Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Punto 1.
1.1
𝑋 ∗ = 𝑋[𝑛 + 1] = 𝑋[𝑛]
Reemplazando 𝑋1∗ = 𝑋1[𝑛 + 1] = 𝑋1[𝑛], 𝑋2∗ = 𝑋2[𝑛 + 1] = 𝑋2[𝑛], P=0,05, β=0,01 y µ=0,5
𝑋1∗ = 50
Note que X1*=0 y X2*=0 también es solución del sistema, por lo tanto los puntos de equilibrio del
sistema son:
𝑋1∗ ) {(0) ( 50 )}
𝑋∗ = ( = ,
𝑋2∗ 0 −5
1.3
Debido a que el sistema no es lineal, este se debe linealizar con el fin de determinar la estabilidad de
sus puntos de equilibrio:
0
Para 𝑋 ∗ = ( ):
0
0,95 0
𝐴 = 𝐽𝑥(𝑋 ∗ ) = [ ]
0 0,5
0,95 − 𝜆 0
𝐴 − 𝜆𝐼 = [ ]
0 0,5 − 𝜆
det(𝐴 − 𝜆𝐼) = (0,95 − 𝜆) ∗ (0,5 − 𝜆) = 0
𝜆1 = 0,95, 𝜆2 = 0,5
Como la magnitud de los valores propios es menor a 1, se puede afirmar que el punto de equilibrio
0
𝑋 ∗ = ( ) es asintóticamente estable
0
50
Para 𝑋 ∗ = ( ):
−5
1 −0,5
𝐴 = 𝐽𝑥 (𝑋 ∗ ) = [ ]
−0,05 1
1 − 𝜆 −0,5
𝐴 − 𝜆𝐼 = [ ]
−0,05 1 − 𝜆
det(𝐴 − 𝜆𝐼) = (1 − 𝜆)(1 − 𝜆) − (−0,5)(−0,05) = 0
𝜆2 − 2𝜆 + 0,975 = 0
En este caso, como la magnitud de uno de los valores propios (λ1) es mayor a 1, el punto de equilibrio
50
𝑋 ∗ = ( ) es inestable.
−5
1.4
El sistema trabajado, corresponde a un modelo de tiempo discreto, es decir, un sistema cuyas variables
no cambian continuamente, por el contrario, su valor se actualiza periódicamente debido a una señal
n que depende del tiempo. Debido a esto y a que la señal n del sistema corresponde a 1 día, el sistema
puede no representar de forma precisa el comportamiento de la enfermedad en las plantas susceptibles
e infectadas. Lo anterior, puesto que es posible que ocurran infecciones en periodos de tiempo
menores a 1 día, pero, debido a las características del sistema, su representación por medio de las
ecuaciones presentadas no sea la correcta. Por otro lado, el sistema únicamente tiene en cuenta las
plantas susceptibles a infección y las infectadas, por lo que no se tiene ningún tipo de información
sobre la cantidad de muertes o recuperaciones. Lo que indica que el sistema presentado no permite
analizar la mortalidad de la enfermedad, dato clave para tomar una correcta decisión sobre las medidas
que se deben tomar sobre el cultivo. Finalmente, tampoco existen datos sobre la totalidad de las
plantas, por lo que no es posible determinar si la enfermedad pone en riesgo a una gran parte del
cultivo o únicamente afecta a un mínimo de la población.
1.5
La simulación fue hecha en el archivo de Matlab adjunto (Tarea2_punto1.m), las gráficas de la
simulación (primeros 20 tiempos) se presentan a continuación:
Figura 1. Comportamiento de la enfermedad cuando no se toman medidas
El comportamiento del sistema cuando las condiciones iniciales son S[n]=300 e I[n]=1 muestran que,
en caso de no tomarse medidas contra la enfermedad, el número de plantas susceptibles a infección
decrecerá progresivamente hasta el punto en que se vuelve 0, mientras que el número de plantas
infectadas tendrá un aumento exponencial, hasta llegar a un máximo de aproximadamente 170 al 6
día, para luego decrecer hasta ser 0.
Lo anterior, permite realizar dos suposiciones, en primer lugar, se puede llegar a plantear que el
número de plantas susceptibles disminuye, pues estas se infectan en su totalidad. De igual forma, el
número de infecciones decrece ya que las plantas mueren.
Ahora bien, esta no es la única suposición posible, pues, debido a la falta de información sobre
muertes y recuperaciones, es posible plantear que, en lugar de que las plantas mueran, un porcentaje
de estas se recupera.
Sin embargo, debido a la preocupación de la alcaldía sobre los efectos de la enfermedad, es posible
afirmar que la suposición más probable es la primera, lo que tendría como consecuencia la pérdida
de gran parte (o la totalidad) de los cultivos susceptibles a infección.
Punto 2.
Se puede saber que en 𝑋2∗ = 0 𝑦 𝑋1∗ = 0 tambien es una solución del sistema, por lo tanto, los
puntos de equilibrio serán:
𝑋1∗ 0 130
𝑋 ∗ = ( ∗ ) = {( ) , ( )}
𝑋2 0 −130
0
Para 𝑋 ∗ = ( ):
0
0,95 0,8
𝐴 = 𝐽𝑥(𝑋 ∗ ) = [ ]
0 −0,3
0,95 − 𝜆 0,8
𝐴 − 𝜆𝐼 = [ ]
0 −0,3 − 𝜆
det(𝐴 − 𝜆𝐼) = (0,95 − 𝜆) ∗ (−0,3 − 𝜆) = 0
𝜆1 = 0,95, 𝜆2 = −0,3
La magnitud de los valores propios al ser menores a 1, se puede afirmar que el punto de equilibrio
0
𝑋 ∗ = ( ) es asintóticamente estable
0
130
Para 𝑋 ∗ = ( ):
−130
1 0,3
𝐴 = 𝐽𝑥(𝑋 ∗ ) = [ ]
−0,05 0,2
1−𝜆 0,3
𝐴 − 𝜆𝐼 = [ ]
−0,05 0,2 − 𝜆
det(𝐴 − 𝜆𝐼) = (1 − 𝜆)(0,2 − 𝜆) − (0,3)(−0,05) = 0
0,215 − 1,2𝜆 − 𝜆2 = 0
0 = 𝜆2 + 1,2𝜆 − 0,215
Se puede observar que los pesticidas son efectivos ya que en el sistema, el máximo de plantas
infectadas es significativamente menor, en comparación al caso en que no se toman medidas. Ahora
bien, el número de plantas susceptibles a infección nunca llega a ser 0.
3.1
𝑋1[𝑛 + 1] = 𝑋1[𝑛] − 𝑃𝑋1[𝑛] − 𝛽 ∗ 𝑋1[𝑛] ∗ (𝑋3[𝑛] + 𝑋4[𝑛])
𝑋3[𝑛 + 1] = 𝑋2[𝑛] + 𝑃 ∗ 𝑋2[𝑛] − (1 − 𝛿 )𝛽 ∗ 𝑋2[𝑛] ∗ (𝑋3[𝑛] + 𝑋4[𝑛])
𝐽𝑥(𝑋 ∗)
1 − 𝑃 − 𝛽(𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) 0 𝛽 ∗ 𝑋1[𝑛] ∗ 𝛽 ∗ 𝑋1[𝑛] ∗
0 1 + 𝑃 − (1 − 𝛿)𝛽 ∗ (𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) (1 − 𝛿)𝛽 ∗ 𝑋2[𝑛] ∗ (1 − 𝛿)𝛽 ∗ 𝑋2[𝑛] ∗
=
𝛽 ∗ 𝑋3[𝑛] ∗ 0 1 + 𝛽 ∗ 𝑋1[𝑛] ∗ −µ 0
[ 0 (1 − 𝛿)𝛽 ∗ (𝑋3[𝑛] ∗ + 𝑋4[𝑛] ∗) (1 − 𝛿)𝛽 ∗ 𝑋2[𝑛] ∗ 1 + (1 − 𝛿)𝛽 ∗ 𝑋2[𝑛] ∗ −µ]
𝛽 = 0.01
𝑃 = 0.05
µ = 0.5
𝛿 = 0.7
𝐽𝑥(𝑋 ∗)
1 − 0.05 − 0.01 ∗ (𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) 0 0.01 ∗ 𝑋1[𝑛] ∗ 0.01 ∗ 𝑋1[𝑛] ∗
0 1 + 0.05 − (1 − 0.7)0.01 ∗ (𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) (1 − 0.7)0.01 ∗ 𝑋2[𝑛] ∗ (1 − 0.7)0.01 ∗ 𝑋2[𝑛] ∗
=
0.01 ∗ 𝑋3[𝑛] ∗ 0 1 + 0.01 ∗ 𝑋1[𝑛] ∗ −0.5 0
[ 0 (1 − 0.7)0.01 ∗ (𝑋3[𝑛] ∗ + 𝑋4[𝑛] ∗) (1 − 0.7)0.01 ∗ 𝑋2[𝑛] ∗ 1 + (1 − 0.7)0.01 ∗ 𝑋2[𝑛] ∗ −0.5]
𝐽𝑥(𝑋 ∗)
0.95 − 0.01 ∗ (𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) 0 0.01 ∗ 𝑋1[𝑛] ∗ 0.01 ∗ 𝑋1[𝑛] ∗
0 1.05 − (0.01 − 0.007) ∗ (𝑋3[𝑛] ∗ +𝑋4[𝑛] ∗) (0.01 − 0.007) ∗ 𝑋2[𝑛] ∗ (0.01 − 0.007) ∗ 𝑋2[𝑛] ∗
=
0.01 ∗ 𝑋3[𝑛] ∗ 0 0.95 + 0.01 ∗ 𝑋1[𝑛] ∗ 0
[ 0 (0.01 − 0.007) ∗ (𝑋3[𝑛] ∗ + 𝑋4[𝑛] ∗) (0.01 − 0.007) ∗ 𝑋2[𝑛] ∗ 0.95 + (0.01 − 0.007) ∗ 𝑋2[𝑛] ∗]
̂ [𝑛 + 1]
𝑋1 ̂ [𝑛]
𝑋1
̂ [𝑛 + 1]
𝑋2 ̂ [𝑛]
𝑋2
= 𝐽𝑥(𝑋 ∗)
̂
𝑋3[𝑛 + 1] ̂
𝑋3[𝑛 ]
̂
[𝑋4[𝑛 + 1] ] ̂ [𝑛 ]]
[𝑋4
3.2
A la hora de hacer la simulación, se escogieron los valores iniciales de 300, 1, 1, 1, así como de 300,
300, 1, 1 para los susceptibles, susceptibles resistentes, infectados e infectados resistentes
respectivamente. Cabe aclarar que no se escogieron valores iniciales de 0 para los resistentes, ya que
estos se mantienen constantes a lo largo de toda la simulación y, por ende, no se podría ver el efecto
que tienen estas dos variables en las ya tratadas en los puntos anteriores. De esta forma, al simular el
sistema, se puede ver que en general la cantidad de susceptibles disminuye gradualmente hasta que
el cambio es súbito y luego de esto oscila en 0 ver figuras 7 y 12, al igual que todas las variables que
son asintóticamente estables en 0. Por otra parte, la cantidad de tanto susceptibles resistentes como
infectados resistentes no consiguen valores mucho mayores que sus condiciones iniciales en el caso
de estos con condiciones iniciales de 1 y 1, figuras 9 y 11, mientras que para las condiciones iniciales
de 300 y 1 los infectados resistentes se comportan de una manera similar a los infectados, donde va
aumentando progresivamente hasta que eventualmente llegando a un pico cercano a la iteración 6 u
8 para finalmente descender hasta estar cercano a 0, figuras 12 y 16. Igualmente, es importante
mencionar que en este caso la cantidad de infectados resistentes supera la cantidad de infectados.
Finalmente, es posible afirmar que estas simulaciones presentan un escenario más real, donde se
tienen en cuenta una mayor cantidad de variables que existirían en un cultivo, sin embargo, sigue
sujeto a las limitaciones ya mencionadas en puntos anteriores. De la misma forma, se puede concluir
que las nuevas variables utilizadas realizan cambios sobre la cantidad de susceptibles, así como de
infectadas, de tal forma que podría afectar el correcto pronostico del sistema.
Figura 7. Grafica cantidad de plantas a través del tiempo para valores iniciales (300,1,1,1)
Figura 8. Grafica cantidad de plantas susceptibles a través del tiempo para valores iniciales
(300,1,1,1)
Figura 9. Grafica cantidad de plantas susceptibles resistentes a través del tiempo para valores
iniciales (300,1,1,1)
Figura 10. Grafica cantidad de plantas infectadas resistentes a través del tiempo para valores
iniciales (300,1,1,1)
Figura 11. Grafica cantidad de plantas infectadas resistentes a través del tiempo para valores
iniciales (300,1,1,1)
Figura 12. Grafica cantidad de plantas a través del tiempo para valores iniciales (300,300,1,1)
Figura 13. Grafica cantidad de plantas susceptibles a través del tiempo para valores iniciales
(300,300,1,1)
Figura 14. Grafica cantidad de plantas susceptibles resistentes a través del tiempo para valores
iniciales (300,300,1,1)
Figura 15. Grafica cantidad de plantas infectadas a través del tiempo para valores iniciales
(300,300,1,1)
Figura 16. Grafica cantidad de plantas infectadas resistentes a través del tiempo para valores
iniciales (300,300,1,1)
Punto 4.
Luego de analizar los resultados obtenidos para los tres casos (sin medidas, uso de fungicidas y uso
de plantas resistentes) se llegó a la conclusión de que la solución más efectiva corresponde al uso de
fungicidas. Lo anterior, debido a que el número máximo de plantas infectadas no supera los 100
individuos, mientras que dicho número se encuentra por encima de 100, e incluso de 150, para los
demás casos analizados. Ahora bien, el uso de fungicidas no elimina las plantas susceptibles a
infección, por lo que, en caso de ser posible, el uso de plantas resistentes en conjunto con los
fungicidas podría ser la mejor opción. Sin embargo, cabe aclarar que se debería hacer uso de un gran
número de estas plantas, pues cuando se usa solo 1 planta susceptible resistente, el número de
infecciones máximo llega a ser mayor a 160, un número aún mayor que cuando no se toman medidas.
Por el contrario, cuando se usan 300 plantas susceptibles resistentes, el número de infecciones
máximo disminuye a, aproximadamente, 110; un valor menor que cuando no se toman medidas.