recirculacin y velocidad de flujo de aire calculada a partir de
las revoluciones del ventilador.

La variable que tiene mayor influencia en el proceso de secado es la relacin superficie
a volumen seguida de la cantidad de yuca, la temperatura del aire que recircula y la
velocidad de flujo de aire.

Primero se realiz una recopilacin de informacin acerca del secado de slidos, los
diferentes tipos de secadores existentes para tal propsito, caractersticas de la yuca y
procesos de secado utilizados, para lo que se utiliz fuentes bibliogrficas e Internet.

Esto brind claridad acerca del tema y marc el punto de partida de la investigacin.
Con base en las recomendaciones y resultados obtenidos en las investigaciones
mencionadas, se cambi la velocidad del motor por la velocidad del aire que fluye como
variable representativa del flujo.

NIVEL
CANTIDAD
DE YUCA (gr.)
RELACION SUPERFICIE
A VOLUMEN
VELOCIDAD
DEL FLUJO
(m/s)
TEMPERATURA
DEL AIRE QUE
RECIRCULA(C)
Alto 2000 (0.4731 0.4743)mm
-1
3 80
Bajo 1000 (0.1734 0.1743)mm
-1
1.5 60


MODELO MATEMTICO OBTENIDO

A fin de describir el proceso de secado en el dispositivo en trminos de las variables
ms importantes, se hizo uso del anlisis de regresin lineal mltiple1, y se obtuvo la
siguiente ecuacin:

%H =8.0826 0.006603 (C) +41.2561 (A/V) +2.8028 (V) +0.2792 (T)

De donde:
C : Cantidad de yuca (gramos)
A/V : Relacin superficie a volumen (mm-1)
V : Velocidad del ventilador (rpm)
T : Temperatura de control del aire de recirculacin (C)

Es importante aclarar que este modelo de regresin presenta la limitante de que slo es
vlido para valores de las variables independientes (cantidad de yuca, relacin
superficie a volumen, velocidad del ventilador y temperatura de control del aire de
recirculacin) que estn dentro del intervalo de valores utilizados en las pruebas y para
6
un tiempo de secado de tres horas, con un coeficiente de correlacin R2 = 88.6%. La
relacin lineal supuesta puede ser vlida dentro de dicho intervalo, pero tal vez no lo sea
al momento de una extrapolacin.
bsicos de:

- Ecuaciones diferenciales de primer orden

PROBLEMA 5.- INCENDIOS FORESTALES


Los efectos trmicos de un incendio son debidos principalmente a la radiacin. Los
modelos matemticos para la estimacin del flujo de calor por este mecanismo se
pueden clasificar en modelos diferenciales, integrales y semiempricos. Utilizaremos los
modelos semiempricos.

Matemticamente son los modelos ms simples, basados en correlaciones empricas
(obtenidas a partir de datos experimentales). Sus resultados son fiables, aunque tienen
un rango de validez muy limitado (las condiciones especficas en que fueron efectuados
los experimentos). Son considerados dentro de esta clasificacin los modelos ms
conocidos en la modelizacin de la radiacin emitida por un incendio: (1) modelos de
una fuente puntual y (2) el modelo del cuerpo slido.

(2) Traduccin de la situacin en terminologa matemtica .

Considerando al lecho de combustible como un sistema compuesto por pequeas barras
verticales, espaciadas regularmente por una distancia S. Cuando la barra (n -1) se
incendia, su temperatura es la temperatura de ignicin y la temperatura de la barra
adyacente (n) se encuentra en un valor intermedio entre la temperatura ambiente y la
temperatura de ignicin. Como se muestra en la Figura 4.3.2, se considera que la barra
(n) est en contacto con las llamas de la barra (n 1), de manera que la transferencia de
calor por conduccin, conveccin y radiacin son las responsables de que la barra (n)
llegue a la temperatura de ignicin.

La velocidad de propagacin R, es obtenida mediante:
7

El flujo de energa hacia la barra (n) por unidad de volumen y unidad de tiempo es:

)(
)
Donde A representa la superficie de intercambio de la partcula,
la temperatura de la
llama, T es la temperatura de la barra (n), y
representan los coeficientes de

intercambio por conduccin conveccin y radiacin respectivamente. El tiempo de
ignicin
es obtenido por la resolucin de la ecuacin diferencial en el instante de

tiempo t = 0 hasta el tiempo de ignicin.

La ecuacin final es:

(
]

Donde T
0
es la temperatura inicial del combustible. Para la estimacin de los parmetros
fc y fr, se emplea el valor medio entre T
f
y T
i
. Se reconoci que era slo una estimacin
y que sera ms correcto emplear la diferencia entre las temperaturas respectivas a la
cuarta potencia.

bsicos de:


PROBLEMA 6.- DRENAJE DE UN TANQUE ATMOSFERICO


Se describen los fundamentos hidrostticos bsicos para el drenado de un tanque y que
sirvan para: a) El desarrollo de un programa de cmputo que obtenga el perfil terico de
la altura o nivel del lquido contra el tiempo de vaciado y b) Desarrollar
esquemticamente el algoritmo detallado del programa realizado y proporcionar el
listado del mismo.

El vaciado de tanques con descarga lateral o en el
fondo ha sido estudiado ampliamente y se han
publicado modelos que representan la influencia de
variaciones en el dimetro y forma del orificio en el
flujo volumtrico.

En este artculo, por medio de la aplicacin de los
principios de conservacin de masa y momentum se
formular un modelo matemtico que describe el
8
vaciado de un tanque al que no se le repone agua, para ser validado experimentalmente.


Para el diagrama siguiente, consideremos un sistema isotrmico con un fluido
newtoniano, incomprensible, con densidad, viscosidad y composicin constantes.

Aplicando el principio de conservacin de masa en el sistema se tiene:

Dnde:
m1 = flujo msico del lquido que entra al tanque
m2 = flujo msico del lquido que sale del tanque
m = masa del lquido acumulada en el tanque
t = tiempo

Sabemos que m1= 0 y que
m = h

Dnde:
A = rea transversal de flujo
h = Altura del lquido en el tanque
q = Flujo volumtrico
= Densidad del fluido

Analizando las ecuaciones tenemos:

(

Si tomamos A y como constantes tenemos:

Sabiendo que

Realizando un balance de energa y despejando la velocidad tenemos:
)

Sabiendo que

( )
(
)

Sustituyendo tenemos:
9
( )
(
)

bsicos de:


PROBLEMA 7.- MAXIMIZACIN DE UTILIDADES


La COMPAA Reddy Mikks produce pinturas para interiores y exteriores, M1 y M2.
La tabla siguiente proporciona los datos bsicos del problema.

Toneladas de materia prima de
Pinturas para
exteriores
Pintura para
interiores
Disponibilidad
diaria mxima
(ton)
Materia Prima M1 6 4 24
Materia Prima M2 1 2 6
Utilidad por Ton. (miles
de $)
5 4

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no
puede ser mayor que 1 tonelada ms que la de pintura para exteriores. Tambin, que la
demanda mxima diaria de pintura para interiores es de 2 toneladas. Reddy Mikks desea
determinar la mezcla ptima (la mejor) de productos para exteriores y para interiores
que maximice la utilidad diaria total.


Este problema se enmarca dentro de lo que tiene que ver con un problema de
programacin lineal, el cual, como en cualquier modelo de investigacin de
operaciones, tiene tres componentes bsicos.

1. Las Variables de Decisin o Variables de Estado que se trata de determinar.
2. El objetivo (la meta) que se trata de optimizar. Planteada como Funcin Objetivo
3. Las restricciones que se deben satisfacer las disponibilidades o necesidades del
problema

Para el problema de Reddy Mikks, se necesita determinar las cantidades a producir de
pinturas para exteriores e interiores. As, las variables del modelo, se definen como
sigue:

10
= Toneladas producidas diariamente, de pintura para exteriores
= Toneladas producidas diariamente, de pintura para interiores

Para formar la funcin objetivo, la empresa desea aumentar sus utilidades todo lo
posible. Si z representa la utilidad diaria total (en miles de dlares), el objetivo de la
empresa se expresa as:

Maximizar (z) = 5
+ 4
(OBJETIVO DEL PROBLEMA)

A continuacin se definen las restricciones que limitan el uso de las materias primas y la
demanda. Las restricciones en materias primas se expresan verbalmente como sigue:

( ) ( )

Segn los datos del problema,
Uso de la materia prima M1, por da =
+ 4
toneladas
Uso de la materia prima M2, por da = 1
+ 2
toneladas

Ya que la disponibilidad de las materias primas M1 y M2 se limita a 24 y 6 toneladas,
respectivamente, las restricciones correspondientes se expresan como sigue:

( )
( )
Tambin debemos considerar las restricciones de la demanda: La primera restriccin
indica que la diferencia entre la produccin diaria de pinturas para interiores y
exteriores no debe ser mayor a una tonelada lo que se traduce en:

( )
La segunda restriccin estipula que la demanda mxima diaria de pinturas para
interiores se limita a 2 toneladas que se traduce en:

( )
Una restriccin implcita (que se sobre entiende) es que las variables
no pueden
asumir valores negativos. Las condiciones de No Negatividad expresan este requisito
as:

El Modelo Matemtico completo para la COMPAIA Reddy Mikks quedara as:

Variables de Decisin:
= Toneladas producidas diariamente, de pintura para exteriores
= Toneladas producidas diariamente, de pintura para interiores

Maximizar (z) = 5
+ 4

Sujeta a :

11
bsicos de:

- Representacin grfica de funciones.
- Definiciones de figuras convexas.
- Discusin y resolucin de Sistemas de Inecuaciones Lineales
- Discusin y resolucin de Sistemas de Ecuaciones Lineales

PROBLEMA 8.- PROBLEMA DE LA DIETA (MINIMIZACION)


En Granjas Modelo se usa diariamente un mnimo de 800 libras (lb) de un alimento
especial, que es una mezcla de maz y soya, con las composiciones siguientes:

lb por lb de alimento

Protenas Fibras Costo ($/lb)

Maz

0.09

0,02

0,30
Soya 0,60 0,06 0,90

Las necesidades dietticas del alimento especial son un mnimo de 30% de protenas y
un mximo de 5% de fibras. Granjas Modelo desea determinar las proporciones de
alimento que produzcan un costo diario mnimo.


programacin lineal.

La definicin correcta de las variables de decisin es un primer paso esencial en el
desarrollo del modelo. Una vez hecha, la tarea de construir la funcin objetivo y las
restricciones se hace en forma ms directa.

Como la mezcla de alimentos consiste en maz y soya, las variables de decisin del
modelo se definen como sigue:

= lb de maz en la mezcla diaria
= lb de soya en la mezcla diaria

La funcin objetivo trata de minimizar el costo (en dlares) diario total de la mezcla de
alimentos, y en consecuencia se expresa como sigue:

Minimizar (z) = 0,3
+ 0,9
(OBJETIVO DEL PROBLEMA)

12
Las restricciones del modelo reflejan la cantidad diaria necesaria y los requerimientos
dietticos. Como Granjas Modelo necesita un mnimo de 800 lb diarias de alimento, la
restriccin correspondiente se puede expresar como sigue:

( )

En cuanto a la restriccin diettica de necesidades de protena, la cantidad de protena
que contienen
lb de maz y
lb de soya es (0,09
+ 0,6
) lb. Esta cantidad debe

ser cuando menos igual al 30% de la mezcla total de alimentos, (
) lb; esto es

)
De manera similar, la restriccin de la fibra se define como

)
Las restricciones se simplifican agrupando todos los trminos en
y pasndolos
al lado izquierdo de cada desigualdad, para que slo quede una constante en el lado
derecho.

Una restriccin implcita (que se sobre entiende) es que las variables
no pueden
asumir valores negativos. Las condiciones de No Negatividad expresan este requisito
as:

As, el modelo completo viene a ser

Variables de Decisin:

= lb de maz en la mezcla diaria
= lb de soya en la mezcla diaria

Minimizar (z) = 0,3
+ 0,9

Sujeta a :

bsicos de:

- Representacin grfica de funciones.
- Definiciones de figuras convexas.
- Discusin y resolucin de Sistemas de Inecuaciones Lineales

13
PROBLEMA 9.- TRASPORTE DE MERCANCIA


Tres empresas suministran computadoras a cuatro detallistas. La cantidad de
demanda semanal de los cuatro detallistas es de 150, 150, 400 y 100 computadores,
respectivamente. La oferta de las tres empresas est dictada por la mano de obra
regular disponible y se calcula en 250, 300 y 250 unidades a la semana. El costo
en dlares del transporte por unidad viene detallado en la siguiente tabla

Detallistas

1 2 3 4

Empresas

1 15 14 12 10
2 10 12 15 13
3 18 20 11 15

Determinar el costo mnimo del programa de envi.


programacin lineal. Por lo que la definicin correcta de las variables de decisin es un
primer paso esencial en el desarrollo del modelo. Una vez hecha, la tarea de construir la
funcin objetivo y las restricciones se hace en forma ms directa, quedando el Modelo
Matemtico determinado de la siguiente manera:

VARIABLES DE DECISIN:

X
11
: Cantidad optima enviada de la Empresa 1 a Detallista 1
X
12
X
13
X
14
X
21
X
22
X
23
X
24
X
31
X
32
X
33
X
34

FUNCIN OBJETIVO

Minimizar (Z): 15X
11
+ 14X
12
+ 12X
13
+ 10 X
14
+ 10X
21
+ 12X
22
+ 15X
23
+ 13X
24
+ 18X
31
+
20X
32
+ 11X
33
+ 15X
34

14
SUJETA A:

CONDICIONES DE OFERTA

X
11
+ X
12
+ X
13
+ X
14
= 250
X
21
+ X
22
+ X
23
+ X
24
= 300
X
31
+ X
32
+ X
33
+ X
34
= 250

CONDICIONES DE DEMANDA

X
11
+ X
12
+ X
13
+ X
14
= 150
X
21
+ X
22
+ X
23
+ X
24
= 150
X
31
+ X
32
+ X
33
+ X
34
= 400
X
41
+ X
42
+ X
43
+ X
44
= 100

CONDICIONES DE NO NEGATIVIDAD

X
ij
0 i = 1,2,3 j = 1,2,3,4

bsicos de:


PROBLEMA 10.- CONCENTRACION DE DROGA EN UN ORGANO


Un lquido transporta una droga dentro de un rgano de volumen V (cm
3
), a una tasa de a
cm
3
/sg y sale a una tasa de b cm
3
/sg. La concentracin de la droga en el lquido que entra es c
gr/cm. Escriba un modelo matemtico para saber la concentracin de la droga en el rgano en
cualquier tiempo junto con las condiciones apropiadas.

(2) Traduccin de la situacin en terminologa matemtica y obtencin del modelo.

La situacin est descrita esquemticamente en la siguiente figura:

La formulacin Matemtica se justifica de la siguiente forma
Si X representa la concentracin de la droga en el rgano en gramos por centmetro. La cantidad
de droga en el rgano en cualquier tiempo est dado por:

(
)(
)

El nmero de gr/seg que entra al rgano en el tiempo t est dado por:

15
(
)(
)

El nmero de gr/seg que sale del rgano en el tiempo t est dado por:

(
)(
)

Ahora como la tasa de cambio de la cantidad de droga en el rgano es igual a la tasa que entra
menos la tasa que sale de droga, entonces el modelo matemtico que tenemos es:
()
Considerando como condicin inicial que la droga en el rgano en t = 0 es X
0
, entonces X = X
0

en t = 0

Y si asumimos que a, b, c y V son constantes, podemos escribir el modelo matemtico como:

bsicos de:


CONCLUSIN

De lo expuesto anteriormente, podemos concluir que para resolver los problemas arriba
planteados necesitamos de la matemtica, especficamente modelos matemticos, los mismos
que van a representar de manera aproximada la realidad y nos van a servir para predecir un
fenmeno, simular soluciones, aportar al desarrollo de otras disciplinas, en definitiva van a ser
los medios que nos permitan comprender, explicar y resolver un determinado problema.

BIBLIOGRAFA

1. Cabrara,G:1998. Semiologa del electrocardiograma, Anlisis e interpretacin, Ed. Grupo
Aula mdica
2. COMAP .2000. Matemticas y vida cotidiana. Addison-Wesley.
3.Garcia,L.M.1998. Proyectos de Matemtica Aplicada para ingenieria.Publicaciones UPV.
4. Gmez, J. 2002.De la enseanza al aprendizaje de las matemticas Edit. Piados
5. Guzmn,M. Pgina web: www.mat.ucm.es/deptos/am/guzman/guzman.html
6.Puig Adam,P. Clculo Integral. Edicin 1972.
7. Benalczar Gmez, Guillermo Hernn.- 2007 Matemtica para el Bachillerato ed. Cmara
Ecuatoriana del Libro Ncleo de Pichincha
8. Web de modelizacin: http://www-ma4.upc.es/~andreu/

Ejemplos D Emodelos Matematicos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejemplos D Emodelos Matematicos

Cargado por

Copyright:

Formatos disponibles

1

representan los coeficientes de

es obtenido por la resolucin de la ecuacin diferencial en el instante de

= Toneladas producidas diariamente, de pintura para exteriores

= Toneladas producidas diariamente, de pintura para interiores

(OBJETIVO DEL PROBLEMA)

= Toneladas producidas diariamente, de pintura para exteriores

= Toneladas producidas diariamente, de pintura para interiores

= lb de maz en la mezcla diaria

= lb de soya en la mezcla diaria

(OBJETIVO DEL PROBLEMA)

) lb. Esta cantidad debe

= lb de maz en la mezcla diaria

= lb de soya en la mezcla diaria

También podría gustarte