Libro Modelamiento y Simulación PDF

Modelado Matemtico y
Simulacin con MatLab

Para estudiantes de Ingeniera
Ricardo J. De Armas C.
David Macas M.
Amed A. Alfonso C.
Volumen 1
Con este libro se pretende hacer una propuesta tanto metodolgica como de enfoque
de contenidos para el desarrollo de la competencia de modelado matemtico y
simulacin. La propuesta va dirigida tanto a docentes como estudiantes de las
carreras de ingeniera. El proceso de construir un modelo matemtico para resolver o
analizar un problema de la vida real, es un proceso que no surge de manera natural o
espontnea de las estructuras mentales de las personas. Para asimilarlo e
interiorizarlo, se requiere inicialmente del acompaamiento de un especialista. Esta
es la razn por la cual adems de presentar una estructura de contenidos con un
enfoque que da lugar a dicha organizacin, se hace una propuesta metodolgica que
da lugar a un acompaamiento en el proceso de aprendizaje de los estudiantes, hasta
el logro de una autonoma total en su ejecucin. La metodologa propuesta consiste en
presentar de forma incompleta, tareas sobre procesos de modelado, la actividad de los
estudiantes consiste en completar el proceso. A medida que se avanza en el
aprendizaje de los estudiantes, sobre la competencia de modelado, se reduce la ayuda
dada sobre el proceso y por tanto se aumenta la exigencia a los estudiantes. El
problema propuesto a los estudiantes tiene una doble intencionalidad, por un lado el
desarrollo de la competencia sobre modelado matemtico, y por el otro la
aprehensin de los contenidos asociados al problema objeto de estudio. La
representacin mental del problema produce una tensin cognitiva orientada a la
bsqueda de la informacin de contenidos que no posee el estudiante y que son
necesarios para la solucin del problema.
Para el desarrollo de las habilidades cognitivas relacionadas con la competencia de
modelado matemtico, se utiliza la teora de los conjuntos-T de los profesores Ricardo
J. de Armas C. y David Macas M. Se espera que el libro sea de ayuda para los
orientadores del proceso de aprendizaje en este campo y aporte en el desarrollo de la
competencia de modelado matemtico y simulacin en los estudiantes.
Hay que empezar haciendo lo posible

para terminar realizando
lo imposible
Ernesto Guevara
Que todo nuestro conocimiento empieza con la experiencia,

es efectivamente cosa sobre la cual no hay duda,
pero, aunque nuestro conocimiento empieza
con la experiencia, no nace todo l
de la experiencia
Immanuel Kant
Agradecimientos
Los autores expresan sus agradecimientos a la doctora Edel Serrano I. directora del
Departamento de Matemticas de la Universidad Central por su gestin ante la Facultad de
Ingeniera para que aprobaran los tiempos y recursos necesarios para investigar y escribir
este material. Tambin extienden sus agradecimientos a todos los estudiantes y profesores
de la Facultad de Ingeniera quienes han aportado directa o indirectamente al
enriquecimiento del libro con observaciones, sugerencias y material didctico; por ejemplo,
los estudiantes que construyeron en MatLab las ilustraciones que aparecen en la portada.
Contenido
Introduccin...........................................................................................................................6
Captulo 1. Modelos Matemticos.10
1.1. Introduccin...................................................................................................................10
1.2. Sistema...........................................................................................................................12
1.3. Los modelos ..........................................................................................14
1.4. Los modelos matemticos..............................................................................................15
1.5. Simulacin......................................................................................................................17
1.6. El modelado matemtico................................................................................................18
1.7. La competencia de modelado matemtico.....................................................................19
1.8. Los Conjuntos-T.20
1.9. Limitaciones en la formulacin del modelo matemtico...............................................25
1.10. Recomendaciones y Reflexiones...........................................................26
Captulo 2. Introduccin a MatLab...28

2.1. Introduccin...................................................................................................................28
2.2. Matrices..........................................................................................................................29
2.3. Grficas en dos dimensiones..........................................................................................41
2.4. Programacin con MatLab.............................................................................................56
2.4.1 Archivos en MatLab..................................................................................................56
2.4.2 Diagramas de flujo....................................................................................................56
2.4.3 Estructuras bsicas de programacin........................................................................57
2.5. Diseo de interfaces grficas.........................................................................................80
2.5.1. Creando el ambiente de trabajo GUIDE...81
2.5.2. Controles de una GUIDE..82
2.6. Diseo de figuras cerradas en dos dimensiones.............................................................96
2.7. Animacin de trayectorias............................................................................................101
Captulo 3. Modelos Determinsticos...106

3.1. Introduccin.................................................................................................................106
3.2. Modelado matemtico del crecimiento de la poblacin humana.................................108

3.3. Modelado matemtico de la poblacin del mundo en el siglo XX..............................115
3.4. Modelado matemtico de la poblacin de Kenia (1950-1990)....................................123
3.5. Modelado matemtico de las especies Linces contra Conejos.....................................130
3.6. Modelado matemtico de un Sistema Elctrico...........................................................138
3.7. Modelado matemtico de un Sistema Mecnico..........................................................145
3.8. Modelado matemtico de un Sistema Mecnico con amortiguamiento.......................154
3.9. Modelado matemtico de un cuerpo en cada libre......................................................163
3.10. Modelado matemtico del movimiento de proyectiles170
Captulo 4. Modelos Estocsticos.180

4.1. Introduccin.................................................................................................................180
4.2. Generacin de nmeros aleatorios...............................................................................182
4.2.1. Los nmeros aleatorios.182
4.2.1.1. Algoritmo de cuadrados medios182
4.2.1.2. Algoritmo congruencial lineal...184
4.2.1.3. Algoritmo congruencial cuadrtico...187
4.2.2. Nmeros aleatorios con MatLab...188
4.2.3. Seales con ruido..189
4.3. Conceptos Estadsticos.................................................................................................190
4.3.1. Variables aleatorias...190
4.3.2. Promedio Mvil190
4.3.3. Distribucin de probabilidad.192
4.3.4. Esperanza matemtica o valor esperado...193
4.4. Simulacin de las temperaturas de una estufa..............................................................196
4.5. Simulacin los tiempos de atencin de un cajero en el banco.....................................198
4.6. Simulacin del nmero de piezas en una lnea de ensamble.......................................201
4.7. Modelado matemtico de la cola en el banco..............................................................207
Referencias Bibliogrficas212
Introduccin
Los problemas de la vida real (p. ej., describir el crecimiento en el tiempo de dos especies
que interactan en una comunidad cerrada donde una es la depredadora y la otra es la presa
que cuenta con abundante alimentacin) se pueden solucionar usando ya sea el mtodo
cientfico o construyendo un modelo matemtico. El mtodo cientfico consiste en:
observar y describir, desarrollar hiptesis o explicaciones, comprobar por
experimentacin dichas hiptesis y aplicar estos conocimientos en la resolucin de
problemas similares. La construccin de un modelo matemtico consiste en: definir el
problema, identificar las teoras que lo gobiernan, formular el modelo matemtico,
resolver el modelo, interpretar los resultados, predecir hechos acerca del mundo real,
validar el modelo y determinar las limitaciones del mismo.
La construccin de un modelo matemtico para resolver problemas de la vida real presenta

varias ventajas. Una est vinculada con la optimizacin de recursos econmicos. Es decir,
los modelos matemticos no requieren inicialmente gastos materiales significativos para su
formulacin; es ms econmico y rpido elaborar un modelo matemtico que describa el
comportamiento de un sistema depredador presa y usar el computador para experimentar,
que empezar con un determinado nmero de cada una de las especies y tener que esperar
cierto tiempo para poder experimentar con ellas. Otra ventaja se encuentra en el sistema
educativo. El desarrollo de la competencia de modelado matemtico y simulacin en la
formacin del ingeniero le permite entre otras cosas: relacionar las matemticas con otras
disciplinas y conectarse con los problemas sensibles de la sociedad. En este nuevo contexto
educativo, el estudio de las matemticas deja de ser considerado como el trabajo con
conceptos abstractos alejados de la actividad humana (Brito-Vallina et l., 2011).
La competencia de modelado matemtico y simulacin se entiende como el conjunto de

habilidades cognitivas especficas que requiere una persona para formular un modelo
matemtico y resolver un problema de la vida real. Estas habilidades cognitivas especficas
son: la habilidad para explicar brevemente y sin ambigedades de qu se trata el problema,
la habilidad para describir el entorno fsico del problema, la habilidad de establecer
objetivos para resolver el problema, la habilidad para manejar la informacin cientfica que
se relaciona con el problema, la habilidad para establecer las variables de inters, los
parmetros constantes y un conjunto de suposiciones razonables (las hiptesis) sobre las
variables de acuerdo con las teoras que gobiernan el problema y la traduccin al lenguaje
matemtico de todas las suposiciones, la habilidad para analizar tablas de datos
(reconocimiento de patrones, interpretacin numrica, grfica y sugerir representaciones
algebraicas), la habilidad de usar las matemticas y/o las estadsticas para solucionar los
modelos matemticos, habilidad para programar las soluciones matemticas (simular y
animar), la habilidad para interpretar matemticamente los resultados de la simulacin, la
habilidad para validar los modelos matemticos y por ltimo la habilidad para limitar el
modelo matemtico (sin atribuirle cualidades que no llega a poseer).
Para desarrollar la competencia de modelado matemtico y simulacin en la formacin de

los ingenieros, en este libro se usa la teora de los conjuntos-T propuesta por los profesores
Ricardo J. De Armas y David Macas M. (2013) que siguen la trayectoria Brito-Vallina et
l. (2011), misma que estructura de modo sistmico el desarrollo de la habilidad de modelar
teniendo en cuenta la clasificacin de los principales modelos matemticos para las
ingenieras.
Para cada problema de la vida real que se propone, el estudiante debe construir un
conjunto-T compuesto por ocho tareas que le permite alcanzar la solucin del mismo y de
aquellos que le son similares. La ejecucin de cada tarea trae consigo la entrega de unos
productos especficos que sern evaluados por un especialista (p. ej., el profesor). Cada
producto tiene como finalidad formativa el desarrollo de alguna de las habilidades
especficas que hacen parte del conjunto de habilidades de la competencia de modelado
matemtico y simulacin.
Al desarrollar la competencia de modelado matemtico y simulacin se tiene que lidiar con

algunos obstculos epistemolgicos. Por ejemplo, la resistencia a los trabajos de esta
naturaleza por parte de la mayora de los estudiantes. Estos, al ser el resultado de
experiencias de enseanza tradicionales presentan dificultades para: escribir, leer, entender
e interpretar; es decir, para hacer una lectura significativa cuando son colocados frente a un
texto. Otro ejemplo, tiene que ver con la poca disposicin que tienen hacia las tareas de
investigacin. El poco manejo (o nada) que evidencia la mayora sobre las herramientas
computacionales dificulta el desarrollo de la competencia. Para superar estos obstculos, en
este libro se acompaa a los estudiantes en el desarrollo de las tareas hasta el logro de una
autonoma total en su ejecucin. Se presentan inicialmente tareas con desarrollos
incompletos (la parte faltante se encuentra subrayada) y como actividad de los estudiantes
se solicita la completitud de dicha tarea. La exigencia de completitud va aumentando
progresivamente hasta el logro del desarrollo total de la tarea por parte de los estudiantes.
El manejo computacional es solucionado con el captulo dos. La ejecucin de las tareas
produce una tensin cognitiva1 que los lleva a la necesidad de la bsqueda de una
informacin. Esa informacin la pueden tener, no recordarla o no poseerla. Si no disponen
definitivamente de ella deben buscarla, entenderla y aplicarla.
El libro se organiza de la siguiente manera: en el primer captulo, se crea el vocabulario

(sistema, modelo, modelos matemticos, simulacin, modelado matemtico y simulacin)
que se emplea en los dems captulos. Adems contiene la estrategia educativa propuesta
para el desarrollo de la competencia de modelado matemtico y simulacin. En el segundo
captulo se desarrollan ejemplos y se proponen ejercicios que demandan el manejo de
comandos bsicos del programa MatLab que le permitirn al usuario entre otras cosas:
graficar, programar, simular y animar los modelos matemticos. Se seleccion este
programa por ser amigable, robusto y de manejo casi obligatorio para la mayora de las
ingenieras. En el tercer captulo se resuelven problemas de la vida real que demandan la
formulacin de modelos determinsticos para ser solucionados. En el cuarto y ltimo
captulo se resuelven problemas de la vida real que demandan la formulacin de modelos
estocsticos para ser solucionados. A pesar de la variedad de modelos matemticos que
existen, se escogieron estos, porque los estudiantes ya los han manipulado en reas como la
Qumica, la Fsica y la Biologa entre otras; lo que facilita el trabajo pedaggico de los
orientadores del proceso de aprendizaje en este campo. Por tratarse este texto del primer
Estado anmico de excitacin, impaciencia, esfuerzo o excitacin producido por determinadas circunstancias
o actividades.
volumen o nivel introductorio al modelado matemtico y simulacin, los problemas de la

vida real fueron escogidos con el mismo criterio de seleccin de los modelos. Es de resaltar
que el libro va dirigido a los estudiantes de pregrado de ingeniera.
Los trabajos publicados sobre el modelado matemtico disponibles en el medio educativo

para ser desarrollados en clases son muy escasos; problema que se agudiza en los niveles de
pregrado. Se espera que este material sea de mucha ayuda a los orientadores del proceso de
aprendizaje en este campo y les permita desarrollar la competencia de modelado
matemtico y simulacin de sus estudiantes.
Captulo 1
Modelos Matemticos
1.1. Introduccin
Segn Maldonado et l. (2013) la ingeniera, entendida como ciencia de sntesis, est

orientada a generar soluciones a problemas del entorno2, por integracin de conocimientos
de diferente origen y a probar estas soluciones tomando los modelos conceptuales
(matemticos) como dispositivos para lidiar con la complejidad de los sistemas como
referentes de conocimiento. De acuerdo con esto surgen las siguientes preguntas: cules
son las competencias o habilidades3 cognitivas matemticas que requiere el ingeniero para
resolver los problemas del entorno?, las habilidades matemticas que se desarrollan en los
cursos tradicionales de matemticas son las que requiere el ingeniero para resolver
problemas del entorno?, por qu los modelos matemticos se han vuelto un tema de inters
general tanto a nivel nacional como mundial en la formacin de los ingenieros? y los
profesores de matemticas estn preparados para desarrollar las habilidades matemticas de
los ingenieros para resolver los problemas del entorno? Los siguientes prrafos dan cuenta
de estas preguntas.
El ingeniero es una persona con competencias y habilidades matemticas que le permiten

entre otras cosas: interpretar los problemas del entorno, manejar la informacin cientfica,
formular modelos matemticos para resolver los problemas del entorno, usar herramientas
computacionales, trabajar en equipos interdisciplinarios y comunicar sus resultados usando
lenguajes precisos como el matemtico.
Entindase como problemas de la naturaleza y de la sociedad.

Es el sistema de acciones u operaciones que usa la persona cuando debe ejecutar una tarea para obtener un(os) producto-(s) que ser-(n) valorado-(s) por un especialista.
3
En la mayora de los cursos tradicionales de matemticas dirigidos a los ingenieros, se

enfatiza mucho en los ejercicios de clculo; algo que est lejos de desarrollar las
competencias y habilidades matemticas que requiere el ingeniero para resolver los
problemas del entorno.
Los modelos matemticos se han vuelto un tema de inters general tanto a nivel mundial
como nacional, porque por medio de ellos, los ingenieros pueden relacionar las
matemticas con otras disciplinas, conectarse con los problemas sensibles de la sociedad y
proponer soluciones. Este inters se puede evidenciar en varios estudios internacionales
dirigidos por la Organizacin para la Cooperacin y el Desarrollo Econmico (OCDE,
2003), en particular, el del Programa para la Evaluacin Internacional de Alumnos PISA
(Programme for International Assessment) que mide la capacidad para resolver problemas
usando modelos matemticos (OCDE, 2007). Los modelos matemticos son inevitables en
el quehacer del ingeniero.
Poco se ha trabajado en modelos didcticos para el aprendizaje del modelado matemtico

en los estudiantes a pesar de que en casi todas las reas hay modelos matemticos aplicados
(Fsica, Qumica, Biologa y Economa, entre otras). Estos modelos les son dados en estado
terminal a los estudiantes para ser aplicados, es decir, no son productos de un proceso de
formulacin. Los orientadores del proceso de aprendizaje en este campo no han recibido
unas directrices de cmo utilizar una estrategia de formular modelos matemticos para
resolver los problemas del entorno en la enseanza formal; esto se est construyendo de
manera emprica por cada uno de los docentes encargados de orientar dicho proceso o como
viene ocurriendo en los cursos de formacin continua o disciplinas de posgrado de
Educacin Matemtica.
Dos son los objetivos que se proponen en este captulo. El primero tiene que ver con la
comprensin en contexto de los conceptos: sistema, modelo, modelo matemtico,
simulacin, modelado matemtico y simulacin; que permitir crear el vocabulario que se
usar en el resto del libro. Se debe ser conciente que en el mbito cientfico para construir
modelos matemticos hay que disponer de conocimientos especializados de las temticas
en donde se contextualizan los problemas del entorno, algo que no es posible en los niveles
de pregrado de ingeniera; pero lo que s es viable como segundo objetivo, es la
metacognicin4 del ejercicio de formulacin de un modelo matemtico para resolver
problemas del entorno.
El captulo se organiza de la siguiente manera: desde la seccin 1.2 hasta la seccin 1.5 se
analizan y definen los conceptos de: sistema, modelo, modelo matemtico, simulacin,
proceso de modelado matemtico y simulacin, respectivamente, en la seccin 1.6 se
analiza el proceso de modelado matemtico, en la seccin 1.7 se presenta una definicin
sobre la competencia de modelado matemtico, en la seccin 1.8 se presenta una estrategia
educativa para desarrollar la competencia de modelado matemtico, en la seccin 1.9 se
revisan algunas limitaciones que se deben tener en cuenta a la hora de formular un modelo
matemtico y en la ltima seccin, la seccin 1.10 se presentan algunas reflexiones y
recomendaciones tiles para el modelado matemtico.
1.2. Sistema
La realidad es una red compleja de relaciones entre objetos por lo que su anlisis es una
tarea nada fcil. Sin embargo, una estrategia de anlisis que se ha mostrado efectiva desde
hace ms de cincuenta aos, es tratarla como un sistema. Este trmino aparece en una
variedad de contextos: acadmicos, empresariales y hasta populares con distintas
interpretaciones por lo que se debe ser cuidadoso con el mismo. En este libro, cuando se
use el trmino sistema se estar haciendo referencia a una porcin de la realidad. El anlisis
riguroso de la realidad, es decir, el anlisis de una multiplicidad de relaciones entre los
objetos de la porcin de la realidad, demanda del diseo de sistemas complejos que
contienen componentes que proceden de tecnologas heterogneas (Mecnica, Electrnica,
Industrial, Sistemas y Ambiental entre otras). Este tipo de sistemas requiere de ingenieros
trabajando en equipos interdisciplinarios aportando conocimientos, competencias y
habilidades especficas de acuerdo con los perfiles respectivos.
El estudiante es conciente del proceso a seguir en el modelado matemtico de un fenmeno y su importancia

en la optimizacin de recursos.
Definir sistema no es sencillo. Las definiciones de sistemas en la literatura cientfica

contienen invariantes como: coleccin, componentes, funciones, interactuar, propsitos y
realidad. De acuerdo con estas puede establecerse la siguiente definicin.
Definicin 1. Sistema
Es una coleccin de componentes relacionadas que desarrollan
funciones especficas para cumplir con un propsito definido en
la realidad.
Ejemplos de sistemas:
El cuerpo humano
La Tierra
El universo
Sistema ecolgico
Sistema mecnico
Sistema elctrico
Sistema de servicio
Sistema de produccin
La empresa
Cada uno de estos sistemas contiene componentes relacionados que cumplen funciones
especficas con un determinado propsito. Los sistemas pueden interactuar con su entorno,
formar parte de otros sistemas o estar constituidos por otros sistemas. Existen sistemas:
estticos, dinmicos, materiales, inmateriales, vivos e inanimados.
1.3. Los modelos
En los sistemas acontecen una variedad de fenmenos que se pueden explicar, describir o
predecir usando modelos. Por medio de estos, los seres humanos han logrado articular de
una manera sistemtica los conocimientos que se obtienen de la experiencia mediante el

proceso de investigacin.
Definicin 2. Modelos
Son representaciones simplificadas que describen sistemas,
soportados en unos supuestos tericos o teoras y creados para
fines determinados.
El trmino modelo fuera del mbito cientfico da lugar a ambigedades y confusiones por
su carcter polismico. En la ciencia se pueden encontrar una variedad de modelos como
por ejemplo: los fsicos, los abstractos, los dinmicos, los estticos, los empricos, los
explicativos, los determinsticos, los estocsticos, los de simulacin y los analticos entre
otros.
Los modelos fsicos son rplicas fsicas a menor escala.
Los modelos abstractos usan smbolos para representar los sistemas estudiados.
Los modelos estticos describen una relacin, o un conjunto de relaciones, que no

cambia en el tiempo.
Los modelos dinmicos describen una relacin, o un conjunto de relaciones, que

vara en el tiempo.
Los modelos empricos describen un conjunto de relaciones, sin representar

explcitamente los procesos o mecanismos que operan el sistema real; el objetivo es
predecir y no explicar.
Los modelos explicativos representan la dinmica interna del sistema de inters; el

objetivo de estos modelos es explicar el comportamiento del sistema por medio de
la representacin de los mecanismos causales de dicho comportamiento.
Los modelos determinsticos no contienen variables aleatorias; las predicciones

obtenidas usando modelos determinsticos para un conjunto especfico de
condiciones sern siempre las mismas.
Los modelos estocsticos contienen una o ms variables aleatorias; las predicciones

obtenidas usando un modelo estocstico para un conjunto especfico de condiciones
no siempre son las mismas, ya que las variables aleatorias dentro del modelo pueden
tomar diferentes valores cada vez que se resuelve el modelo.
Los modelos analticos son aquellos que se pueden resolver matemticamente en

forma cerrada.
Los modelos de simulacin son aquellos para los cuales es imposible encontrar una
solucin analtica debido a que la funcin, o el conjunto de ecuaciones que
describen es demasiado compleja y deben resolverse numricamente usando un
conjunto de operaciones aritmticas.
1.4. Los modelos matemticos
En ciertas ocasiones la descripcin del comportamiento de los fenmenos que acontecen en

un sistema demanda el uso de lenguajes especializados como el matemtico. Es decir, se
deben usar los modelos matemticos.
Definicin 3. Modelos Matemticos

Son representaciones simplificadas en lenguaje matemtico
(usualmente funciones o ecuaciones) que describen sistemas y
son creados para fines determinados.
Ejemplos de modelos matemticos:
a) La representacin matemtica
describe la relacin entre los habitantes
el tiempo en una comunidad. ( es una razn de crecimiento).

b) La representacin matemtica
describe la relacin entre la posicin
con el tiempo de una masa sujetada a un resorte ( y
son parmetros constantes
del sistema masa-resorte).

c) La representacin matemtica
entre la carga
describe la relacin
y el tiempo en el capacitor de un circuito RLC en serie ( ,
son parmetros contantes).
d) La representacin matemtica
posicin
con el tiempo
la posicin inicial,
describe la relacin entre la
de un cuerpo lanzado verticalmente hacia arriba. (
la velocidad inicial y
es
corresponde al valor de la gravedad)
e) La representacin matemtica
describe la relacin entre los
tiempos de servicio de un servidor y los clientes en la caja de un banco, si se sabe

por los datos histricos que estos siguen una distribucin de probabilidad
exponencial con media de 3 minutos por cliente. ( son nmeros aleatorios)
f) La representacin matemtica
promedio
velocidades
describe la relacin entre el tiempo
que espera un cliente en la cola de un banco para ser atendido y las

y
es la velocidad de llegada de clientes al banco y
es la
velocidad de atencin del servidor).
Los modelos matemticos a pesar de que reflejan solo una dimensin del sistema
modelado, pueden tambin describir una clase completa de sistemas, es decir, el modelo
construido a partir de la observacin de un fenmeno en particular puede permitir la
descripcin del mismo fenmeno en otros contextos o de otros fenmenos. Los modelos
matemticos no requieren inicialmente gastos materiales significativos para su formulacin,
por ejemplo, es ms econmico y rpido elaborar un modelo matemtico que describa el
crecimiento de una poblacin biolgica, que empezar con un determinado nmero de
individuos y tener que esperar cierto tiempo para poder experimentar con ellos.
De acuerdo con Brito Vallina et l., (2011) los modelos matemticos se pueden clasificar
atendiendo a:
La teora o tcnica bsica utilizada en su elaboracin.
La naturaleza de los procesos que lo componen.
La estructura matemtica.
En la primera clase se encuentran los modelos: de transporte, de balance de poblacin y los

empricos. En la segunda clase se encuentran los modelos: determinsticos y los
estocsticos, los estacionarios y los no estacionarios, los de parmetro combinado y los de
parmetros distribuidos. En la tercera clase se encuentran los modelos: de ecuaciones
algebraicas (lineales y no lineales), de ecuaciones diferenciales (ordinarias o parciales), de
ecuaciones integrales
y de
ecuaciones
en diferencias (en una dimensin
multidimensionales).
En un modelo matemtico siempre es posible identificar dos conjuntos: uno de relaciones

(de igualdad y/o de desigualdad) y otro de variables sobre las que se definen las relaciones,
que reflejan la esencia de los sistemas en observacin. Histricamente, la construccin de
los modelos matemticos se ubica en el renacimiento constituyendo el inicio de la ciencia
moderna.
1.5. Simulacin
El trmino simulacin apareci en el ao 1940, cuando el matemtico hngaro,
nacionalizado estadounidense Von Neuman junto con
el matemtico, polaco-
estadounidense Stanislau Ulam que trabajaban en el proyecto manhattan (construccin de la

primera bomba atmica antes que los nazis lo consiguieran), hicieron referencia al trmino
Simulacin Montecarlo, en el Laboratorio Nacional de los lamos de California, durante la
segunda guerra mundial; resolviendo problemas de reacciones nucleares cuya solucin
experimental era muy costosa y el anlisis matemtico demasiado complejo. Se vieron
obligados a usar modelos matemticos para imitar y describir paso a paso el
comportamiento de dichas reacciones nucleares.
Definicin 4. Simulacin
Es el uso de un modelo matemtico para imitar, o describir paso
a paso (a travs de una computadora) el comportamiento del
sistema que se est analizando.
La simulacin presenta varias desventajas. Una tiene que ver con los resultados; estos al ser
de carcter numrico pueden ser imprecisos debido al truncamiento o redondeo de las cifras
decimales y con el tiempo se convertirn en unas cifras muy significativas al obtenerse el
error. La simulacin se puede usar cuando: los procedimientos matemticos son muy
complejos y engorrosos, se necesita controlar experimentos por un cierto periodo de tiempo
para observar el comportamiento del sistema y se requiere que un proceso sea estudiado en
menos tiempo del real. Tambin tiene aplicacin en la educacin como laboratorios de
aprendizaje (p. ej., interactuar con fenmenos naturales para comprenderlos) y en el
entrenamiento profesional (p. ej., simuladores de vuelo para el entrenamiento de pilotos).
Las simulaciones en este libro se desarrollan en el ambiente de desarrollo de interfaces
grficas de usuarios de MatLab denominado GUIDE.
Ejercicio 1.
Escribir un ensayo cuyo tema es La realidad y los modelos matemticos.
1.6. El modelado matemtico
Un problema del entorno puede resolverse construyendo un modelo matemtico o usando el

mtodo cientfico. Cualquiera de estos procesos requiere de la ejecucin de una serie de
pasos.
Definicin 5. Modelado Matemtico
Es el proceso de construccin o formulacin de un modelo
matemtico.
Los pasos que se siguen en el proceso de modelado matemtico y simulacin se ilustran en

la figura 1. Este modelo frecuentemente aparece asociado a nombres como: Gerda de Vries,
(2001) y Brito-Vallina et l., (2011) entre otros.
Figura 1: Ilustra los pasos del proceso de modelado matemtico y simulacin
En este esquema se resaltan cuatro caractersticas: la relacin con el mundo real, la

estructura matemtica, la inferencia matemtica y las predicciones sobre el sistema
representado (Maldonado et l., 2013).
1.7. La competencia de modelado matemtico
La competencia de modelado matemtico se entiende como el conjunto de habilidades

cognitivas especficas que permiten al sujeto formular un modelo matemtico y resolver un
problema del entorno. A continuacin se detalla este conjunto de habilidades cognitivas.
Habilidad para explicar brevemente y sin ambigedades de qu se trata el problema que

se debe resolver.
Habilidad para describir el entorno fsico del problema que se debe resolver.
Habilidad para establecer objetivos que permiten resolver el problema.
Habilidad para manejar la informacin cientfica que se relaciona con el problema.
Habilidad para establecer las variables de inters, los parmetros constantes y un
conjunto de relaciones razonables (las hiptesis) sobre las variables de acuerdo con la
teora que gobierna el problema y la representacin matemtica de todas las relaciones.
Habilidad para analizar tablas de datos (reconocimiento de patrones, interpretacin
numrica, grfica y sugerir representaciones algebraicas).
Habilidad de usar las matemticas y/o las estadsticas para solucionar los modelos
matemticos.
Habilidad para programar las soluciones matemticas (simular y animar).
Habilidad para interpretar los resultados de la solucin.

Habilidad para validar modelos matemticos.
Habilidad para limitar el modelo matemtico (sin atribuirle cualidades que no llega a
poseer).
1.8. Los Conjuntos-T
Una estrategia educativa para desarrollar la competencia de modelado matemtico y

simulacin es hacer uso de los conjuntos-T5.
Definicin 6. Conjunto-T
Es el conjunto formado por un mnimo nmero de tareas cuyas
ejecuciones reiterativas permiten el desarrollo de una o varias
competencias; entendindose como tarea el estmulo que activa
configuraciones mentales y/o operaciones intelectuales para
obtener un producto cuya validez est determinada por un
especialista.
Hay tareas que son necesarias para desarrollar una competencia pero no son suficientes; el
mnimo nmero de tareas en la definicin seis hace referencia a las tareas que son
necesarias y suficientes. La ejecucin de tareas adicionales implica un grado mayor de
especializacin en el sujeto. Cada tarea ejecutada permite el desarrollo de una o varias
habilidades especficas. La finalidad de la tarea es la obtencin de un producto. En el caso
del modelado matemtico se proponen los siguientes los productos:
Una proposicin
Un listado
Un prrafo
Un texto
Una tabla de datos
Un cdigo
Una interface
5
La teora de los conjuntos-T es autora de los profesores Ricardo J. De Armas C. y David Macas M.
Una animacin
Un artculo
Un prototipo o maqueta
Se hace una aclaracin sobre los tres primeros productos. La proposicin es un enunciado
al cual se le puede asignar dos valores: o bien es verdadero, o bien es falso. El prrafo es la
secuencia organizada de varias proposiciones coherentemente relacionadas, interna y
externamente por conectivos y signos de puntuacin, que expresa una idea principal,
pensamiento o idea temtica. Un texto est compuesto por uno o ms prrafos y que gira
alrededor de un tema.
Cada conjunto de tareas sigue trayectorias bien definidas y desglosadas en diferentes pasos
organizados por un especialista o especialistas. Para el desarrollo de la competencia de
modelado matemtico y simulacin se requiere de la ejecucin de ocho tareas. Este
conjunto se denotar como
y se har mencin a l como conjunto-
T para el desarrollo de la competencia de modelado matemtico y simulacin. Una

trayectoria para este conjunto-T es la propuesta (con algunos ajustes) por Brito-Vallina et
l., (2011). Los nombres de cada tarea se presentan a continuacin.
: Definicin del problema
: Teoras que gobiernan el problema
: Formulacin del modelo matemtico
: Solucin matemtica del modelo
: Representacin computacional de la solucin
: Interpretacin de los resultados
: Validacin del modelo
: Limitaciones del modelo
Se debe tener en cuenta que algunas tareas pueden pertenecer a ms de un conjunto-T. Por
ejemplo, algunas tareas del conjunto-T para desarrollar la competencia de modelado
matemtico y simulacin hacen parte tambin del conjunto-T para desarrollar la
competencia del mtodo cientfico establecido en 1620 por Francis Bacon. La figura 2
presenta el proceso de modelado matemtico y simulacin acompaado por su respectivo

Conjunto-T.
Figura 2: Ilustra el proceso de modelado matemtico y simulacin (negro)

y el respectivo conjunto-T (rojo)
Los productos esperados (indicadores de logros) en cada tarea se presentan a continuacin;

los comentarios que aparecen dentro de los parntesis corresponden a las tareas del mtodo
cientfico.
Definicin del problema
Se deben entregar tres productos.

Prrafo. Se explica brevemente y sin ambigedades de qu se trata el problema.
Prrafo. Se describe: las condiciones iniciales, el entorno fsico del problema y los
factores que no se incluyen en el modelo. (Observacin y descripcin)
Listado. Contiene el objetivo o los objetivos propuestos para resolver el problema.
Teoras que gobiernan el problema
Se debe entregar por lo menos uno de los siguientes productos:

Listado. Contiene los conocimientos construidos por la comunidad cientfica que se
relacionan con el problema y ayudan a formular el modelo matemtico.
Tabla de datos. Cuando no se disponga de teoras o conocimientos cientficos
relacionados con el problema, se debe manipular una tabla con datos experimentales.
Formulacin del modelo matemtico
Se debe entregar por lo menos uno de los siguientes productos:

Texto. Se establecen las variables de inters (independiente y dependiente), los
parmetros constantes y un conjunto de suposiciones razonables (las hiptesis) que
describan las relaciones entre las variables de inters de acuerdo con la teora que
gobierna el problema y por ltimo la traduccin al lenguaje matemtico de todas las
suposiciones. (Desarrollo de hiptesis o explicaciones)
Texto. Cuando se manipule la tabla se elabora un texto con el anlisis de los datos
reconociendo patrones, interpretndolos numricamente, grficamente e incluso
sugiriendo una representacin algebraica.
Solucin matemtica del modelo
Se debe entregar un producto.

Texto. Contiene la solucin analtica (cuando existe un algoritmo) o la solucin
aproximada (numrica). En el caso de no contar con las soluciones anteriores tratar con
tcnicas estadsticas.
Representacin computacional de la solucin
Se deben entregar por lo menos dos de los siguientes productos:

Cdigo. La solucin programada.
Interface. La interface para ejecutar las simulaciones (experimentacin).

Animacin. La animacin del comportamiento de las variables de inters cuando
sea posible.
Interpretacin de los resultados
Se deben entregar dos productos.
Tabla con datos. Contiene los datos de las variables de inters obtenidos con la
interface.
Texto. Contiene de acuerdo con los datos de la tabla, la descripcin matemtica del
comportamiento de las variables de inters. Adems, contiene entre otras respuestas, la
respuesta detallada de la pregunta si eran los resultados que se esperaban?
Validacin del modelo
Se deben entregar dos productos.
Tabla de datos. Contiene datos de:
Las variables de inters obtenidos con la interface.
La realidad.
El clculo de errores relativos porcentuales.
Texto. Contiene la grfica que contrasta los datos reales contra los datos de la interface.
Explica que tanto se aproximan los datos de la interface con los datos reales. Indica si
es necesaria una redefinicin del modelo matemtico ya sea aumentando su nivel de
resolucin (es decir, incluyendo variables que no eran de inters) o reiniciando el ciclo.
(Comprobacin por experimentacin de dichas hiptesis)
Limitaciones del modelo
Se debe entregar un producto.

Texto. Contiene: las limitaciones del modelo y el rango de aplicabilidad. (Aplicacin de
estos conocimientos en la resolucin de problemas similares)
1.9. Limitaciones en la formulacin del modelo
Segn Brito-Vallina et l. (2011) se deben tener en cuenta algunas limitaciones

relacionadas con la formulacin de los modelos matemticos que en unos casos, pueden
producir graves errores y, en otros casos prdida de tiempo y esfuerzos innecesarios.
La primera tiene que ver con la disponibilidad y la exactitud de los datos necesarios
para formular el modelo matemtico.
La segunda tiene que ver con los mtodos matemticos disponibles para la solucin
de los modelos matemticos.
La tercera tiene que ver con la atribucin al modelo de cualidades que no llega a
poseer.
1.10. Recomendaciones y Reflexiones
A continuacin se presentan unas recomendaciones y reflexiones (Serrano, 2004) que se

deben tener en cuenta a la hora de formular modelos matemticos.
Recomendacin
Debido a la complejidad de los sistemas, al formular un modelo matemtico, se tienen que

hacer simplificaciones que hacen que esta imagen matemtica sea una aproximacin a la
realidad que trata de reproducir.
Reflexin
El carcter aproximativo de los modelos matemticos, ms que un defecto resulta ser una
de sus ventajas. Se podra pensar que lo ms deseable sera una representacin matemtica
idntica al sistema. Esto generalmente es imposible, adems sera poco til ya que el
modelo matemtico sera muy difcil de analizar. El ideal es el modelo matemtico ms
simple que an guarde las caractersticas del sistema que se desea reproducir. Esto encierra
al sistema dentro de un marco terico ms fcil de manejar. Se deben entonces encontrar
caminos para simplificar el modelo matemtico sin sacrificar rasgos esenciales de la

situacin del mundo real.
Recomendacin
Es recomendable empezar desarrollando un modelo matemtico relativamente simple y

mejorarlo progresivamente. Esta es una buena estrategia en modelado matemtico ya que al
introducir cada factor es posible observar su efecto. As, el mismo proceso de la
construccin del modelo matemtico, permite probar o rechazar hiptesis que seran muy
difciles de comprobar de manera experimental.
Reflexin
Para un sistema particular, se puede construir una infinidad de modelos matemticos. Unos
enfocados a algunas caractersticas del sistema, otros a otras, unos ms complejos y otros
ms simples. As, los modelos matemticos no se pueden clasificar como correctos o
incorrectos. En su lugar, se habla de si un modelo matemtico es apropiado, aplicable o no
a cierta situacin. Para esto se manejan las limitaciones del modelo matemtico que se
generan en su diseo.
Recomendacin
La representacin matemtica
, por ejemplo, describe la relacin de distancia y
tiempo de un objeto en cada libre. Sin embargo, se deben conocer sus limitaciones para
poder usar en predicciones. Una situacin como la cada de una hoja de papel, no puede
representarse con este modelo matemtico ya que la resistencia del aire en este caso es muy
grande, misma que no est considerada en la representacin. As se puede decir que este
modelo matemtico es aplicable en situaciones donde la resistencia del aire sea
despreciable.
Ejercicio 2.
Escribir un ensayo cuyo tema es el modelado matemtico y el mtodo cientfico en
la educacin superior.
En el siguiente captulo se crea el espacio dedicado al desarrollo de las habilidades

computacionales necesarias para el modelado matemtico y simulacin.
Captulo 2
Introduccin a MatLab
1.11.
Introduccin
Qu es MatLab? Es un software de la empresa Mathworks ubicada en Natick pueblo del

estado estadounidense de Massachusetts. La primera versin del mismo fue desarrollada en
la dcada de 1970 por el norteamericano Cleve Moler, profesor de matemticas y ciencias
de la computacin por casi 20 aos de las Universidades de Nuevo Mxico, de Michigan y
de Stanford. 6
El nombre simboliza Matriz Laboratorio o Laboratorio de Matrices. Es un lenguaje de

programacin basado en arreglos (matrices) que con el tiempo se ha convertido en una
herramienta didctica para el desarrollo de cursos tanto avanzados como introductorios en
matemtica e ingeniera. MatLab, adems de ser utilizado en el desarrollo de los
algoritmos, anlisis de datos, visualizacin y clculo numrico tambin es utilizado en reas
tan variadas como los automviles, los aviones, los audfonos, telfonos celulares, los
precios de derivados financieros y acadmicos. Las aplicaciones estn organizadas en
libreras especializadas o en cajas de herramientas (en ingls toolboxes).
En este captulo se desarrollan ejemplos y se proponen ejercicios que demandan el manejo

de comandos bsicos del programa que le permiten al usuario entre otras cosas: graficar,
programar, simular y animar los modelos matemticos.
http://ordenador.wingwit.com/Programacion/computer-programming-languages/87495.html
El objetivo del captulo es crear el espacio dedicado al aprehendizaje de las herramientas

computacionales necesarias para el modelado matemtico y simulacin. Cabe anotar que
las soluciones que se presentan para resolver los ejemplos propuestos no son nicas.
El captulo se organiza de la siguiente manera: en la seccin 2.2 se revisa la edicin de

matrices, en la seccin 2.3 se estudian los comandos que permiten graficar funciones en dos
dimensiones, en la seccin 2.4 se analizan las estructuras bsicas de programacin, en la
seccin 2.5 se construyen interfaces, en la seccin 2.6 se disean figuras en dos
dimensiones y en la ltima seccin, es decir en la seccin 2.7 se desarrollan animaciones de
trayectorias.
Figura 1. Smbolo del programa MatLab

(Ilustracin tomada de imgenes en tic-tac.teleco.uvigo.es
1.12.
Matrices
Para editar matrices en la ventana de comandos (o consola como se le conoce tambin), se

utilizarn los parntesis cuadrados o corchetes [ ], separando los datos por espacios o
comas, a la vez que las filas se separan por punto y coma (figura 1).
Figura 1: Ilustra la ventana de comandos (en ingls Command Window)
Ejemplo 1. Edicin de Vectores y Matrices

Editar en la ventana de comandos las siguientes matrices:
a)
b)
c)
d)
e)
Solucin
a) A = [ 1 2 3; 2 1 4 ]
a) A = [ 1, 2, 3; 2, 1, 4 ]
b) B = [ -1 2; 0 0.5; 9 -7 ]
c) C = [ 3 0 5; 4 1 4; 2 0 3 ]
d) D = [ 0.1 0.2 0.3 0.4 0.5 ]
e) E = [ -1; -2; -3 ]
Sugerencia
Para borrar una variable especfica se escribe el comando clear dejando un espacio y
escribiendo el nombre de la variable que se desea borrar. Utilizando slo el comando clear
se borran todas las variables que se tienen asignadas en la memoria. Para borrar nicamente
el contenido de la pantalla se escribe el comando clc seguido de ENTER.
Ejemplo 2. Operaciones bsicas entre Matrices

Con las matrices definidas en el ejemplo 1, computar, si es posible, las siguientes
operaciones:
a) AB
b) BA + C
c) D + E
d) A B
e)
Solucin
Los smbolos + - * / son los operadores para suma, resta, multiplicacin y divisin
respectivamente (como en una calculadora).
Recomendacin
Para no estar escribiendo las mismas instrucciones cada rato, se usan las teclas
, . Estas
devuelven a la ventana de comandos las instrucciones establecidas previamente y

guardadas en el histrico de comandos (en ingls Command History).
a) A * B
b) B * A + C
c) D + E Error using + Matrix dimensions must agree.

MatLab indica que hay un error porque las matrices no son del mismo tamao.
d) A B Error using Matrix dimensions must agree.
e) E * E Error using * Inner matrix dimensions must agree.

MatLab indica que hay un error porque las matrices no se pueden multiplicar.
e)
Para poder elevar al cuadrado cada elemento de la matriz E se tiene que escribir
los dos caracteres
que corresponden a la potenciacin de arreglos.
Sugerencia
Para comprender los mensajes de error que nos muestra MatLab, se debe, frecuentemente
hacer uso de la teora del lgebra Lineal. Tenga en cuenta cuando escriba los nombres de
comandos, funciones y variables que MatLab distingue entre maysculas y minsculas.
Ejemplo 3. Operaciones con Matrices Traspuestas

Con las matrices definidas en el ejemplo 1, computar, si es posible, las operaciones con las
matrices traspuestas.
a)
b)
c)
d)
e)
Solucin
Para obtener la matriz traspuesta se debe usar la comilla simple
a) A
b) B * A
c) ( A * B )
d) ( C + B * A )
e) D - E Error using - Matrix dimensions must agree.
Ejemplo 4. Las entradas de una Matriz

Definir la matriz A en la ventana de comandos.
Determinar el tamao y el valor de las entradas indicadas:
a)
b)
c)
d)
e)
Solucin
A = [ 1 -2 3 4; 5 2 7 8; 9 0 8 7; 6 5 4 3; 2 1 0 9]
size(A)
El comando size( ) nos indica el nmero de filas y el nmero de columnas de una matriz.
a) A (1, 1)
b) A (1, 2)
c) A (2, 1)
d) A (4, 4)
e) A (5, 5) Index exceeds matrix dimensions.
MatLab nos indica que hay un error porque la matriz no tiene estas dimensiones. Esta
matriz no tiene cinco columnas.
Ejemplo 5. Seleccin de filas y columnas

Seleccionar nicamente las filas y columnas que se indican en cada caso:
a) Fila uno
b) Fila tres
c) Columna uno
d) Columna cuatro
e) Desde la fila uno hasta la fila tres.
f) Desde la fila dos hasta la fila cuatro.
g) Desde la columna uno hasta la columna tres.
h) Desde la columna dos hasta la cuatro.

i) La segunda y la cuarta fila nicamente.
j) La primera y la tercera columna nicamente.
Solucin
A = [ 6 1 1 2; 7 2 3 4; 8 3 5 6; 9 4 7 8; 0 5 9 0]
a) A ( 1 , : )
b) A ( 3 , : )
c) A ( : , 1 )
d) A ( : , 4 )
e) A ( 1 : 3 , : )
f) A ( 2 : 4 , : )
g) A ( : , 1 : 3 )
h) A ( : , 2 : 4 )
i) A ( [ 2 4 ] , : )
j) A ( : , [ 1 3 ] )
Ejemplo 6. Submatrices
Definir la submatriz B a partir de la matriz A.
Solucin
A = [ 2, 1, 1, 1 ; 0, 2, 2, 2 ; 3, 0, 1, 3 ]
B=A(1:2,1:3)
Ejemplo 7. Formatos Numricos

Usar los siguientes formatos numricos:

a) format long
b) format rat
c) format short
Solucin
El resultado numrico que se obtiene en la ventana de comandos se puede visualizar en

diferentes formatos:
a) Para obtener ms de cuatro dgitos despus del punto decimal en la ventana de
comandos se debe escribir format espacio long y a continuacin se define el vector A.
format long
[
b) Para obtener una forma racional en la ventana de comandos se debe escribir format
espacio rat y a continuacin definir el vector A.
format rat
[
c) Para obtener cuatro dgitos despus del punto decimal en la ventana de comandos se
debemos escribir format espacio short y a continuacin definir el vector A.
format short
[
Si no se indica lo contrario, por defecto se obtienen cuatro cifras decimales en la ventana de

comandos.
Ejemplo 8. Matrices Especiales

Definir las matrices especiales que se indican:
a) La matriz A es una matriz de 3 x 4 de ceros.

b) La matriz A es una matriz de 4 x 5 de unos.
c) La matriz A es una matriz identidad de 3 x 3.
d) La matriz A es una matriz de nmeros aleatorios de 3 x 2.
Definir la matriz A en la ventana de comandos:
e) La matriz U es la matriz triangular superior de A.

f) La matriz L es la matriz triangular inferior de A.
g) La matriz M es una matriz mgica de 3 x 3.
Solucin
a) A = zeros ( 3 , 4 )
b) A = ones ( 4 , 5 )
c) A = eye ( 3 )
d) A = rand (3 , 2 )
A = [ 3,3,0,1 ; 6,4,0,3 ; 0,7,1,2 ; 9, 5, 1, 8 ]
e) U = triu ( A ) El comando triu( ) extrae la parte superior de A.

f) L = tril ( A ) El comando tril( ) extrae la parte inferior de A.
g) M = magic ( 3 ) Por qu se les denominan matrices mgicas?
Ejemplo 9. Cambios e intercambios

Definir la matriz A en la ventana de comandos:
a) Cambiar la entrada
por 8.
b) Cambiar los valores de la tercera fila por 5.

c) Cambiar los valores de la segunda columna por 1.
d) Intercambiar las filas 2 y 3.
e) Intercambiar las columnas 2 y 3.
Solucin
A=[1 2 3 4;2 5 3 0;1 4 1 5;0 9 0 8]
a) A ( 3 , 2 ) = 8
b) A ( 3 , : ) = 5
c) A ( : , 2 ) = 1
d) A ( [ 2 , 3 ] , : ) = A ( [ 3 , 2 ] , : )
e) A ( : , [ 2 , 3 ] ) = A ( : , [ 3 , 2 ] )
Ejemplo 10. Construccin de Matrices

Construir una matriz A tomando como filas los siguientes vectores:
A1 = [ 1 2 3 ]
A2 = [ 4 5 6 ]
A3 = [ 7 8 9 ]
Solucin
A1 = [ 1 2 3 ]
A2 = [ 4 5 6 ]
A3 = [ 7 8 9 ]
A = [ A1 ; A2 ; A3 ]
Ejercicio 1.
1. Definir o editar en la ventana de comandos las siguientes matrices:
2. Indicar el error que se cometi en cada caso al editar la matriz A. Explicar las
respuestas.
a) A = [ 0 1 0 1 ; 1 0 1 0 ; 0 11 0 ; 1 0 0 1 ]
b) A = [ 0 1 0 1 ; 1 1 0 ; 0 1 1 0 ; 1 0 0 1 ]
c) A = [ 0 1 0 1 ; 1 0 1 0 ; 0 1 1 0 1 0 0 1 ]
d) A = [ 0 1 0 1 ; 1010 ; 0 1 1 0 ; 1 0 0 1 ]
3. La operacin C + B no es posible efectuarla para las matrices del ejercicio 1. Editar las
instrucciones adecuadas para poder sumar estas dos matrices.
4. Proponer tres matrices A, B, y C para verificar la propiedad asociativa para el producto

entre matrices. Es decir, probar que A(BC) = (AB)C.
5. Escribir las instrucciones que permitan obtener las cuatro submatrices que se indican
con las lneas punteadas A1, A2, A3, A4.
6. Definir la matriz
en la ventana de comandos. Explicar la respuesta de
( )
MatLab cuando se le piden los siguientes productos:
a) A * A
b) A . * A
7. Definir la matriz cuadrada A en la ventana de comandos.
(
Describir en cada caso el comportamiento de
)
cuando
a)
b) A * A * A * * A ( n veces )
8. Sea la matriz
).
Escribir las instrucciones utilizadas para construir la matriz B.
Instrucciones:
La primera fila B1 es la segunda columna de A.
La segunda fila B2 es la primera columna de A.
La tercera fila B3 es el cuadrado de la primera fila de A.
La cuarta fila B4 es la raz cuadrada de la cuarta fila de A.
La raz cuadrada la podemos obtener con la instruccin sqrt( ).
9. Sea la matriz
). Escribir las instrucciones para determinar:
a) La matriz equivalente A1 despus de multiplicar por 3 la primera fila de A.

b) La matriz equivalente A2 despus de multiplicar por 2 la segunda columna de A.
c) La matriz equivalente A3 despus de multiplicar por -9 la primera fila y sumarla a
la fila cuatro de A.
1.13.
Grficas en dos dimensiones
Los comandos que permiten graficar funciones en dos dimensiones se ilustran en los
siguientes ejemplos. Con MatLab es posible agrupar y superponer las grficas de dichas
funciones. Tenga en cuenta que en este volumen se manejan funciones en dos dimensiones
pero el programa tambin lo hace con tres dimensiones, funciones vectoriales, etc.
Ejemplo 1. Funcin exponencial decreciente

Dibujar la grfica de la funcin exponencial decreciente
con las caractersticas
indicadas.
a) El dominio es el intervalo [ -2, 1.5 ]. El paso entre los datos es 0.01.
b) Etiqueta del eje horizontal x.
c) Etiqueta del eje vertical f ( x ).
d) Ttulo de la grfica Funcin Exponencial Decreciente .
Solucin
Para graficar funciones de una variable independiente, se determina primero el dominio o el

intervalo donde se desea obtener la grfica. Esto se hace definiendo un vector de n datos
con el nombre de la variable independiente, en el que se especifican: el valor inicial, el
intervalo entre puntos consecutivos (denominado el paso) y el valor final.
a) x = -2 : 0.01 : 1.5 ;
Por qu se escribe el punto y coma al final de la instruccin? El punto y coma que se

escribe al final de la instruccin evita que MatLab despliegue los resultados en la ventana
de comandos.
f = exp ( - x ) ;
Para construir la grfica se usa el comando plot( )
plot ( x, f )
b) xlabel ( x )
c) ylabel ( f ( x ) )
d) title ( Funcin Exponencial Decreciente )
Ejemplo 2. Funcin exponencial creciente

Dibujar la grfica de la funcin exponencial creciente
indicadas.
a) El dominio es el intervalo [ -2, 2]. El paso entre los datos es 0.2.

b) Etiqueta del eje horizontal x. Tamao 15.
c) Etiqueta del eje vertical f ( x ). Tamao 15.
d) Ttulo de la grfica Funcin Exponencial Creciente.
e) Con cuadrcula.
f) La grfica debe estar ubicada en la regin
;
Solucin
a) x = -2 : 0.2 : 2 ;
f = exp ( x ) ;
plot ( x, f )
b) xlabel ( x , fontsize , 15 )
c) ylabel ( f ( x ) , fontsize , 15 )
d) title ( Funcin Exponencial Creciente )
e) grid on
f) axis ( [ -3, 4, -1, 8 ] )
El comando axis( ) permite escalar los ejes y cambiar su apariencia.
Ejemplo 3. Funcin trigonomtrica Seno

Dibujar la grfica de la funcin trigonomtrica
indicadas.
a) El dominio es el intervalo [ -4 , 4 ].
El dominio es un vector con 200 datos.
b) La grfica de color rojo. El tamao de lnea 3.
c) Etiqueta del eje horizontal t . Tamao 14.
d) Etiqueta del eje vertical y(t) . Tamao 14.
e) Ttulo de la grfica Funcin Seno. Tamao 14.
f) Con cuadrcula.
g) La grfica debe estar ubicada en la regin
Solucin
Un comando que tambin se puede usar para definir el vector del dominio es
linspace(min,mx,N). Cuando no se indica un valor para N, MatLab presenta por defecto
un vector linealmente espaciado de 100 datos.
a) t = linspace ( -4*pi, 4*pi, 200 ) ;

y = sin ( t ) ;
b) plot ( t, y, r, linewidth, 3 )
c) xlabel ( t , fontsize , 14 )
d) ylabel ( y ( t ) , fontsize , 14 )
e) title ( Funcin Seno , fontsize, 14 )
f) grid on
g) axis ( [ -2 *
,2*
, -1.5, 1.5 ] )
Sugerencia
Cuando no se quiere manejar la cuadrcula se escribe el comando grid off
Ejemplo 4. Funcin trigonomtrica coseno

Dibujar la grfica de la funcin trigonomtrica
con
las caractersticas
indicadas.
a) El dominio es el intervalo [ -4 , 4 ]. El dominio es un vector con 300 datos.

b) La grfica de asteriscos de color rojo.
c) La grfica dentro de un cuadrado, sin cambiar el rango de los ejes.
Solucin
a) t = linspace ( -4*pi, 4*pi, 300 ) ;

y = cos ( t ) ;
b) plot ( t, y, * r )
c) axis square
Sugerencia
Para consultar todo lo que MatLab puede desarrollar con las grficas, como por ejemplo los
colores que maneja, se escribe el comando help plot seguido de ENTER. A continuacin
aparecer una descripcin del comando plot en la ventana de comandos. Esto aplica para
cualquier otro comando.
Ejemplo 5. Funcin exponencial

Dibujar la grfica de la funcin exponencial
con las caractersticas indicadas.
a) El dominio es el intervalo [ -3, 6 ]. El paso de 0.01.

b) La grfica de color negro. El tamao de lnea 4.
Solucin
a) x = -3 : 0.01 : 6 ;
y = exp ( -
);
b) plot ( x, y, k, linewidth, 4 )
Ejemplo 6. Funcin definida como un producto

Dibujar la grfica de la funcin
con las caractersticas indicadas.
a) Dominio el intervalo [ -3, 3 ].

b) La grfica de color verde. El tamao de lnea 2.
Solucin
a) x = linspace ( -3 , 3 , 500 ) ;
y = x. * exp ( -
2);
Cuando escribimos los caracteres .* se est pidiendo a MatLab una multiplicacin de

arreglos.
b) plot ( x, y, g , linewidth, 2 )
Ejemplo 7. Grficas en figuras separadas

Dibujar las grficas de las funciones
en dos figuras por separado con las
caractersticas indicadas.
a) Primero borre todas las variables definidas

b) Dominio el intervalo [ -1, 3 ] ; El paso de 0.01
c) Ambas figuras con cuadrcula
Solucin
a) clear all
b) x = -1 : 0.01 : 3 ;
f = exp ( -
);
g = 2 * exp ( -
);
c) plot ( x, f ), grid on
figure
c) plot ( x, g ), grid on
Ejemplo 8. Grficas en la misma figura

Dibujar las grficas de las funciones
caractersticas indicadas.

agrupndolas en una sola figura con las
b) La grfica de
con trazo continuo de color rojo y la grfica de
con trazo
discontinuo de color azul.

c) Una leyenda que referencie a cada una de las funciones
Solucin
a) x = linspace ( -1, 3, 50 );
f = exp (-
);
g = 2 * exp (-
);
b) plot ( x, f, r, x, g, b. )
c) legend ( f ( x ) , g ( x ) )
El comando legend( ) nos permite identificar la grfica de cada una de las funciones.
Ejemplo 9. Variables Lgicas
a) Escribir un vector x con los nmeros del 1 hasta el 9.

b) Escribir
c) Escribir
d) Escribir
Solucin
Para crear variables lgicas se utilizan los operadores relacionales ilustrados en la tabla 1.
Menor que
Mayor que
Menor o igual que
Mayor o igual que
Igual
Distinto
Tabla 1: Operadores relacionales
Estos operadores se combinan con los operadores lgicos de la tabla 2.
&
|
Tabla 2: Operadores lgicos
a) x = 1 : 1 : 9
b) x > 4
c) ( 2 < x ) & ( x < = 6 )
d) ( 3 < = x ) & ( x < = 5 )
Ejemplo 10. Funcin definida a trozos

definida a trozos con las caractersticas indicadas.

b) La grfica de color rojo. Tamao 3.
Se debe observar la discontinuidad.
c) Con cuadrcula.
Solucin
a) x = linspace ( -2, 3, 500 ) ;

f=(
).*(x<0) + (1).*((0<=x)&(x<1)) + (-x+2) .* (1<=x) ;
b) plot (x, f, r. , linewidth , 3 )

c) grid on
Ejemplo 11. Funcin definida por secciones

definida por secciones con las caractersticas
indicadas:
a) Dominio el intervalo [ -3, 4 ]. El dominio es un vector con 600 datos.

b) La grfica de color negro. Tamao 4. No se debe observar las discontinuidades.
c) Con cuadrcula.
d) El tamao de los nmeros de los ejes es 15.
e) El color del fondo es blanco.
f) El color del fondo es amarillo.
Solucin
a) x = linspace ( -3, 4, 600 ) ;

f = (-
).*(x<-1) + (0).*((-1<=x)&(x<2)) + (x) .* (2<=x) ;
b) plot (x, f, k , linewidth , 4 )

c) grid on
d) set ( gca , fontsize , 15 )
El comando set( ) permite manipular las propiedades del objeto y el comando gca permite
manipular manualmente el tamao de los ejes.
e) set ( gcf, color , w )
f) set ( gcf, color, y)
El comando gcf permite manipular la figura actual.
Ejemplo 12. Grficas dentro de Matrices

Dibujar en una matriz de tamao 2x2 las grficas de las funciones potencias que se indican
a continuacin:
La grfica de
La grfica de
es de color negro.
La grfica de
es de color verde.
La grfica de
es de color azul.
es de color rojo.
El dominio es un vector con 400 datos en el intervalo [ -1, 1 ].

Todas las grficas con cuadrculas.
Solucin
x = linspace ( -1, 1, 400 ) ;

f1 = x ;
f2 =
f3 =
f4 =
Para construir la matriz de 2 filas con 2 columnas cuyas entradas sean las grficas, se
escribe el comando subplot.
subplot (221), plot ( x, f1 , r ), grid on
El 2 indica el nmero de filas, el 2 el nmero de columnas y el 1 corresponde a la grfica de

la funcin.
subplot (222), plot ( x, f2 , k ), grid on
subplot (223), plot ( x, f3 , g ), grid on
subplot (224), plot ( x, f4 , b ), grid on
Sugerencia
No se debe cerrar la grfica sino minimizarla para no perder la informacin editada.
Ejemplo 13. Grficas dentro de Matrices

Dibujar en una matriz de tamao 4x1 las grficas de las funciones trigonomtricas que se
indican a continuacin.
La grfica de
es de color negro.
La grfica de
es de color azul.
La grfica de
es de color rojo.
La grfica de
es de color verde.
El dominio es un vector con 500 datos en el intervalo [ 0, 2 ].

Todas las grficas con cuadrculas. El color de fondo es amarillo.
Solucin
x = linspace ( 0, 2*pi, 500 ) ;

y1 = sin (x) ;
y2 = sin ( 2*x ) ;
y3 = sin ( 3*x ) ;
y4 = sin ( 4*x ) ;
Los datos de entrada del comando subplot se pueden separar tambin por comas.
subplot (4,1,1), plot ( x, y1 , k ), grid on
subplot (4,1,2), plot ( x, y2 , b ), grid on
subplot (4,1,3), plot ( x, y3 , r ), grid on
subplot (4,1,4), plot ( x, y4 , g ), grid on
set ( gcf, Color, y)
Ejercicio 2.
1. Volver a escribir el vector x usando la instruccin linspace.

a) x = -5 : 0.01 : 5 ;
b) x = -3 : 0.1 : 9 ;
c) x = -10 : 0.2 : 10 ;
d) x = 0 : 0.001 : 8 ;
e) x = 2 : 0.5 : 50 ;
2. Volver a escribir el vector x indicando el paso entre los datos.

a) x = linspace ( -6, 6, 100 );
b) x = linspace ( -2, 2, 500 );
c) x = linspace ( 0, 10, 1000 );
d) x = linspace ( -pi, pi, 20 );
e) x = linspace ( 0, 50, 300 );
3. Dibujar las grficas de las funciones trigonomtricas agrupndolas en una misma figura
y con las caractersticas indicadas:
a) Dominio el intervalo [ -2 , 2 ]. El dominio contiene 500 datos.

b) La grfica de
es de color rojo, la grfica de
es de color verde y la grfica de
es de color azul.
c) Una leyenda que referencie a cada una de las funciones.
4. En la figura 2 se ilustra la grfica de la funcin

instrucciones que la caracterizan.
. Escribir las
Figura 2: Grfica de
5. En la figura 3 se ilustra la grfica de la funcin
. Escribir las
instrucciones que la caracterizan.
Figura 3: Grfica de
6. Dibujar la grfica de la funcin
definida por secciones con las caractersticas
indicadas.
a) Dominio el intervalo [ -10, 10 ].El dominio es un vector con 300 datos.

b) La grfica de color rojo. Tamao 3. Se deben observar las discontinuidades.
c) Con cuadrcula.
d) La grfica debe estar ubicada en la regin
e) El tamao de los nmeros de los ejes es 18

f) El color del fondo es blanco
7. Dibujar la grfica de la funcin
definida por intervalos con las caractersticas
indicadas:
a) Dominio el intervalo [ -5, 5 ]. El dominio es un vector con 100 datos.

b) La grfica de color magenta. Tamao 3. Se deben observar las discontinuidades.
c) Con cuadrcula.
d) El tamao de los nmeros de los ejes es 18.
e) El color del fondo es blanco.
f) Etiqueta para el eje horizontal x . Tamao 18.
g) Etiqueta para el eje vertical f ( x ) . Tamao 18.
h) Ttulo Funcin a intervalos .
8. Dibujar en una matriz de tamao 1x2 las grficas de las funciones que se indican a
continuacin:
La grfica de
La grfica de
es de color rojo.
es de color azul
El dominio de las funciones es un vector de 600 datos en el intervalo [

color del fondo es verde.
]. El
9. Dibujar en una matriz de tamao 2x1 las grficas de las funciones que se indican a
continuacin:
La grfica de
es de color rojo.
La grfica de
es de color azul.
El dominio de las funciones es un vector de 250 datos en el intervalo [ 0, 8 ]. El color

del fondo es blanco.
10. Escribir los comandos que se usaron para obtener la grfica que se ilustra en la figura 4.
Figura 4: Grfica del ejercicio 10
11. De acuerdo con las instrucciones, escribir la frmula de la funcin definida a trozos.
Dibujar con lpiz y papel la grfica.
t = -2 : 0.001 : 2;
y = (-1).*((-2<=t)&(t<-1)) + (0)*((-1<t)&(t<-0.5)) + (-t).*((-0.5<=t)&(t<=0.5) +
(0)*((0.5<t)&(t<1)) + (1)*((1<=t)&(t<=2));
plot ( t, y, k, linewidth, 3)
grid on
axis ( [ -3, 3, -2, 2 ] )
1.14.
Programacin con MatLab
MatLab proporciona un lenguaje de programacin robusto con un ambiente computacional

interactivo y amigable. Una de las ventajas que se tiene al programar en MatLab sobre otros
lenguajes de programacin, es que MatLab no requiere que se declaren las variables y sus
tipos al principio del programa ya que estas se definen automticamente cuando se usan por
primera vez.
2.4.1. Archivos en MatLab
Los archivos que contienen cdigo MatLab se denominan archivos-M (en ingls M-files) y
tienen la extensin.m. Existen dos tipos de estos archivos: los guiones y las funciones.
Los guiones (en ingls scripts) no aceptan datos de entrada o producen argumentos
de salida. Manejan datos de variables que se han usado previamente.
Las funciones (en ingls functions) pueden aceptar datos o argumentos de entrada y
regresan tambin datos de salida. Las variables internas de una funcin son
variables locales.
Para editar un archivo-M se puede usar un editor de textos como Word; lo nico que se
debe hacer al terminar es guardar el archivo de texto con la extensin.m.
2.4.2. Diagramas de flujo
Un diagrama de flujo (en ingls flowchart) es una de las tcnicas que se utilizan para
representar los algoritmos. En la figura 5, se ilustran algunos de los smbolos usados en el
diseo de los diagramas de flujo. Recuerde que un algoritmo se define como un conjunto
finito de instrucciones precisas con un propsito especfico.
Figura 5: Se ilustran algunos smbolos de un diagrama de flujo
2.4.3. Estructuras bsicas de programacin
El aprehendizaje de las estructuras de programacin permite, entre otras cosas: programar,

simular y animar las soluciones de los modelos matemticos.
Ejemplo 1.
Estructura if - end
Tiene la forma general:
if
condicin
instrucciones
end
Dibujar un diagrama de flujo para esta estructura.
Solucin
Figura 6: Se ilustra el diagrama de flujo de

la estructura if - end
La condicin del if puede contener operadores lgicos.

Si la condicin se cumple entonces se ejecutan las instrucciones siguientes hasta el end.
Si la condicin no se cumple, el programa ejecuta la primera instruccin despus de end.
Esta instruccin requiere ser cerrada por lo que el end se coloca en el punto donde se unen
las dos bifurcaciones s y no.
Ejemplo 2.
Archivo-m function
Escribir en un archivo-m function el siguiente programa:
Asigna el valor de la funcin

si
si
y asigna el valor de la funcin
a) Dibujar el diagrama de flujo,

b) Codificar usando la estructura if end.
Solucin
a) El diagrama de flujo se ilustra en la figura 7
Figura 7: Se ilustra el diagrama de flujo del ejemplo 2
b) La forma general del formato funcin (function) es:
function [ y ] = operacin ( x )
y = instrucciones
end
x es el argumento o parmetro de entrada
y es argumento o parmetro de salida de la funcin
operacin es el nombre que se le asigna a la funcin
Para escribir el cdigo se accede al editor (figura 8). Esto puede hacerse desde el men
usando la ruta: File / New / Function
Figura 8: Ilustra la plantilla del formato function (versin R2011a)
El smbolo % se usa para escribir los comentarios que detallan y explican los cdigos. Es
decir, si se inicia con este smbolo, MatLab interpretar esto como una lnea de
comentarios. La codificacin se escribir sobre la plantilla como se ilustra en la figura 9
despus de borrar los comentarios de color verde.
Figura 9: Ilustra el cdigo del ejemplo 2
Se guarda el documento con la extensin m. Hay que tener en cuenta que el nombre de la
funcin debe coincidir con el nombre del archivo-M con el cual se guarda. De no ser as, se
podrn presentar errores de directorio y/o ejecucin. A continuacin en la ventana de
comandos aparecer un mensaje de error como se muestra en la figura 10.
Figura 10: Ilustra un mensaje de error arrojado por MatLab
MatLab est indicando que no se ha definido el argumento o la variable x. Por tanto, se

debe ingresar los valores seguidos de ENTER para que devuelva las respectivas salidas.
Por ejemplo para: x = -10, x = 0, x = 25 escribimos:

ejemplo2( -10 )
ejemplo2( 0 )
ejemplo2( 25 )
Ejemplo 3.
Archivo-m function
Extrae la diagonal principal de una matriz cuadrada M. Si la matriz no es cuadrada
arroja un mensaje.
a) Dibujar el diagrama de flujo.
b) Codificar usando la estructura if end.
Solucin
a) El diagrama de flujo es tarea para el lector.

b) El cdigo se ilustra en la figura 11.
MatLab contiene muchas funciones ubicadas en libreras especializadas llamadas toolboxes.

Por ejemplo, la funcin que nos permite extraer la diagonal de una matriz es diag( ).
Cuando se quiere enviar mensajes al usuario se emplean funciones como las siguientes:
disp( mensaje ) MatLab le muestra un mensaje al usuario.
error( mensaje ) MatLab le muestra un mensaje al usuario y adems detiene la ejecucin
del programa.
Estas funciones se manejan como subrutinas para escribir programas ms complejos.
Ejemplo 4.
Estructura if - else - end
Una segunda forma del if end es la inclusin de la clusula else. Esta nueva clusula le
permite al programador el uso de un solo if en muchos casos para ejecutar dos bloques de
instrucciones.
La forma general es:

if
condicin
instrucciones a1
instrucciones a2
*
*
instrucciones an
else
instrucciones b1
instrucciones b2
*
*
instrucciones bn
end
Solucin
Figura 12: Ilustra el diagrama de flujo de la estructura if else - end
Si la condicin se cumple, se ejecutan las instrucciones a1 a la an.

Despus de la instruccin an, MatLab contina con la instruccin que sigue el end.
Si la condicin no se cumple, se ejecutan las instrucciones b1 a la bn.
Cuando se termina la instruccin bn, MatLab continua con la instruccin que sigue el end.
Claramente se ve que el if else end sustituye a dos if end.
El programador tiene la libertad de usar la estructura que crea ms conveniente.
Ejemplo 5.
Archivo m-function
Calcula las soluciones de un sistema de dos ecuaciones con dos incgnitas
Usando La Regla de Cramer.

b) Codificar usando la estructura if else - end.
Solucin

Para el caso particular {
los parmetros de entrada son respectivamente:
a1 = 1, a2 = 1, a3 = 2, b1 = 2, b2 = -1, b3 = 3
Figura 13: Cdigo del ejemplo 5
Para obtener los dos resultados, en la ventana de comandos se escribe:
[ x, y ] = ejemplo5 ( 1, 1, 2, 2, -1, 3 )
Qu sucede con los valores [ x, y ] = ejemplo5 ( 1, 1, 2, 1, 1, 3 )?
Cuando se necesita manejar ms de dos bloques de instrucciones se usa la forma

if elseif - else end.
Ejemplo 6.
Archivo m-function
Determina si un nmero es positivo, es negativo o es nulo.

b) Codificar usando la estructura if elseif else - end.
Solucin

Figura 14: Se ilustra el cdigo del ejemplo 6
Ejemplo 7.
Estructura switch - case - end
Se usa cuando se quiere revisar si una expresin es igual a algn valor determinado.
No se puede usar para revisar condiciones como a > 5 o b
switch
expresin
case valor 1
instrucciones a1
instrucciones a2
*
*
instrucciones an
case valor 2
instrucciones b1
instrucciones b2
*
3. La forma general es:
instrucciones bn
case valor 3
instrucciones c1
instrucciones c2
*
*
instrucciones cn
case valor m
instrucciones m1
instrucciones m2
*
*
instrucciones mn
otherwise
instrucciones
end
Solucin
Figura 15: Ilustra el diagrama de flujo de la estructura switch case - end
Cada valor puede ser numrico o una cadena de texto. Adems, cada case puede tener uno
o ms valores, como en:
case { valor1 valor2, , valork }
instruccin 1
instruccin 2
*
*
instruccin m
En este caso si la expresin es igual a cualquiera de los valores valor1, valor2, , valork
se ejecutan las instrucciones 1 a la m.
Ejemplo 8.
Archivo-function
Extrae: la diagonal principal de una matriz, la matriz triangular inferior, la matriz

triangular superior y la traza (o suma de los elementos de la diagonal principal).

b) Codificar usando la estructura
switch case - end.
Solucin

Figura 16: Se ilustra el cdigo del ejemplo 8
Ejemplo 9.
Archivo-m function
Construye la grfica de la funcin potencia
Lineal (n = 1)
Cuadrtica (n = 2)
Cbica (n = 3)
n=

b) Codificar usando la estructura switch case - end.
Solucin

Ejemplo 10.
Archivo-m function
Construye la grfica de las funciones:
Exponencial decreciente; Exponencial creciente; Logartmica con base 10; Seno;
Coseno.

b) Codificar usando la estructura switch case - end.
Solucin

Ejemplo 11. Estructura condicional for - end

La instruccin for la usamos para formar ciclos o bucles de instrucciones que se tienen que
repetir un nmero determinado de veces.
for variable = expresin

instrucciones a1
instrucciones a2
*
*
instrucciones an
end
Solucin
Figura 19: Ilustra el diagrama de flujo de la estructura condicional for end
Aqu, I es la variable de control,
es el valor inicial,
es el valor final y
es el
incremento. En esta instruccin, si se cumple que variable=expresin entonces se ejecutan

las instrucciones de la 1 a la n para continuar despus de la instruccin que est despus del
end. Si no se cumple, ya no se ejecutan las instrucciones de la 1 a la n y la siguiente
instruccin que se ejecuta es la que est despus del end. Es posible que las instrucciones
de la 1 a la n no se ejecuten ni una sola vez. El end de este ciclo se sita exactamente
donde est el indicador de retorno representado por el crculo.
Ejemplo 12.
Archivo-m function
Determina la suma de las n primeras potencias del nmero 2.
Es decir,

b) Codificar usando la estructura condicional for - end.
Solucin

Al ejecutar el programa aparecer un error en la ventana de comandos. Por qu? Resulta

que cuando el for inicia no encuentra el primer valor para la suma. Para solucionar el
problema, escribimos antes del for, la instruccin:
suma = 0;
Ejemplo 13.
Archivo-m script
Escribir en un archivo-m script el siguiente programa:
Construye una matriz de m x n cuyos valores se obtienen sumando la fila i con la

columna j respectivamente.

b) Codificar usando la estructura for - end.
Solucin
La for se puede anidar, es decir, dentro de un ciclo de for puede haber uno o ms ciclos de
for como se muestra a continuacin.

Despus del ltimo end se coloca la instruccin disp(A) para que nos muestre la matriz. En
algunas ocasiones se necesita que el contador no vare de uno en uno. Para ello, se indica el
tamao de paso en la instruccin for.
Recomendacin
MatLab dispone de operaciones matriciales y vectoriales optimizadas por lo que se debe
evitar en lo posible el uso de bucles, ya que hacen que los programas funcionen ms
lentamente.
Ejemplo 14.
Estructura condicional while - end
El condicional while
indeterminado de veces.
se usa para repetir un conjunto de instrucciones un nmero
La diferencia con el for es que ste se ejecuta un nmero determinado de veces. La forma
general del condicional while es:
while condicion
instrucciones a1
instrucciones a2
*
*
instrucciones an
end
Solucin
Figura 22: Ilustra el diagrama de flujo de la estructura while - end
La manera como un while funciona es la siguiente:

Si la condicin no se cumple, entonces se ejecuta la primera instruccin despus del end.
Si la condicin se cumple, se ejecutan todas las instrucciones de la 1 a la n.

En este punto se revisa si la condicin se cumple todava, y de ser as se vuelven a ejecutar
las instrucciones de la 1 a la n y se vuelve a revisar la condicin.
Este proceso se repite hasta que la condicin no se cumple, en cuyo caso se salta a ejecutar
la primera declaracin despus del end.
El end de este condicional, se ubica en la salida negativa despus de todo el proceso de
repetir como se puede observar en la figura 22.
Ejemplo 15.
Archivo-m script
Escribir en un archivo-m script, el siguiente programa:
Calcula el mayor nmero n que cumple la condicin

b) Codificar usando la estructura for - end.
Solucin
Por qu
Ejemplo 16.
Archivo-m script
Construye la tabla de valores de la funcin
Solucin
El cdigo se ilustra en la figura 24.
Tenga en cuenta que para % 4.0 f

% hace referencia al formato numrico
4 indica que hay cuatro dgitos antes del punto decimal
0 indica que despus del punto decimal no va ningn dgito
f hace referencia al punto flotante
Ejemplo 17.
Archivo-m script
Construye la tabla de los valores redondeados con un dgito despus del punto decimal
de las funciones:
Solucin
El cdigo se ilustra en la figura 25.
Ejercicio 3.
1. Escribir en un archivo-m function, el siguiente programa:

Lee las coordenadas del punto
de la funcin
y determina si pertenece o no a la grfica

b) Codificar usando la estructura if - else - end.

Calcula las races (o soluciones) de la ecuacin

b) Codificar usando la estructura if - elseif - else - end.

Presenta las grficas de las funciones trigonomtricas.
b) Codificar usando la estructura switch - case - end.

Determina la suma de los primeros trminos de la serie

El desarrollo de la productoria

6. Escribir en un archivo-m script, el siguiente programa:

Calcula el mayor nmero n tal que

b) Codificar usando la estructura condicional while - end.

La tabla de valores de las funciones trigonomtricas
seno y coseno.
b) Codificar usando la estructura condicional if - else - end.
La tabla de valores de las funciones logaritmo con base 10 y logaritmo con base
el nmero e de Euler.
b) Codificar usando la estructura if - else - end.
1.15.
Diseo de interfaces grficas
Una interface grfica es el vnculo que se establece entre el usuario y un programa

computacional. Estn constituidas por botones y ventanas entre otros controles; por medio
de los cuales el usuario se comunica con el programa durante las operaciones que se desean
realizar, facilitando la entrada y salida de datos.
Figura 26: Ilustra una interface Grfica en construccin
Se les denomina GUI porque su nombre en ingls es Graphical User Interface. Las
ventanas de Word, las ventanas de Excel y las ventanas de MatLab son ejemplos de
interfaces. stas tambin se conocen como interfaces de usuario.
Para construir interfaces grficas con MatLab, se usa el ambiente de desarrollo de interfaces
grficas GUIDE (en ingls GUI Development Environment). Para esto primero se escogen
los controles y a continuacin se definen las acciones que cada uno va a realizar.
2.5.1.
Creando el ambiente de trabajo GUIDE
Existe una manera de abrir el ambiente de desarrollo de la interfaces y es escribiendo guide

en la ventana de comandos. Una vez hecho lo anterior el programa mostrar una ventana
de dilogo con opciones para construir la GUI o si se desea mejor abrir y revisar una
interface ya existente. (Figura 27)
Figura 27: Ilustra la ventana de dialogo GUIDE Quick Start
Si selecciona una nueva GUI; aparecer a continuacin el rea de diseo mostrando en la

parte superior los mens y las opciones de GUIDE. En la parte izquierda se aprecian los
diferentes controles y en la parte central el rea de diseo (la cuadrcula) en donde se
ubicarn los respectivos controles (Figura 28).
Figura 28: Ilustra el rea de trabajo
2.5.2.
Controles de una GUIDE
A continuacin se listan algunos controles bsicos de GUIDE con sus respectivos nombres:
Figura 29: Ilustra el control Push Button
Figura 30: Ilustra el control Slider
Figura 31: Ilustra el control Edit Text
Figura 32: Ilustra el control Static Text
Figura 33: Ilustra el control de Pop-up Menu
Figura 34: Ilustra el control Axes
Cada uno de estos controles maneja un conjunto especfico de propiedades. Para acceder a
ellas se hace a travs del inspector de propiedades.
Ejemplo 1. El Inspector de Propiedades del control Edit Text

Algunas de las propiedades del control Edit Text que se ilustran en la figura 35.
Figura 35: Ilustra el inspector de propiedades del Edit Text
Solucin
Este inspector se puede obtener clickeando dos veces la parte izquierda del apuntador
(ratn). El inspector de propiedades permite cambiar entre otras cosas:
El color de la letra usando ForegroundColor
El tamao de la letra usando FontSize
Un letrero fijo usando String
El nombre con el que se llamar al control usando Tag
Cada control que se est manipulando tiene su propio conjunto de propiedades.
Ejemplo 2. Construyendo de una interface

Construir una interface como la que se ilustra en la figura 36. En sta, el usuario obtiene
dos grficas: la grfica de la funcin trigonomtrica seno de una frecuencia fija (azul) y la
de la funcin seno con distintas frecuencias (rojo).
Figura 36: Ilustra la interface que se va a construir en el ejemplo 2
Solucin
Se escribe en la ventana de comandos guide

Aparece a continuacin la ventana de dilogo de la figura 37.
Figura 37: Ilustra la ventana de dilogo GUIDE Quick Start
Qu se hace?
Se escoge la opcin OK.
Aparece el rea de trabajo o diseo de la figura 38.
Figura 38: Ilustra el rea de trabajo
Qu se hace?
Se arrastran de la parte izquierda los controles que se necesitan para la interface y se
ubican de acuerdo con el diseo establecido. (Figura 39)
Figura 39: Ilustra los controles arrastrados al rea de trabajo que se necesitan
Qu se hace?
Se modifican y programan los respectivos controles que se encuentran referenciados
con nmeros dentro de crculos. Esto se puede realizar en cualquier orden.
Control 1
Inspector de propiedades
Qu se hace?
En el String el block de notas que aparece se deja en blanco y se escribe
Frecuencia del Seno

con el color de fondo,
el color de letra,
y el tamao de letra
que se necesite.
Control 2
Qu se hace?
En el String se escribe Ingrese la frecuencia
Control 3
Se arrastra de la paleta de controles de la parte izquierda
el control Axes; se ubica y
despus se despliega en el
rea de trabajo.
Control 4
Qu se hace?
En el String se escribe Salir
Para escribir los cdigos se sigue la ruta:
ViewCallback
Callback
Para programar la accin que llevar a cabo un control cuando el usuario lo presione, se
clickea en la parte derecha del apuntador (ratn). A continuacin MatLab muestra el editor
para las funciones o plantilla en donde se escribirn todos los cdigos de la interface.
Primero pide guardar la informacin (si an no ha guardado nada). En este ejemplo se
denominar interfaceuno.m. MatLab nos ubica y nos indica donde se deben escribir el
respectivo cdigo. OJO NO ES EN CUALQUIER LUGAR. Despus de lo indicado con
color azul y debajo de los comentarios en verde.
Cmo salir o cerrar la interface? La interface se puede cerrar escribiendo en el archivo

interfaceuno.m la instruccin close(gcbf) o close(interfaceuno) despus de los
comentarios en color verde como lo muestra la figura 40.
Figura 40: Ilustra el cdigo del control 4
Control 5
Qu se hace?
El String se deja en blanco
En el Tag se escribe Frecuencia

ViewCallback
Callback
Aparece nuevamente el editor de funciones del archivo.m donde

se escriben las instrucciones al final de los comentarios
escritos en verde como se ilustra en la figura 41.
Figura 41: Ilustra el cdigo del control 5
El comando str2double captura la cadena de caracteres (o el String) del control Edit Text
y lo pasa a un formato numrico doble definiendo de sta manera las variables internas.
Por ltimo, se corre la interface ejecutando en la parte superior el cono que dice Run
Ejemplo 3. Construccin de una interface

Construir una interface como la que se ilustra en la figura 42. En sta el usuario obtiene dos
figuras: la de la funcin trigonomtrica coseno con una frecuencia fija (negro) y la del
coseno con distintas frecuencias (azul).
Figura 42: Ilustra la interface del ejemplo 3
Solucin
Control 1
Qu se modifica?
String: Se escribe Frecuencia del Coseno
FontSize: Se cambia a 18
BackgroundColor: Se cambia a blanco
ForegroundColor: Se cambia a rojo
Control 2
rea de trabajo
Qu se hace?
El Color: Se cambia por el color rojo
Control 3
Qu se hace?
String: Se escribe Ingrese la frecuencia
FontSize: Se cambia a 18
Control 4
Qu se hace?
String: Se escribe Salir
FontSize: Se cambia por 18
ViewCallback
Callback
Qu se programa?
close(interfacedos)
Control 5
Qu se hace?
String: Se deja en blanco
FontSize: Se cambia por 18

BackgroundColor: Se cambia por blanco
ForegroundColor: Se cambia por rojo
Tag: Se escribe frecuencia
ViewCallback
Callback
Qu se programa?
f = srt2double(get(handles.frecuencia,string));
x = linspace(0,2*pi,500);
y=cos(x); y1=cos(f*x);
plot(x,y,k,x,y1,b,linewidth,3)
grid on
axis([0,2*pi,-1.5,1.5])
Control 5
Se Arrastra de la parte izquierda
y se ubica en el rea de
trabajo el control
Axes.
Ejercicio 4.
1. Construir una interface en donde el usuario obtiene la grfica de la funcin

exponencial decreciente dada por
desde 0 hasta el ao
que se
le indique. (Figura 43)
Figura 43: Ilustra la interface del ejercicio 1
2. Construir una interface en donde el usuario obtenga la grfica de la funcin

trigonomtrica dada por
desde 0 hasta el valor que se le indique.
3. Construir una interface en donde el usuario obtenga la grfica de la funcin dada

por
desde 0 hasta el valor que se le indique.
1.16.
Diseo de figuras cerradas en dos dimensiones
Con ste programa es posible dibujar y colorear figuras cerradas ubicndolas sobre
cuadrculas (plano cartesiano) y determinando despus cada una de las lneas que la
componen.
Ejemplo 1. Rectngulo
Dibujar un rectngulo con vrtices (0,0), (2,0), (2,1) y (0,1) como el de la figura 44.
Figura 44. Ilustra el rectngulo
Solucin
x = [ 0 2 2 0 0 ];
y = [ 0 0 1 1 0];
plot( x, y )
fill(x, y, 'y' )
axis off
El comando fill permite colorear el interior de la figura y la instruccin axis off permite
ocultar los ejes de coordenadas.
Ejemplo 2. Depsito de agua

Dibujar un depsito de agua de forma rectangular con vrtices (0,0), (4,0), (4,2) y (0,2)
como el de la figura 45.
Figura 45. Ilustra el depsito de agua
Solucin
x = [ 0 4 4 0 0 ];
y = [ 0 0 2 2 0 ];
axis([0,5,0,2])
axis square
axis off
hold on
plot( x, y, 'k' )
fill( x, 0.5*y, 'b' )
El comando axis square presenta en forma cuadrada los ejes de coordenadas y

el comando hold on mantiene los ajustes que le realicemos a los grficos.
Ejemplo 3. Crculo
Dibujar un crculo como el de la figura 46.
Figura 46. Ilustra el crculo
Solucin
Para dibujar crculos se usan parametrizaciones en coordenadas polares.
theta = 0:pi/100:2*pi;
r = 5;
x = r*cos(theta);
y = r*sin(theta);
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'r' )
Ejemplo 4. Avin
Dibujar un avin como el de la figura 47. Los vrtices vienen dados de la siguiente manera:
(-3.5,-1), (-3,-1), (-2.5,-0.5), (0,-1), (0,-3), (1,-3), (1.5,-1), (3.5,-0.5), (4,0), (3.5,0.5), (1.5,1),
(1,3), (0,3), (0,1), (-2.5,0.5), (-3,1) y (-3.5,1).
Figura 47. Ilustra el avin
Solucin
x = [-3.5,-3,-2.5,0,0,1,1.5,3.5, 4,3.5,1.5,1,0,0,-2.5,-3,-3.5,-3.5];
y = [-1,-1,-0.5,-1,-3,-3,-1,-0.5,0,0.5,1,3,3,1,0.5,1,1,-1];
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'r' )
Ejemplo 5. El Robot
Dibujar un robot como el de la figura 48. Los vrtices vienen dados de la siguiente manera:
(-2,-1), (-1.5,-1), (-1.5,1.5), (-1,1.5), (-1,-4), (-1.5,-4), (-1.5,-5), (-0.5,-5), (-0.5,-1), (0.5,-1),
(0.5,-5), (1.5,-5), (1.5,-4), (1,-4), (1,1.5), (1.5,1.5), (1.5,-1), (2,-1), (2,3), (1,5), (-1,5), (-1,3)
y (-2,3).
Figura 48. Ilustra el robot
Solucin
x = [-2,-1.5,-1.5,-1,-1,-1.5,-1.5,-0.5,-0.5,0.5,0.5,1.5,1.5,1,1,1.5,1.5,2, 2,1,1,-1, -1,-2,-2];

y = [-1,-1,1.5,1.5,-4,-4,-5,-5,-1,-1,-5,-5,-4,-4,1.5,1.5,-1,-1,3,3,5,5,3, 3,3];
axis([-8,8,-8,8])
axis off
axis square
hold on
plot( x, y, 'k' )
fill(x, y, 'm' )
1.17.
Animacin de trayectorias
En MatLab se pueden desarrollar animaciones de trayectorias. La animacin se realiza

cuadro a cuadro; este proceso est representado en un diagrama de flujo como:
un ciclo repetitivo de borrar el objeto,
calcular su nueva posicin al incrementar el tiempo,
y redibujar en la nueva posicin.
Para hacer real la animacin, se debe recurrir a la velocidad del procesador del computador
donde se va a correr el programa para as tomar un incremento de tiempo adecuado y evitar
as que el movimiento se vea muy lento o muy veloz.
Ejemplo 1. Movimiento de un objeto circular

Animar el movimiento de un objeto circular cuya trayectoria la describe la funcin dada por
, donde
es la frecuencia.
Solucin
A continuacin se presenta el cdigo de la animacin de la trayectoria.

*************************************************************************
% Se ingresa la frecuencia w
function [ ] = animacionejemplo1( w )
t = 0;
while t < 2*pi
t = t + 0.05;
ys = sin(
*t );
clf; % Borra la figura

% Crculo
theta = 0 : pi/100 : 2*pi;
r = 0.03;
xo = r * cos(theta);
yo = r * sin(theta);
% rea del movimiento

axis( [ -0.1, 6.5, -3, 3 ] )
axis square
axis off
hold on
% Suma de coordenadas
x = xo + t;
y = yo + ys;
plot( x, y )
fill( x, y, r)
pause(0.01)
% Velocidad del procesador
end
end
*************************************************************************
Ejemplo 2. Movimiento de un avin

Animar el movimiento del avin construido en el ejemplo 4 de la seccin 1.6, cuya
trayectoria la describe la funcin dada por
Solucin

*************************************************************************
% Se ingresa el tiempo ta
function [ ] = animacionejemplo2( ta )
t = 0;
while t < ta
t = t + 0.02;
yl = log( t );
% Avin
xo = [-3.5,-3,-2.5,0,0,1,1.5,3.5, 4,3.5,1.5,1,0,0,-2.5,-3,-3.5,-3.5];
yo = [-1,-1,-0.5,-1,-3,-3,-1,-0.5,0,0.5,1,3,3,1,0.5,1,1,-1];
% Modificacin de la escala
xo = 0.1 * xo;
yo = 0.1 * yo;
axis( [ 0, 11, -5, 5 ] )
axis square
axis off
hold on
x = xo + t;
y = yo + yl;
plot( x, y, k )
fill( x, y, b)
pause(0.01)
end
end
*************************************************************************
Ejemplo 3. Movimiento de un Robot

Animar el movimiento del robot construido en el ejemplo 5 de la seccin 1.6, cuya
trayectoria la describe la funcin dada por:
Solucin

*************************************************************************
% Se ingresa el tiempo ta
function [ ] = animacionejemplo3( ta )
t = 0;
while t < ta
t = t + 0.02;
yt = (0)*(t<=2)+(1.5*t-3).*((2<t)&(t<4))+(3)*((4<=t)&(t<8))+
(-3*t+27).*((8<=t)&(t<=9))+(0)*(9<t);
% Robot
xo = [-2,-1.5,-1.5,-1,-1,-1.5,-1.5,-0.5,-0.5,0.5,0.5,1.5,1.5,1,1,1.5,1.5,2,2,1,1,-1, -1,-2,-2];
yo = [-1,-1,1.5,1.5,-4,-4,-5,-5,-1,-1,-5,-5,-4,-4,1.5,1.5,-1,-1,3,3,5,5,3,3,3];
% Modificacin de la escala
xo = 0.1 * xo;
yo = 0.1 * yo;
axis( [ 0, 11, -5, 5 ] )
axis square
axis off
hold on
x = xo + t;
y = yo + yt;
plot( x, y, k )
fill( x, y, y)
pause(0.01)
end
end
*************************************************************************
En el siguiente captulo se crea el espacio en donde los ingenieros usando como excusa la
formulacin de los modelos determinsticos para resolver problemas del entorno puedan
desarrollar las habilidades cognitivas necesarias para la formulacin de modelos
matemticos en general.
Captulo 3
Modelos Determinsticos
1.18.
Introduccin
Los modelos determinsticos son modelos matemticos que describen fenmenos que no
contemplan la existencia del azar ni el principio de incertidumbre. Es decir, no contienen
variables aleatorias; las predicciones obtenidas para un conjunto especfico de condiciones
son siempre las mismas. Por medio de estos, es posible conocer el estado del sistema
transcurrido cierto tiempo una vez que se han dado valores a los distintos parmetros que
aparecen en el modelo. En general los modelos determinsticos son tiles para describir los
sistemas que evolucionan con el tiempo. Un ejemplo es el conjunto de ecuaciones
diferenciales de un sistema fsico que puede predecir la evolucin en el tiempo de un buen
nmero de magnitudes caractersticas del sistema.
El objetivo de este captulo es crear el espacio en donde los estudiantes usando como
excusa la formulacin de los modelos determinsticos para resolver problemas del entorno
puedan desarrollar las habilidades cognitivas propias de la competencia de modelado
matemtico.
.
El proceso de construir un modelo matemtico para resolver o analizar un problema del
entorno, es un proceso que no surge de manera natural ni espontnea de las estructuras
mentales de las personas. Para asimilarlo e interiorizarlo, se requiere inicialmente del
acompaamiento de un especialista. Esta es la razn por la cual en este captulo y en el
siguiente se acompaa a los estudiantes en el desarrollo de las tareas hasta el logro de una
autonoma total en su ejecucin. Se presentan inicialmente tareas con desarrollos
incompletos (la parte faltante se encuentra subrayada) y como actividad de los estudiantes
se solicita la completitud de dicha tarea. La exigencia de completitud va aumentando
progresivamente hasta el logro del desarrollo total de la tarea por parte de los estudiantes.
La ejecucin de las tareas produce una tensin cognitiva que los lleva a la necesidad de la
bsqueda de una informacin. Esa informacin la pueden tener, no recordarla o no
poseerla. Si no dispone definitivamente de ella debe buscarla, entenderla y aplicarla.
El captulo se organiza de la siguiente manera: en la seccin 3.2 el modelo matemtico es

formulado a partir del conocimiento cientfico que se tiene sobre el problema, en la seccin
3.3 el modelo es formulado a partir de la informacin contenida en una tabla de datos (uso
de tcnicas estadsticas), en la seccin 3.4 el modelo es formulado usando la derivacin
numrica, en la seccin 3.5 el modelo formulado es un sistema de ecuaciones diferenciales
ordinarias, en la seccin 3.6 se modela un circuito elctrico RLC en serie con una ecuacin
diferencial de segundo orden con coeficientes constantes, en la seccin 3.7 se aprecia como
el sistema masa resorte tambin puede ser descrito con una ecuacin diferencial de segundo
orden con coeficientes constantes, en la seccin 3.8 se mejora la resolucin del modelo de
la seccin inmediatamente anterior al incluir una fuerza de amortiguamiento y dejando
como tarea la inclusin de otra fuerza en el sistema, en la seccin 3.9 se formula el modelo
idealizado de cada libre y al finalizar el modelado se pide reiniciar el ciclo teniendo en
cuenta la resistencia al objeto debida al aire, en la ltima seccin, es decir, en la seccin
3.10 se formula el modelo idealizado que representa el proyectil como una partcula con
aceleracin (debida a la gravedad) constante en magnitud - direccin y se pide reiniciar el
ciclo teniendo en cuenta la resistencia del proyectil debida al aire.
Para la lectura del libro, se debe tener en cuenta, que al ser los casos de modelado
matemtico independientes entre s, se hace necesario para un mejor tratamiento de los
mismos, que cada uno disponga de su propia numeracin en lo que respecta a las
ecuaciones, las figuras y las tablas.
1.19.
Modelado matemtico del crecimiento de la poblacin humana
Problema
Se sabe que la poblacin de una comunidad crece con una razn proporcional al nmero de
personas presentes en el tiempo. La poblacin inicial
se duplic en 5 aos y despus de
aos la comunidad contaba con una poblacin de
habitantes. En cunto tiempo
se triplicar la poblacin? y en cunto tiempo se cuadruplicar la poblacin? 7
Introduccin
Una de las primeras personas que intent explicar el crecimiento de la poblacin humana
usando las matemticas fue el economista ingls Thomas Robert Malthus. Para 1798,
Malthus ya haba publicado de forma annima la primera edicin de su ensayo sobre el
principio de la poblacin, obra que se reedit en 1803 con importantes modificaciones. El
libro naci como consecuencia de las discusiones entre l y su padre quien sostena que la
miseria era una consecuencia del papel desempeado por malas instituciones, ya que la
Tierra poda alimentar a todos los seres humanos, y lo nico necesario era que mejorase la
asistencia pblica contenida en las leyes de pobres inglesas, para conseguir as una mayor
igualdad social. Malthus difera radicalmente de esta hiptesis, pues sostena que el
crecimiento demogrfico es mayor que el de los medios de subsistencia, afectados por la
ley de rendimientos decrecientes. As, mientras la poblacin crece en progresin
geomtrica, la produccin de alimentos lo hace en progresin aritmtica.
Zill, D., G. y Cullen, M., R. (2002). Ecuaciones diferenciales con problemas de valores en la frontera.
5 Edicin. Mxico: Thomson Learning. p. 216-229
Figura 1: Thomas Robert Malthus

(Ilustracin tomada de biografas y vidas.com/biografa/m/malthus.htm)
Los momentos de crisis de subsistencia se resolveran gracias a las hambrunas, guerras y

epidemias por las que disminuira la poblacin, sobre todo la perteneciente a los grupos
ms desfavorecidos. 8
El problema consiste en poder formular un modelo matemtico que describa la relacin

entre las variables: nmero de personas de la comunidad y el tiempo.
La comunidad cuenta inicialmente con
habitantes; al cabo de 5 aos la poblacin es de
y despus de 10 aos poblacin es de 10000 habitantes. Esta poblacin crece con una
razn proporcional al nmero de personas presentes en el tiempo. El modelo no tendr en
cuenta: el nmero de personas que nacen ni el nmero de personas que mueren, el nmero
de personas que entran ni el nmero de personas que salen de la comunidad, los problemas
de hambrunas, las epidemias ni las guerras.
Para resolver este problema se debe obtener una expresin matemtica que permita conocer
el nmero de personas de la comunidad en cualquier instante de tiempo.
8
http://www.biografiasyvidas.com/biografia/m/malthus.htm
Los conocimientos cientficos que se relacionan con este problema y permiten formular el
modelo matemtico son:
Cantidades proporcionales
Cuando dos cantidades
son proporcionales, se escribe
que una cantidad es un mltiplo constante de la otra, es decir,
. Esto significa
(r se
denomina constante de proporcionalidad.
Hiptesis de Thomas Robert Malthus

La hiptesis malthusiana supone que la razn a la que crece la poblacin de un pas
en cierto tiempo es proporcional a la poblacin total del pas en ese momento. En
otras palabras, mientras ms gente haya en el tiempo presente, ms gente habr en el
futuro.
Las variables de inters son: el tiempo que se denominar

nmero de personas de la comunidad que se denominar
(variable independiente) y el
(variable dependiente). La
hiptesis malthusiana establece la siguiente relacin entre las variables de inters: la razn
a la que crece la poblacin
de un pas en cierto tiempo es proporcional a la poblacin
total del pas en ese momento. La traduccin al lenguaje matemtico de esta hiptesis es:
(1)
Es decir,
(2)
Donde
se denomina la razn de crecimiento. Esta poblacin crece en forma geomtrica,
por qu?... completar la informacin. La representacin matemtica (2) describe la

relacin entre el nmero de personas
de la comunidad y el tiempo .
El modelo matemtico (2) corresponde a una ecuacin diferencial ordinaria de primer

orden. La solucin se puede obtener de manera analtica usando el mtodo de separacin de
variables. Comprobar que la solucin explcita que permite conocer el nmero de personas
en un determinado tiempo viene dada por la siguiente expresin:
(3)
Determinar el valor del parmetro , usando la condicin inicial

valor de
, usando la informacin
informacin
. Determinar el valor de
. Determinar el
, usando la
. Para conocer el tiempo que se requiere para que la
comunidad alcance un determinado nmero de personas despejar en (3) la variable .
(4)
Para analizar el crecimiento de la poblacin de la comunidad construir una interface grfica

como la que se ilustra en la figura 2. En esta, es posible conocer el nmero de personas en
un determinado tiempo. Los datos de entrada son los aos y los datos de salida el nmero
de personas en la comunidad.
Figura 2: Interface para la simulacin numrica del crecimiento de la poblacin
Usar la interface para construir una tabla con los datos de las variables de inters
(denomnela tabla 1). Determine la poblacin desde 1980 hasta el ao 1990. (Sugerencia:
registre el tiempo como
aos)
Redactar el texto con la respuesta de preguntas como los resultados son los que se
esperaban?
La tabla 2, contiene algunos datos reales de la comunidad durante los aos comprendidos
entre 1980 y 1990.
Tiempo
Poblacin
(aos)
(miles)
1980
6597
1981
7579
1982
8708
1983
10001
1984
11491
1985
13203
1986
15170
1987
17431
1988
20003
1989
23012
1990
26440
Tabla 2: Datos reales de la comunidad

(Fuente: Elaboracin propia)
Construir la tabla 3 con los datos de:
Las variables de inters obtenidos con la interface.
Los datos reales de la tabla 2.
Construir la grfica que contrasta los datos reales contra los datos de la interface.
Redactar el texto indicando que a pesar de no haber errores matemticos las predicciones de
la interface son inaceptables. En este caso es necesaria una redefinicin del modelo
matemtico ya sea aumentando su nivel de resolucin (es decir, incluyendo variables que
no eran de inters) o reiniciando el ciclo de modelado. Si las predicciones son aceptables
analizar la exactitud y su rango de aplicabilidad.
Este modelo se podr aplicar nicamente a problemas de crecimiento de poblaciones con

las siguientes caractersticas...Completar la informacin.
Referencias
Referenciar el material que consult y/o los sitios de la web que visit.
Solucin del problema

Redactar la solucin del problema
Entre el 1800 y el 2000 la poblacin humana se multiplic por seis.

Ha seguido el ritmo el abastecimiento de alimentos?
Habr alimentos suficientes para mantener
la poblacin esperada de 9200 millones en 2050?9
http://www.sesbe.org/evosite/history/humanecol.shtml.html
1.20.
Modelado matemtico de la poblacin del mundo en el siglo XX
Problema
La tabla 1 contiene informacin de la poblacin del mundo durante el siglo XX. De qu

manera est creciendo la poblacin mundial? 10
Tabla 1: Poblacin mundial en el siglo XX
Introduccin
La poblacin de 7000 millones de personas ha provocado preocupaciones a nivel mundial.

Algunas personas miran esta cifra de manera negativa y advierten sobre las amenazas
contra el medio ambiente y los mltiples desafos econmicos y sociales provenientes del
aumento de la poblacin global. En 1987, la poblacin del mundo ya haba sobrepasado la
10
Stewart, J. (2002). Clculo. Trascendentes Tempranas. Cuarta Edicin. Mxico: Thomson Learning.
p. 24-48
frontera de los 5000 millones de personas pero antes que la poblacin del mundo alcanzara
esta cantidad, los expertos y analistas del tema haban advertido sobre el riesgo del aumento
demogrfico, revisando las predicciones demogrficas y las fuentes limitadas de los
recursos de la Tierra.
Figura 1: Caricaturizacin sobre el problema de la sobrepoblacin mundial

(Ilustracin tomada de Overpopulation Conserve Energy Future)
(Fuente11)

entre las variables nmero de personas en el mundo y el tiempo correspondiente a los
aos del siglo XX, a partir de la informacin de la tabla 1.
Los datos se registran cada diez aos desde el ao 1900 hasta el 1990, y el ltimo registro
despus de 6 aos en 1996. La poblacin inicial es de 1650 millones de habitantes. Estos
datos no se pueden describir de la misma manera a como se desarroll en la seccin 3.2.
11
Ibidem
Por qu?...Completar el prrafo con la respuesta. El modelo no tendr en

cuentaCompletar la informacin.
el nmero de personas de la poblacin mundial en el siglo XX.
Ajuste de curvas
El ajuste de curvas es un proceso mediante el cualCompletar la informacin
Interpolacin de datos
La interpolacin de datos es...Completar la informacin...
Extrapolacin de datos
La extrapolacin de datos es Completar la informacin...
nmero de personas de la poblacin mundial que se denominar
(variable dependiente).
Despus de analizar los datos, se ve que no empatan con lo propuesto en la hiptesis

Malthusiana por lo que no se podr usar el modelo matemtico
. Para
visualizar el comportamiento de los datos, construir el diagrama de dispersin que se ilustra

en la figura 2.
Figura 2: Diagrama de dispersin de la poblacin del mundo del siglo XX
Este diagrama de dispersin sugiere los siguientes modelos matemticos: lineal, cuadrtico,
cbico y exponencial.
Lineal
Cuadrtico
Cbico
Exponencial
El modelo lineal es dado por la expresin algebraica
Construir el ajuste lineal que se ilustra en la figura 3.

Para determinar los valores de
se usa el comando de MatLab polyfit.
Figura 3: Ajuste lineal de los datos
El modelo cuadrtico es dado por la expresin algebraica
Construir el ajuste cuadrtico que se ilustra en la figura 4.

Para determinar los valores de ,
y se usa el comando de MatLab polyfit.
Figura 4: Ajuste Cuadrtico de los datos
El modelo cbico es dado por la expresin algebraica
. Construir el
ajuste cbico e ilustrarlo en una figura (denomnarla figura 5). Para determinar los valores
de los coeficientes se usa el comando de MatLab polyfit.
El modelo exponencial es dado por la expresin algebraica

valores de
. Para determinar los
se hace necesario primero linealizar la ecuacin usando el logaritmo
natural. Construir el ajuste exponencial e ilustrarlo en la figura (denominarla figura 6). Para
determinar los valores de
se usan el comando de MatLab polyfit.
La tabla 2 se construy con el propsito de escoger el modelo matemtico que describe

mejor el comportamiento de los datos. Determinar si los datos de la tabla 2 son correctos o
se deben ajustar nuevamente. Es el ajuste cbico el modelo matemtico que mejor
describe el comportamiento de los datos? Explicar.
Tabla 2: Modelos matemticos sugeridos

(Fuente: Elaboracin propia)
Para analizar el crecimiento de la poblacin mundial construir una interface grfica como la
que se ilustra en la figura 7. Los datos de entrada son los aos y los datos de salida la
poblacin mundial.
Figura 7: Interface para la simulacin de la poblacin mundial
(denominarla tabla 3). Determine la poblacin desde 1900 hasta 1996. Interpolar algunos
datos.
Redactar el texto con las respuestas de preguntas como los resultados son los que se
esperaban?
Las variables de inters obtenidos con la interface (tabla 3).
Los datos reales (tabla 1)
Redactar el texto indicando si las predicciones son inaceptables y no hay errores

matemticos. En este caso es necesaria una redefinicin del modelo matemtico ya sea
aumentando su nivel de resolucin (es decir, incluyendo variables que no eran de inters) o
reiniciando el ciclo de modelado. Si las predicciones son aceptables analizar la exactitud y
su rango de aplicabilidad (extrapolar datos).

las siguientes caractersticas...Completar.
Referencias

1.21.
Modelado matemtico de la poblacin de Kenia (1950-1990)
Problema
En aos recientes la poblacin de Kenya ha crecido rpidamente como se puede analizar en

la tabla 1. Predecir la poblacin en tiempos futuros.12
Tabla 1. Poblacin de Kenia
Introduccin
El nombre oficial es Repblica de Kenia o Kenya. Es un pas perteneciente al continente

africano. Tal como se observa en el mapa (figura 1), Kenya se encuentra en la zona este del
continente africano y tiene fronteras al norte con Etiopa, al este con Somalia, al sur con
Tanzania, al oeste con Uganda y al noroeste con Sudn. Su capital es Nairobi. La poblacin
estimada a julio de 2001 fue de 30.765.916 habitantes.
12
Ecuaciones diferenciales a travs de grficas, modelos y datos. David Lomen. David Lovelock. Mxico
2000. Compaa Editorial Continental.
Figura 1: Repblica de Kenya

(Ilustracin tomada de www.operationworld.org)
Definicin de la situacin problema

entre las variablesCompletar
Para el modelado matemtico los datos se registran cada cinco aos desde el ao 1950 hasta
1990. La poblacin inicial, es decir, la poblacin para el ao 1950 es deCompletar
millones de habitantes. Estos datos no se pueden modelar de la misma manera a como se
desarroll en la seccin 3.2. Por qu? El modelo no tiene en cuentaCompletar.
Para resolver este problema se debe obtener una expresin matemtica que permita
Completar
El conocimiento cientfico que se relaciona con este problema y permite formular el

modelo matemtico es:
La derivacin numrica
Es una tcnica numrica que permite determinar de manera aproximada...
Completar
nmero de personas de la poblacin de Kenia que se denominar
(variable dependiente).
Si se analiza la tabla 1, se ve que la poblacin en el ao 1950 es decompletar millones de

habitantes. Esta se duplica en algn punto entre 1970 y 1975 (tomando entre 20 y 25 aos),
y luego se duplica de nuevamente por 1990 (tomando entre 15 y 20 aos). As, el tiempo en
que se duplica la poblacin no es constante, pero es decreciente. Este crecimiento de
poblacin no puede satisfacer, por consiguiente, el tipo de modelo que se utiliz en la
seccin 3.2, porque esta describe duplicaciones contantes. Para modelar el crecimiento de
la poblacin de Kenya se debe despejar en el modelo matemtico
la constante de
proporcionalidad . Es decir,
(1)
Para obtener informacin del conjunto de datos para Kenya acerca de la parte izquierda de
(1) se aproxima esta cantidad mediante las derivadas numricas, por ejemplo, el cociente
central, en cuyo caso:
(2)
La tabla 2 muestra el resultado de los clculos numricos. Completar la tabla.
Ao
Poblacin
(Millones)
1950
6.265
0.000000
1955
7.189
0.028752
1960
8.332
0.030724
1965
9.749
-------------
1970
11.498
-------------
1975
13.741
-------------
1980
16.632
-------------
1985
20.353
-------------
1990
25.130
0.000000
Tabla 2. Derivada numrica para
Graficar el diagrama de dispersin de la derivada numrica
contra
figura 2). Graficar el diagrama de dispersin de la aproximacin numrica
(denomnela
contra
(denomnela figura 3). Cul de los dos diagramas de dispersin sugiere una relacin
lineal?
, (3)
El anlisis sugiere que el crecimiento de la poblacin en Kenya es similar al de la seccin

3.2, exceptuando que la tasa de crecimiento
no es constante pero es una funcin del
tiempo linealmente creciente, que arroja como modelo matemtico la ecuacin diferencial:
, (4)
Obtener los valores de
y :
El modelo matemtico formulado en la tarea anterior corresponde a una ecuacin

diferencial ordinaria de primer orden separable. La solucin se puede obtener de manera
analtica usando el mtodo de separacin de variables. Determinar si la solucin general
implcita corresponde a la expresin matemtica dada por:
(5)
Se deja que
corresponda al ao 1950 y se evala
en (5) para encontrar la
solucin particular. Comprobar si la solucin particular implcita corresponde a la siguiente

expresin matemtica:
(6)
Determinar si la solucin explcita corresponde a la siguiente expresin matemtica:
(7)
Para analizar el crecimiento de la poblacin de Kenya construir una interface como la de la

figura (denomnela figura 4) en donde determine el nmero de habitantes de Kenya en
cualquier instante de tiempo de manera numrica y grfica. Los datos de entrada son los
aos y los datos de salida corresponden al nmero de habitantes.
(denomnela tabla 3). Registre los datos desde 1950 hasta 1990 de cinco en cinco aos.
esperaban?
Las variables de inters obtenidos con la interface (Tabla 3).
Los datos reales (Tabla 1).

su rango de aplicabilidad.

las siguientes caractersticas
...Completar la informacin
Referencias
Referenciar los materiales que consult y/o los sitios de la web que visit.

1.22.
Modelado matemtico de las especies Linces contra Conejos
Problema
La tabla 1 contiene la informacin sobre el ndice de capturas de linces y conejos entre los
aos 1900 y 1920 hechas en un bosque al norte de Canad. Describir el crecimiento de
estas especies que interactan. Los conejos cuentan con un amplio suministro de alimentos
mientras que las linces se alimentan de los conejos. 13
Tabla 1. Capturas de Linces y conejos en miles
Introduccin
13
Stewart, J. (2002). Clculo. Trascendentes Tempranas. Cuarta Edicin. Mxico: Thomson Learning.
p. 24-48
Como resultado de la alta tasa a la que los seres orgnicos tienden a incrementarse se
origina de manera inevitable una batalla por la existencia. Todo ser, que durante su vida
natural produce varios huevos o semillas, debe sufrir destruccin durante cierto periodo de
su vida y durante cierta estacin o ao espordico; de otro modo, con base en el principio
de incremento geomtrico, su nmero aumentara con rapidez a tales dimensiones que
ningn pas podra soportar el producto. En consecuencia, cuando se producen ms
individuos de los que pueden sobrevivir, debe haber siempre una batalla por la existencia,
ya sea un individuo con otro de la misma especie o con los de distintas especies o con las
condiciones fsicas de la vida. Se aplica la doctrina de Malthus con fuerza mltiple a los
reinos vegetal y animal, porque en este caso no puede haber aumento artificial de alimento
ni restriccin prudente del matrimonio. Aunque algunas especies podran estar creciendo
ahora, ms o menos con rapidez, en nmero, no todas pueden hacerlo, porque el mundo no
lo soportara. La cantidad de alimento para cada especie da por supuesto el lmite extremo
al que puede aumentar cada una; pero muy a menudo no la obtencin de alimento, sino
servir de presa a otros animales, es lo que determina el nmero promedio de una especie.
14
Figura 1: Lince-cazando-Conejo
(Ilustracin tomada de historiadeunlinceiberico.wordpress.com)

14
Charles Darwin. Struggle por Existence, The Origin of Species. Captulo 3. De la sexta edicin en
ingls.Appleton, Nueva York, 1882.

entre las variables: nmero de conejos, nmero de linces y el tiempo a partir de la
informacin de la tabla 1.
Redactar el prrafo que describe las condiciones dadas, el entorno fsico para el modelado
matemtico. Indicar que aspectos no tiene en cuenta este modelo.
el nmero de conejos y el nmero de linces en cualquier momento.
Los conocimientos cientficos que se relacionan con el problema y permiten formular el

Sistemas de ecuaciones diferenciales ordinarias de primer orden

Los sistemas de ecuaciones diferenciales ordinarias de primer orden son...se
resuelven...Completar la informacin
Modelo de Lotka - Volterra

El modelo de Lotka - Volterra nos dice que...Completar la informacin

nmero de conejos que se denominar
se denominar
(variable independiente), el
(variable dependiente) y el nmero de linces que
(variable dependiente). El modelo no tiene en cuenta el nmero de
especies que mueren por enfermedad o de vejez. Resulta que sin depredadores, el amplio
suministro de alimentos permitira que la razn a la que crecen los conejos sea proporcional
a la cantidad de conejos en cualquier instante de tiempo. Traducido al lenguaje matemtico,
esto es:
(1)
Donde
es una constante positiva. Resolver la ecuacin diferencial (1).
Sin presas, se supone que la poblacin de depredadores disminuye con una rapidez
proporcional a s misma. Traducido al lenguaje matemtico, esto es:
(2)
Donde
es una constante positiva. Resolver la ecuacin diferencial (2).
Hasta aqu se tiene el siguiente sistema de ecuaciones diferenciales:
(3)
Naturalmente que (3) no describe los datos de la tabla 1. En esta los conejos y las linces
crecen y decrecen simultneamente. Qu sucede cuando las dos especies estn presentes?
La causa principal de muerte entre las presas es que sean devoradas por los depredadores.
La supervivencia de los depredadores depende del suministro de alimento, es decir de las
presas. Cuando las dos especies entran en contacto se equilibran a un nivel proporcional.
Los depredadores devoran a las presas hasta que haya una proporcin entre dos especies. Es
decir, debe existir un trmino
trmino
que controla el crecimiento de los conejos y un
que controla el aumento de la tasa de las linces. Esta relacin se representa
mediante el siguiente modelo matemtico:
(4)
Este sistema de ecuaciones diferenciales se conoce como sistema de ecuaciones de Lotka Volterra 15.
Para poder resolver el modelo (4) se debe primero determinar los valores de los parmetros
,
. Es decir, se necesitan cuatro ecuaciones con cuatro incgnitas. Hacer
en (3) y
en (4) y comprobar que:
(5)
Realizar el siguiente anlisis numrico para obtener los datos promedios de y . Se eligen
los datos comprendidos entre dos valores mximos (o mnimos) y se determina la media
para estimar
. Por ejemplo, en el caso de los conejos se considerar la poblacin
comprendida entre los aos 1903 y 1913 (sin incluir el ltimo).
Para los linces los comprendidos entre 1904 y 1915.
15
Matemtico italiano (Volterra) y Ucraniano (Lotka) . Estas ecuaciones fueron propuestas de manera
independiente y se usan para describir dinmicas de sistemas biolgicos en el que dos especies interactan,
una como presa y otra como depredador
De esta manera:
Todava se necesitan otras dos ecuaciones para poder estimar todos los coeficientes. Para
ello se razona de la siguiente manera: cuando la poblacin de depredadores sea muy baja,
es de esperar que las presas estn creciendo de manera exponencial. A partir de esta
hiptesis se calcula
. En efecto, en la tabla 1 se observa que una poblacin baja de linces,
y al mismo tiempo un crecimiento rpido de los conejos, corresponde al ao completar.

Para estos aos los datos son
en 1910 y
en 1911. Se sustituye en
la frmula del crecimiento exponencial obtenida al resolver la ecuacin (1):
(6)
En el otro caso, una poblacin muy baja de conejos que implica un ritmo elevado en el
descenso de la poblacin de linces, se da en el ao completar. Sean
. Se sustituye en la frmula obtenida al resolver la ecuacin (2):
(
De los resultados anteriores se deduce que:
(7)
;
Entonces, el modelo depredador presa para la tabla de datos 1es:
(8)
{
Uno de los mtodos numricos usados para resolver (8) es el mtodo de Runge-Kutta de
cuarto orden. Resolver este sistema usando MatLab.
Para analizar el comportamiento de la poblacin de conejos y de linces respectivamente,

construir una interface grfica como la de la figura 1 que permite conocer en cualquier
instante de tiempo el nmero animales de cada especie. Los datos de entrada son los aos y
los datos de salida son el nmero de individuos de cada especie.
Figura 1: Interface para la simulacin del sistema depredador-presa
(denomnela tabla 2). Registrar los datos cada ao desde 1900 hasta el 1920.
esperaban?
Construir la tabla 3 con datos de:
Las variables de inters obtenidos con la interface (Tabla 2).
Los datos reales (Tabla 1).

Limitaciones del modelo matemtico
Este modelo se podr aplicar nicamente a poblaciones de dos especies que interactan con
las siguientes caractersticasCompletar
Referencias
Referenciar los materiales que consult y/o los sitios de la web que visit.

1.23.
Modelado matemtico de un Sistema Elctrico
Problema
El circuito
en serie que se ilustra en la figura 1 es importante para la construccin de
otros circuitos y redes elctricas ms complicadas. Este contiene una resistencia de

un inductor de
henrys, un condensador con capacitancia de
ohms,
farads en serie con una
fuente de fuerza electromotriz (tal como una batera o un generador) que proporciona un
voltaje de
corriente de
voltios en el instante . Cuando el circuito est cerrado el resultado es una

amperes y una carga de
coulombs en el capacitor en el instante .
Describa el comportamiento de la carga en el capacitor en cualquier instante en un circuito

RLC en serie. 16
Figura 1: Circuito RLC en serie
Introduccin
Un circuito elctrico es un sistema cuyas componentes pueden ser: diodos, termistores,

resistencias, inductancias, fuentes y capacitores entre otros, conectados elctricamente entre
s con el propsito de generar, transportar o modificar seales electrnicas o elctricas.
Recuerde que la corriente es la circulacin de cargas o electrones a travs del circuito
cerrado, que se mueven siempre del polo negativo al polo positivo de la fuente de
16
Zill, D. G. y Cullen, M. R. (2002). Ecuaciones diferenciales con problemas de valores en la frontera. 5 Ed.
Mxico: Thomson Learning. p. 181 198.
suministro de fuerza electromotriz. El voltaje o la diferencia potencial elctrica es una

comparacin de la energa que experimenta una carga entre dos ubicaciones.

entre las variables cantidad de carga en el capacitor y el tiempo en un circuito
en
serie.
El circuito contiene...completar la informacin. Para el tiempo

de
coulombs y la corriente
porque el voltaje
es de
segundo la carga
es
amperes. Las vibraciones elctricas son libres
voltios. El modelo no tiene en cuentacompletar la
informacin.
la carga del capacitor en cualquier instante de tiempo.
Resistencia
Es toda oposicin que encuentra la corriente a su paso por un circuito elctrico
cerrado, atenuando o frenando...completar la informacin
Inductancia
Inductancia (tambin denominada inductancia propia) es la propiedad de un circuito
o elemento de un circuito para retardar... completar la informacin. Se simboliza
con la letra
y se mide en henrios
y su representacin grfica es por medio de
un hilo enrollado, algo que recuerda que la inductancia se debe a un conductor

ligado a un campo magntico como se ilustra en la figura 2. Completar con una
figura.
Capacitor o condensador
Se asemeja mucho a una batera, pues al igual que sta su funcin principal es...
Completar la informacin
Leyes de Kirchhoff
Las leyes de Kirchhoff son dos igualdades que se basan en la conservacin de la
energa y la carga en los circuitos elctricos. Fueron descritas por primera vez en
1845 por el fsico alemnCompletar la informacin
Ley de corrientes de Kirchhoff

Esta ley tambin es llamada ley de nodos o primera ley de Kirchhoff nos dice que
en cualquier nodo, la suma de las corrientes que entran en ese nodo es igual a la
suma de las corrientes que salen. De forma equivalente, la suma de todas las
corrientes que pasan por el nodo es igual a cero.
Ley de tensiones de Kirchhoff

Esta ley es llamada tambin Segunda ley de Kirchhoff, ley de lazos de Kirchhoff o
ley de mallas de Kirchhoff nos dice que en un lazo cerrado, la suma de todas las
cadas de tensin es igual a la tensin total suministrada. De forma equivalente, la
suma algebraica de las diferencias de potencial elctrico en un lazo es igual a cero.
Ley de Ohm
La ley de Omh establece que la intensidad de la corriente que circula entre dos
puntos de un circuito elctrico es proporcional a la tensin elctrica entre dichos
puntos. Esta constante es la conductancia elctrica, que es el inverso de la
resistencia elctrica.

carga del capacitor que se denominar
(variable independiente) y la
(variable dependiente). Los parmetros
constantes son: la inductancia , la resistencia , el capacitor
y la fuente o voltaje . La
segunda ley de Kirchhoff dice que la suma de la cada de los voltajes de las componentes
del sistema, es igual al valor del voltaje de entrada del sistema. Esto traducido al lenguaje
algebraico es:
(1)
Donde las cadas de voltaje correspondientes son:
(2)
(3)
(4)
De acuerdo con esto se tiene que:
(5)
La relacin entre la corriente
, y la carga del capacitor
(6)
(7)
es:
Se sustituye (6) y (7) en (5).
(8)
Entonces, la relacin entre la carga del capacitor y el tiempo para el caso
viene
representada por la siguiente expresin algebraica:
(9)
El modelo matemtico (9) corresponde a una ecuacin diferencial lineal de orden dos,
homognea con coeficientes constantes. La solucin se puede obtener de manera analtica
usando la ecuacin auxiliar o caracterstica.
(10)
Las races son
. De acuerdo con el discriminante
el circuito puede
tener tres posibles respuestas: Resolver
Caso I.
Caso II.
Caso III.
Para analizar el comportamiento de la carga en el capacitor en un circuito
se debe
construir una interface como la que se ilustra en la figura 2. Los datos de entrada son: la
resistencia, la inductancia, el capacitor, la carga inicial y el tiempo. El dato de salida es la

carga en el capacitor.
Figura 2: Interface para la simulacin de la carga en el capacitor en un circuito
Usar la interface para construir una tabla con los datos de las variables de inters que ilustre
las tres respuestas del circuito para los mismos tiempos de manera simultnea (denomnela
tabla 1). Graficar en una misma figura las tres grficas respectivas de cada respuesta.
Redactar el texto con las respuestas de preguntas como: los resultados eran los que se
esperaban?
Construir la tabla 2 con datos de:
Las variables de inters obtenidos con la interface para los tres casos (tabla 1).
Los datos reales (Investigar para los tres casos).
Construir la grfica que contrasta los datos reales contra los datos de la interface para cada
caso.

Este modelo se podr aplicar nicamente a problemas similares que involucran circuitos
en
serie
con
vibraciones
elctricas
libres
con
las
siguientes
caractersticasCompletar la informacin
Referencias
Escribir los enunciados de tres situaciones problemas que se puedan resolver usando la
interface. El primero para la respuesta sobreamortiguada, el segundo para la respuesta
crticamente amortiguada y el tercero para la respuesta subamortiguada.
1.24.
Modelado matemtico de un Sistema Mecnico
Problema
Comprender el movimiento oscilatorio que se origina cuando se libera una masa suspendida
de un resorte sujetado a una base que ha sido desplazada de su posicin de equilibrio,
permite solucionar una variedad de problemas sobre dispositivos mecnicos que contienen
entre sus componentes masas y resortes. Describir el movimiento oscilatorio de un sistema
masa resorte. 17
Introduccin
En la naturaleza se pueden observar una variedad de objetos que repiten sus movimientos
de manera regular regresando siempre a la posicin de partida despus de un intervalo fijo
de tiempo.
Figura 1: La Tierra orbitando

(Ilustracin tomada de conradoconocimientodelmedio.wikispaces.com)
17
Dennis G. Zill, Michael R. Cullen. (2002). Ecuaciones diferenciales con problemas de valores en la
frontera. 5 Edicin. Mxico: Thomson Learning. p. 216-229.
Por ejemplo:
La Tierra vuelve a la misma posicin en su rbita alrededor del Sol cada ao, dando por
resultado la variacin entre las cuatro estaciones.
La Luna vuelve a la misma relacin con la Tierra y el Sol, dando por resultado una luna
llena aproximadamente una vez al mes.
Una masa suspendida de una cuerda, que es alejada de su vertical, se mueve hacia
adelante y hacia atrs volviendo a la misma posicin a intervalos regulares.
A este tipo de movimiento se le denomina movimiento peridico. Un caso particular es el

llamado movimiento oscilatorio que se produce cuando la fuerza actuante es proporcional
al desplazamiento y en direccin opuesta al mismo.

entre las variables posicin de la masa suspendida verticalmente de un resorte sujetado a
una base fija que ha sido desplazada de su posicin de equilibrio y el tiempo.
Al iniciar el movimiento la posicin de la masa con respecto al eje de referencia

su velocidad es
es
. La masa y el resorte no se encuentran sumergidos en ningn lquido o
medio viscoso. El modelo no tiene en cuenta las fuerzas de friccin sobre la masa ni el
resorte; no existen fuerzas externas interactuando con la masa. La masa del resorte es
despreciable por lo que no produce desplazamiento del mismo debido a su peso.
Para resolver este problema se deben obtener expresiones matemticas que permiten
conocer:
La posicin de la masa en cualquier instante del tiempo.
El tiempo que se requiere para alcanzar una determinada posicin.
El tiempo que tarda la masa en volver a su posicin inicial, es decir, conocer el periodo.
Los conocimientos cientficos que se relacionan con este problema y permiten formular los
modelos matemticos son:
La Ley de Hooke
La ley de Hooke fue formulada por... establece que...Completar
La segunda ley de Newton

La segunda ley de Newton fue formulada por... y establece que...Completar

posicin de la masa que se denominar
(variable dependiente). Los parmetros constantes
que se manejan son: la constante de elasticidad del resorte que se denominar
y la
longitud natural del resorte que se denominar . En la figura 2 se ilustran tres posibles
escenarios del sistema masa resorte.
Figura 2: Escenarios del sistema masa resorte
Escenario uno: Resorte en reposo
Cuando la masa no interacta con el resorte, este permanece en reposo porque su peso no
produce desplazamientos por ser su masa despreciada en este modelado matemtico.
Escenario dos: Sistema masa resorte
Cuando la masa se suspende verticalmente del resorte sin ser desplazada an de su posicin
de equilibrio
, el sistema permanece en reposo despus de alargar el resorte una
longitud . Para que esto suceda el peso

restitucin del resorte
de la masa es contrarrestado por la fuerza de
. En lenguaje matemtico, esto es,
. Aplicando la Ley
de Hooke se tiene que:
(1)
Escenario tres: Sistema masa resorte en accin
Cuando la masa se libera verticalmente desde una posicin

la posicin de
por debajo (o por encima) de
comienza el movimiento del sistema. Por la segunda ley de Newton
se tiene que:
(2)
Sustituyendo por (1) y realizando las respectivas simplificaciones en (2) se obtiene:
(3)
La aceleracin es igual a la segunda derivada de la posicin
de la masa. Es decir:
(4)
Entonces, la relacin entre la posicin de la masa y el tiempo viene representada por la

siguiente expresin matemtica:
(5)
El modelo matemtico (5) es una ecuacin diferencial ordinaria de segundo orden

homognea con coeficientes constantes. La solucin se obtiene de manera analtica usando
la ecuacin auxiliar o caracterstica.
(6)
Las races complejas son
, donde
De acuerdo con las condiciones iniciales
respectivamente. La solucin general es

.
, probar que la posicin
de la masa en cualquier instante viene dada por la expresin:
(7)
El tiempo
que se requiere para alcanzar la posicin
se calcula dibujando primero el
tringulo rectngulo de la figura 3.
Del tringulo se obtienen las

siguientes relaciones:
(8)
(9)
(10)
Figura 3: Tringulo rectngulo
Para
0y
diferentes de cero,
es la amplitud de la oscilacin y
es la fase angular entre
. Sustituir (8), (9) y (10) en (7) y aplicar la frmula de los cosenos para probar que:
(11)
Probar que el tiempo
que se requiere para alcanzar la posicin
viene dado por la
expresin algebraica:
(11)
Si el tiempo se mide en segundos, la frecuencia circular
tiene dimensiones radianes por
segundo (rad/s). El periodo del movimiento escompletary queda definido por:
La frecuencia es
segundos
(12)
en hertzios (Hz) que mide el nmero de oscilaciones (ciclos) por
segundo. Se debe tener en cuenta que la frecuencia se mide en ciclos sobre segundo, en
tanto que la frecuencia circular tiene como dimensin radianes por segundo.
Para analizar el movimiento del sistema masa resorte construir una interface como la que se
ilustra en la figura 4. Los datos de entrada son: la contante de elasticidad del resorte, la
masa, la posicin inicial de la masa, la velocidad inicial de la masa y el tiempo. Los datos
de salida son: la posicin de la masa y el periodo.
Animar en MatLab el movimiento de la masa en dos dimensiones.
Figura 4: Interface para la simulacin de un sistema masa-resorte
Usar la interface para construir una tabla de datos con las variables de inters (denomnela
tabla 1) de manera que pueda responder con argumentos numricos si est de acuerdo o no
con la siguiente afirmacin. La trayectoria o el lugar geomtrico que describen las
posiciones sucesivas en el plano bidimensional por las que pasa la masa en su movimiento
es una onda sinusoide como se ilustra en la figura 5.
Figura 5: Trayectoria sinusoide

(Ilustracin tomada de deisysegurawordpress.com)
Redactar el texto con las respuestas de preguntas como: los resultados son los que se
esperaban?
Los datos reales (Investigar).

Este modelo se podr aplicar nicamente a sistemas en los que la masa y el resorte no se
encuentran sumergidos en ningn lquido o medio viscoso, no se tienen en cuenta las
fuerzas de friccin sobre la masa y el resorte; no existen fuerzas externas interactuando con
la masa del resorte es despreciada.
Referencias

Escribir los enunciados de dos situaciones problemas similares que se puedan resolver con
la interface grfica.
1.25.
Modelado matemtico de un Sistema Mecnico con amortiguamiento
Problema
Describir el comportamiento del movimiento de una masa suspendida en un medio viscoso

que cuelga de un resorte sujetado a una base fija despus que ha sido desplazada de su
posicin de equilibrio como lo ilustra la figura 1.18
Figura 1: Masa interactuando con un medio viscoso
Introduccin
La descripcin del movimiento armnico libre de la seccin 3.7 no es tan real como parece
dado que el movimiento descrito por el modelo matemtico
supone que no
actan fuerzas retardadoras sobre la masa en movimiento. A menos, que la masa est
suspendida en un vaco perfecto, debe existir por lo menos una fuerza opuesta debida al
medio que lo rodea.19
18
Dennis G. Zill, Michael R. Cullen. Ecuaciones diferenciales con problemas de valores en la frontera.
Quinta Edicin. Mxico. 2002. Thomson Learning. Pgina 216-229
19
Dennis G. Zill, Michael R. Cullen. Ecuaciones diferenciales con problemas de valores en la frontera.
Quinta Edicin. Mxico. 2002. Thomson Learning. Pgina 216-229

entre las variables posicin de una masa suspendida en un medio viscoso que cuelga de
un resorte sujetado a una base fija despus que ha sido desplazada de su posicin de
equilibrio y el tiempo.
El medio viscoso donde se introduce la masa acta como fuerza de friccin modificando el
movimiento. En el modelo la masa del resorte es despreciable, por lo cual no se observa
desplazamiento del resorte debido a su peso.
la posicin de la masa en cualquier instante del tiempo.
La Ley de Hooke
La ley de Hooke fue formulada por... establece que...Completar
La segunda ley de Newton

La segunda ley de Newton fue formulada por... y establece que...Completar

posicin de la masa que se denominar
que se manejan son: la constante de elasticidad del resorte que se denominar
, la
constante de amortiguamiento que se denominar , la masa del resorte que se denominar

, la posicin inicial que se denominar
y la velocidad inicial que se denominar
Escenario uno: Resorte en reposo
Figura 2. Resorte no estirado
es la constante del resorte

es la longitud natural del resorte
Escenario dos: Sistema masa resorte en reposo
Figura 3. Resorte estirado

Modelo diagramtico de las fuerzas que actan sobre la masa
Las fuerzas que actan sobre la masa son:

el peso de la masa
es la fuerza de restitucin del resorte
(1)
Aplicando la Ley de Hooke se tiene que:
(2)
Escenario 3: Sistema masa resorte en accin
Las fuerzas que actan sobre la masa son:

el peso de la masa
es la fuerza de restitucin del resorte
es la fuerza de amortiguamiento
(3)
Aplicando la Ley de Hooke,
(4)
(5)
Por (2) se tiene que:

(6)
(7)
En la teora de mecnica, suponen que las fuerzas de amortiguacin que actan sobre un
cuerpo son proporcionales a una potencia de su velocidad instantnea
. En los problemas
de modelado matemtico en Hidrodinmica, la fuerza de amortiguacin es proporcional a

( ) . En este caso se supone que esta fuerza de amortiguamiento est dada por un
mltiplo constante de la velocidad instantnea
(pruebas experimentales), es decir,
(8)
Donde
es una constante de amortiguacin positiva. Entonces (7) se expresa como:
(9)
(10)
(11)
;
La expresin algebraica (11) representa la relacin entre la posicin de la masa y el tiempo

cuando existe una fuerza de amortiguamiento.
El modelo matemtico (11) es una ecuacin diferencial ordinaria de segundo orden

homognea y con coeficientes constantes. La solucin se obtiene de manera analtica
usando la ecuacin auxiliar o caracterstica.
(12)
Las races complejas son:
Caso I.
(13)
(14)
El sistema se encuentra sobreamortiguado.
(15)
Con las condiciones iniciales obtener los valores para
dados a continuacin:
(16)
(17)
Caso II.
El sistema se encuentra crticamente amortiguado.
(18)
dados a continuacin:
(19)
(20)
Caso III.
En este caso el sistema est subamortiguado.
(22)
(23)
)]
(21)
dados a continuacin.
Construir una interface grfica como la que se ilustra en la figura 4 para analizar el
movimiento del sistema masa resorte con amortiguamiento y poder obtener informacin del
mismo. Completar con las unidades respectivas
Los datos de entrada son: la constante de elasticidad del resorte, la constante de

amortiguamiento, la masa, la posicin inicial, la velocidad inicial y el tiempo. Los datos de
salida son la posicin de la masa y el periodo.
Animar en MatLab el movimiento en dos dimensiones.
Figura 4: Interface para simulacin de un sistema masa-resorte con amortiguamiento
Usar la interface para construir una tabla con los datos de las variables de inters que
contenga los resultados de los tres casos para los mismos tiempos (denomnela tabla 1).
Graficar en una misma figura las tres grficas respectivas.

Redactar el texto con las respuestas de preguntas como: los resultados son los que se
esperaban?
Las variables de inters obtenidos con la interface para los tres casos (tabla 1).
Los datos reales (Investigar para los tres casos).
El clculo de errores.
Construir la grfica que contrasta los datos reales contra los datos de la interface para cada
caso.

Este modelo se podr aplicar nicamente a sistemas en los que la masa y el resorte se
encuentran...Completar la informacin. Qu puede decir del modelo matemtico de la
seccin 3.6 y el modelo matemtico formulado en esta seccin?
Referencias
Escribir el enunciado de tres situaciones problemas similares que se puedan resolver con la
interface. El primero para el caso sobreamortiguado, el segundo para el caso crticamente
amortiguado y el tercero para el caso subamortiguado.
Mejorar la resolucin del modelo desarrollando nuevamente las tareas pero teniendo en
cuenta esta vez una fuerza externa actuando en el sistema.
1.26.
Modelado matemtico de un cuerpo en cada libre
Problema
Describir el comportamiento del movimiento de un objeto que es lanzado verticalmente

desde el techo de un edificio de altura
, con una velocidad inicial
alcanzando cierta
altura por ir frenando su ascenso la accin de la gravedad y desciende por el mismo camino
hasta caer en el piso, alcanzando con esto su altura mxima en
como lo ilustra la figura 1.
Se hace caso omiso de los efectos del aire. 20
Figura 1: Objeto lanzado desde el techo de un edificio
20
Sears. F. W., Zemansky. M. W., Young. H. D. y Freedman. R. A. Fsica Universitaria Vol. 1.

Dcimo primera edicin. Pearson Educacin. Mxico. 2004. Pgina 58 59.
Introduccin
El ejemplo ms conocido de movimiento con aceleracin (casi) constante es la cada de un
cuerpo bajo la influencia de la atraccin gravitacional de la Tierra. Este fenmeno ha
interesado a filsofos y cientficos desde la antigedad. En el siglo IV a.C, Aristteles
pensaba (errneamente) que los objetos pesados caen con mayor rapidez que los ligeros, en
proporcin con su peso. Diecinueve siglos despus, Galileo afirm que los cuerpos caan
con una aceleracin constante e independiente de su peso. Segn se cuenta, Galileo
experimentaba dejando caer balas desde la Torre inclinada de Pisa. Desde entonces, la
cada de los cuerpos se ha estudiado con gran precisin. Si puede descontarse el efecto del
aire, Galileo est en lo cierto; todos los cuerpos en un lugar especfico caen con la misma
aceleracin hacia abajo, sea cual sea su tamao o peso. Si la distancia de cada es pequea
en comparacin con el radio terrestre, la aceleracin es constante. En esta seccin se
formula un modelo matemtico idealizado en el que se hace caso omiso de los efectos del
aire, la rotacin terrestre y la disminucin de la aceleracin de la altitud. A ste modelo
matemtico idealizado comnmente se le conoce con el nombre de cada libre, aunque
incluye tambin el movimiento ascendente. 21

entre las variables posicin de un objeto que es lanzado verticalmente desde el techo de
un edificio de altura
, con una velocidad inicial
alcanzando cierta altura por ir
frenando su ascenso la accin de la gravedad y desciende por el mismo camino hasta caer
en el piso y el tiempo.
La posicin inicial es
y velocidad inicial
. La aceleracin constante
de un cuerpo en cada libre se llama aceleracin debida a la gravedad, y se denota su

magnitud con
21
. Se usa el valor aproximado de
cerca de la superficie de la superficie
Francis W. Sears. Mark W. Zemansky. Hugh D. Young. Roger A. Freedman. Fsica Universitaria Vol. 1.
Dcimo primera edicin, Pearson Educacin, Mxico, 2004.
terrestre
. Este modelo no tiene en cuenta los efectos del aire, la rotacin terrestre
ni la disminucin de la aceleracin de la altitud.
Para resolver este problema se deben obtener expresiones matemticas que permiten:
Conocer la posicin del cuerpo en cualquier instante del tiempo.
Conocer la altura mxima alcanzada por el cuerpo.
Calcular el tiempo total de vuelo del cuerpo.
La segunda Ley de Newton... Completar

posicin del cuerpo que se denominar
que se manejan son: la posicin inicial del cuerpo que se denominar

inicial del cuerpo que denominaremos
, la velocidad
. Se pueden considerar tambin como variables de
inters: la posicin mxima del cuerpo que se denominar

cuerpo en caer al suelo que se denominar
referencia vertical para el objeto en subida.
y el tiempo en que tarda el
. En la figura 2 se establece el sistema de
Figura 2: Referencia de la posicin
De la figura 2 se obtiene:
(1)
(2)
(3)
Se sabe que la aceleracin es igual a la segunda derivada de la posicin del cuerpo.

Entonces, la relacin entre la posicin del cuerpo y el tiempo viene representada por la
siguiente expresin matemtica:
(4)
El modelo matemtico (4) es una ecuacin diferencial de segundo orden. La solucin se

obtiene separando las variables de la siguiente manera:
(5)
(6)
El valor de
se calcula con la condicin inicial
(8)
Se integra nuevamente:
(9)
El valor de
se calcula con la condicin inicial
. Entonces, la posicin del
cuerpo en funcin del tiempo viene dada por la expresin algebraica:
(10)
La altura mxima del cuerpo se alcanza cuando la velocidad final se vuelve cero.
(11)
(12)
Sustituir (12) en la ecuacin (10) y obtener la expresin:
(13)
El tiempo total de vuelo se refiere al tiempo que tarda el cuerpo en llegar al suelo. Cuando
el cuerpo llega al suelo su altura es cero, por tanto
(14)
Dado que no se pueden tener tiempos negativos, se descarta la solucin con la funcin
suma, obteniendo
. Finalmente se tiene una funcin del tiempo de
vuelo total:
(17)
Construir una interface grfica como la de la figura 3 para analizar el movimiento del
cuerpo. En esta se podr conocer la posicin actual del objeto, su altura mxima y el tiempo
total de vuelo. Los datos de entrada son: la posicin inicial del cuerpo, la velocidad inicial,
y el tiempo. Los datos de salida son la posicin del cuerpo, su altura mxima y su tiempo
total de vuelo. Animar el movimiento del objeto subiendo y bajando en dos dimensiones.
Figura 3: Interface para la simulacin de un cuerpo en cada libre
(denomnela tabla 1).
Redactar el texto con las respuestas de preguntas como los resultados eran los que se
esperaban?
Este modelo se podr aplicar nicamente a objetos lanzados

...Completar la informacin.
Referencias

Escribir el enunciado de dos situaciones problemas similares. Resolverlos con la interface
grfica.
Mejorar la resolucin del modelo matemtico desarrollando nuevamente todas las tareas
pero teniendo en cuenta en esta ocasin la resistencia debida al aire.
1.27. Modelado matemtico del movimiento de proyectiles
Problema
Describir el comportamiento de la trayectoria de un proyectil que es lanzado con un

determinado ngulo de elevacin , con una velocidad inicial
y desde cierta altura
con respecto al suelo sin tener en cuenta en el mismo la resistencia del aire, la curvatura y
la rotacin de la Tierra.
Introduccin
Un proyectil es cualquier cuerpo que recibe una velocidad inicial y luego sigue una
trayectoria determinada totalmente por los efectos de la aceleracin gravitacional y la
resistencia del aire. Una pelota bateada, un baln lanzado (figura 1), un paquete soltado de
un avin y una bala disparada de un rifle son proyectiles. El camino que sigue el proyectil
es su trayectoria.
Figura 1: Baln lanzado
Para analizar este tipo de movimiento tan comn, se parte de un modelo matemtico
idealizado que representa el proyectil como una partcula con aceleracin (debida a la
gravedad) constante en magnitud y direccin. Se hace caso omiso de los efectos del aire, de
la curvatura y de la rotacin de la Tierra. Como todos los modelos matemticos este tiene
limitaciones. La curvatura de la Tierra es considerada en el vuelo de misiles de largo
alcance, y la resistencia del aire es crucial para un paracaidista. No obstante, se puede
aprender mucho analizando este sencillo modelo matemtico. 22
Definicin de la situacin problema

entre las variables posicin de un proyectil que es lanzado con un determinado ngulo de
elevacin , con una velocidad inicial
con respecto al suelo y el
tiempo.
El proyectil es lanzado con las siguientes condiciones iniciales: ngulo de elevacin

velocidad inicial
de la posicin son
con respecto al suelo. Las coordenadas iniciales
. Debido a la fuerza de la gravedad, el proyectil tiende a llegar
hasta cierta altura y luego desciende. Este modelo no tiene en cuenta la friccin del aire, la
curvatura y la rotacin de la Tierra.
Para resolver este problema, se debe obtener una expresin matemtica que permita
conocer las coordenadas
en el plano
de la trayectoria del proyectil en cualquier
instante del tiempo.
modelo matemtico son...Completar la informacin
22
Dcimo primera edicin, Pearson Educacin, Mxico, 2004. Pginas 87 93.

Primero, se observa que el movimiento de un proyectil est limitado a un plano vertical
determinado por la direccin de la velocidad inicial. La razn es que la aceleracin debida a
la gravedad es exclusivamente vertical; la gravedad no puede mover un proyectil
lateralmente. Por tanto, este movimiento es bidimensional. Se llamar al plano de
movimiento plano
, con el eje
horizontal y el
vertical hacia arriba.
Para analizar el movimiento de proyectiles se tratan las coordenadas

componente
de la aceleracin es cero, y la componente
debe recordar que, por definicin,

coordenadas escogidas,
por separado. La
es constante e igual a
. Se
siempre es positiva pero, por las direcciones de
es negativa. As, se puede analizar el movimiento de un
proyectil como una combinacin de movimiento horizontal con velocidad constante y

movimiento vertical con aceleracin constante. Se pueden expresar todas las relaciones
vectoriales de posicin, velocidad y aceleracin con ecuaciones independientes para las
componentes horizontales y verticales. El movimiento real es la superposicin de los dos
movimientos. 23
Figura 2: Trayectoria del proyectil

(La ilustracin es tomada de galia.fc.uaslp.mx)
23
Dcimo primera edicin, Pearson Educacin, Mxico, 2004.
Entonces, las componentes de la aceleracin son
. De acuerdo con la
cinemtica se tiene que:
(1)
{
La expresin matemtica (1) representa la relacin entre las coordenadas en el plano del
proyectil y el tiempo.
Los modelos matemticos en (1) corresponden a ecuaciones diferenciales de segundo orden

de variables separables. La solucin viene dada de la siguiente manera:
Abscisa
(2)
(3)
El valor de
se determina con la condicin inicial
(4)
(5)
El valor de
(6)
Se deja que
quede en trminos de la velocidad inicial, de la posicin inicial y del ngulo
de lanzamiento.
Figura 3: Condiciones iniciales del proyectil

(www.universoformulas.com)
(7)
Ordenada
(8)
(9)
El valor de
(10)
(11)
El valor de
(12)
Se deja que
quede en trminos de la velocidad inicial, de la posicin inicial y del ngulo
de lanzamiento.
(13)
Entonces, las coordenadas del punto
que describen la trayectoria del proyectil vienen
dadas por:
(14)
Comprobar que la altura mxima viene dada por la siguiente expresin matemtica:
(15)
Comprobar que el tiempo total de vuelo viene dado por la siguiente expresin matemtica:
(16)
Comprobar que el alcance mximo del proyectil viene dado por de la siguiente expresin
matemtica:
(17)
Construir una interface grfica para analizar la trayectoria del proyectil. En esta, el usuario
ingresa los datos de: la posicin inicial de la abscisa, la posicin inicial de la ordenada, la
velocidad inicial, el ngulo de lanzamiento y el tiempo. La interface le devuelve los datos
de: las coordenadas del proyectil en el respectivo tiempo, la altura mxima, el tiempo de
vuelo y el alcance mximo.
Animar el movimiento del proyectil.
(denomnela tabla 1).
Redactar el texto con las respuestas de preguntas como los resultados eran los que se
esperaban?
Este modelo matemtico se podr aplicar nicamente a...Completar la informacin.
Referencias

Escribir los enunciados de tres situaciones problemas similares. Resolverlos por medio de
la interface.
Mejorar la resolucin del modelo matemtico desarrollando nuevamente todas las tareas
pero teniendo en cuenta en esta ocasin la resistencia debida al aire.
Parece ser uno de los rasgos fundamentales de la naturaleza el que

las leyes fsicas se describan en trminos de una teora matemtica
de gran belleza y poder, necesitndose unas matemticas
enormemente elevadas para entenderlas. Se puede uno preguntar:
por qu la naturaleza est construida a lo largo de estas lneas?
Solamente se puede responder que nuestro conocimiento presente
parece mostrar que la naturaleza est construida de esta forma. Lo
nico que podemos hacer es simplemente aceptarlo.
Paul A. M. Dirac
Fsico britnico (1902-1984)
Premio Nobel de Fsica en 1933
En el siguiente captulo se crea el espacio en donde los ingenieros usando como excusa la
formulacin de los modelos estocsticos para resolver problemas de la vida real pueden
desarrollar las habilidades cognitivas necesarias para la formulacin de modelos
matemticos en general.
Captulo 4
Modelos Estocsticos
1.28.
Introduccin
Los modelos estocsticos (no determinsticos) son modelos matemticos que describen
fenmenos que contemplan la existencia del azar y del principio de incertidumbre. Es decir,
contienen variables aleatorias que siguen distribuciones de probabilidad; las predicciones
obtenidas para un conjunto especfico de condiciones no son siempre las mismas. Estos
modelos son ms difciles de trabajar que los determinsticos porque requieren del
conocimiento del clculo de probabilidades. Los sistemas de servicios (p. ej., un banco) o
de produccin (p. ej., la industria) se caracterizan por presentar numerosos procesos en los
que el comportamiento de las variables involucradas es de naturaleza aleatoria.
El objetivo de este captulo es crear el espacio en donde los ingenieros usando como excusa
la formulacin de los modelos estocsticos para resolver problemas del entorno puedan
desarrollar las habilidades cognitivas propias de la competencia de modelado matemtico.
Para lograr el objetivo se requiere repasar algunos conceptos de estadstica necesarios en la
formulacin de estos modelos.
El captulo se organiza de la siguiente manera: en la seccin 4.2 se generan nmeros

aleatorios por medio de algoritmos clsicos de tipo determinstico, en la seccin 4.3 se
presentan algunos conceptos de estadstica que tienen relacin con la simulacin de
variables aleatorias, en la seccin 4.4 se simulan las temperaturas de una estufa que siguen
una distribucin uniforme, en la seccin 4.5 se simulan los tiempos de atencin de un
cajero en el banco que siguen una distribucin exponencial, en la seccin 4.6 se simula el
nmero de piezas que entran a una lnea de produccin de una planta que siguen una
distribucin de Poisson y por ltimo, en la seccin 4.7, se modela el comportamiento de
una cola en el banco usando la metodologa empleada en el captulo tres.
Para la lectura del libro, se debe tener en cuenta, que al ser los casos de modelado
matemtico independientes entre s, se hace necesario para un mejor tratamiento de los
mismos, que cada uno disponga de su propia numeracin en lo que respecta a las
ecuaciones, las figuras, las tablas y los ejercicios.
1.29.
Generacin de nmeros aleatorios
4.2.1. Los nmeros aleatorios
Los nmeros aleatorios son nmeros que se utilizan en: los juegos de azar, la teora de
juegos, la teora de decisin, la animacin por ordenador, la resolucin de integrales, test
para localizacin de errores en chips, la teora de muestras, la transmisin de datos desde un
satlite y en las finanzas. En general, cuando se requiere simular aleatoriedad en
determinadas variables de inters, se utilizan estas secuencias de nmeros.
Formalmente los nmeros aleatorios son secuencias de nmeros distribuidos en el intervalo

[0, 1] como por ejemplo
como
a las que se har referencia
. La secuencia
contiene
nmeros aleatorios diferentes y
recibe el nombre de periodo o ciclo de vida del generador que la cre. Estas secuencias
siguen una distribucin de probabilidad uniforme definida por:
La media de estas secuencias es y la varianza
(1)
aproximadamente. Cmo se generan los
nmeros aleatorios? Actualmente se encuentran una variedad de algoritmos utilizados para

generar secuencias de nmeros aleatorios. A continuacin se presentan algunos ejemplos de
generadores de tipo determinstico.
4.2.1.1. Algoritmo de cuadrados medios
La rutina del algoritmo de cuadrados medios es:
Datos de entrada
Requiere un nmero entero detonador (llamado semilla)
con D dgitos.
Se recomienda que D > 3.
Paso 1
se construye con los D dgitos del centro de
dgitos del centro.
Paso 2
se construye con los D dgitos del centro de
dgitos del centro.
Paso 3
Se repite el paso 2 hasta obtener los N nmeros aleatorios deseados.
Este algoritmo no congruencial fue propuesto en la dcada de los cuarenta del siglo XX por
Von Neumann y Metropolis.24 A continuacin se generan los cinco primeros nmeros
aleatorios a partir de la semilla
Solucin
Sugerencia
Para poder escoger en este caso los cuatro dgitos del centro se debe agregar un cero a la
izquierda.
24
Garca D. E., Garca R. H., Crdenas B. L. E., (2006). Simulacin y anlisis de sistemas con ProModel.
Mxico: Pearson. 1 Ed.
La secuencia es
. El algoritmo de cuadrados
medios generalmente es incapaz de generar una secuencia de
con periodo de vida N
grande.
Ejercicio 1
1. Generar los siguientes diez nmeros aleatorios. Es decir, desde
hasta
2. Cul es el comportamiento del algoritmo de cuadrados medios cuando se utiliza la

semilla
3. Usar el algoritmo de cuadrados medios para generar los primeros diez nmeros
aleatorios a partir de la semilla
4.2.1.2. Algoritmo congruencial lineal
Las ecuaciones recursivas del algoritmo congruencial lineal para generar nmeros
aleatorios son:
Ecuacin Recursiva
Donde
es la semilla o detonante con D dgitos.

es una constante multiplicativa.
es una constante aditiva.
es el mdulo
Nmeros Aleatorios
El mdulo es el resto o residuo de una divisin. En MatLab con el comando mod

(abreviatura de mdulo), se puede calcular el mdulo entre dos nmeros enteros. Por
ejemplo, para obtener 736 mod 100 se escribe en la ventana de comandos mod (736, 100).
Este algoritmo congruencial lineal fue propuesto por D. H. Lehmer en 1951. Segn Law y
Kelton es el ms usado
25
. A continuacin se generan los primeros cuatro nmeros
aleatorios con los parmetros:
escogidos de manera
arbitraria.
Solucin
La secuencia es
.
Ejercicio 2
Generar los siguientes diez nmeros aleatorios. Es decir, desde
hasta
Para que el algoritmo congruencial lineal sea capaz de lograr el mximo periodo de vida
es preciso que se cumplan las condiciones sugeridas por Banks, Corson, Nelson y Nicol.26
25
26
g debe ser un nmero entero.

a = 1 + 4k
k debe ser un nmero entero.
b debe ser relativamente primo a m.
Comprobar que bajo estas condiciones se obtiene un periodo mximo de vida de

con los parmetros
Solucin
Vuelve el algoritmo a trabajar con la semilla repitiendo de nuevo las secuencias de nmeros
aleatorios. Se comprueba entonces que este generador, con esta semilla, produce
nicamente ocho nmeros aleatorios distintos.
Ejercicio 3
Explicar qu le sucede al algoritmo congruencial lineal cuando se viola una de las

condiciones. Usar los parmetros:
4.2.1.3. Algoritmo congruencial cuadrtico
Las ecuaciones recursivas del algoritmo congruencial cuadrtico para generar variables
aleatorias son:
Ecuacin Recursiva
Nmeros Aleatorios
Para que el algoritmo sea capaz de lograr el mximo periodo de vida N, es preciso que se
cumplan las condiciones sugeridas por LEcuyer.27
g debe ser un nmero entero.

a debe ser un nmero par.
c debe ser un nmero impar.
.
Comprobar que bajo estas condiciones se obtiene un periodo de vida mximo de N = m con
los parmetros:
Solucin
7143
Se comprueba entonces que este generador, con esta semilla, produce nicamente ocho
nmeros aleatorios distintos.
27
Ejercicio 4
1. Generar, a partir del algoritmo congruencial cuadrtico, suficientes nmeros enteros

hasta alcanzar el periodo de vida, proponiendo parmetros sugeridos por LEcuyer.
2. Programar en MatLab el generador congruencial de nmeros aleatorios
con
y determinar el ciclo o periodo de vida.
Se debe tener en cuenta que una vez que el generador construye las secuencias de nmeros
aleatorios, estas deben ser sometidas a una serie de pruebas estadsticas que indican si los
nmeros que la integran son aptos para ser usados en las simulaciones.
4.2.2. Nmeros aleatorios con MatLab
Con MatLab se pueden obtener matrices con nmeros aleatorios usando el comando rand.
Por ejemplo, construir las matrices de nmeros aleatorios que se indican.
a) A es una matriz aleatoria de 5 x 5.

b) B es una matriz aleatoria de 4 x 3.
c) C es una matriz aleatoria de 1 x 10.
d) D es una matriz aleatoria de 5 x 1.
Solucin
a) A = rand ( 5 , 5 )
b) B = rand ( 4 , 3 )
c) C = rand ( 1 , 10 )
d) D = rand ( 5 , 1 )
4.2.3. Seales con ruido
Una seal es una funcin portadora de informacin. Cuando se registran pueden presentar
artefactos o ruidos por diferentes causas.
Ejemplo
La seal
( )
est definida por
a. Graficar la seal
b. Adicionarle ruido aleatorio.
c. Graficar la seal con ruido.
d. Graficar ambas seales (sin ruido y con ruido) en una misma figura.
Solucin
a. t = linspace(0 ,2*pi, 200) ;

(
plot ( t, y, k, linewidth, 3)
b. yruido = y + rand(1,200);
c. t = linspace(0 ,2*pi, 200) ;
yruido = y + rand(1,200);
plot ( t, yruido, b, linewidth, 3)
d. plot ( t, y, k, t, yruido, b, linewidth, 3)
4.3. Conceptos Estadsticos
4.3.1. Variables aleatorias
Las variables aleatorias son funciones que asignan nmeros reales a los elementos del
espacio muestral. Tienen un comportamiento no determinstico o probabilstico en la
realidad. Son ejemplos de variables aleatorias: las temperaturas de una estufa, los tiempos
de servicio en la caja del banco, el nmero de clientes que llegan cada hora a un banco y el
nmero de piezas que entran a una planta de ensamble entre otras. Estas pueden ser
continuas (los dos primeros ejemplos) o discretas (los otros dos ejemplos).
Ejemplo
Cuando se lanza un dado, el resultado puede ser cualquiera de las caras. Una variable
aleatoria para este experimento aleatorio podra ser la funcin X que asigna el nmero
total de puntos negros de cada cara. Es decir,
Generar variables aleatorias permite el anlisis y la optimizacin de los sistemas de

servicios y produccin.
4.3.2. Promedio Mvil
El mtodo de promedio mvil simple se utiliza cuando se quiere dar ms importancia a

conjuntos de datos ms recientes para obtener una previsin. Cada punto de un promedio
mvil de una serie temporal es la media aritmtica de un nmero de puntos consecutivos de
la serie, donde el nmero de puntos es elegido de tal manera que los efectos estacionales
y/o irregulares sean eliminados.
El promedio mvil se define como:
(1)
Ejercicio 1
Completar el promedio mvil en los ltimos cinco datos de los nmeros de la tabla y
graficar los promedios.
Valor promediado en los
3.5
4.2
3.94
3.1
3.76
3.6
3.88
4.3
ltimos cinco datos
3.4
10
Tabla 1: Promedio Mvil
Figura 1: Datos de x y del promedio mvil de x
4.3.3. Distribucin de probabilidad
Es una funcin que asigna a los elementos de una variable aleatoria un valor de
probabilidad. Cualquier tabla, frmula o grfico que contiene todos los valores de la
variable aleatoria y sus respectivas probabilidades, se le conoce con el nombre de
distribucin de probabilidad de la variable aleatoria. La distribucin de probabilidad debe
cumplir las siguientes propiedades:
Las probabilidades son positivas y estn en un rango que va desde 0 hasta 1.
La suma de todas las probabilidades es uno.
Ejemplo
Determinar si la funcin
donde
puede asumir los valores
de la variable
aleatoria X es una distribucin de probabilidad o no lo es.
Solucin
Se determinan las probabilidades de cada elemento de la variable aleatoria:
La primera condicin se cumple porque la funcin

[
asigna valores positivos en el rango
]. La segunda condicin no se cumple porque
tanto,
. Por
no es una distribucin de probabilidad.
4.3.4. Esperanza matemtica o valor esperado
Para variables aleatorias discretas finitas, si la variable aleatoria

conjunto de valores
, la esperanza matemtica de
es discreta finita, con

es el nmero real
definido por:
[ ]
(1)
Para variables aleatorias continuas, la esperanza matemtica de la variable aleatoria

funcin de densidad
es el nmero real definido por:

[ ]
(2)
con
Ejemplo
La variable aleatoria continua
tiene la siguiente funcin de densidad o probabilidad:
Calcular el valor de .
Calcular el valor esperado de .
Solucin
Por ser una funcin de densidad o de probabilidad, el rea bajo la curva es uno. Esto es,
(1)
(2)
(3)
Entonces,
El valor esperado de X es:

[ ]
(4)
(5)
Ejercicio 2
1. Determinar si la funcin definida por la siguiente tabla corresponde o no a una

distribucin de probabilidad.
-3
-2
-1
0.1
0.2
0.1
0.2
0.1
0.2
0.1
Determinar la media o el valor esperado.

2. Dada la funcin
a) Comprobar que
es una funcin de densidad.
b) Calcular la esperanza matemtica de la variable aleatoria

de densidad
3. La variable aleatoria
de densidad de
que tiene por funcin
es:
simboliza el tiempo de una llamada telefnica y la funcin
Para un valor de
mayor que cero determinar el valor de .
4. Definir las siguientes distribuciones de probabilidad:
a) Exponencial
b) Uniforme
c) Poisson
d) Normal
e) Weibull
f) Binomial
4.4. Simulacin de las temperaturas de una estufa
Problema
Simular las temperaturas de una estufa si se sabe por los datos histricos que estas siguen
una distribucin de probabilidad uniforme dentro del rango de
.28
Solucin (Mtodo de la transformada inversa)
Las temperaturas producidas por una estufa son variables aleatorias continuas que por lo
general siguen una distribucin de probabilidad uniforme. No es posible determinar con
certeza la temperatura en un instante dado.
28
Las temperaturas siguen una distribucin de probabilidad uniforme dada por:
(1)
La funcin de probabilidad acumulada se obtiene resolviendo la siguiente integral:
(2)
(3)
La variable x despejada se expresa como:
(4)
Se utilizan los nmeros aleatorios dado que las temperaturas son datos de naturaleza
aleatoria por lo que se escribe
en vez de
(5)
En este caso, el generador de las temperaturas viene dado por:
(6).
Ejercicio 1
Construir una tabla de datos para simular las temperaturas de la estufa como se ilustra la
figura 1.
Figura 1: Ilustra una tabla de los datos de las temperaturas de una estufa
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 2. En esta, se simulan las
temperaturas de la estufa.
Figura 2: Interface para la simulacin de las temperaturas de una estufa
4.5. Simulacin de los tiempos de atencin de un cajero en el banco
Problema
Simular los tiempos de servicio en la caja de un banco si se sabe por los datos histricos
que estos siguen una distribucin de probabilidad exponencial con media de 3 minutos por
cliente.29
Los tiempos de atencin de un cajero en un banco son variables aleatorias continuas. No es

posible determinar con exactitud cunto tiempo demora el servidor atendiendo un cliente.
Estos datos usualmente siguen una distribucin de probabilidad exponencial.
Los tiempos de servicio siguen una distribucin de probabilidad exponencial con media
dada por:
{
(1)
La funcin de probabilidad acumulada se obtiene resolviendo la siguiente integral:
(2)
(3)
La variable x despejada se expresa como:
(4)
29
Se utilizan los nmeros aleatorios dado que los tiempos de servicio en la caja del banco son
datos de naturaleza aleatoria por lo se escribe
en vez de
(5)
En este caso el generador de los tiempos de servicio viene dado por:
(6)
Ejercicio 1
Construir una tabla de datos para simular los tiempos de atencin en el banco.
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 1. En esta se simulan los
tiempos de atencin del cajero.
Figura 1: Interface para la simulacin de tiempos de atencin
4.6. Simulacin del nmero de piezas entrando en una lnea de ensamble
Problema
Simular el nmero de piezas que entran a una planta de ensamble de una industria.
Se sabe por los datos histricos que estas siguen una distribucin de probabilidad de
Poisson con media de 2 piezas por hora.30
El nmero de piezas que entran a una lnea de produccin de una planta son variables
aleatorias discretas que por lo general siguen una distribucin de probabilidad Poisson. No
es posible determinar con certeza el nmero de piezas en un instante dado. El nmero de
piezas que entran a la planta sigue una distribucin de probabilidad de Poisson con media
dada por:
(1)
Para las variables
. En este caso se tiene que:
(2)
Para las variables
30
La siguiente tabla contiene simultneamente las probabilidades puntuales

acumuladas
para las variables
y las
f(x)
F(x)
f(x)
F(x)
0.1353
0.1353
0.0360
0.9834
0.2706
0.4060
0.0120
0.9954
0.2706
0.6766
0.0034
0.9989
0.1804
0.8571
0.0008
0.9997
0.0902
0.9473
0.0001
0.9999
Tabla 1: Probabilidades puntuales y acumuladas
El generador del nmero de piezas que entran a la planta es de naturaleza discreta y se

define con la siguiente regla que involucra los intervalos de la distribucin acumulada de
probabilidad:
[
[
[
[
[
[
[
[
[
[
(3)
Ejercicio 1
Construir una tabla de datos para simular los tiempos de atencin en el banco.
Ejercicio 2
Construir una interface grfica como la que se ilustra en la figura 4. En esta, se simulan el
nmero de piezas que entran a la planta de ensamble.
Figura 4: Interface para la simulacin
4.7. Modelado matemtico de la cola en el banco
Problema
Suponga que a un banco con un solo servidor llegan en promedio 45 clientes por hora. Se
tiene capacidad para atender en promedio a 60 clientes por hora. Los datos histricos
muestran que el nmero de clientes que llegan sigue una distribucin de Poisson y los
tiempos de servicio siguen una distribucin exponencial. Determinar:
a) La probabilidad que el servidor est ocupado.

b) La probabilidad que no hayan clientes o que el servidor se encuentre desocupado u
ocioso.
c) La probabilidad que al llegar al banco haya determinado nmero
de clientes, uno
recibiendo el servicio y otros formando la cola.

d) El nmero promedio de clientes en el banco.
e) El nmero promedio de clientes en la cola.
f) El tiempo promedio que espera un cliente en la cola para ser atendido.
g) El tiempo promedio que espera un cliente en el banco.
Introduccin
Un banco es una estacin que proporciona servicios que los clientes necesitan o deben
tomar. La existencia de clientes que requieren o deben tomar estos servicios origina el
fenmeno de las colas. Para optimizar las operaciones bancarias se debe estudiar el
comportamiento de las mismas. La cola ms sencilla de describir es cuando el banco
dispone de un solo servidor; el nmero de clientes que llegan sigue una distribucin de
Poisson y los tiempos de servicio siguen una distribucin exponencial. Los otros casos de
colas corresponden a variaciones de estos factores: dos o ms servidores, distintas
distribuciones de probabilidad para la llegada de los clientes y los tiempos de atencin de

los servidores.

entre las variables aleatorias promedio de llegada de los clientes y promedio de atencin
a los clientes
Los tiempos de atencin y el nmero de llegadas de los clientes que ingresan al banco se
producen de manera no determinstica o probabilstica (Marcoviana). Las distribuciones de
probabilidad son: exponencial para los tiempos de servicio y de Poisson para el nmero de
llegadas de los clientes. El banco dispone de un solo servidor; la velocidad de llegada es
menor que la velocidad de atencin. Es decir, se trata de un sistema estable. Este modelo
asume la siguiente disciplina de cola: el primer cliente en llegar es el primero en ser
atendido y no existe una atencin especial para los clientes que se encuentren por fuera de
la cola. En la figura 1 se ilustran los elementos que componen una cola simple del sistema
bancario.
Figura 1: Elementos que componen una cola simple
Para resolver este problema se deben obtener expresiones matemticas que permiten
conocer:
a) La probabilidad que el servidor est ocupado.

b) La probabilidad que no hayan clientes o que el servidor se encuentre desocupado u
ocioso.
c) La probabilidad que al llegar al banco haya determinado nmero
de clientes uno
recibiendo el servicio y otros formando la cola.

d) El nmero promedio de clientes en el banco.
e) El nmero promedio de clientes en la cola.
f) El tiempo promedio que espera un cliente en la cola para ser atendido.
g) El tiempo promedio que espera un cliente en el banco.
El clculo de probabilidadesCompletar la informacin
Teora de Nacimiento y MuerteCompletar la informacin
La serie geomtricaCompletar la informacin
La frmula de Little JohnCompletar la informacin
La Mecnica clsicaCompletar la informacin
Notacin KendallCompletar la informacin
Las variables de inters son: la velocidad promedio del nmero de clientes que llegan por
hora que se denominar
(variable..completar) y la velocidad promedio del tiempo para
ofrecer el servicio a los clientes por hora que se denominar
(variablecompletar).
Objetivo a)
La probabilidad que el servidor est ocupado se denominar
. Deducir por qu la
probabilidad que el servidor est ocupado en trminos de las velocidades viene dada por la
expresin matemtica:
(1)
Objetivo b)
La probabilidad que no hayan clientes o que el servidor se encuentre desocupado u ocioso
se denominar
. Deducir por qu la probabilidad que no hayan clientes o que el servidor
se encuentre desocupado u ocioso en trminos de las velocidades viene dada por la

expresin matemtica:
(2)
Objetivo c)
La probabilidad que al llegar al banco haya determinado nmero
recibiendo el servicio y otros formando la cola se denominar
probabilidad que al llegar al banco haya determinado nmero
de clientes uno
. Deducir por qu la
de clientes, uno recibiendo
el servicio y otros formando la cola; en trminos de las velocidades viene dada por la
expresin matemtica:
( ) (
(3)
Objetivo d)
El nmero promedio de clientes en el banco se denominar
ingls a longitud (length) y
donde
corresponde en el
corresponde en el ingls a sistema (system). Deducir por qu
el nmero promedio de clientes en el banco en trminos de las velocidades viene dado por
la expresin matemtica:
(4)
Objetivo e)
El nmero promedio de clientes en la cola se denominar
en donde
corresponde en el
ingls a cola (queue). Deducir por qu el nmero promedio de clientes en la cola en

trminos de las velocidades viene dado por la expresin matemtica:
(5)
Objetivo f)
El tiempo promedio que espera un cliente en la cola para ser atendido se denominar
donde
en
corresponde en el ingls a esperar (wait). Deducir por qu el tiempo promedio
que espera un cliente en la cola para ser atendido en trminos de las velocidades viene dado
por la expresin matemtica:
(6)
Objetivo g)
El tiempo promedio que espera un cliente en el banco para ser atendido se denominar
La figura 2 ilustra los tiempos del cliente en la estacin.
Figura 2: Tiempos del cliente en la estacin
El tiempo
de un cliente es . Deducir por qu el tiempo promedio que espera un cliente
en el banco en trminos de las velocidades viene dado por la expresin matemtica:
(7)
Qu sucede con las soluciones de los modelos formulados en la tarea anterior?
Para analizar las colas en el banco construir una interface como la que se ilustra en la figura
3. La interface indica entre otras cosas si el sistema es estable o inestable.
Los datos de entrada son: Los datos de salida son:.
Figura 3: Ilustra la interface para la simulacin de la cola en un banco
(denomnela tabla 1). Dejar fijo el valor de
y variar . La tabla debe contener una
columna para cada una de las salidas de la interface con los valores correspondientes a la
variacin de .
Construir las siguientes grficas:

a.
Vs
b.
Vs
c.
Vs
d.
Vs
e.
Vs
f.
Vs
Redactar el texto con las respuestas de preguntas como: los resultados eran los que se
esperaban?
Cmo se validan los modelos obtenidos?
Estos modelos matemticos se podrn aplicar nicamente a las colas que se forman en
aquellos bancos (o estaciones de servicio) que...Completar la informacin
Referencias
No olvide referenciar el material que consult y/o los sitios de la web que visit.

Desarrolle nuevamente todas las tareas pero con dos servidores.
Seleccione un sistema de produccin y formule un modelo matemtico para el mismo.
Referencias
Brito-Vallina, M. L., Alemn-Romero, I., Fraga-Guerra, E., Parra-Garca, J.L. y Arias de
Tapia, R. I. (2011, mayo-agosto). Papel de la modelacin matemtica en la formacin de
los ingenieros. Ingeniera Mecnica, 14(2): 129 139.
Blomhoj, M. y Jensen, T. H. (2003). Developing Mathematical Modelling Competence:

Conceptual Clarification and Educational Planning. Teaching Mathematics and its
Applications, 22(3): 123-139.
Balci, O. (1997). Verification, Validation and Acreditation of Simulation Models. En

Proceedings of the 1997 Winter Simulation Conference (pp. 698-705). Atlanta GA, EE.UU.
Camarena, G. P. (2009, enero-marzo). La matemtica en el contexto de las ciencias.

Innovacin Educativa, 9(46): 15-25.
Galbraith, P. y Stillman, G . (2006). A Framework for Identifying Student Blockages

During Transitions in the Modelling Process. ZDM,38(2): 143-162.
Guala, F. (2002). Models, Simulations, and Experiments. En Magnani, L. y Nersessian, N.

(Eds.), Model-Based Reasoning: Science, Technology, Values (pp. 59-74). New York:
Kluwer Academic/Plenum Publishers.
Himmelblau, D. M. y Bischoff, K. B. (2004). Anlisis y simulacin de procesos. Editorial

Revert S.A.
Jonassen, D. H. (2006). Modeling with Technology: Mindtools for Conceptual Change.

Columbus, Ohio: Pearson Prentice Hall.
Kaiser, G., Blomhoj, M. y Sriraman, B. (2006). Towards a Didactical Theory for

Mathematical Modelling. ZDM, 38(2): 82-85.
Kofman, H. A. (2000). Modelos y simulaciones computacionales en la enseanza de la

fsica. Revista Educacin en Fsica, 6: 13-22.
Lpez G, J. I. (2012). Modelacin matemtica en la enseanza de sistemas de ecuaciones

lineales [Tesis de grado]. Universidad de Veracruz.
Laymon, R. (1990). Computer Simulations, Idealizations and Approximations. En PSA:

Proceedings of the Biennial Meeting of the Philosophy of Science Association (pp. 519534). Minneapolis MN, ERE.UU.
Lesh, R. y Doerr, H. M. (2003). Foundations of a Models and Modeling Perspective on

Mathematics Teaching, Learning and Problem Solving. En D. H. Jonassen (eds.), Modeling
with Technology:Mindtools for Conceptual Change. Columbus, Ohio: Prentice Hall.
Norbis M., y Chirinos S., R. G. (2011, enero-abril). Consideraciones terico-epistmicas

acerca del concepto de modelo. Telos, vol. 13, nm. 1, pp. 51-64.Universidad Rafael
Belloso Chacn.Venezuela.
Mendible, A. y Ortiz, J. (2007). Modelizacin matemtica en la formacin de ingenieros.

La importancia del contexto. Enseanza de la Matemtica, Vols. 12 150 al 16; No.
Extraordinario; 2003 2007, pp. 133 150.
Ministerio de Educacin Nacional (2006). Estndares bsicos de competencias. Bogot:

Magisterio.
Ministerio de Educacin Nacional (1998). Lineamientos curriculares: matemticas.

Bogot: Magisterio.
Maldonado, L. F. (2013). (Editor). El modelamiento matemtico en la formacin del

Ingeniero. Bogot: Ediciones Universidad Central. Grupos de Investigacin Kishurim
Tecnice Tecnimat Griduc Gidsaw Cognitek.
Maldonado, L. F. (2013). La espiral del modelamiento y la formacin de esta competencia

con apoyo de ambientes digitales. Sexto Encuentro Nacional y Segundo Regional de
Experiencias Curriculares y de Aula en Educacin en Tecnologa e informtica: La
transversalidad e Interdisciplinariedad de la Tecnologa. Pasto, Colombia.
Organization for Economic Co-operation and Development (2007). PISA 2006 Science
Competencies for Tomorrows Word. Vols. 1 y 2. Paris: OCDE.
Organization for Economic Co-operation and Development (2003). The PISA 2003
Assessment Framework-Mathematics, Reading, Science and Problem Solving Knowledge
and Skills, 194.
Regalado, A., Peralta, E.y Gonzlez, C. A. (2008). Cmo hacer modelos matemticos.
Temas de Ciencia y Tecnologa, 12(35): 9-18.
Real Academia Espaola. (2001). Diccionario de la Real Academia de la Lengua Espaola.

(Vigsima segunda Edicin). Espaa. Documento en Lnea extrado de http://www.rae.es
Serrano E. (2004). Documentos del pregrado de Matemticas de la Universidad Central.
Schichl, H. (2004). Models and the History of Modeling. En Kallrath, J. (ed.), Modeling
Languages in Mathematical Optimization (pp. 25-36). Boston MA: Kluwer.
Shannon, R. y Johannes J. D. (1976). Systems Simulation: the Art and Sciencie. IEEE
Transactions on System, Man and Cybernetics, 6(10): 723-724.
Sierra B., R. (2002). Ciencias Sociales: Epistemologa, Lgica y Matemtica. Editorial

Paraninfo. Espaa.
Trigueros G., M. (2009, enero-marzo). El uso de la modelacin en la enseanza de las
matemticas. Innovacin Educativa, 9(46): 75-87.
Von Bertalanffy L. (1968). TEORA GENERAL DE LOS SISTEMAS. Fundamentos,

desarrollo, Aplicaciones. Fondo de Cultura Econmica. Mxico.

Libro Modelamiento y Simulación PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Libro Modelamiento y Simulación PDF

Uploaded by

Copyright:

Available Formats

Modelado Matemtico y

Simulacin con MatLab

Hay que empezar haciendo lo posible

Que todo nuestro conocimiento empieza con la experiencia,

Captulo 2. Introduccin a MatLab...28

Captulo 3. Modelos Determinsticos...106

3.2. Modelado matemtico del crecimiento de la poblacin humana.................................108

Captulo 4. Modelos Estocsticos.180

La construccin de un modelo matemtico para resolver problemas de la vida real presenta

La competencia de modelado matemtico y simulacin se entiende como el conjunto de

Para desarrollar la competencia de modelado matemtico y simulacin en la formacin de

Al desarrollar la competencia de modelado matemtico y simulacin se tiene que lidiar con

El libro se organiza de la siguiente manera: en el primer captulo, se crea el vocabulario

volumen o nivel introductorio al modelado matemtico y simulacin, los problemas de la

Los trabajos publicados sobre el modelado matemtico disponibles en el medio educativo

Segn Maldonado et l. (2013) la ingeniera, entendida como ciencia de sntesis, est

El ingeniero es una persona con competencias y habilidades matemticas que le permiten

Entindase como problemas de la naturaleza y de la sociedad.

En la mayora de los cursos tradicionales de matemticas dirigidos a los ingenieros, se

Poco se ha trabajado en modelos didcticos para el aprendizaje del modelado matemtico

El estudiante es conciente del proceso a seguir en el modelado matemtico de un fenmeno y su importancia

Definir sistema no es sencillo. Las definiciones de sistemas en la literatura cientfica

1.3. Los modelos

una manera sistemtica los conocimientos que se obtienen de la experiencia mediante el

Los modelos fsicos son rplicas fsicas a menor escala.

Los modelos estticos describen una relacin, o un conjunto de relaciones, que no

Los modelos dinmicos describen una relacin, o un conjunto de relaciones, que

Los modelos empricos describen un conjunto de relaciones, sin representar

Los modelos explicativos representan la dinmica interna del sistema de inters; el

Los modelos determinsticos no contienen variables aleatorias; las predicciones

Los modelos estocsticos contienen una o ms variables aleatorias; las predicciones

Los modelos analticos son aquellos que se pueden resolver matemticamente en

1.4. Los modelos matemticos

En ciertas ocasiones la descripcin del comportamiento de los fenmenos que acontecen en

Definicin 3. Modelos Matemticos

Ejemplos de modelos matemticos:

describe la relacin entre los habitantes

el tiempo en una comunidad. ( es una razn de crecimiento).

describe la relacin entre la posicin

con el tiempo de una masa sujetada a un resorte ( y

son parmetros constantes

del sistema masa-resorte).

y el tiempo en el capacitor de un circuito RLC en serie ( ,

son parmetros contantes).

describe la relacin entre la

de un cuerpo lanzado verticalmente hacia arriba. (

corresponde al valor de la gravedad)

describe la relacin entre los

tiempos de servicio de un servidor y los clientes en la caja de un banco, si se sabe

describe la relacin entre el tiempo

que espera un cliente en la cola de un banco para ser atendido y las

es la velocidad de llegada de clientes al banco y

velocidad de atencin del servidor).

La teora o tcnica bsica utilizada en su elaboracin.

La naturaleza de los procesos que lo componen.

En la primera clase se encuentran los modelos: de transporte, de balance de poblacin y los

en diferencias (en una dimensin

En un modelo matemtico siempre es posible identificar dos conjuntos: uno de relaciones

estadounidense Stanislau Ulam que trabajaban en el proyecto manhattan (construccin de la

1.6. El modelado matemtico

Un problema del entorno puede resolverse construyendo un modelo matemtico o usando el

Los pasos que se siguen en el proceso de modelado matemtico y simulacin se ilustran en

Figura 1: Ilustra los pasos del proceso de modelado matemtico y simulacin