Está en la página 1de 21

INSTITUTO TECNOLOGICO DE

TUXTEPEC

UNIDAD: II
PRCTICA: 2
IDENTIFICACIN DE MODELOS MATEMTICOS
BASADOS EN LA NATURALEZA DE LAS ECUACIONES

ASIGNATURA:
INGENIERIA DE PROCESOS
CARRERA:
ING. BIOQUMICA
NOMBRE DEL ALUMNO:
VSQUEZ GONZLEZ EDGAR EDUARDO

DOCENTE:
DR. RAMIREZ FIGUEROA ENRIQUE

SAN JUAN BAUTISTA TUXTEPEC OAXACA, MARZO 2017

Actividad 1.
a) Para cada tipo de modelos mencionados en la introduccin proporcione dos
ejemplos.
a) De acuerdo al rea de inters del modelo.

rea de inters: Biologa, qumica, fsica.

Similitud Molecular Cuntica (QMSI):

PA PB
R AB=
P P
2
A
2
B

rea de inters: Medicina y biologa

Modelo de problema epidemiolgico:

d Pi
=k Pi ( PP i) Pi ( t 0 ) =P0
dt

b) De acuerdo a la tcnica matemtica usada para resolverlo.

Ecuacin de Riccati: Solucin con las ecuaciones intergro-diferenciales.

dy
+ p ( x ) y +q ( x ) y 2=f ( x)
dx

Equilibrio qumico: Solucin algebra clsica.

A


B



( C)c(D)d
k c=

c) De acuerdo al propsito del modelo.

Balance de masa para el sustrato de acuerdo a Lumbers: El propsito del


Modelo es la optimizacin, control y accin.
ds S C
V =Q ( S 0S ) +Q F ( S F F ) V BS RV
dt K S + S K C +C

Modelo de Malthus: El propsito del modelo es descriptivo, de visualizacin y de


prediccin.

Pn+1=P n+ NP n MPn

d) De acuerdo a su naturaleza.
i) Lineales o no lineales.

Lineal: Anlisis de la Varianza con un factor (one-way Analysis of Variance),


representado por el modelo lineal;

y ij =+ i+ ij con ij N ( 0, 2) indep . ,

Lineal: Polinomio.

n n1 2
P ( x )=an x + an1 x +a2 x + a1 x +a0

No lineal: Serie de Taylor.

f ( a) f (a) f n ( a)
f ( x )=f ( a ) +f ( a )( xa ) + ( xa)2+ ( xa)3+ + ( xa)n
2! 3! n!

No lineal: Mtodo de la secante.

x n1 f ( x n ) x n f (x n1)
x n+1=
f ( x n )f (x n1)

ii) Estticos o dinmicos.


Esttico: Ecuaciones de Euler-Cauchy
x 2 y +bxy +cy =0
Esttico: Ley de Ohm
V
I=
R
Dinmico: Teorema de transporte de Reynols .

Dinmico: Segunda ley de Newton

iii) Determinsticos o estocsticos.

Determinsticos: Modelo de Stanford IV

I =E+O+ S

Determinsticos: Ley de darcy

h3h 4
Q=K A=kiA
L

Estocstico: Mtodo de gradiente conjugado

1 T T
f ( x )= x Axx b
2

Estocstico: Proceso de Wiener

dz= t dt

iV) Discretos o continuos.

Discretos: Modelo de ARCH

2 2
t = 0 + 1 t1

Discretos: Modelo de Beverton-Holt


R0 nt
nt +1=
1+nt /M

Continuos: Descripcin de entrada-salida de sistemas LTI

a 0 y n (t ) a n 1 y ' (t ) a n y (t ) b 0 u ( m ) (t ) bm u (t )

Continuos: Sistemas mecnicos rotacionales

Jdw ( t )
+bw ( t ) =T (t )
dt

b) Clasifique los siguiente modelos.


i) S=a+bp+ cp2 , D=+ p+ p2
(S = oferta, D = demanda, p = precio)

De acuerdo al rea de inters: Economa.


De acuerdo a la tcnica matemtica usada para resolverlo: Algebra clsica
De acuerdo al propsito del modelo: Descriptivo, prediccin, visualizacin, control
y accin.
De acuerdo a su naturaleza: lineal, dinmico, estocstico, discreto.

dx 2
ii) =axbx
dT

( x(t) es la poblacin al tiempo t )

De acuerdo al rea de inters: Economa, biologa.


De acuerdo a la tcnica matemtica usada para resolverlo: Algebra clsica,
ecuaciones diferenciales.
De acuerdo al propsito del modelo: Descriptivo, prediccin, visualizacin.
De acuerdo a su naturaleza: No lineal, dinmico, estocstico, discreto.

iii) x ( t +1 )=ax ( t ) bx ( t ) y ( t )

t+1=py ( t ) + qx(t ) y (t )
y
(x ( t ) , y ( t ) son las poblaciones de especies de presa y depredador respectivamente)

De acuerdo al rea de inters: Biologa.


De acuerdo a la tcnica matemtica usada para resolverlo: Algebra clsica.
De acuerdo al propsito del modelo: Descriptivo, prediccin, visualizacin.
De acuerdo a su naturaleza: lineal, dinmico, estocstico, discreto.

+

iV) dpn
= pn1 ( t ) p n+1 ( t )
dt

[ pn (t ) es la probabilidad de n personas al tiempot ]


De acuerdo al rea de inters: Economa, sociologa.
De acuerdo a la tcnica matemtica usada para resolverlo: Algebra clsica,
ecuaciones integro-diferenciales.
De acuerdo al propsito del modelo: Descriptivo, prediccin, visualizacin.
De acuerdo a su naturaleza: lineal, dinmico, estocstico, continuo.
Actividad 2.-
a) Ilustre cada una de las 36 caractersticas de los modelos mencionados
en la introduccin con uno o ms modelos (construya una tabla
ilustrativa)
b) Seleccione 10 modelos matemticos en los libros de texto y responda
cada una de las siguientes preguntas: Es lineal o no lineal? Es
esttico o dinmico? es determinstico o estocstico? Es para
comprensin, optimizacin o control? Se aplica a varias reas? Es
suficientemente realista? Cmo puede hacerse ms realista? Es
robusto? es consistente? est sobre simplificado o es demasiado
ambicioso? Sugiere nuevas ideas o conceptos? Cules aspectos de
la situacin explica y cules no? Lleva a resultados esperados o
inesperados? Se puede resolver analticamente o numricamente?
Puede proporcionar otro modelo para la misma situacin? Cmo
podra estimar los parmetros involucrados en el modelo? Cmo
podra validar el modelo? Puede simplificar el modelo?

1.- Ecuaciones de estado

P=P( v ,T ) , v =( P , T ) T =( P , v)

Es lineal o no lineal? Lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Optimizacin y control.


Se aplica a varias reas? Se aplica en reas de qumica, fsica, ingeniera.

Es suficientemente realista? Es realista.

Cmo puede hacerse ms realista? Llevando a cabo en trabajos de laboratorio o


aplicado a la industria.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

Las ecuaciones de estado son tiles para describir las propiedades de los fluidos,
mezclas, slidos o incluso del interior de las estrellas. Cada sustancia o sistema
hidrosttico tiene una ecuacin de estado caracterstica dependiente de los niveles
de energa moleculares y sus energas relativas, tal como se deduce de la
mecnica estadstica.

El uso ms importante de una ecuacin de estado es para predecir el estado de


gases. Una de las ecuaciones de estado ms simples para este propsito es la
ecuacin de estado del gas ideal, que es aproximable al comportamiento de los
gases a bajas presiones y temperaturas mayores a la temperatura crtica.

Lleva a resultados esperados o inesperados? Resultados esperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? No.

Cmo podra estimar los parmetros involucrados en el modelo?


Dependiendo de la naturaleza del sistema termodinmico objeto de estudio,
pueden elegirse distintos conjuntos de variables termodinmicas para describirlo.

Cmo podra validar el modelo? Realizando una demostracin matemtica.

Puede simplificar el modelo? S.

2.- Entropa

Es lineal o no lineal? Lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Comprensin y control.

Se aplica a varias reas? Se aplica en reas de qumica, fsica, ingeniera.

Es suficientemente realista? No lo es realista.

Cmo puede hacerse ms realista? Realizar modelos mas descriptivos.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

La entropa se define solamente para estados de equilibrio. Solamente pueden


calcularse variaciones de entropa. En muchos problemas prcticos como el
diseo de una mquina de vapor, consideramos nicamente diferencias de
entropa. Por conveniencia se considera nula la entropa de una sustancia en
algn estado de referencia conveniente. As se calculan las tablas de vapor, e
donde se supone cero la entropa del agua cuando se encuentra en fase liquida a
0'C y presin de 1 atm. La entropa de un sistema en estado se equilibrio es
nicamente funcin del estado del sistema, y es independiente de su historia
pasada. La entropa puede calcularse como una funcin de las variables
termodinmicas del sistema, tales como la presin y la temperatura o la presin y
el volumen.

La entropa en un sistema aislado aumenta cuando el sistema experimenta un


cambio irreversible. Considrese un sistema aislado que contenga 2 secciones
separadas con gases a diferentes presiones. Al quitar la separacin ocurre un
cambio altamente irreversible en el sistema al equilibrarse las dos presiones. Pero
el mediano ha sufrido cambio durante este proceso, as que su energa y su
estado permanecen constantes, y como el cambio es irreversible la entropa del
sistema ha aumentado.

En un sistema cerrado la entropa siempre debe ser positiva. Sin embargo en los
sistemas abiertos biolgicos o sociales, la entropa puede ser reducida o mejor
aun transformarse en entropa negativa, es decir, un proceso de organizacin ms
completa y de capacidad para transformar los recursos. Esto es posible porque en
los sistemas abiertos los recursos utilizados para reducir el proceso de entropa se
toman del medio externo. As mismo, los sistemas vivientes se mantienen en un
estado estable y pueden evitar el incremento de la entropa y aun desarrollarse
hacia estados de orden y de organizacin creciente.

Lleva a resultados esperados o inesperados? Resultados esperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? No.

Cmo podra estimar los parmetros involucrados en el modelo?


Una transformacin adiabtica se caracteriza porque la sustancia de trabajo no
intercambia calor, transformacin isoterma, transformacin isbara, para calcular
la variacin de entropa en una transformacin isbara se sigue un procedimiento
anlogo al anterior; la nica diferencia es que la capacidad calorfica para esta
transformacin es la capacidad calorfica a presin constante de un gas ideal

Cmo podra validar el modelo? Realizando una demostracin matemtica.

Puede simplificar el modelo? No.

3.- Ecuaciones de Maxwell

Es lineal o no lineal? Lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Comprensin, Optimizacin y


control.

Se aplica a varias reas? Se aplica en reas de fsica, ingeniera.

Es suficientemente realista? Es realista.


Cmo puede hacerse ms realista? Aplicado a la industria e ingeniera.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

Las ecuaciones de Maxwell representan una de las formas ms elegantes y


concisas de establecer los fundamentos de la Electricidad y el Magnetismo. A
partir de ellas, se pueden desarrollar la mayora de las frmulas de trabajo en el
campo. Debido a su breve declaracin, encierran un alto nivel de sofisticacin
matemtica y por tanto no se introducen generalmente en el tratamiento inicial de
la materia, excepto tal vez como un resumen de frmulas.

Estas ecuaciones bsicas de la electricidad y el magnetismo se pueden utilizar


como punto de partida para los cursos avanzados, pero generalmente se
encuentran por primera vez despus del estudio de los fenmenos elctricos y
magnticos, en forma de ecuaciones unificadoras

Lleva a resultados esperados o inesperados? Resultados esperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? En general, se


encuentran expresiones de las ecuaciones de Maxwell donde no aparecen los
campos desplazamiento ni magntico, pero s aparecen constantes. En realidad
las ecuaciones de Maxwell aqu expuestas son generales, ya que no suponen
ninguna propiedad de los materiales donde hay campos.

Cmo podra estimar los parmetros involucrados en el modelo?


En el espacio libre las corrientes y las cargas son cero y las ecuaciones de
Maxwell se pueden simplificar eliminando los trminos correspondientes.
Asimismo si las fuentes varan armnicamente con el tiempo, las ecuaciones
electromagnticas y sus soluciones se simplifican, utilizando para ello una
notacin fasorial, de forma que las derivadas respecto al tiempo se transforman en
productos por el factor jw . Finalmente para casos sin variacin temporal, las
ecuaciones toman las formas de electrosttica y magnetosttica.

Cmo podra validar el modelo? Las ecuaciones de Maxwell se pueden escribir


en forma integral, aplicando para ello los teoremas de Stokes y de la divergencia.

Puede simplificar el modelo? S.

4.- Crecimiento microbiano

dx
=x
dt

Es lineal o no lineal? No lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Comprensin, Optimizacin y


control.

Se aplica a varias reas? Se aplica en reas biologa, bioqumica, medicina.

Es suficientemente realista? Es realista.

Cmo puede hacerse ms realista?

Es robusto? S
Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

Es importante conocer la cintica de crecimiento de los cultivos microbianos para


predecir cmo va a evolucionar un cultivo, cmo va a ir consumindose el
substrato y cmo se van a ir acumulando los productos del cultivo. Conociendo
estos factores es posible iniciar el cultivo a mayores escalas.

Lleva a resultados esperados o inesperados? Resultados esperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin?

En el crecimiento microbiano se pueden proporcionar otros modelos, como la


ecuacin de monod, el tiempo de duplicacin.

Cmo podra estimar los parmetros involucrados en el modelo?

Realizando un anlisis de los factores que intervienen dentro del modelo.

Cmo podra validar el modelo? Se pueden aplicar en las industrias, en las


fermentaciones.

Puede simplificar el modelo? S.

5.- Ecuacin de Schrdinger

dx
=x
dt
Es lineal o no lineal? No lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Comprensin.

Se aplica a varias reas? Se aplica en reas fsica y qumica.

Es suficientemente realista? Es realista.

Cmo puede hacerse ms realista?

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

La ecuacin de Schrdinger desempea el papel de las leyes de Newton y la


conservacin de la energa de la mecnica clsica, es decir, predice el
comportamiento futuro de un sistema dinmico-. Se trata de una ecuacin de onda
en trminos de la funcin de onda, que predice analticamente y con precisin, la
probabilidad de eventos o resultados. El resultado detallado no est estrictamente
determinado, pero dado un gran nmero de eventos, la ecuacin de Schrodinger
predice la distribucin de los resultados.

Lleva a resultados esperados o inesperados? Resultados inesperados.

Se puede resolver analticamente o numricamente? Analticamente

Puede proporcionar otro modelo para la misma situacin? Si

Cmo podra estimar los parmetros involucrados en el modelo?


Realizando un anlisis de los factores que intervienen dentro del modelo.

Cmo podra validar el modelo? Realizando una aplicacin en las reas de fsica
y qumica.

Puede simplificar el modelo? No.

6.- Modelo Binomial

P ( x=k )= n p k (1 p)nk
k()
Es lineal o no lineal? No lineal.

Es esttico o dinmico? Dinmico.

Es determinstico o estocstico? Determinstico.

Es para comprensin, optimizacin o control? Comprensin y control.

Se aplica a varias reas? Se aplica en reas de economa, biologa, fsica.

Es suficientemente realista? Es realista.

Cmo puede hacerse ms realista? La aplicacin en la estadstica y a las


empreas.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

La distribucin binomial es una distribucin de probabilidad discreta que mide el


nmero de xitos si la variable es una variable aleatoria discreta, es decir, slo
puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n
pruebas. En las empresas tenemos muchas situaciones donde se espera que
ocurra o no un evento especfico. ste, slo puede ser de xito o fracaso. Por
ejemplo, en la produccin de una pieza, sta puede salir buena o defectuosa.
Para situaciones como stas se utiliza la distribucin binomial.

Lleva a resultados esperados o inesperados? Resultados inesperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? Si

Cmo podra estimar los parmetros involucrados en el modelo?

Las probabilidades correspondientes a una variable con distribucin binomial,


pueden tambin aproximarse, usando las tablas de la distribucin normal, por el
Teorema Central del Lmite, la suma de variables aleatorias independientes, tiende
a distribuirse normalmente a medida que aumenta el nmero de sumandos.

Cmo podra validar el modelo? Realizando aplicaciones en diferentes reas.

Puede simplificar el modelo? S.

7.- Cadena de Markov

Es lineal o no lineal? Lineal.

Es esttico o dinmico? Esttico.

Es determinstico o estocstico? Estocstico.

Es para comprensin, optimizacin o control? Comprensin y control.

Se aplica a varias reas? Se aplica en reas de bioqumica, biologa,


bioinformtica.
Es suficientemente realista? Aproximacin a la realidad.

Cmo puede hacerse ms realista? La aplicacin en la reas.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

Una cadena de Markov es una sucesin de ensayos similares u observaciones en


la cual cada ensayo tiene el mismo nmero finito de resultados posibles y en
donde la probabilidad de cada resultado para un ensayo dado depende slo del
resultado del ensayo inmediatamente precedente y no de cualquier resultado
previo.

Lleva a resultados esperados o inesperados? Resultados inesperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? Si

Cmo podra estimar los parmetros involucrados en el modelo?

Consideremos un proceso de Markov en que el sistema posee n estados posibles,

dados por los nmeros 1, 2, 3, ., n. Denotemos Pij a la probabilidad de que el

sistema pase al estado j despus de cualquier ensayo en donde su estado era i


antes del ensayo. Los nmeros ij p se denominan probabilidades de transicin y la
matriz nxn ( )ij P = p se conoce como matriz de transicin del sistema.

Cmo podra validar el modelo? Realizando aplicaciones como en la gentica,


ejemplo; Es improbable que una secuencia aleatoria de A,C,G y T sea un buen
modelo para el patrn de nucletidos en una secuencia gnica. Una cadena de
Markov con {A, T, G y C} podra ser una mejor aproximacin a la realidad: las
probabilidades para el nucletido en la posicin j+1 dependen del nucletido en la
posicin j.

Puede simplificar el modelo? S.

8.- La velocidad de reaccin de un sistema reactivo (cintica qumica):

a A + b B + ... d D + e E + ...

Es lineal o no lineal? Lineal.

Es esttico o dinmico? Esttico.

Es determinstico o estocstico? Estocstico.

Es para comprensin, optimizacin o control? Comprensin y control.

Se aplica a varias reas? Se aplica en reas de bioqumica, biologa,


bioinformtica.

Es suficientemente realista? Aproximacin a la realidad.

Cmo puede hacerse ms realista? La aplicacin en la reas.

Es robusto? S

Es consistente? S

Est sobre simplificado o es demasiado ambicioso? Esta simplificado

Sugiere nuevas ideas o conceptos? S

Cules aspectos de la situacin explica y cules no?

Una cadena de Markov es una sucesin de ensayos similares u observaciones en


la cual cada ensayo tiene el mismo nmero finito de resultados posibles y en
donde la probabilidad de cada resultado para un ensayo dado depende slo del
resultado del ensayo inmediatamente precedente y no de cualquier resultado
previo.

Lleva a resultados esperados o inesperados? Resultados inesperados.

Se puede resolver analticamente o numricamente? Analticamente y


numricamente.

Puede proporcionar otro modelo para la misma situacin? Si

Cmo podra estimar los parmetros involucrados en el modelo?

Consideremos un proceso de Markov en que el sistema posee n estados posibles,

dados por los nmeros 1, 2, 3, ., n. Denotemos Pij a la probabilidad de que el

sistema pase al estado j despus de cualquier ensayo en donde su estado era i


antes del ensayo. Los nmeros ij p se denominan probabilidades de transicin y la
matriz nxn ( )ij P = p se conoce como matriz de transicin del sistema.

Cmo podra validar el modelo? Realizando aplicaciones como en la gentica,


ejemplo; Es improbable que una secuencia aleatoria de A,C,G y T sea un buen
modelo para el patrn de nucletidos en una secuencia gnica. Una cadena de
Markov con {A, T, G y C} podra ser una mejor aproximacin a la realidad: las
probabilidades para el nucletido en la posicin j+1 dependen del nucletido en la
posicin j.

Puede simplificar el modelo? S.

a) Reescriba cada uno de las 36 caractersticas de los modelos mencionadas


en la introduccin en diez o ms lneas.