Modelo por edades con bifurcación

hacia atrás

Andrei Alain González Galeano

Guanajuato, México
Cimat
2022
Índice General

1 Introducción 1
1.1 El modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Punto de equilibrio libre de infección . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Análisis de equilibrio del punto libre de infección . . . . . . . . . . . . . . . . . 3
1.4 Cálculo de R0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Punto de equilibrio endémico . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 El polinomio de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
 CAPÍTULO 1

Introducción

Las diferentes enfermedades infecciosas representan un grave problema para la sociedad.

Las enfermedades no siempre ocasionan el mismo daño. Existen factores en la población que
influyen en su perjuicio, edad, nutrición, composición genética y salud en general (healthy-
children.org).

Desde el punto de vista matemático estas consideraciones causan gran atención debido a
sus ricas estructuras dinámicas (Rocha 2013). Un claro ejemplo es la influenza, cuyos primeros
modelos matemáticos se remontan a los años 50 con los trabajos de (Rvactel 1925) en los
cuales se hacı́a énfasis a la dinámica dada por la transmisión geográfica causada por el flujo
de personas infectadas que viajan a través de la red mundial de transporte.

El objetivo del presente trabajo es modelar una epidemia que afecta de manera diferente de
acuerdo al grupo poblacional donde se encuentra (jóvenes o mayores), adicionalmente existen
contagios entre las diferentes poblaciones y un paso dado por cierta tasa de la población joven
a la población mayor. Estas interacciones entre las diferentes clases son de carácter no lineal,
el cual demostraremos que origina bifurcación hacia atrás.

Para esto construimos un modelo de transmisión de enfermedades usando comportamien-

tos adaptados a dos tipos de población dividido en dos subgrupos homogéneos de modo que
los individuos en un comportamiento dado sean indistinguibles unos de otros.

Siguiendo a (P. van den Driessche 2001) los parámetros varı́an de comportamiento en
comportamiento pero son idénticos para todos los individuos dentro de un comportamiento
dado, además los parámetros no dependen del tiempo. El número reproductivo R0 se calcula
siguiendo la linea de (Dieckmann 1990) definiendolo como el radio espectral de la matriz de
siguiente generación.
2 1. Introducción

1.1 El modelo

Se considera un modelo SIS con dos grupos de individuos diferentes los cuales fueron
divididos desde el punto de vista epidemiológico demográfico. La población se divide en
susceptibles e infectados jóvenes y mayores. Estos individuos serán denotados por Sj e Ij para
el caso de los susceptibles y los infectados jóvenes, y Sm e Im para el caso de los susceptibles y
los infectados mayores. Los nuevos infectados se modelan a través de un término tipo acción
de masas. El modelo propuesto es
Sj0 = µ − βj Sj Ij − βmj Sj Im + γj Ij − τ Sj − µSj
0
Sm = −βm Sm Im − βmj Sm Ij + γm Im + τ Sj − µSm
Ij0 = βj Sj Ij + βmj Sj Im − γj Ij − µIj (1.1.1)
0
Im = βm Sm Im + βmj Sm Ij − γm Im − µIm
1 = Sj + Sm + Ij + Im
Notación Significado Unidades
Λ Tasa de ingreso a la población susceptible (Tiempo · biomasa)−1
βj Tasa de contagio de Sj a Ij (Tiempo · biomasa)−1
βm Tasa de contagio de Sm a Im (Tiempo · biomasa)−1
βmj Tasa de contagio de Sm a Ij , o de Sj a Im (Tiempo · biomasa)−1
γj Tasa de recuperación (Tiempo)−1
Si (t) Tasa per cápita población susceptible i biomasa
Ii (t) Tasa per cápita población infectada i biomasa
µ Tasa de mortalidad (Tiempo)−1

con Λ = µ · 1.
1.2. Punto de equilibrio libre de infección 3

1.2 Punto de equilibrio libre de infección

Para encontrar el punto de equilibrio libre de infección igualamos el sistema (1.1.1) a cero.
Además suponemos que no existe población infectada, es decir Im = 0 e Ij = 0, obteniendo
ası́
µ τ
Sj∗ = y Sm ∗
.
τ +µ τ +µ

1.3 Análisis de equilibrio del punto libre de infección

Se calcula la matriz jacobiana del sistema evaluado en el punto libre de infección

á ë
−τ 0 −βj Sj∗ + γj −βmj Sj∗
∗ ∗
τ −µ −βmj Sm −βm Sm + γm
J|S ∗ Sm
∗ I∗I∗ = ∗ .
j j m 0 0 βj Sj − γj − µ βmj Sj∗
∗ ∗
0 0 βmj Sm ββ m Sm − γm

Luego se encuentran sus eigenvalores los cuales son

λ1 = −µ.

λ2 = −τ − µ.
1 ∗
λ3 = (βm Sm − γm − µ + βj Sj∗ − γj − µ) +
» 2
∗ − γ − µ + β ∗ S ∗ − γ − µ)2 − 4 (β S ∗ − γ − µ)(β S ∗ − γ − µ) − β 2 S ∗ S ∗ .
 
(βm Sm m j j j m m m j j j mj j m

1 ∗
λ4 = (βm Sm − γm − µ + βj Sj∗ − γj − µ) −
» 2
∗ − γ − µ + β ∗ S ∗ − γ − µ)2 − 4 (β S ∗ − γ − µ)(β S ∗ − γ − µ) − β 2 S ∗ S ∗ .
 
(βm Sm m j j j m m m j j j mj j m

Teorema 1.3.1. El punto libre de infección es localmente asintóticamente estable si y solo

si
∗
βm Sm − (γm + µ) + βj Sj∗ − (γj + µ) < 0
y
∗
− (γm + µ)) βj Sj∗ − (γj + µ) − βmj Sj∗ Sm
∗

2
(βm Sm > 0.

Demostración. Se sigue directamente de ver que estas son las condiciones para que λ3 y λ4
sean negativos.
4 1. Introducción

1.4 Cálculo de R0

Epidemiológicamente el parámetro R0 se define como el número reproductivo de la enfer-

medad el cual nos dice cuántas infecciones individuales serán producidas por un individuo
infectado dentro de la población susceptible durante su periodo infeccioso.

Para encontrar R0 se construirá la matriz de siguiente generación (Van der Driessche

2001). Esta matriz se construye teniendo en cuenta las clases infecciosas. Para construir esta
matriz se deben formar dos matrices F (t) y V (t), donde F (t) está formada por la tasa de
aparición de nuevos contagios y V (t) contiene los términos restantes. Luego se obtienen las
matrices
ñ ô ñ ô
βm Sm Im + βmj Sm Ij γm Im + µIm
F = y V = .
βj Sj Ij + βmj Sj Im γj Ij + µIj

Se calculan las matrices jacobianas de F y V obteniendo

ñ ô ñ ô
∗ ∗
βm S m βmj Sm γm + µ 0
F= y V=
βmj Sj∗ βj Sj∗ 0 γj + µ

La matriz de siguiente generación se define como K = FV−1 , obteniendo ası́

∗ ∗ 
βm Sm βmj Sm

 γm + µ γj + µ 
 
K= 
 βmj Sj∗ ∗ 
 
βj Sj
γm + µ γj + µ

Los valores propios de la matriz K son

Ö Ã è
å2
βj Sj∗ βj Sj∗ ∗ β S∗ 2 S∗ S∗
Ç Ç å
1 ∗
βm Sm ∗
βm Sm βm Sm j j − βmj m j
λ1 = + + + −4
2 (γm + µ) (γj + µ) (γm + µ) (γj + µ) (γj + µ)(γm + µ)

y
Ö Ã è
å2
βj Sj∗ βj Sj∗ ∗ β S∗ − β2 S∗ S ∗
Ç Ç å
1 ∗
βm Sm ∗
βm Sm β m Sm j j mj m j
λ2 = + − + −4 .
2 (γm + µ) (γj + µ) (γm + µ) (γj + µ) (γj + µ)(γm + µ)
1.4. Cálculo de R0 5

Sea λ = max {λ1 , λ2 }. Siguiendo el método de la matriz de la siguiente generación se define

R0 = max {λ1 , λ2 }, es decir

Ö Ã è
å2
βj Sj∗ βj Sj∗ ∗ β S∗ 2 S∗ S∗
Ç Ç å
1 ∗
βm Sm ∗
βm Sm βm Sm j j − βmj m j
R0 = + + + −4 .
2 (γm + µ) (γj + µ) (γm + µ) (γj + µ) (γj + µ)(γm + µ)

Defı́nase

∗
βm Sm βj Sj∗ 2
βmj ∗
Sm Sj
Rm = , Rj = y Rmj = ,
(γm + µ) (γt + µ) (γm + µ) (γj + µ)

entonces

1 » 
R0 = Rm + Rj + (Rm + Rj )2 − 4 (Rm Rj − Rmj ) .
2

Teorema 1.4.1. Dado el modelo (1.1.1) su punto libre de infección es localmente asintóti-
camente estable si y solo si R0 < 1.

Casos especiales

Se analizará el comportamiento de R0 bajo situaciones extremas.

i) Si βmj = 0 entonces R0 = max {Rm , Rj }.

Demostración. Supongamos βmj = 0, lo cual implica Rmj = 0, por lo tanto R0 toma la

forma R0 = 21 (Rm + Rj + |Rm − Rj |) y esto es igual a R0 = max {Rm , Rj }

»
ii) Si βm = 0 entonces R0 = 21 (Rj + Rj2 + 4Rmj ).

Demostración. La prueba se obtiene directamente al reemplazar βm = 0 en R0 .

Este caso indica que ante ausencia de contagios entre la población mayor el R0 estará
definida por los contagios en la población joven y los posibles contagios de la población
mayor a la población joven, lo cual biológicamente es poco realista.

La siguiente proposición establece relaciones entre R0 y los Rj y Rm de las clases

particulares.
6 1. Introducción

Proposición 1.4.2. Son válidas las siguientes afirmaciones

i) (R0 − Rm )(R0 − Rj ) = Rmj .

ii) R0 > Rm , R0 > Rj .

Demostración. Blanco

i) Como

1 » 
R0 = Rm + Rj + (Rm + Rj )2 − 4(Rm Rj − Rmj )
2

se tiene que
»
2R0 − (Rm + Rj ) = (Rm + Rj )2 − 4(Rm Rj − Rmj ).

Elevando al cuadrado y factorizando se obtiene (R0 − Rm )(R0 − Rj ) = Rmj .

ii) Utilizando i) se tiene que R0 > Rm y R0 > Rj , ó R0 6 Rm y R0 6 Rj . Supongamos

Rm = Rj , entonces

1p
R0 = Rm + 4Rmj > Rm ,
2

luego R0 > Rm , y como consecuencia R0 > Rj . Ahora podemos suponer Rm 6= Rj , sin

perdida de generalidad sea Rm > Rj , entonces

1 » 
R0 > 2Rj + (Rm − Rj )2 + 4Rmj > Rj
2

luego R0 > Rj y como consecuencia R0 > Rm .

1.5 Punto de equilibrio endémico

Considere las ecuaciones

1.5. Punto de equilibrio endémico 7

Sj0 = µ − βj Sj Ij − βmj Sj Im + γj Ij − τ Sj − µSj . (1.5.1)

Ij0 = βj Sj Ij + βmj Sj Im − γj Ij − µIj . (1.5.2)
0
Im = βm Sm Im + βmj Sm Ij − γm Im − µIm . (1.5.3)
Sm = 1 − Sj − Ij − Im con Im 6= 0, Ij 6= 0. (1.5.4)
Despejando (1.5.2) se obtiene

(γj + µ) Ij
Sj =
βj Ij + βmj Im (1.5.5)

Se debe satisfacer (γj + µ) Ij 6 βj Ij + βmj Im . Sustituyendo en (1.5.1) y despejando Im se

obtiene
Ij ((µ + γj ) (µ + τ ) + βj (Ij − 1) µ)
, (1.5.6)
µβmj (1 − Ij )
donde Ij 6= 1 y 1 > Rj (1 − Ij ).

Reemplazando (1.5.4), (1.5.5) y (1.5.6) en (1.5.3) se obtiene una función cúbica

h (Ij ) = AIj3 + BIj2 + CIj + D, (1.5.7)

donde las raı́ces son puntos de equilibrio del sistema original con

2

2
A = βj βm − βmj µ (µ + γj ) (βj (µ + γ) − βm τ )
B = − (µ + γj ) βmj − βj βm µ (µ + γj ) (µ + τ )2 + 3βmj τ µ2 − 2βj µ(µ + τ ) .
 2

− βm µ (µ + γj ) (µ + τ ) (βj µ − βmj τ + βj τ ) +βj βmj µ2 (µ + γm ) (µ + τ ) .


 2
− βj βm ) −µ (µ + γj ) (µ + γ)2 − 3βmj + µ2 + βj µ2 (µ + τ ) .


C = − (µ + γj ) (βmj
− βm (µ + γj ) (µ + τ ) (µ + γj ) (µ + τ )2 + βmj τ µ

+ βmj µ (µ + γm ) (µ + τ ) ((µ + γj ) (µ + τ ) − 2βj µ)

+ βm µ (µ + γj ) (µ + τ ) (βj µ − βmj τ + ββ j τ )] .

Término independiente

(1 − R0 ) (R0 + 1 − Rm − Rj ) . (1.5.8)

h(1) = βm (µ + γj ) (µ + τ )3 > 0

Observaciones
8 1. Introducción

2
i) R0 > Rm + Rj si y solo si βmj − βm βj > 0.

ii) Si R0 < 1 entonces el término independiente es positivo-

iii) Si R0 > 1, βmj − βm βj > 0 y τ βmj − βj (µ + τ ) < 0 entonces existe un único punto
endémico.

1.6 El polinomio de equilibrio

El polinomio h(Ij ) puede ser reorganizado escribiendo sus coeficientes en términos de

R0 , Rj como

2
− βj βm µ2 (µ + γj ) (βmj τ − βj (µ + τ )) .


A = βmj
 2
B = − µ (µ + γj ) βmj (µ + γj ) (µ + τ )2 − 2βj βm (µ + γj )(µ + τ )2 + βj βmj µ(µ + γm )(µ + τ )
2
µ(µ + τ ) +2βj2 βm µ(µ + τ ) + 3βmj
2

+ βm βmj τ (µ + γj ) (µ + τ ) − 2βj βmj τ µ − 3βj βmj βm τ µ .
 .
C = − (µ + γj ) 3βmj (R0 − 1) (Rm + Rj − R0 − 1) µ (µ + γj ) (µ + rm ) (µ + τ )
− (µ + τ ) ((1 − Rj ) (µ + γj ) (µ + τ ) (βm (1 − Rj ) (µ + γj ) (µ + τ )
2


+βmj µ (µ + γm ) + βmj µ + βmj (1 − Rm ) µ (µ + γj ) (µ + γm ) (µ + τ ).

Donde h(Ij ) = AIj3 + BIj2 + CIj + D, siendo D el término independiente (1.5.8) mencio-
nado en la sección anterior.

βj µ
Recordemos que Rj = .
(µ + γj )(µ + τ )
Ä ä
1
Lema 1.6.1. Se satisface la desigualdad h 1 − Rj
< 0 con h dado en 1.5.7.

1
Demostración. Evaluando el polinomio en 1 − Rj
se tiene que

3
−βmj τ (µ + γj ) (µ + τ )
Å ã
1
h 1− = .
Rj βj3 µ
1.6. El polinomio de equilibrio 9

Lema 1.6.2. Se tiene la relación h (1) > 0.

Demostración. Evaluando el polinomio h(Ij ) en = 1 se tiene h (1) = βm (µ + γj )3 (µ + τ )3 .

2
Lema 1.6.3. Si βmj − βm βj > 0 y βmj τ − βj (µ + τ ) > 0 entonces h00 (1) < 0.

Demostración. Se tiene que

h00 (1) = − 2µ (µ + γj ) (µ + τ ) [βm (µ + γj ) (−βj µ + βmj τ − βj τ )

2


+(βmj − βm βj (βj µ + (µ + γj ) (µ + τ )) + βj βmj µ(µ + γm )]

si las dos desigualdades de las hipótesis se cumplen, entonces cada sumando del segundo
factor es positivo y por lo tanto h00 (1) < 0.

Observación. Notemos que

h0 (1) = − (µ + γj )2 (µ + τ )2 [µ (βmj (µ + γm ) − βj βm )
2


− βm (µ + γj ) (µ + τ ) + βmj − βj βm µ.

Ahora si además tenemos que βmj (µ + γm ) < βj βm y 2

βmj < βm βj entonces h0 (1) > 0.

1
Lema 1.6.4. Si R0 < 1 entonces 1 − Rj
< 0.

1 1
Demostración. Si R0 < 1 entonces Rj < 1, luego Rj
> 1 y por lo tanto 1 − Rj
< 0.

Lema 1.6.5. Si A < 0 y R0 < 1 entonces el polinomio h(Ij ) = AIj3 + BIj2 + CIj + D no
tiene raı́ces en [0, 1].

Demostración. Si A < 0 entonces lı́mIj →+∞ h(Ij ) = −∞ y lı́mIj →−∞ h(Ij ) = Ä+∞, ademásä
h(0) = D el cual es mayor a 0 si R0 < 1. También se tiene por el lema 1.6.1 h 1 − R1j < 0,
Ä ä
por lo tanto h(Ij ) tiene una raı́z en 1 − R1j , 0 y las demás raı́ces en (1, +∞) y en (−∞, 1 −
1
Rj
).

De acuerdo al lema anterior solo consideramos los casos donde

10 1. Introducción

2


A = βmj − βm βj (βmj τ − (µ + τ )βj ) > 0.

Lema 1.6.6. Consideremos C el coeficiente lineal del polinomio cúbico. Si R0 6 1 entones

C > 0.

Demostración. Se tiene que

C = (µ + γj ) [3βmj (1 − R0 ) ((R0 + 1) − (Rm + Rj )) µ (µ + γj ) (µ + γm )

+ (µ + τ ) ((1 − Rj )(µ + γj )(µ + τ ) (βm (1 − Rj ) (µ + γj ) (µ + τ ) .
ä
2
+βmj µ (µ + γm ) + βmj µ +βmj (1 − Rm ) µ (µ + γj ) (µ + γm ) (µ + τ )] .

Observación. Dado el polinomio h(Ij ) = AIj3 + BIj2 + CIj + D si B > 0 entonces todos
los coeficientes son positivos en una vecindad a la izquierda de 1, ası́ h(Ij ) no tendrı́a raı́ces
positivas en este caso.

Consideremos B < 0 y R0 6 1.

2
Proposición 1.6.7. Si βmj − βm βj > 0 entonces h(Ij ) no tiene raı́ces en [0, 1].

Demostración. Sabemos que h(0) > 0, h(1) > 0 y además h00 (0) < 0. Consideremos la
expresión βmj τ − βj (µ + τ ) la cual aparece como factor en A y como sumando en h00 (1).
Ahora analicemos dos casos. Primero consideremos βmj τ − βj (µ + τ ) < 0. Por hipótesis
2 2
βmj − βm βj > 0, luego (βmj − βm βj )(βmj τ − βj (µ + τ )) < 0, por lo tanto A < 0 y por el lema
1.6.5 no existen raı́ces en [0, 1]. Ahora consideremos βmj τ − βj (µ + τ ) > 0. En este caso se
satisfacen las hipótesis del lema 1.6.3 y se tiene que h00 (1) < 0. Bajo este caso supongamos
que existe x0 raı́z en (0, 1), y como h(0) > 0 y h(1) > 0 entonces existirá un cambio de signo
en la derivada de h(Ij ) en [0, 1], por lo tanto existe x1 ∈ (0, 1) tal que h0 (x1 ) = 0, además
h00 (x1 ) > 0. Si esto ocurriera la segunda derivada tendrı́a dos cambios de signo, lo cual no es
posible en una función cúbica, por lo tanto en este caso h(Ij ) no tiene raı́z en [0, 1].

2
Observación. La proposición anterior nos muestra que si βmj − βm βj > 0 entonces el modelo
2
1.1.1 no presenta bifurcación hacia atrás. Solo resta analizar βmj − βm βj 6 0.

2
Caso especial βmj − βm βj = 0.
1.6. El polinomio de equilibrio 11

Observacines.
2
i) Sea R0 = 1 y βmj − βm βj = 0 entonces h(Ij ) se transforma en h1 (Ij ) = B1 Ij2 + C1 Ij ,
donde B1 y C1 son los coeficientes obtenidos al hacer R0 = 1.
C1
ii) Si 0 < − B1
< 1 entonces h1 (Ij ) tendrá una raı́z en (0, 1).

iii) La anterior desigualdad es equivalente a demostrar que −C1 > B1 . Recordemos que
C es positivo, B es negativo y C1 y B1 son casos particulares de dichos coeficientes
respectivamente.

2
Lema 1.6.8. Si βmj − βm βj = 0 y R0 = 1 entonces −C1 < B1 .

2
Demostración. Consideremos B + C, y hagamos βmj − βm βj = 0 obteniendo ası́
Ä
− (µ + γj ) (µ + τ ) −βm (µ + γj )2 (µ + τ )2
+ βmj µ(µ + τ ) (µ + γm ) (µ + τ ) (1.6.1)
−βj βmj µ2 (µ + γm ) − βm βmj τ µ (µ + γj ) .

2
Si R0 = 1 y βmj − βm βj = 0 se satisface la relación

(γj + τ ) (γm + τ ) (µ + τ ) = βm τ (γj + µ) + βj µ (γm + τ ) .

Reemplazando en 1.6.1 se tiene (µ + γj )3 (µ + τ )3 βm el cual es mayor que 0.

Ahora podemos enunciar el siguiente resultado.

2
Proposición 1.6.9. Si βmj − βm βj = 0 entonces el modelo 1.1.1 no tiene bifurcación hacia
atrás.

Demostración. Usando el lema anterior la raı́z de h1 (Ij ) = B1 Ij2 + C1 Ij satisface B1 + C1 > 0

C1
lo cual es equivalente a − B1
> 1 con lo cual hi (Ij ) no tendrá raı́ces en (0, 1) y por lo tanto
el modelo no tendrá bifurcación hacia atrás.

2
Consideremos en las siguientes páginas R0 = 1 y βmj − βm βj = 0. Sea h2 (Ij ) = A1 Ij2 +
B1 Ij + C1 el polinomio que se obtiene de hacer h(Ij , R0 ).
12 1. Introducción

Se define h2 (Ij ) = h(ij ) − D, y haciendo R0 = 1 se obtiene h2 (Ij ) = A1 Ij3 + B1 Ij2 + C1 Ij =

Ij (A1 Ij2 + B1 Ij + C1 ).

Si buscamos condiciones para garantizar Ä raı́cesä de la parábola en el intervalo [0, 1] es

necesario que la derivad de la parábola en 1 − R1 j sea negativa.

Lema 1.6.10. Si βmj > (µ + γm ) entonces la derivada de h(Ij ) = A1 Ij2 + B1 Ij + C1 en

Ä ä
1 − R1 j es positiva.

Demostración. Sea h1 (Ij ) = A1 Ij2 + B1 Ij + C1 . Calculando su derivada h01 (Ij ) = 2A1 Ij + B1

y evaluando en 1 − R1 j se tiene que

î Ä äó
h01 (Ij ) = −βmj µ (µ + γj ) (µ + τ ) βj µ + γm − βmj (µ + τ ) + 2 βm

2
j
− βj β n .

2
Por hipótesis βmj − βj βm < 0 y βmj > (µ + γm ) entonces el segundo factor es negativo y por
0 1
lo tanto h (1 − rj ) es positiva.

Corolario 1.6.11. Si βmj > (µ + γm ) entonces h1 (Ij ) = A1 Ij2 + B1 Ij + C1 no tiene raı́ces en

[0, 1].

Demostración. Por el lema 1.6.10 la derivada es positiva y además A1 es positiva. También

sabemos que 1 − R1j < 0 si R0 6 1. Como h(0) es positivo tenemos que las raı́ces de la
parábola si existen están en le intervalo (−∞, 1 − R1j ).

Observación.
2
i) βmj − βm βj > 0.

ii) βmj − (µ + γm ) > 0.

iii) βmj τ − (µ + τ )βj > 0.

βm τ (µ + τ )(γm + µ)Rm
Como Rm = se tiene que τ = . Reemplazando en iii) se
(µ + τ )(γm + µ) βm
tiene que
1.6. El polinomio de equilibrio 13

γ
βmj − βj > 0.
(µ + τ )
(γm + µ) Rm
βmj − βj > 0.
βm
βmj (γm + µ) Rm − βj βm > 0, Rm < 1.
βmj (γm + µ) − βj βm > 0, usando ii)
2
βmj − βm βj > 0.

Concluyendo ası́ que las ecuaciones ii) y iii) implican i).

Las condiciones para que A1 Ij2 + B1 Ij + C1 tenga dos raı́ces en (0, 1) son

i) B 2 − 4AC > 0.
B
ii) − 2A < 1.

Teorema 1.6.12. El modelo 1.1.1 no tiene bifurcación hacia atrás.

Demostración. Notemos que h(Ij ) = AIj3 +BIj2 +CIj +D, al considerar R0 = 1 se transforma
en la función h(Ij ) = Ij (AIj2 + BIj + C), la cual tiene a 0 como raı́z. Se define la función
h1 (Ij ) = AIj2 +BIj +C, con A, B y C los coeficientes obtenidos al considerar R0 = 1. Además
h1 (0) > 0 y h1 (1) > 0, condiciones que se heredan de h(Ij ), luego h1 (Ij ) tiene dos raı́ces o
una sola raı́z doble en (0, 1), lo cual implica que el modelo no tendrá una sola raı́z y como
consecuencia el modelo no tiene bifurcación hacia atrás.

Lema 1.6.13. Si C > A y 2A + B > 0 entonces B 2 − 4AC < 0.

Demostración. Como 2A > −B entonces 4A2 − 4AC > B 2 − 4AC. Si C > A entonces
4A2 − 4AC < 0, luego B 2 − 4AC < 0.

2 2


A1 = βm (µ + γj ) (µ + τ ) − βmj µ ((µ + xm ) (µ + τ ) − βm τ ) −βmj βm + µ
(µ + γj ) (µ + τ )2 − βmj τ µ ((µ + γm ) (µ + τ ) − βm τ )


− βmj τ µ(βmj µ(µ + τ ))] [(µ + γm )(µ + τ ) − βm τ ]−1 .

14 1. Introducción

B1 = (µ + γj ) (µ + γm )(µ + τ )4 − βmj (µ + γj ) (µ + γm )(µ + τ )

− 4βm τ (µ + γj ) (µ + γm )2 (µ + τ )3
− 2βm βmj τ (µ − 1) (µ + γj ) (µ + γm ) (µ + τ )3
2
− βm τ (µ − 3)µ(µ + γm )2 (µ + τ )2
3
+ 2βmj τ µ2 (µ + γm )(µ + τ )2
2 2
+ 5βm τ (µ + γj ) (µ + γm )(µ + τ )2
3 2
+ βm βmj τ 2 (µ + γj ) (µ + τ )2 (2µ − 1)
2
+ 2βm βmj τ 2 µ(µ + γm )(µ + τ )(2µ − 3)
2
+ 2βm βmj τ 2 (µ − 1)µ2 (µ − τ ) − 2βm
3 3
τ (µ + γj ) (µ + τ )
2 2
− 3βm βmj τ 3 (µ − 1)µ.

Ä
C1 = βmj µ (µ + γj ) (µ + γj ) (µ + γm ) (µ + τ )4
− 3βm τ (µ + γj ) (µ + γm )2 (µ + τ )3
3
+ βmj τ µ2 (µ + γm )(µ + τ )2
τ (µ + γj ) (µ + γm ) (µ + τ )2
2 2
+ 3βm
2
+ βm βmj τ 2 µ(µ + γm )(µ + τ )(5µ − 6)
2
− βmj τ µ(µ + γm )2 (µ + τ )2 (2µ − 3)
2
+ βm βmj τ 2 (µ − 1)µ2 (µ + τ )
3 3
− βm τ (µ + γj ) (µ + τ )
2 2
βmj τ 3 (µ − 1)µ .


−3βm

Teorema 1.6.14. Si Rj > 1 entonces h(Ij ) = AIj3 + BIj2 + CIj + D tiene una única raı́z en
Ä ä
1 − R1j , 1 .

Demostración. Como Rj > 1 entonces 1 − R1j > 0, además por los lemas 1.6.1 y 1.6.2 se
Ä ä
tiene que h 1 − R1j < 0 y h(1) > 0, entonces h(Ij ) tiene por lo menos una raı́z. Ahora como
1 − R1j > 0 y 0 es una raı́z en R0 = 1 entonces por continuidad en el diagrama de bifurcación,
Ä ä
existirá al menos una raı́z en 0, 1 − R1j , pero h(0) < 0 si R0 > 1, luego en este intervalo
Ä ä
existirán dos raı́ces implicando ası́ la existencia de una única raı́z en 1 − R1j , 1 .

Observación: Solo resta analizar el caso R0 > 1 con Rj < 1 para buscar estados endémicos
múltiples.
Ä ä
2 1
Teorema 1.6.15. Si βmj − βm βj > 0 entonces existe una única raı́z en 1 − Rj
,1 .
1.6. El polinomio de equilibrio 15

Demostración. Consideremos el termino βmj τ − βj (µ + τ ) el cual aparece en el coeficiente

cúbico de A y h00 (1). La demostración se realizará por casos.

i) Caso βmj τ − (µ + τ )βj < 0. La hipótesis implica bajo este caso que A < 0 con
A el coeficiente
Ä ä termino cúbico. Luego tenemos queÄ lı́mIj →∞äh(Ij ) = −∞. Co-
del
mo h(1)h 1 − Rj < 0 existe una raı́z en el intervalo 1 − R1j , 1 . Como h(1) > 0
1
Ä ä Ä ä
y lı́mIj →∞ h(Ij ) = −∞ existe una raı́z en 1, 1 − R1j . Además h 1 − R1j < 0 y
Ä ä
lı́mIj →−∞ h(Ij ) = +∞ implicarı́a la existencia de una raı́z en −∞, 1 − R1j , luego
Ä ä
existe una única raı́z en 1 − R1j , 1 .

ii) Caso βmj τ − (µ + τ )βj > 0. Se mostrará primero que en este caso solo aparece una
raı́z.Ä Primeroäobservemos que si h00 (1) < 0 entonces la existencia de más de una raı́z
en 1 − R1j , 1 implicarı́a dos cambios de concavidad, lo cual no es posible para una
función cúbica, entonces asumamos h00 (1) > 0, lo cual implicarı́a, por el lema 1.6.3, que
2
βmj − βm βj > 0 ó βmj τ − βj (µ + τ ) < 0, pero la primera desigualdad contradice la
hipótesis, entonces solo es posible obtener la segunda desigualdad lo cual nos lleva al
caso ya estudiado.