Act.

1 Matemáticas para ingeniería II

Ecuaciones diferenciales como modelos
matemáticos
Objetivo.

Entender a las ecuaciones diferenciales como modelos matemáticos de algunos

fenómenos de ciencias exactas y sociales.

Introducción.

La transferencia de calor está relacionada con los cuerpos calientes y fríos,

llevando a cabo procesos como: vaporización, cristalización, reacciones químicas,
entre otras. En donde la transferencia de calor, tiene sus propios mecanismos y
cada uno de ellos cuenta con sus propias peculiaridades. La transferencia de calor
es importante en los procesos, porque es un tipo de energía que se encentra en
tránsito, debido a una diferencia de temperaturas y por tanto existe la posibilidad de
presentarse el enfriamiento, sin embargo, esta energía en lugar de perderse sin
ningún uso es susceptible de transformarse en energía mecánica, por ejemplo; para
producir trabajo, generar vapor, calentar una corriente fría, etc.

La ley de enfriamiento de Newton enuncia que, cuando la diferencia de

temperaturas entre un cuerpo y su medio ambiente no es demasiado grande, el
calor transferido por unidad de tiempo hacia el cuerpo o desde el cuerpo por
conducción, convección y radiación, es aproximadamente proporcional a
la diferencia de temperaturas entre el cuerpo y dicho medio externo, siempre y
cuando este último mantenga constante su temperatura durante el proceso de
enfriamiento.
Marco teórico.

Ley del calentamiento de Newton.

La velocidad con que se calienta (o enfría) un objeto es proporcional a la diferencia

entre su temperatura 𝑇 y la temperatura ambiente 𝑇𝑎.

Formulación de la ecuación diferencial

Si 𝑇(𝑡) es la función que nos da la temperatura del cuerpo en cada segundo de

tiempo 𝑡, esta ley puede expresarse mediante una ecuación diferencial de variables
separables.

dQdt=αS(T−Ta)

Donde α es el coeficiente de intercambio de calor y S es el área del cuerpo.

Difusión de una enfermedad.

Existen dos tipos de modelos matemáticos: determinísticos y estocásticos. En un

modelo determinístico se pueden controlar los factores que intervienen en el estudio
del proceso o fenómeno y por tanto se pueden predecir con exactitud sus
resultados. En un modelo estocástico no es posible controlar los factores que
intervienen en el estudio del fenómeno y en consecuencia no produce simples
resultados únicos. Cada uno de los resultados posibles se genera con una función
de probabilidad que le adjudica una probabilidad a cada uno de éstos, por ejemplo
un modelo para predecir el tamaño de una epidemia en una población
de N individuos. Para el caso determinístico se proporciona un valor único, C,
mientras que el modelo estocástico permite la posibilidad de obtener desde cero
hasta N individuos y se adjudica una cierta probabilidad a cada uno de estos
sucesos. La diferencia es más grande de lo que parece, ya que en un modelo
matemático determinístico en el contexto epidemiológico; un solo sujeto causa una
epidemia generalizada, mientras que bajo un modelo estocástico existe la
posibilidad de que la epidemia se extinga.
Conceptos básicos de epidemia

Número reproductivo básico. El principal parámetro utilizado en epidemiología es el

número reproductivo básico, R0, definido como el número promedio de infecciones
causadas por un individuo infeccioso cuando éste es introducido a una población de
susceptibles e intenta capturar la capacidad reproductiva de la
enfermedad. Hernández-Suárez propone otra definición de R0 y la expresa en
términos de contactos: R0 es el número esperado de contactos que un individuo
infeccioso tiene durante su periodo completo de infección, definiendo como un
contacto cualquier actividad que pueda causar la infección de un susceptible.

Tamaño de la epidemia. Ésta es una de las propiedades asintóticas más

importantes en los modelos epidemiológicos y se define como el número total de
individuos infectados en una epidemia. Es una medida cuantitativa muy importante
porque se relaciona de forma estrecha con los costos de la epidemia.

Principales modelos de transmisión de enfermedades infecciosas

Modelos SI, SIS y SIR

En los modelos epidemiológicos estándar se parte del supuesto de que los

individuos se encuentran en uno de varios estados posibles. En función de dichos
estados, la población puede incluirse en algunas categorías: individuos susceptibles
(S), infectados (I) o removidos (R), etc. Los modelos más importantes son: SI,
SIS y SIR, que pueden modelarse en forma determinista o estocástica y en todos
ellos se asume que la interacción entre los individuos es aleatoria. La mejor manera
de modelar las enfermedades infantiles consiste en emplear un modelo SIR puesto
que la infección lleva a una inmunidad vitalicia. Para la mayor parte de las
enfermedades de transmisión sexual (ETS) resulta más útil el modelo SIS, toda vez
que tan sólo un número reducido de ETS confiere inmunidad tras la infección. El
VIH es una excepción clara y todavía puede describirse de forma adecuada, al
menos en el mundo occidental, mediante el modelo SI. A continuación se describen
de modo sinóptico los modelos SI, SIS y SIR bajo sus dos versiones: determinística
y estocástica.

La ecuación 1 presenta el modelo SI en su versión determínistica, es decir, como

un modelo continuo en su forma más simple, consistente en un sistema de dos
ecuaciones diferenciales:

En la ecuación 1 aparecen dos variables dependientes: el número de personas

susceptibles (S) y el número de personas infectadas (I). En este modelo, bajo su
versión estocástica, cada individuo infeccioso tiene contacto con otro, escogido al
azar, a una tasa l (contactos por unidad de tiempo). Por lo tanto, la variable
aleatoria tk, tiempo transcurrido entre la infección del individuo k-1 y el individuo k,
para k=1,2,3,…, tiene una distribución exponencial con parámetro l, una constante
que no cambia con el tiempo. Esto significa que la variable aleatoria X(t), que se
refiere al número de susceptibles e infectados al tiempo t, es un proceso Poisson
homogéneo. Los estados del proceso al tiempo t se identifican por X(t)={S(t),I(t)},
esto es, el número de susceptibles e infectados al tiempo t. Por consiguiente,
cuando hay I infectados y S susceptibles, las probabilidades de transición son:

donde o(d) es una cantidad que tiende a cero cuando d tiende a cero. Para cada
valor de tiempo bajo ambos modelos N=S(t)+I(t), donde N es el tamaño de la
población. Además, el significado de un contacto es cualquier actividad que resulta
en la infección de un susceptible por un individuo infeccioso. También este modelo
en ambas versiones es homogéneo para las personas, ya que se presupone que
cada individuo tiene el mismo número esperado de contactos, de tal forma que es
posible afirmar que el modelo presupone una interacción aleatoria. La solución a
este modelo en ambas versiones traza una trayectoria en forma de S, debido a que
el número de individuos infectados que puede transmitir la infección es bajo en las
primeras etapas del proceso, mientras que el número de individuos susceptibles es
bajo en las últimas etapas. Como resultado, el número de infectados experimenta
el mayor crecimiento durante la etapa intermedia del proceso.

Crecimiento poblacional

Uno de los primeros intentos de modelar el crecimiento demográfico humano lo hizo

Thomas Malthus, economista ingles en 1798. En esencia, la idea del modelo
maltusiano es la hipótesis de que la tasa de crecimiento de la población de un país
crece en forma proporcional a la población total, P(t) de ese país en cualquier
momento t. En otras palabras, mientras más personas hayan en el momento t, habrá
más en el futuro. En términos matemáticos, esta hipótesis se puede expresar:

dP/ dt ∝ P o sea dP / dt = kP (1).

donde k es una constante de proporcionalidad. A pesar de que este sencillo modelo

no tiene en cuenta muchos factores (por ejemplo, la inmigración y emigración) que
pueden influir en las poblaciones humanas, haciéndolas crecer o disminuir, predijo
con mucha exactitud la población de EE.UU. desde 1790 hasta 1860. La E.D (1)
aún se utiliza con mucha frecuencia para modelar poblaciones de bacterias y de
animales pequeños durante ciertos intervalos.

El problema de valor inicial, 0 0 dx /dt = kx, x (t0) = x onde k es constante de

proporcionalidad, se emplea como modelo de distintos fenómenos donde interviene
crecimiento o decrecimiento.