You are on page 1of 14

Captulo 1

Introduccin al modelado matemtico

El modelo matemtico tiene una diversidad de aplicaciones y, por lo tanto, una gama de posibles
enfoques.

Junto con un esbozo de los contenidos, objetivos y alcance del libro, este captulo

Proporciona una introduccin a la naturaleza cclica del proceso de modelado, una breve
descripcin

De algunos enfoques de modelado y una discusin de las ramificaciones ms amplias de la


aplicacin del modelo.

1.1 Modelos matemticos

Los modelos de sistemas se han convertido en parte de nuestra vida cotidiana: van desde
decisiones globales

Teniendo un profundo impacto en nuestro futuro, a las decisiones locales sobre si ir a la


universidad

Basado en las predicciones meteorolgicas. Junto con su provisin de una comprensin ms


profunda

De los procesos involucrados, esta naturaleza predictiva de los modelos, que ayuda en la toma de
decisiones,

Es uno de sus principales puntos fuertes.

En particular, muchos procesos se pueden describir con ecuaciones matemticas, es decir, por

modelos matemticos. Estos modelos tienen uso en una amplia gama de disciplinas.

Hay un uso esttico, por ejemplo, en la construccin de la perspectiva en pinturas o grabados

Como se ve en la obra paradjica de Escher. Las proporciones de la media dorada y

La serie de nmeros de Fibonacci, que ocurre en muchos fenmenos naturales tales como el
arreglo

De semillas espirales en girasoles, se han aplicado a mtodos de almacenamiento de

ordenadores. Esta bien conocida serie matemtica tambin se aplica en modelos que describen la

Crecimiento en los tallos de las plantas, as como en proporciones estticamente agradables en la


pintura

Y la escultura y el diseo de instrumentos musicales. Desde una perspectiva filosfica,

La lgica matemtica y el rigor proporcionan un modelo para la construccin del argumento.

En un modo ms prctico y analtico hay una pltora de aplicaciones. Matemtico


La teora de la optimizacin se ha aplicado en la industria del vestido para minimizar el pao
requerido

Para el nmero mximo de prendas, y para la disposicin de los chocolates de forma impar

En una caja para minimizar el nmero necesario para dar la impresin de que la caja est llena! los

Matemticas de fractales ha permitido el desarrollo exitoso de la compresin de imgenes


fractales

Tcnicas, que requieren poco almacenamiento para imgenes extremadamente precisas.

Algunas otras reas de aplicacin incluyen las ciencias fsicas (como la astronoma), la medicina

(Como la absorcin de medicamentos), y las ciencias sociales (como los patrones de eleccin

votacin). Los modelos matemticos se utilizan ampliamente en biologa y ecologa para examinar

Fluctuaciones de la poblacin, captacin de agua, erosin y propagacin de contaminantes,

slo algunos. La mecnica de fluidos es otra rea extensa de investigacin, con aplicaciones que

Desde el modelado de los tsunamis evolutivos a travs del ocano, hasta el flujo de la mezcla de
polos en

Moldes (Los matemticos fueron consultados para establecer los mejores puntos de entrada para
la mezcla

Al molde para asegurar una nariz llena para un lollypop de Mickey Mouse!)

El uso y la versatilidad de tales modelos matemticos ha sido aumentada por el poder

De los ordenadores. Es probable que esta tendencia contine, ya que esta modelizacin da lugar a
una

Y la forma econmica de entender, analizar y disear procesos. Adems, el

Una amplia gama de aplicaciones, donde se utilizan modelos matemticos, implica una apelacin

A muchas reas de la matemtica, as como a muchos tipos de modelos. Algunos modelos pueden

Ser muy precisas en sus predicciones, mientras que otras pueden ser ms susceptibles a una

De interpretaciones, particularmente en el caso de sistemas grandes con muchas interacciones

Mecanismos.

El uso de la informacin de este proceso de modelizacin para llegar a decisiones es ahora mucho

En la opinin pblica, en particular en el caso de las cuestiones ambientales ejemplificadas en el

Internacional sobre el calentamiento global en Kyoto. Esperamos que al alentar la

Uso responsable de los modelos, podemos mejorar la confianza del pblico en el papel de la
Ha ido disminuyendo en los ltimos aos (Beck et al., 1993). Es bueno recordar que los modelos

No son realidad y no deben ser promovidos como tales. Son considerados por los autores para

Ser una parte valiosa e integral de un enfoque multidisciplinario para la toma de decisiones

Sobre los temas a los que nos enfrentamos hoy, y alentamos a los futuros modelistas a adoptar y
promover este

perspectiva.

1.2 Una visin general del libro

Este curso tiene como objetivo proporcionar al estudiante algunas habilidades bsicas de
modelado que tienen aplicacin

A una amplia variedad de problemas. Se hace hincapi en el desarrollo inicial de

Modelos simples, que luego se amplan y mejoran incorporando caractersticas adicionales.

Asimismo, hemos centrado la atencin en la importancia de declarar cualquier suposicin hecha

En el proceso de modelado, y teniendo esto en cuenta al interpretar las predicciones. Nosotros

Discuten diversos enfoques tericos a medida que surgen, pero el nfasis est en la modelizacin

Y la interpretacin de los resultados.

Diseo del libro

El anlisis de estos modelos se realiza mediante un enfoque terico, as como el

Uso integrado de Maple o MATLAB (dos paquetes de software matemtico), ambos de los cuales

Proporcionar soluciones numricas y un excelente medio por el que se muestran los grficos. Arce

Y el cdigo MATLAB y la salida se presentan en todo el texto.

Adems, se han incluido estudios de casos para proporcionar al lector

Las aplicaciones pertinentes de las competencias aprendidas y una comprensin de cmo se


utilizan tales habilidades

E interpretados en la investigacin actual. Nos hemos propuesto incluir modelos de una amplia
gama

De los temas ambientales, biolgicos, arqueolgicos, etc.

Estudiantes a leer algunos de los trabajos de investigacin, para los cuales se proporcionan
referencias.

En general, con tal diversidad de aplicaciones de modelado no es sorprendente que muchos

Se utilizan diferentes reas de matemticas. Estos incluyen clculo diferencial e integral,


Ecuaciones diferenciales, matrices, estadstica, probabilidad, por nombrar slo unos pocos.

Este curso se enfoca en aquellas tcnicas matemticas que son aplicables a

Modelos de ecuacin, en particular las ecuaciones diferenciales ordinarias (EDO), aunque el

Ecuaciones (EDP) tambin se discuten brevemente. Consideramos modelos en tres

reas: procesos de desintegracin, poblaciones que interactan y problemas de calefaccin /


refrigeracin. El principal

La tcnica matemtica utilizada es la de resolver ecuaciones diferenciales. Sin embargo, este rango

De las aplicaciones y las tcnicas matemticas presentadas deberan

Del alcance de este tipo de modelado matemtico porque las habilidades desarrolladas son

Transferible a muchas otras reas.

El libro se divide en tres partes generales: modelos compartimental, modelos de poblacin

Y problemas de transferencia de calor.

Dentro de cada una de las secciones de modelado, el proceso de construccin de un modelo es


cuidadosamente

Porque este aspecto es una de las partes ms difciles y cruciales del modelado.

Una habilidad muy importante es la de convertir un problema aparentemente complejo en una

Ms sencillo. En este libro se hace hincapi en el desarrollo de modelos simples

Donde se sacrifican algunas caractersticas de la realidad con el fin de obtener una comprensin
bsica de

El problema subyacente. Con cada tipo de modelo, el texto cubre este proceso de

Detalle, con una evaluacin crtica de los supuestos realizados y sus subsiguientes limitaciones

En la interpretacin. Los diagramas de flujo ayudan a entender este proceso ya aclarar cualquier

Divisin de sub-secciones dentro de un modelo. Entonces se desarrollan "ecuaciones de palabras"


describiendo

El proceso bajo consideracin, y de stos las ecuaciones diferenciales siguen. Esta

Estructurado ha demostrado ser una estrategia de aprendizaje exitosa.

Una vez que se ha establecido un modelo, se analiza utilizando una variedad de tcnicas con

Tericas, grficas y computacionales. Comprender el comportamiento del modelo

Bajo una variedad de condiciones (cambios en los parmetros y diferentes condiciones iniciales)

Discutido, con una conciencia de las posibles limitaciones de las interpretaciones (o malas
interpretaciones)
De los resultados. Se recomiendan mtodos grficos, y es la intencin de este

Curso para proporcionar un uso interactivo de MATLAB y Maple software. Para ello, MATLAB

Y el cdigo Maple, y los resultados resultantes se incluyen en el texto; Son fciles de usar

Y aplicable a una variedad de problemas. Se desarrollan tcnicas analticas sencillas y

Aplicado para resolver las ecuaciones diferenciales; Normalmente esto se confirma con Maple. De
nuevo,

Todo el cdigo pertinente se incluye dentro del texto, y una lista de procedimientos comnmente
usados puede

Se encuentra en las entradas Maple y MATLAB en el ndice.

Se discute la validacin del modelo, utilizando observaciones o conocimientos previos. Extensiones

Son sugeridos y desarrollados o incorporados en los ejercicios al final de cada captulo.

As, el proceso seguido es comenzar simple, evaluar y extender. Interpretaciones posteriores

Se evalan crticamente en trminos de los supuestos realizados, con nfasis en las fortalezas,

Limitaciones y relevancia de los modelos construidos.

A continuacin se describen dos problemas tpicos discutidos en este libro para proporcionar una

Cmo este proceso de simplificacin de un problema complejo en sus partes bsicas se aborda

texto.

Un problema tpico en el crecimiento de la poblacin

Una cuestin importante en la industria agrcola es tratar con plagas de insectos que infestan y
destruyen

Cultivos Con este fin, examinamos un ejemplo de la industria ctrica en Amrica que fue

Amenazada por una plaga de insectos (introducida desde Australia). Un enfoque obvio es
pulverizar

Los cultivos con un pesticida, como el DDT, para erradicar los insectos. Sin embargo, esto no es

Necesariamente el enfoque ms eficiente en las complicadas interacciones ecolgicas entre

La plaga y otros animales o plantas pueden verse afectados de manera imprevista.

Para simplificar el problema, consideramos esta poblacin de insectos de tipo fido (la plaga) que

Interactuar con un tipo de escarabajo de la mariquita. La interaccin es una relacin predador-


presa desde

Los pulgones son comidos por los escarabajos. As, la poblacin de fidos y la poblacin de
escarabajos
Interaccin, ya que los nmeros de fidos se reducen por la presencia de los escarabajos y

La poblacin de escarabajos aumenta con la presencia de los fidos. Adems, nuestro modelo
necesita

Para incorporar el efecto del pesticida sobre las poblaciones de fidos y escarabajos.

Formulamos dos ecuaciones diferenciales: una que describe la poblacin de fidos como una
funcin

Del tiempo y la otra describiendo la poblacin de escarabajos en funcin del tiempo. Solucionando

Las ecuaciones diferenciales nos dan un resultado inesperado: el efecto del plaguicida

Aumenta la poblacin de fidos, que no es lo que se esperaba o deseaba. Este problema

Ilustra cmo los modelos simples pueden proporcionar una mejor comprensin de la forma en que
las poblaciones

interactuar.

Otras poblaciones interactuantes que examinamos en detalle incluyen modelos de especies


competidoras,

As como modelos de poblacin en combate y la propagacin de epidemias.

Un problema tpico en el enfriamiento

Los modelos matemticos pueden ser tiles en situaciones domsticas. Para ilustrar esto,
consideramos

Cmo determinar la cantidad ptima de aislamiento para envolver alrededor de una tubera de
agua para prevenir

Su congelacin en una maana fra. A medida que se pierde calor del agua en la tubera hacia el
exterior,

La temperatura del tubo caer, y si el agua se congela puede estallar el tubo. los

La colocacin de una capa de material aislante alrededor de la tubera est diseada para reducir
la velocidad

De la prdida de calor y as evitar que el agua se congele tan rpidamente. El objetivo es


determinar

La tasa de prdida de calor, en funcin del espesor del material aislante, con el fin de

Determinar las especificaciones para una cobertura suficiente y efectiva de la tubera.

Para producir un modelo matemtico, consideramos primero una situacin simplificada.


Consideramos

Una tubera infinita donde la prdida de calor est en la direccin radial desde el centro hacia el
exterior de
el tubo. Tambin podemos simplificar el problema ignorando el tubo de metal y considerando

La transferencia de calor a travs del propio aislamiento.

Nuestro objetivo es desarrollar una ecuacin diferencial que prediga la temperatura en cualquier
punto en

El aislamiento, y luego usar esto para encontrar la tasa de prdida de calor. De nuevo un resultado
sorprendente

Surge de las matemticas. Resulta que para algunos (no todos) materiales aislantes,

Puede haber ms prdida de calor que si no hubiera aislamiento en absoluto.

Modelos similares examinados son los de aislar la pared de una casa y el efecto de doble

Acristalamiento en ventanas. Otros problemas incluyen determinar la longitud ptima de aletas de


calor

Que se utilizan para reducir la temperatura de los chips de computadora, y establecer criterios
para

Evitar la combustin espontnea en los depsitos de almacenamiento.

1.3 Algunos enfoques de modelado

Hay muchos enfoques de modelado, y mientras que este libro se ocupa principalmente de
matemticas

Modelado con ecuaciones diferenciales es esencial reconocer que puede haber

Otros enfoques con marcos conceptuales alternativos que sean ms apropiados para

Diferentes problemas. Una combinacin de enfoques puede proporcionar la mejor comprensin,

Cada enfoque proporciona una visin de algn aspecto diferente.

A continuacin hemos esbozado brevemente algunos de los enfoques que pueden adoptarse al
formular

Un modelo matemtico. Con el fin de clarificar cada mtodo, lo aplicamos al problema de

Determinar el tamao de una poblacin en funcin del tiempo.

Modelos empricos

El enfoque emprico es el ms bsico, pero tambin el menos til. La idea es

Curva a travs de un conjunto de datos y luego usar esta curva para predecir los resultados donde

No hay datos.

En trminos del ejemplo de poblacin, si t denota tiempo y P (t) denota la poblacin en

Tiempo t, entonces podramos probar curvas de la forma


P (t) = a + bt + ct2 y P (t) = aebt

Y utilizar el mtodo de los mnimos cuadrados1 para estimar los parmetros a, byc. La desventaja

Con este enfoque es que no podemos estar seguros de que la frmula se aplica fuera de la

Gama de datos considerados, y los parmetros a, byc no tienen un significado especfico. As


nosotros

No puede extender el modelo fcilmente a un problema relacionado. Este mtodo suele utilizarse
para crear

Un conjunto de datos continuo para la entrada a otro modelo, tal como completar un perfil de
temperatura

Para que una columna de agua se utilice como datos en un modelo ecolgico que predice las
velocidades del agua.

Modelos estocsticos

Otra aproximacin a la modelizacin es el enfoque probabilstico o estocstico ("estocstico"

Viene de la palabra griega para adivinar). Usando este mtodo intentamos estimar la probabilidad

De ciertos resultados sobre la base de los datos disponibles. En trminos del ejemplo de
poblacin,

Objetivo de establecer una frmula para la probabilidad de que una poblacin cambie de tamao

Base de frmulas asumidas para la probabilidad de nacimientos o muertes de poblacin. Estos

Las frmulas pueden basarse a su vez en distribuciones de probabilidad. Cantidades de inters

Calculado sera estadstica estndar como la media y la desviacin estndar de la

tamao de la poblacion.

Estos modelos pueden ser extremadamente complicados, aunque esto no es necesariamente el


caso.

Tienen la ventaja de incorporar un grado de incertidumbre dentro de ellos y

Idealmente debe utilizarse cuando existe un alto grado de variabilidad en el problema. Esta

Tpicamente para modelos de poblaciones pequeas cuando las tasas de reproduccin

Predecirse en un intervalo de tiempo. Tambin tienen valiosa aplicacin en muchas otras reas

Tales como fluctuaciones econmicas, problemas de seguros, telecomunicaciones y teora del


trfico,

Y modelos biolgicos.

Modelos de simulacin
En un modelo de simulacin se escribe un programa de computadora que aplica un conjunto de
reglas, o posiblemente

Incluso fsicamente construye un modelo a escala. Se pretende producir un conjunto de datos que
imiten una

Resultados reales incluyendo eventos extremos. En un modelo de poblacin, las normas se

Cada miembro de la poblacin. Por lo general, una simulacin incluir algunos componentes
aleatorios.

El programa de computadora puede ejecutarse muchas veces y la informacin estadstica

proceso.

Normalmente, tales modelos se utilizan en aplicaciones de ingeniera como una ayuda para
identificar problemas

Que puedan surgir durante el uso o la construccin. Tambin constituyen un medio til para

Se pueden generar conjuntos de datos. Uno de esos ejemplos son los datos sobre precipitaciones,
que pueden

A un modelo de prediccin de las concentraciones de fsforo en una red de caudales.

Podra argumentarse que este enfoque de simulacin proporciona los modelos ms realistas, pero

Esto no significa que proporciona los mejores modelos. Los mejores modelos suelen ser los que

Son sencillas y, sin embargo, proporcionan resultados tiles.

Modelos determinsticos

Otro enfoque del modelado matemtico es el enfoque determinista. Este es el

Enfoque que adoptamos en este libro. Modelado de esta manera, ignoramos la variacin aleatoria
y

Tratar de formular ecuaciones matemticas que describan las relaciones fundamentales bsicas

Entre las variables del problema.

Por ejemplo, en el modelo de poblacin se pretende obtener una ecuacin que relaciona el
nacimiento

Tasas y tasas de mortalidad, que a su vez estn relacionadas a travs de ecuaciones, a la poblacin

Tamao en cualquier momento dado. En cierto sentido, estamos construyendo un modelo


compuesto de varios modelos empricos

1En el mtodo de mnimos cuadrados el error total se da como la suma de los cuadrados de la
diferencia entre

La curva y los puntos de datos, y las incgnitas se calculan minimizando este error.
6 1 Introduccin al modelado matemtico

Y sub-modelos interrelacionados, enlazando estos sub-modelos juntos y luego usando el conjunto

Sistema para predecir el resultado de un conjunto de condiciones iniciales.

Este proceso es ampliamente utilizado y puede ser extremadamente preciso, como en el caso de
la prediccin

rbitas de satlite. Tiene el inconveniente de que en otros casos no es posible

Los mecanismos componentes de un proceso o, incluso si esto fuera posible, que

Conocidas hace que el modelo sea poco manejable. Sin embargo, como veremos, incluso

Estas condiciones esta tcnica de modelado puede proporcionar informacin valiosa sobre un
proceso.

Modelos estadsticos

Los modelos estadsticos se refieren a la prueba (denominada prueba de hiptesis) de si un


conjunto

De datos empricos es de una u otra categora. Se supone que estas categoras tienen

Distribuciones particulares (con los medios asociados y las desviaciones estndar), y los resultados

Sugieren que los datos se extraen de una categora de este tipo. Esta distribucin se puede utilizar
para

Predecir el resultado de nuevos ensayos. En trminos de nuestra poblacin, tal modelo puede

Si una muestra de alturas se tom de una poblacin con una altura promedio de seis pies

(Digamos categora A), o uno con una altura promedio de cinco pies y diez pulgadas (diga la
categora

SEGUNDO). Nuestros resultados indican un margen de error porcentual con el que hemos hecho

prediccin.

Las pruebas estadsticas se utilizan ampliamente en la psicologa, la paleontologa y las ciencias


biolgicas.

Un ejemplo de aplicacin sera establecer distribuciones espaciales de algunas especies antiguas

A partir de conjuntos de dientes fosilizados encontrados en diferentes lugares.

1,4

Modelizacin para la toma de decisiones

Actualmente, el modelado, y en particular el modelado matemtico, proporciona un medio


Se toman muchas decisiones polticas y de planificacin de la gestin, tanto local como
globalmente.

Estos modelos tienen una gran influencia econmica y ejercen ramificaciones sociales y
ambientales.

Hay una necesidad de usar estos modelos sabiamente.

El modelado es una herramienta extremadamente poderosa, un marco para la investigacin, el


debate y la planificacin,

Que proporciona una valiosa fuente de informacin para la toma de decisiones. Sin embargo,
mientras que los modelos

Incorporar los principales mecanismos de un proceso y tener la capacidad no slo de

Para describir y explicar, pero tambin para predecir, no son infalibles y no deben ser

Consideradas aisladamente, en particular a la luz de las observaciones anteriores. Los tomadores


de decisiones necesitan

Tener en cuenta el proceso de modelizacin y sus fortalezas y limitaciones especficas del

Para hacer el mejor uso de las interpretaciones.

Los principales objetivos de cualquier modelo son dos: primero, proporcionar una comprensin
ms

Un sistema o proceso, y segundo, utilizar este conocimiento para las predicciones y la toma de
decisiones.

En primer lugar, el modelado matemtico puede ser extremadamente exitoso con, en muchos

Casos, una combinacin de modelos que proporcionan la mejor visin de un problema. Por
supuesto, cualquier

Modelo es, en el mejor de los casos, simplemente un medio de imitar la realidad y como tal en
cada

Proceso, existe la posibilidad de errores o limitaciones introducidas. Esto no

El proceso es intil, sino que sugiere una necesidad de una comprensin de las complejidades

involucrado.

Ninguna parte del proceso es necesariamente simple. Por ejemplo, en el proceso de toma de
decisiones

Invariablemente tienen diferentes interpretaciones de los resultados, y difieren en la opinin


como

A lo que ms podra beneficiar a una situacin. Pueden no estar de acuerdo sobre un nivel
"seguro" de
Un ro local, o cun verde deberan ser los Juegos Olmpicos de Sydney Green, o lo que constituye
un

Especies en peligro de extincin, o incluso si una poblacin que se enfrenta a extincin merece
preocupacin en absoluto.

Adems, el modelo debe ser suficientemente simple para que el equipo disponible sea

Adecuada para predicciones sensatas y tiles. Si tardara hasta la prxima semana para predecir la

Tiempo no nos molestara: predicciones claras y precisas slo son tiles antes

el evento! Ciertos procesos fsicos, como el trayecto de un satlite, pueden ser

Descritos, mientras que otros, como los sistemas ecolgicos o el proceso de calentamiento global,

Ms complejas y requieren modelado e interpretacin de un tipo muy diferente. Por lo tanto, la

Proceso de modelizacin no es necesariamente simple, y debe ser bien comprendido con

Fortalezas, simplificaciones, supuestos y limitaciones para utilizar los resultados ptimamente.

Cuando participan en los procesos de toma de decisiones, tomar los resultados de cualquier

Absoluto sera miope. Constituye una parte de un campo multidimensional,

Ms compleja en la mayora de los casos que nuestro nico modelo matemtico puede esperar
representar.

Pero, por su parte, los tomadores de decisiones necesitan ser conscientes de las limitaciones del
modelo

Predicciones, as como sus fortalezas. Necesitan reconocer los supuestos en los que

El modelo se basa y la razn detrs de ellos. Deben considerar una variedad de

Interpretaciones. Deben estar lo ms informados posible.

Adems, ms all de las matemticas, puede haber, por ejemplo, antecedentes histricos, legales
o

Culturales que son parte integrante del proceso de planificacin y deben ser reconocidos.

Es responsabilidad de los modelistas proporcionar la mejor informacin posible, no

Vender un modelo "perfecto". Es bueno recordar que, en ltima instancia, la poltica y la gestin

Las decisiones tienen un impacto en todos nosotros.

En muchos casos, la reticencia de los cientficos a trabajar junto con los de otras "ms suaves"

Disciplinas, y viceversa, ha enfatizado la desconfianza entre ellos y la falta de respeto

Para la investigacin de cada uno. Hay muchos que ignoran la naturaleza imperfecta de los
modelos, y
Enfatizan slo la precisin de las matemticas. Hay quienes se burlan de la

investigacin. Los autores consideran que las contribuciones de cada disciplina para llevar

Fomentar su colaboracin y cooperacin para lograr la plena y poderosa

Potencial de la modelizacin.

Con una combinacin de lo cualitativo y lo cuantitativo, un reconocimiento de la complejidad

De los sistemas y la verdadera naturaleza de los modelos, podramos tratar de captar

Nuestra capacidad) ms que la fsica del sistema. Si estamos dispuestos a reconocer y

Reconocer las complejidades y limitaciones involucradas, el modelado cooperativo e informado

Tiene un potencial verdaderamente enorme.

Para un mayor debate sobre algunas de las cuestiones planteadas en esta seccin, vase Gani
(1972), Gani

(1980) y Beck et al. (1993).

Capitulo 2

Modelos compartimentos

El marco del modelo compartimental es un medio extremadamente natural y valioso con el que

Para formular modelos para procesos que tienen entradas y / o salidas en el tiempo. En este
captulo,

Los procesos de desintegracin radiactiva, los niveles de contaminacin en los sistemas lacustres y
la

Drogas en el torrente sanguneo, utilizando tcnicas compartimental.

2.1 Introduccin

Muchos procesos pueden ser considerados como modelos compartimentos: es decir, el proceso
tiene entradas

A y salidas de un "compartimiento" con el tiempo.

Diagrama compartimental

Un ejemplo de esta nocin compartimental es la cantidad de dixido de carbono en la Tierra

atmsfera. El compartimento es la atmsfera. La entrada de CO2 se produce a travs de muchos

Procesos, como la quema, y la salida se produce a travs de procesos como la respiracin de las
plantas.

Esto se ilustra en la Figura 2.1 en un diagrama conocido como diagrama compartimental.


Ambiente

Entrada de CO2

Salida de CO2

Figura 2.1: Diagrama de compartimiento de entrada-salida para el CO2.

Lo que nos interesa es la cantidad de CO2 en el compartimento en un momento dado,

O si durante perodos largos los niveles estn aumentando o disminuyendo. Actualmente, el


aporte de

El CO2 en la atmsfera de la Tierra parece superar la produccin, de modo que existe una

Aumento del nivel de CO2 en el compartimento.

Ley de equilibrio

Supongamos que estamos modelando la cantidad de CO2 arriba, o el tamao de una poblacin,
cada uno

De los cuales est cambiando con el tiempo. Podemos pensar en la cantidad de una sustancia (CO2
o

Poblacin) como ocupando el compartimento y la tasa de cambio puede considerarse como

'Tasa en' menos la 'tasa de salida'. As tenemos lo que se llama la ley de equilibrio. En palabras,
esto es

Tasa neta

de cambio