Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Uno de los problemas más difíciles con los que se enfrenta un científico en su
investigación cotidiana es: "¿Cómo traduzco un fenómeno físico en un conjunto
de ecuaciones que lo describe?"
Página 1 de 38
Dinámica poblacional
Se puede decir más sobre el problema, pero por ahora no los discutiremos en
detalle. Para ilustrar el uso de ecuaciones diferenciales con respecto a este
problema, consideramos el modelo matemático más fácil que se ofrece para
gobernar la dinámica de la población de una especie determinada. Es
comúnmente llamado el modelo exponencial, es decir, la tasa de cambio de la
población es proporcional a la población existente. En otras palabras, si P ( t )
mide la población, tenemos
𝑑𝑃
= 𝑘𝑃
𝑑𝑡
donde la tasa k es constante. Es bastante fácil ver que si k > 0, tenemos
crecimiento, y si k <0, tenemos decadencia. Esta es una ecuación lineal que se
resuelve así 𝑃(𝑡) = 𝑃0 𝑒 𝑘𝑡
donde 𝑃0 está la población inicial, es decir 𝑃(0) = 𝑃0 . Por lo tanto, concluimos lo
siguiente:
Página 2 de 38
se reduce a la exponencial. Para resolver esta ecuación, reconocemos una
ecuación no lineal que es separable. Las soluciones constantes son P = 0
y P = M . Las soluciones no constantes pueden obtenerse separando las
variables.
𝑑𝑃
= 𝑘𝑑𝑡
𝑃
𝑃 (1 − 𝑀)
Integrando, utilizando la técnica de fracción parcial tenemos:
𝑑𝑃
∫ = ∫ 𝑘𝑑𝑡
𝑃
𝑃 (1 − 𝑀)
𝑑𝑃 1 1⁄
∫ = ∫( + 𝑀 ) 𝑑𝑃
𝑃 𝑃 (1 − 𝑃 )
𝑃 (1 − 𝑀) 𝑀
Las técnicas de fracción parcial dan
lo que da
𝑃
𝑙𝑛|𝑃| − 𝑙𝑛 |1 − | = 𝑘𝑡 + 𝐶
𝑀
𝑃
Las manipulaciones algebraicas fáciles dan 𝑃 = 𝐶𝑒 𝑘𝑡
1−
𝑀
donde C es una constante. Resolviendo para P , obtenemos
𝑀𝐶𝑒 𝑘𝑡
𝑃=
𝑀 + 𝐶𝑒 𝑘𝑡
Si consideramos la condición inicial 𝑃(0) = 𝑃0 (suponiendo que 𝑃0 no sea igual
a 0 o M , obtenemos
𝑃0 𝑀
𝐶=
𝑀 − 𝑃0
Sin embargo, esto todavía no es satisfactorio porque este modelo no nos dice
cuándo una población se enfrenta a la extinción, ya que nunca implica
eso. Incluso a partir de una pequeña población a la que tenderá siempre a la
capacidad de carga M.
Página 3 de 38
𝑑𝑃 𝑃(𝑡)
= 0.2𝑃(𝑡) (1 − ), 𝑦(0) = 150
𝑑𝑡 200
Solución:
1) Esta ecuación diferencial es autónoma, es decir, falta la variable t . Por lo
tanto, esta ecuación es de hecho separable.
Página 4 de 38
5) Claramente, debido a la condición inicial (ver el gráfico de la solución a
continuación), tenemos
lim 𝑃(𝑡) = 200 siendo la capacidad de carga.
𝑡→∞
Página 5 de 38
1 1
Por lo tanto, 𝐵 = y en consecuencia 𝐴 = .
200 600
7) A partir del gráfico (ver 4.), el gráfico de P ( t ) tiene un punto de inflexión entre
0 y 200. Vamos a encontrarlo.
Página 6 de 38
3) Suponga que N = 100 y M = 1 y k = 1. Dibuje la gráfica de la solución que
satisfaga la condición inicial y (0) = 20.
Solución:
𝑃 𝑃
𝑓(𝑃) = 𝑘𝑃 (1 − ) ( − 1)
𝑁 𝑀
Página 7 de 38
Concluimos que P = 0 y P = N son sumideros, mientras que P = M es una
fuente.
Página 8 de 38
𝑑𝑝 𝑃 𝑃
= 𝑘𝑃 (1 − ) ( − 1) − 𝐸
𝑑𝑡 𝑁 𝑀
Página 9 de 38
• Si E > f ( h ), solo tenemos un punto crítico:
Nota: De una manera muy general, diremos que un sistema sufre una bifurcación
si y solo si el comportamiento global de un sistema, que depende de un
parámetro, cambia cuando el parámetro varía.
Ejemplo:
Un tanque contiene 𝑆0 lb de sal disueltas en 200 galones de agua. En el tiempo
𝑡 = 0 entra agua que contiene ½ lb de sal por galón, con un gasto de 4 gal/min,
y la solución homogenizada sale del depósito con la misma intensidad.
Determinar la concentración de sal en el tanque para todo el tiempo 𝑡 > 0.
Solución: Denotemos por S(t) la cantidad de sal en el tanque en el tiempo t que debe
ser igual al gasto con el cual entra la sal en el tanque, menos el gasto con el cual sale
del tanque. Obviamente la rapidez con la cual entra la sal al tanque es
Página 10 de 38
1 𝑙𝑏
𝑣𝑒𝑐𝑒𝑠 4 𝑔𝑎𝑙/ min = 2 𝑙𝑏/𝑚𝑖𝑛
2 𝑔𝑎𝑙
También es obvio que el gasto con el cual efluye la sal del tanque es
𝑆𝑡
4 𝑔𝑎𝑙/ min 𝑣𝑒𝑐𝑒𝑠
200
Así pues,
𝑆𝑡
S´(t) = 2 − , 𝑆(0) = 𝑆0
50
Esto implica que 𝑆(𝑡) = 𝑆0 𝑒 −0.02𝑡 + 100(1 − 𝑒 −0.02𝑡 ) (*)
MODELOS EPIDEMIOLÓGICOS
Página 11 de 38
Hipótesis del modelo SIR
El modelo que se presenta tiene como base las siguientes suposiciones
S 0 (t) = −βSI,
Página 12 de 38
Figura 1: Esquema de un modelo SIR.
R0 (t) = γI,
0
S (t) = −βSI, S(0) = S0 ,
I 0 (t) = βSI − γI, I(0) = I0 , (2)
0
R (t) = γI, R(0) = R0 ,
Página 13 de 38
donde S0 , I0 y R0 son las condiciones iniciales todas positivas y si supo-
nemos que R0 = 0 estamos diciendo que al inicio del proceso de difusión
de la enfermedad, solo hay individuos susceptibles e infecciosos, es de-
cir, N = S0 + I0 , y β y γ son constantes positivas, que representan la
tasa de interacción de susceptibles e infecciosos y la tasa de individuos
recuperados de la infección.
An´
alisis cualitativo del modelo
S 0 (t) = −βSI,
(3)
0
I (t) = βSI − γI.
Página 14 de 38
Lo que nos interesa saber de este modelo es que si conocemos los pa-
rámetros β, γ y las condiciones iniciales S0 e I0 , cuándo la infección se
propagará a la población, y sobre todo conocer el comportamiento de la
epidemia, es decir, el probable curso que tendrá y cuándo comenzará a
declinar el brote epidémico.
βS0
γ
> 1,
Página 15 de 38
βS0
γ
< 1,
βS0
R0 = γ
,
x0 (t) = −γx(t).
Página 16 de 38
expuestos a la enfermedad que inmediatamente pasarán a ser infecciosos
en el tiempo t0 y que seguirán siendo infecciosos en el instante de tiempo
t0 + t; tal que t ∈ [0, ∞). Por tanto la duración del perı́odo de infec-
ción
R ∞ se−γtdistribuye de manera exponencial con una media o esperanza
0
tγe dt = γ1 , que es el perı́odo de permanencia de la clase infecciosa.
dI (βS−γ)I βS−γ γ
dS
= −βSI
= −βS
= −1 + βS
,
es decir,
dI γ
dS
= −1 + βS
,
γ
I = −S + β
ln S + k,
γ
p(S, I) = I + S − β
ln S = k,
γ γ
I = −S + ln S + I0 + S0 − ln S0 . (4)
β β
Página 17 de 38
Figura 2: Trayectorias del plano fase (S,I)
γ γ
N− β
ln S0 = S∞ − β
ln S∞ ,
β ln SS∞0
= . (5)
γ N − S∞
Página 18 de 38
aún individuos susceptibles a la enfermedad, es decir, la enfermedad de-
saparece por falta de infecciosos y no por falta de susceptibles. Las can-
tidades S0 y S∞ pueden ser estimadas por estudios serológicos; es decir,
haciendo un análisis de respuesta inmunológica en muestras de sangre de
individuos de una población, antes y después de una epidemia.
Ahora en caso de que existiera una epidemia, nos interesarı́a saber que
tan severa es, por tanto se calculará el número máximo de infecciosos al
cual denotaremos como Imax .
γ γ γ γ
Imax = S0 + I0 − ln S0 − + ln , (6)
β β β β
el cual se reduce a
Página 19 de 38
γ
γ β γ
Imax = N + ln − , (7)
β S0 β
dS βSI βS
=− =− , (8)
dR γI γ
−βR
ln S = − βγ R + cte, se sigue que, S = S(0)e γ , es decir,
−βR
S = S0 e γ (9)
−β(N −S(∞))
S(∞) = S0 e γ
. (10)
Página 20 de 38
Itotal = I0 + S0 − S(∞), (11)
donde S(∞) es la solución de la ecuaci´on 10.
−βR
dR
dt
= γI = γ(N − S(t) − R(t)) = γ(N − R(t) − S0 e γ ),
por tanto,
dR −βR
= γ(N − R(t) − S0 e γ ), R(0) = 0. (12)
dt
Modelo SIRS
Página 21 de 38
Hip´
otesis del modelo
Página 22 de 38
Figura 3: Esquema de un modelo SIRS.
R0 (t) = γI − αR,
0
S (t) = −βSI + αR, S(0) = S0 ,
I 0 (t) = βSI − γI, I(0) = I0 , (23)
0
R (t) = γI − αR, R(0) = R0 ,
Página 23 de 38
donde I0 > 0, S0 > 0 y R0 > 0 son las condiciones iniciales, y obtenemos
que la población total está dada por N = S + I + R.
γ
S= ó I = 0 .
β
αR = βSI,
Página 24 de 38
sustituimos 3.24 en la ecuación anterior y obtenemos que
α(N −S)
ası́ I= βS+α
,
γ
sustituyendo el valor encontrado de S = β
tenemos que
α(N − βγ )
I= ,
γ+α
α(N − S) = 0, ası́
S=N .
R0 (t) = γI − αR = 0, entonces
γ
α(N − β )
puesto que obtuvimos que I = 0 e I = γ+α
, sustituyendo en esta
última ecuación obtenemos que
γ
γ(N − β )
R = 0, y R = γ+α
.
Página 25 de 38
De lo anterior obtenemos que los puntos crı́ticos del sistema 3.23 son
S1 = N, I1 = 0, R1 = 0,
γ γ
(25)
γ α(N − β ) γ(N − β )
S2 = β
, I2 = γ+α
, R2 = γ+α
.
γ
α(N − β )
(N, 0) y ( βγ , γ+α
).
∂f ∂f
∂S ∂I
A= ,
∂g ∂g
∂S ∂I
Página 26 de 38
donde f (S, I) y g(S, I) representan los terminos de la derecha en el sis-
tema (3.26).
−βI − α −βS − α
A= .
βI βS − γ
γ
γ α(N − β )
Al evaluar la matriz en el punto β
, γ+α
obtenemos que
−γα
− βαN − α −γ − α
γ+α
A= ,
βαN −γα
γ+α
0
Página 27 de 38
Figura 4: Trayectorias para el modelo SIRS.
βαN −γα
detA = (βαN − γα) y trazaA = − γ+α
+α .
Página 28 de 38
estables (focos o espirales), como se observa en la figura 3.14.
Página 29 de 38
Las tres cantidades umbrales R0, σ y R
Introducci´on
Página 30 de 38
umero reproductivo básico R0
N´
βS0
R0 = γ
,
βS0
R0 = γ
> 1,
βS0
R0 = γ
< 1,
Página 31 de 38
umero de contactos σ
N´
S0
β ln S∞
σ= γ
= N −S∞
.
umero de reemplazos R
N´
Página 32 de 38
En el instante de tiempo t = 0, como se mencionó en el capı́tulo
anterior el número reproductivo básico es igual al número de reemplazos
pues
R = βγ S0 = R0 ,
Aspectos generales
R0 ≥ σ ≥ R,
Página 33 de 38
Cantidades umbrales en modelos end emicos
0
S = −βSI + µN − µS, S0 = S(0),
I 0 = βSI − γI − µI, I0 = I(0), (1)
0
R = γI − µR, R0 = R(0),
0
s = −βsi + µ − µs, s(0) = s0 ,
(2)
0
i = βsi − (γ − µ)i, i(0) = i0 .
Página 34 de 38
Si i0 > 0 en el instante de tiempo t = 0, entonces i0 (0) = (βs0 − γ −
µ)i0 > 0, si s0 > γ+µ
β
puesto que i0 > 0.
β
s
γ+µ 0
> 1, indica que habrá un brote epidémico.
β
s
γ+µ 0
< 1, indica que no habrá un brote epidémico.
β
R0 = γ+µ
= σ.
Página 35 de 38
de nobleza y sacrificio la población de Eyam convencidos por las autori-
dades eclesiásticas del pueblo decidieron poner a toda la población en
cuarentena sellando la población para que la epidemia no se propagara
a los pueblos vecinos, una consecuencia de esta decisión es que al cerrar
la población de Eyam fue que la tasa de infección se incrementó debido
a que la población de humanos, ratas y pulgas se encontraban en un
entorno cerrado donde unos y otros interactuaban.
R0 = 6 · 54 × 10−3 × 254 = 1 · 66
σ = 6 · 54 × 10−3 .
Página 36 de 38
Figura 1: Gr´ afica de los individuos infecciosos.
153
Imax = (254 + 7) + 153 ln 254
− 153 ≈ 30 · 44.
Página 37 de 38
Figura 2: Gr´ afica de los individuos susceptibles.
Página 38 de 38