Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Es muy común que en un mismo proceso biológico intervengan dos o más variables temporales que se
afectan mutuamente. En estos casos necesitaremos expresar la evolución del fenómeno a través de
sistemas de ecuaciones diferenciales ordinarias.
donde las n variables y1, y2, …, yn : I ⊂ ℝ → ℝ son funciones reales diferenciables definidas sobre algún
intervalo I , los coeficientes aij ∈ ℝ ∀i, j ∈ {1,…, n} son valores constantes y los términos independientes
bi : I ⊂ ℝ → ℝ ∀i ∈ {1,…, n} vienen dados por funciones reales continuas.
{ y′2 = − y1 − y2
y′1 = − 2y1 + 2
Al ser la variable y1 ajena a la influencia de y2, podemos integrar la primera EDO del sistema de manera indepen-
diente:
1. Integramos y′1 = − 2y1 para obtener la solución homogénea de la primera EDO: y1h(t) = c1e −2t.
2. Aplicamos el método de variación de constantes para obtener una solución y1 de la forma y1(t) = c1(t)e −2t,
y′1(t) y1(t)
( 1 1) [ 1 ] ∫
−2t −2t −2t 2t 2t −2t
c′ − 2c e = − 2 c e + 2 ⇒ c′
1 e = 2 ⇒ c1 = 2e dt = e + k1 ⇒ y1 (t) = 1 + k1 e
Si ahora inyectamos esta solución en la expresión de la segunda EDO, ésta se traduce en y′2 = − 1 − k1e −2t − y2,
3. Integramos y′2 = − y2 para obtener la solución homogénea de la segunda EDO: y2h(t) = c2e −t
4. De nuevo, aplicando variación de constantes, encontraremos una solución y2 de la forma y2(t) = c2(t)e −t,
y′2(t) y1(t) y2(t)
( 2 2) [ ] [ 2 ] ∫( )
−t −2t −t −t −2t t −t t −t −2t −t
c′ − c e = − 1 + k1e − c e ⇒ c′
2 e = − 1 − k1 e ⇒ c2 = −e − k1 e dt = − e + k1 e + k2 ⇒ y2 (t) = − 1 + k1 e + k2 e
y ⃗ : ℝ → ℝn la función vectorial que recoge, para cada t ∈ I ⊂ ℝ, las asignaciones de las n variables escalares
y1, …, yn que intervienen en el fenómeno que modelizamos:
⃗ = (y1(t), …, yn(t)) ∈ ℝn
T
y (t)
·
y ⃗ : ℝ → ℝn la derivada de la función vectorial anterior:
· dy⃗
y⃗= = (y′1, …, y′n)
T
dt
Entonces podemos reducir el sistema de EDOs lineales a su expresión matricial equivalente:
y ⃗ = A y ⃗ + b .⃗
·
Diremos que la matriz A es la matriz asociada al sistema de EDOs. Asumiremos que A es invertible. En general, si
A es triangular, podremos proceder de manera análoga al ejemplo 1 resuelto según la diapositiva anterior.
Y sabiendo que A = PJP −1, si multiplicamos a ambos lados de la igualdad por P −1 por la izquierda y por P por la
derecha, observamos que P −1AP = J. Luego, en la nueva variable z ,⃗ el sistema de EDOs queda de la forma
z ⃗ = J z ⃗ + P −1 b .⃗
·
Estableciendo una analogía con el caso de una dimensión, donde las infinitas soluciones del problema lineal
homogéneo y′ = ay venían dadas por la expresión
y = ce at, ∀c ∈ ℝ,
·
en el caso n-dimensional las infinitas soluciones del problema homogéneo y ⃗ = A y ⃗ podrán obtenerse como
y ⃗ = e At c ,⃗ ∀ c ⃗ ∈ ℝn.
Surge así el concepto de exponencial de una matriz. Al igual que en el espacio de los número reales
∞ k 0 1 2 3
a a a a a a 1 2 1 3
∑ k!
e = = + + + +⋯=1+a+ a + a +⋯,
k=0
0! 1! 2! 3! 2 6
Puede comprobarse, para cualquier matriz J semejante a A, que al ser A = PJP −1, entonces A k = PJ k P −1 y
∞ ∞ ∞
(∑ k! )
k k −1
A A PJ P Jk
P −1 = Pe J P −1
∑ k! ∑ k!
e = = =P
k=0 k=0 k=0
Ay⃗+ b⃗ J z ⃗ + P −1 b ⃗
· ·
y⃗
{ y (0) { z(0)
= z⃗ =
⟶
⃗ = y 0⃗ ⃗ = P −1 y 0⃗
Para integrar el sistema en la nueva variable z ,⃗ vamos a proceder de manera análoga a la integración de
ecuaciones diferenciales lineales en una variable, estudiadas en el Tema 2:
·
1. Calculamos la solución general z h⃗ que verifica el sistema homogéneo asociado z ⃗ = J z .⃗ Obtendremos
z h⃗ = e Jt c ⃗
2. Usamos el método de variación de constantes para calcular, a partir de la expresión anterior, la solución
general del sistema en la nueva base. Asumiendo que ésta será de la forma z(t) ⃗ , en este paso
⃗ = e Jt c (t)
deberemos ajustar c ⃗ : ℝ → ℝn. En general, forzando a z ⃗ a cumplir el sistema expresado en la nueva base, es
· −1 ⃗ ·
⃗ para obtener de inmediato c (t) ⃗ :
decir, igualando z ⃗ a J z ⃗ + P b , podremos integrar el valor de c (t)
·
z⃗ z⃗ t
· −1 ⃗ · −Jt −1 ⃗ −Js −1 ⃗
[ ]
Jt ⃗ Jt ⃗ ⃗ ⃗ ⃗ ⃗
[ ] ∫
Jt n
Je c + e c = J e c + P b ⇒ c = e P b ⇒ c (t) = c (0) + e P b (s)ds ∈ ℂ
0
Una vez calculado c ,⃗ la solución final del sistema en la nueva base la obtenemos como z(t) ⃗ .
⃗ = e Jt c (t)
4. Por último, sólo quedaría deshacer el cambio de base y proporcionar el resultado en la variable y ⃗ = P z :⃗
t
⃗
[ ]
⃗ = Pe Jt P −1 y0 ⃗ + e −JsP −1 b (s)ds
∫0
y (t) .
Observaciones:
⃗ = b ⃗ ∀t ≥ 0, la integral definida
(a) cuando los términos independientes son también constantes, esto es, b (t)
t
b ds = − J e |s=0 P b = J −1 (e −J⋅0 − e −Jt) P −1 b ⃗ = J −1 (In − e −Jt) P −1 b .⃗ En estos casos:
⃗ −1 −Js s=t −1 ⃗
∫0
−Js −1
puede calcularse: e P
⃗ = Pe Jt [P −1 y0 ⃗ + J −1 (In − e −Jt) P −1 b ]⃗ .
y (t)
(b) cuando, en particular, b ⃗ = 0 ,⃗ el sistema es homogéneo y su solución, como cabía esperar, se reduce a
⃗ = Pe Jt P −1 y 0⃗ = e At y 0⃗ .
y (t)
Una vez realizado el cambio de base apropiado, z ⃗ = P −1 y ⃗ , con estos cuatro pasos podremos integrar
cualquier sistema de EDOs que se nos plantee. Únicamente nos queda aprender a calcular la
exponencial e Jt. Su cálculo obviamente dependerá de si la matriz A es o no diagonalizable:
(λ1t)2 (λ1t)3
1 λ1t 2! 3!
( )
1 1
e = In + Jt + (Jt) + (Jt)3 + ⋯ =
Jt 2
⋱ + ⋱ + ⋱ + ⋱ +⋯=
2! 3! 1 λnt (λnt)2 (λnt)3
2! 3!
(λ1t)2 (λ1t)3
1 + λ1t + + +⋯
2! 3! e λ1t
= ⋱ = ⋱
(λnt)2 (λnt)3 e λnt
1 + λnt + + +⋯
2! 3!
donde cada Ji = λi Ini + Qi ∈ ℳni(ℂ) es un bloque de Jordan de tamaño ni ∈ {1,…, n}, con n1 + ⋯ + nk = n. Entonces
λi 1 0 1
λi 1 0 1
Ji = ⋱ = λi Ini + Qi, siendo Qi = ⋱ ∈ ℳni ({0,1})
⋱ 1 ⋱ 1
λi 0
una matriz binaria cuadrada y de orden ni, cuyas potencias presentan la siguiente peculiaridad:
0 0 1 0 0 0 ⋯ 0 1
0 0 1 0 0 ⋯ 0 0
⋱ ⋱ ⋮ ⋮
Qi2 = , ⋯ Qini−1 = , Qini = 0 = Qini+1 = Qini+2 = ⋯
⋱ 1 ⋱ 0 0
⋱ 0 0 0
0 0
A las matrices que, como Qi, tienen una potencia nula se las llama nilpotentes. Y ni es su índice de nilpotencia.
10 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Jt
Cálculo de la matriz exponencial e
En estos casos, la exponencial de Jt podemos construirla bloque a bloque como
e J1t
e Jt = ⋱
e Jkt
A su vez, la matriz exponencial e Jit ∈ ℳni (ℂ) de cada bloque podemos calcularla a partir de la matriz
exponencial e Qit ∈ ℳni (ℝ) utilizando la propiedad e X+Y = e X e Y ⇔ XY = YX. Como la matriz λi Init siempre conmuta:
Jit λi Init+Qit λi Init
e =e =e ⋅ e Qit = e λit In ⋅ e Qit = e λite Qit,
t2 t3 t ni−1
1 t ⋯
2! 3! (ni − 1)!
t2 t ni−2
1 t ⋯
2! (ni − 2)!
( )
2 ni−1
t t t
e Jit = e λite Qit = e λit Ini + Qi + Qi2 + ⋯ + Qini−1 + 0 + … = e λit
1! 2! (ni − 1)! t ni−3
1 t ⋯
(ni − 3)!
⋱ ⋮
⋱ t
1
11 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Jt
e cuando n ∈ {2, 3}
Llegados a este punto, tenemos todos los ingredientes necesarios para construir cualquier matriz e Jt ,
sea cual sea la dimensión n ∈ ℕ del sistema o la forma canónica de Jordan J de la matriz A asociada.
n=2 n=3
λ1 λ1 1 λ1 1
( λ2) ( λ1)
λ1 λ1 1
λ2 λ1 λ1 1
J
λ3 λ2 λ1
t2 λ t
e λ1t e λ1t te λ1t e1
( e λ2t) ( e λ1t )
λ1t λ1t
e λ1t e λ1t te λ1t e te
e Jt 2!
e λ2t e λ1t
e λ1t te λ1t
e λ3t e λ2t
e λ1t
En caso de que existan autovalores no reales λ = a ± bi ∈ ℂ∖ℝ, usaremos la igualdad e ix = cos x + i sin x, cono-
cida como fórmula de Euler: e (a±bi)t = e at±bit = e ate i(± bt) = e at (cos (± bt) + i sin (± bt)) = e at (cos (bt) ± i sin (bt))
Se puede comprobar que A es una matriz diagonalizable, con dos autovalores reales distintos, λ1 = − 2, λ2 = − 1, y
espacios propios S1 = {(x1, x2) ∈ ℝ : x1 = x2} , S2 = {(x1, x2) ∈ ℝ : x1 = 0} . Podemos escoger ℬa = {(1, 1)T , (0, 1)T} co-
T T
(1 1) ( 0 −1) (−1 1)
1 0 −2 0 −1 1 0
P= , J= , y P = .
Para expresar las magnitudes del sistema en esta nueva base ℬa necesitaremos efectuar el cambio de variable
z ⃗ = P y . De acuerdo a lo que hemos visto, este cambio transforma el sistema original y ⃗ = A y ⃗ + b ⃗ en otro
−1 ⃗ ·
Una vez transformado el sistema de EDOs original en éste equivalente tenemos dos opciones: (1) resolver fila por
fila las dos ecuaciones en la variable z ,⃗ o (2) usar la fórmula explícita obtenida en el paso 4 de integración.
13 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 1
Opción 1. Resolver el sistema en la variable z ⃗ fila por fila supone proceder de acuerdo a la estrategia expuesta
en la resolución anterior. Si la matriz A es diagonalizable, el sistema en z ⃗ es diagonal y por tanto resulta indiferente
el orden en que se integren las n ecuaciones independientes. Ahora bien, cuando A sea no diagonalizable, el
sistema estará acoplado y resolverlo de abajo a arriba será esencial para poder inyectar los resultados que se
vayan obteniendo en las ecuaciones precedentes:
( 2 2) [ 2 ] ∫
−t −t −t t t −t
c′ − c e = − c e − 2 ⇒ c′
2 e = − 2 ⇒ c2 = − 2e dt = − 2e + k2 ⇒ z2 (t) = − 2 + k2 e
( 1 1) [ 1 ] ∫
−2t −2t −2t 2t 2t −2t
c′ − 2c e = − 2 c e + 2 ⇒ c′
1 e = 2 ⇒ c1 = 2e dt = e + k1 ⇒ z1 (t) = 1 + k1 e
( k2e −t − 2 )
k1e −2t + 1
z(t)
⃗ =
⃗ = P −1 y 0⃗ :
verifique la correspondiente condición expresada en la nueva base. Es decir, para que z(0)
• Por último deshacemos el cambio de base y expresamos la solución general en la variable original y :⃗
( 01 )
(y2(t)) (k e −2t + k e −t − 1) ((y − 1) e −2t + (y − y + 2) e −t − 1)
−2t
y1(t) −2t
k1e + 1 y − 1 e +1
⃗ =
⇔ y (t) = =
1 2 01 02 01
( 0 e ) (0 e) ( 0 −1)
−2t 2t −1/2 0
Jt
e = e 0 , −Jt
e = e 0 , y J −1
= .
−t t
• Habiendo ya calculado el vector de términos independientes en la nueva base, esto es, P −1 b ⃗ = (2, − 2)T:
( 0 1 − e t) (−2) ( 2e t − 2 ) ( 0 −1) ( 2e t − 2 ) (2 − 2e t)
−1 ⃗
2t 2 2t −1/2 0 2t 2t
J (I2 − e ) P b = J
−1 −Jt −1 1 − e 0 = J −1 2 − 2e = 2 − 2e = e − 1
• Juntando todo:
Pe Jt P −1 y0 ⃗ J −1(I2 − e −Jt)P −1 b ⃗
1 + e −2t (y01 − 1)
(e −2t e −t) (y02 − y01) (2 − 2e t) (e −2t e −t) (−2e t + y02 − y01 + 2) (1 + e −2t (y − 1) − 2 + e −t (y − y + 2))
y01 2t
−2t −2t e − 1 + y01
⃗ = e 0 2t e 0
y (t) + e −1 = = ⇒
01 02 01
( 01 )
(y2(t)) ((y − 1) e −2t + (y − y + 2) e −t − 1)
−2t
y1(t) y − 1 e +1
⃗ =
⇒ y (t) =
01 02 01
( 01 )
(y2(t)) ((y − 1) e −2t + (y − y + 2) e −t − 1)
−2t
y1(t) y − 1 e +1
=
01 02 01
(0 −i )
i 0
J= .
±it
Jt
En estos casos, para construir la matriz exponencial e nos apoyaremos en la fórmula de Euler: e = cos t ± i sin t:
Para integrar este sistema podemos usar la fórmula explícita en su versión reducida para sistemas homogéneos,
⃗ = Pe Jt P −1 y 0⃗ , siendo P y P −1 dos matrices de cambio de base tales que A = PJP −1:
y (t)
[ ]
1
e = e cos (bt) I2 + sin (bt) (A − aI2)
At at
b
A es una matriz diagonalizable en ℂ , con dos autovalores distintos complejos conjugados, λ1 = a + bi, λ2 = a − bi .
±ix
Apoyándonos en la fórmula de Euler, e = cos x ± i sin x, podemos construir fácilmente la matriz exponencial e Jt:
( ) ( )
( 0 a − bi)
(a+bi)t at i(bt) cos bt + i sin bt 0
( 0 e (a−bi)t) ( 0 e ate i(−bt)) ( cos (bt) − i sin (bt))
a + bi 0 e 0 e e 0
J= ⇒ e Jt = = = e at =
0
b (J − aI2)
1
(0 1) (0 −i) [ ]
1 0 i 0 1
=e at
cos (bt) + sin (bt) = e cos (bt) ⋅ I2 + sin (bt) ⋅ (J − aI2)
at
b
Y como e At = Pe Jt P −1, multiplicando la expresión anterior por P por la izquierda y por P −1 por la derecha:
[ ] [ ]
1 1
e = Pe cos (bt) I2 + sin (bt) (J − aI2) P = e cos (bt) PI2P + sin (bt) P (J − aI2) P −1 =
At at −1 at −1
b b
[ ] [ ]
1 1
= e cos (bt) I2 + sin (bt) (PJP − aPP ) = e cos (bt) I2 + sin (bt) (A − aI2)
at −1 −1 at
b b
20 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ejemplo 3
Ejemplo 3: Consideremos el siguiente sistema no homogéneo, asociado a la matriz A del ejemplo 3 del Tema 4:
(−1 0) ( 0 −3) (1 1) (0 1) (0 1)
1 1 −3 1 −1 0 −1 Jt −3t 1 t −Jt 3t 1 −t
P= , J= , P = , e =e , e =e
y ,⃗ el sistema se transforma en z ⃗ = J z ⃗ + P −1 b :⃗
−1 ·
Definiendo, como siempre, una nueva variable z ⃗ = P
Una vez transformado el sistema de EDOs original en éste equivalente tenemos dos opciones: (1) resolver fila por
fila las dos ecuaciones en la variable z ,⃗ o (2) usar la fórmula explícita obtenida en el paso 4 de integración.
t
Opción 2. Al ser b ⃗ variable, debemos usar la fórmula general y (t) ⃗
[ ]
⃗ = Pe Jt P −1 y0 ⃗ + e −JsP −1 b (s)ds
∫0
.
∫0 (0 1) ( 9s ) ∫0 ( 9se 3s ) (S2(t))
t t t t t
−Js −1 ⃗ 3s 1 −s 1 − 9s e S (t) 2 3s
∫0 ∫0 ∫0
−3s
e
( )
1 2 3s 3s
e P b (s)ds = e ds = = , donde S1 (t) = 1 − 9s e ds y S2 (t) = 9se ds
∫0 ∫0
‣ S2(t) = 9se 3sds = 3se 3s |s=t
s=0 − 3e 3sds = (3s − 1) e 3s |s=t
s=0 = (3t − 1) e 3t
+1
3 ( 3)
t t
2 2 3t 2 2 2
∫0 ( ∫0
‣ S1(t) = 1 − 9s e ) ds =
2 3s s=t
s |s=0 − 2 3s s=t
3s e |s=0 3s 2 3t 2 3t 3t 2
+ 6se ds = t − 3t e + S2 = t − 3t e + 2te − e + = −3t + 2t − 3t
e +t+
3 3 3
(−1 0) (0 1) (−1 −t )
Jt
‣ Pe = 1 1 −3t 1 t −3t 1 t + 1
e =e
( ) ( )
⃗
⃗ = Pe (P y 0⃗ + S (t)) = e e
t + 2/3 − y + t + y t + y t + 1 + y + y
2 2
Jt −1 −3t 3t −3t + 2t − 2/3 + 3t + 3t − t − 1 −3t 02 01 02 01 02
y (t) + e
3t 2 − 2t + 2/3 − 3t 2 + t −t − 2/3 + y02 − t − y01t − y02t
Agrupando y simplificando:
[ ( ) ]
−3t
y + y + 2 t + y + 5/3 e + 4t − 5/3
(y2(t))
y1(t) 01 02 01
⃗ =
y (t) =
[ ( 01 ) ]
−3t
− y + y02 + 2 t + y02 − 2/3 e − t + 2/3
[ ( ) ]
−3t
y + y + 2 t + y + 5/3 e + 4t − 5/3
(y2(t))
y1(t) 01 02 01
=
[ ( 01 ) ]
−3t
− y + y02 + 2 t + y02 − 2/3 e − t + 2/3
Las relaciones lógicas que definen un modelo matemático expresado en forma de sistema de
ecuaciones diferenciales no tienen por qué ser siempre lineales. En general, si el número de
variables dependientes que interviene en el modelo es n ∈ ℕ , tendremos un sistema de n EDOs
acopladas de la forma
Como es natural, a partir del sistema de EDOs también podremos construir un Problema de Valor
Inicial, simplemente proporcionando condiciones iniciales para cada una de las variables que
intervengan en el sistema:
Es la presencia de moscas, presas de las avispas, la que permite compensar ese decrecimiento
poblacional. Sea x(t) la cantidad de moscas presentes en el cultivo en tiempo t . Gracias a las
moscas, el decrecimiento exponencial de la población de avispas se frena de manera
proporcional al número de posibles encuentros xy entre ambas especies. Matemáticamente:
y′ = − γy + δxy,
Por otro lado, en ausencia de avispas, la población de moscas satisfaría el modelo malthusiano
x′ = αx,
para cierta constante α > 0.
A su vez, este crecimiento exponencial se verá controlado por la presencia de avispas, que
frenarán dicho incremento de manera proporcional al posible número de encuentros entre
individuos de ambas especies:
x′ = αx − βxy,
donde x0 > 0 e y0 > 0 son, respectivamente, las cantidades iniciales de presas y depredadores que
coexisten al inicio. El modelo presupone que la presa dispone de sus propios recursos y asume que
ninguna de las dos poblaciones se encuentra con otros problemas que no sean los de compartir el
ecosistema.
Este modelo fue propuesto de forma independiente por Alfred J. Lotka en 1925 y Vito Volterra en
1926. Al sistema propuesto se lo conoce como ecuaciones de Lotka-Volterra.
(δ β)
γ α
(x*, y*) = , .
Esto significa que si (x0, y0) = (x*, y*), el número de individuos de ambas especies permanecerá en
equilibrio (solución constante del sistema):
También es fácil encontrar soluciones explícitas cuando eliminamos una de las dos especies:
∫(y ) ∫(x )
α − βy γ − δx α γ
∫ y ∫ x
dy = − dx ⇔ − β dy = − − δ dx ⇔ α log(y) − βy = − γ log(x) + δx + k ⇔
( x0 ) ( y0 )
x y δ(x−x0) β(y−y0)
−e e =0
número de avispas
punto de equilibrio (x*, y*) calculado
previamente.
x(t), y(t)
gráficas de la evolución tanto de x como de y
respecto de t , y comprobar visualmente su
periodicidad:
tiempo t
x′ = αx − βxy − ax 2
y′ = −γx + δxy − by 2
,
x(0) = x0
y(0) = y0
donde x0 > 0 e y0 > 0 son, respectivamente, las cantidades iniciales de presas y depredadores que
coexisten al iniciarse el estudio y a, b, α, β, δ, γ son constantes positivas.
Relación entre la abundancia de un depredador (Lynx canadensis, línea negra), y su presa (Lepus
americanus, área amarilla). Gráfico basado en el número de pieles vendidas por los tramperos a
la Hudson's Bay Company entre 1845 y 1935. [Fuente: Wikipedia]
Consideremos una población de n − 1 ∈ ℕ individuos que vive libre de un determinado virus que se
transmite por contacto con individuos infectados.
Si asumimos que se trata de una enfermedad que no mata pero tampoco se cura, los
infectados seguirán en este estado por tiempo indefinido, transmitiendo la enfermedad en tanto
se encuentren con individuos sanos.
Definamos s(t) e i(t) las funciones que representan, respectivamente, el número de sanos y
enfermos en cada instante t ≥ 0. Se ha de verificar, por lo indicado arriba, que s(t) + i(t) = n ∀t ≥ 0 y
que (s(0), i(0)) = (n − 1,1).
Dado que estamos asumiendo que no hay bajas en la población y, por tanto, podemos expresar s en
función de i como s(t) = n − i(t), la ecuación diferencial anterior, unida a la condición inicial establecida,
puede expresarse en general en términos de i como un PVI de la forma
{i(0) =
i′(t) = βi(t)(n − i(t))
i0
Todos los individuos acabrán enfermando. Lógico, dado que los enfermos nunca dejan de estarlo.
35 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Modelos en epidemiología
Supongamos ahora que la enfermedad contagiosa puede curarse. Asumiremos que la enfermedad no
genera inmunidad, de modo que los enfermos recuperados podrían volver a contagiarse.
La velocidad con la que en el modelo anterior decrecía el número de sanos s(t) , ahora se verá
compensada por un término proporcional al número de infectados, γi(t) , que representaría la
velocidad a la que crecerá la cantidad de recuperados tras curarse.
Del mismo modo, la velocidad con que antes crecía la cantidad de infectados ahora se verá frenada
por el mismo término. De este modo, el modelo epidemiológico vendrá ahora dado por:
(( β ) )
γ
βi(t)(n − i(t)) − γi(t)
{i(0) =
i′(t) = i′(t) = βi(t) n− − i(t)
⟺
i0
i(0) = i0
Nos encontramos de nuevo ante un modelo de Verhulst de parámetros L = n − γ/β, r = βn, luego:
( β)
γ
n− i0
nβ − γ
i(t) = = .
( β)
i0 + n − i0 −
γ
e −nβt
i0 β + ( (n − i0 )β − γ ) e −nβt
s′(t) = −βs(t)i(t)
i′(t) = βs(t)i(t) − γi(t)
r′(t) = γi(t)
El sistema podría reducirse a 2 EDOs en lugar de 3, dada la dependencia global s(t) + i(t) + r(t) = n, que
permite expresar cualquiera de las tres variables en función de las dos restantes.