“MODELOS MATEMATICOS PARA INGENIERIA Y OTRAS AREAS, PARA EL CALCULO DE MAXIMOS Y MINIMOS”

...

MODELOS MATEMATICOS PARA INGENIERIA Y OTRAS AREAS, PARA EL CALCULO DE MAXIMOS Y MINIMOS

En ciencias aplicadas, un modelo matemático es uno de los tipos de modelos científicos que emplea algún tipo de formulismo matemático para expresar relaciones, proposiciones sustantivas de hechos, variables, parámetros, entidades y relaciones entre variables de las operaciones, para estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad.

CLASIFICACIONES DE LOS MODELOS

Se podría decir que un modelo de las ciencias físicas es una traducción de la realidad física de un sistema físico en términos matemáticos, es decir, una forma de representar cada uno de los tipos entidades que intervienen en un cierto proceso físico mediante objetos matemáticos. Las relaciones matemáticas formales entre los objetos del modelo, deben representar de alguna manera las relaciones reales existentes entre las diferentes entidades o aspectos del sistema u objeto real. Así una vez "traducido" o "representado" cierto problema en forma de modelo matemático, se pueden aplicar el cálculo, el álgebra y otras herramientas matemáticas para deducir el comportamiento del sistema bajo estudio. Un modelo físico requerirá por tanto que se pueda seguir el camino inverso al modelado, permitiendo reinterpretar en la realidad las predicciones del modelo.

Según la información de entrada

Con respecto a la función del origen de la información utilizada para construir los modelos pueden clasificarse de otras formas. Podemos distinguir entre modelos heurísticos y modelos empíricos:

- Modelos heurísticos (del griego euriskein 'hallar, inventar'). Son los que están basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenómeno estudiado.

- Modelos empíricos (del griego empeirikos relativo a la 'experiencia'). Son los que utilizan las observaciones directas o los resultados de experimentos del fenómeno estudiado.

Según el tipo de representación

Además los modelos matemáticos encuentran distintas denominaciones en sus diversas aplicaciones. Una posible clasificación puede atender a si pretenden hacer predicciones de tipo cualitativo o pretende cuantificar aspectos del sistema que se está modelizando:

- Modelos cualitativos o conceptuales, estos pueden usar figuras, gráficos o descripciones causales, en general se contentan con predecir si el estado del sistema irá en determinada dirección o si aumentará o disminuirá alguna magnitud, sin importar exactamente la magnitud concreta de la mayoría de aspectos.

- Modelos cuantitativos o numéricos, usan números para representar aspectos del sistema modelizado, y generalmente incluyen fórmulas y algoritmos matemáticos más o menos complejos que relacionan los valores numéricos. El cálculo con los mismos permite representar el proceso físico o los cambios cuantitativos del sistema modelado.

- De tipo físico, cuando una determinada realidad física se reproduce en un sistema simplificado, un modelo a escala o un prototipo que guarda cierta relación con la realidad que pretende ser modelizada. Estos modelos se basarían en aspectos de la ciencia física, de aquellos movimientos de los cuerpos, y que además es cuantificable. Estos modelos generalmente representan el fenómeno estudiado utilizando las mismas relaciones físicas del prototipo pero reduciendo su escala para hacerlo manejable. Por ejemplo pertenecen a este tipo de modelo las representaciones a escalas reducidas de presas hidráulicas, puertos, o de elementos de estas obras, como un vertedero o una escollera.

Según la aleatoriedad

Otra clasificación independiente de la anterior, según si a una entrada o situación inicial concreta pueden corresponder o no diversas salidas o resultados, en este caso los modelos se clasifican en:

- Determinista. Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Además, los datos utilizados para alimentar el modelo son completamente conocidos y determinados.

- Estocástico. Probabilístico, que no se conoce el resultado esperado, sino su probabilidad y existe por tanto incertidumbre.

Clasificación según su aplicación u objetivo

Por su uso suelen utilizarse en las siguientes tres áreas, sin embargo existen muchas otras como la de finanzas, ciencias etc.

- Modelo de simulación o descriptivo, de situaciones medibles de manera precisa o aleatoria, por ejemplo con aspectos de programación lineal cuando es de manera precisa, y probabilística o heurística cuando es aleatorio. Este tipo de modelos pretende predecir qué sucede en una situación concreta dada.

- Modelo de optimización. Para determinar el punto exacto para resolver alguna problemática administrativa, de producción, o cualquier otra situación. Cuando la optimización es entera o no lineal, combinada, se refiere a modelos matemáticos poco predecibles, pero que pueden acoplarse a alguna alternativa existente y aproximada en su cuantificación. Este tipo de modelos requiere comparar diversas condiciones, casos o posibles valores de un parámetro y ver cuál de ellos resulta óptimo según el criterio elegido.

- Modelo de control. Para saber con precisión como está algo en una organización, investigación, área de operación, etc. Este modelo pretende ayudar a decidir qué nuevas medidas, variables o qué parámetros deben ajustarse para lograr un resultado o estado concreto del sistema modelado.

FASES DE CONSTRUCCIÓN DE UN MODELO

En muchos casos la construcción o creación de modelos matemáticos útiles sigue una serie de fases bien determinadas:

1. Identificación de un problema o situación compleja que necesita ser simulada, optimizada o controlada y por tanto requeriría un modelo matemático predictivo.

2. Elección del tipo de modelo, esto requiere precisar qué tipo de respuesta pretende obtenerse, cuales son los datos de entrada o factores relevantes, y para qué pretende usarse el modelo. Esta elección debe ser suficientemente simple como para permitir un tratamiento matemático asequible con los recursos disponibles. Esta fase requiere además identificar el mayor número de datos fidedignos, rotular y clasificar las incógnitas (variables independientes y dependientes)