PROYECTO LATEX ANALISIS CUALITATIVO MODELO SIR 1

MODELO SIR
Oscar B. Florez, 20181166062, Facultad de Ciencias Exactas y Naturales, Matemática Aplicada.
Ruben G. Castro A. , 20202191292, Facultad de Ciencias Exactas y Naturales, Matemática Aplicada.

1. A BSTRACT. En este artículo, nos centraremos en uno de los modelos

En el campo de la epidemiología, los modelos matemáticos epidemiológicos más fundamentales y ampliamente utiliza-
desempeñan un papel crucial en la comprensión y predic- dos: el modelo SIR (Susceptible-Infectado-Recuperado). Este
ción de la propagación de enfermedades infecciosas. Estos modelo se basa en ecuaciones diferenciales que describen
modelos permiten a los epidemiólogos y científicos de la la interacción dinámica entre las tres categorías principales
salud simular diferentes escenarios y evaluar estrategias de de individuos en una población durante una epidemia.
intervención. En este artículo, exploraremos brevemente la El modelo SIR se introdujo por primera vez por Kermack
historia y la importancia de los modelos epidemiológicos, y McKendrick en 1927, marcando un hito en la aplicación
centrándonos especialmente en el modelo SIR (Susceptible- de la teoría de sistemas dinámicos a la epidemiología.
Infectado-Recuperado). Este enfoque dividió la población en tres compartimentos
distintos: los susceptibles (S), aquellos que aún no han
contraído la enfermedad; los infectados (I ), aquellos actual-
2. I NTRODUCCIÓN . mente infectados y capaces de transmitir la enfermedad; y
La epidemiología es la rama de la ciencia médica que se los recuperados (R), aquellos que se han recuperado de la
ocupa del estudio de la distribución y determinantes de las enfermedad y han adquirido inmunidad.
enfermedades en las poblaciones humanas. A lo largo de Sus ecuaciones capturan la esencia de cómo una enfer-
la historia, los eventos epidémicos han tenido un impacto medad se propaga en una población. La primera ecuación
significativo en la sociedad y la salud pública. Desde la pes- describe la tasa a la cual los susceptibles se vuelven in-
te negra en la Edad Media hasta la pandemia de influenza fectados, la segunda ecuación modela la tasa de cambio
de 1918, las enfermedades infecciosas han modelado la de los infectados, y la tercera ecuación describe la tasa de
historia de la humanidad. En este contexto, la capacidad recuperación.
para comprender y predecir la propagación de enfermeda- A lo largo de los años, el modelo SIR ha sido modificado
des se ha vuelto esencial, y los modelos epidemiológicos y extendido para abordar situaciones más complejas. Se
proporcionan una herramienta invaluable para lograr este han introducido términos como la tasa de natalidad y la
objetivo. mortalidad, así como la implementación de estrategias de
Los modelos epidemiológicos son representaciones simpli- intervención, como la vacunación y la cuarentena. Ade-
ficadas de la realidad que capturan las interacciones entre más, modelos más avanzados, como el SEIR (que incluye
individuos dentro de una población. Estos modelos utilizan un compartimento adicional para los expuestos), se han
ecuaciones matemáticas para describir la dinámica de la desarrollado para capturar aspectos más detallados de la
enfermedad y ayudan a los epidemiólogos a entender cómo dinámica de la enfermedad.
se propaga una enfermedad, qué factores la afectan y qué
medidas de control pueden ser más efectivas.
Estos modelos proporcionan herramientas analíticas para
evaluar la dinámica de una epidemia, ayudando así en la
toma de decisiones informada para la gestión de la salud
pública.

Manuscrito recibido el 10 de Noviembre, 2023; revisado 10 de Noviembre,

2023.
PROYECTO LATEX ANALISIS CUALITATIVO MODELO SIR 2

3. MODELO S.I.R. En conclusión el modelo SIR se describe mediante un

sistema de tres ecuaciones diferenciles parciales:
El modelo SIR, susceptibles-Infectados-Recuperados, es dS S·I
un modelo epidemiológico fundamental utilizado para = −β · ,
dt N
descubrir la propagación de enfermedades infecciosas en dI S·I
= β· −γ· I,
una población. Este modelo, introducido por Kermack y dt N
McKendrick en 1927, se basa en ecuaciones diferenciales dR
= γ· I.
que representan la dinámica de tres categorías principales dt
de individuos en la población durante una epidemia. El modelo SIR roporciona una descripción simplificada pero
Estas están dadas por las letras S, I , y R representan las poderosa de la dinámic de una enfermedad infecciosa en
poblaciones de susceptibles, infectados y recuperados una población, y a lo largo del tiempo, se ha modificado y
respectivamente, N es la población total, β es la tasa de extendido para abordar situaciones más coplejas e incluir
transmisión y γ es la tasa de recuperación. estrategias de intervención como la vacunación y la cuaren-
tena. Modelos más avanzados, como el SEIR (Susceptibles-
S(t ): Número de individuos susceptibles a la enfer- Expuestos-Infectados-Recuperacos), han sido desarroldos
medad en el tiempo t . para capturar aspectos más detallados de la dinámica de la
I (t ): Número de individuos infectados en el tiempo enfermedad.
t. Unas consderaciones adicionales del modelo podrian ser:
R(t ): Número de individuos recuperados (o falleci-
El modelo asume una población homogénea y
dos con inmunidad) en el tiempo t .
constantementw mezclada.
N : Población total constante, donde N = S(t ) + I (t ) +
La inmunidad adquirida después de la recuperación
R(t ).
se asume como completa y duradera.
Esto nos da una luz y nos permite asumir una posble dinái-
ca que el modelo pueda manejar:

S β
I γ R Inicialmente, la mayoria de la población esta com-
puesta por susceptibles (S alto).
Figura 1: Compartimiento modelo SIR A medida que los infectados aumentan, la tasa de
nuevos infectados desminuye porque hay menos
individuos susceptibles.
Las ecuaciones del modelo SIR son un conjunto de tres Cuando los recuperados aumentan, la propagación
ecuaciones diferenciales ordinarias acopladas que decriben de la enfermedad disminuye.
las tasas de cambio de las tres categorías mencionadas:
En resumen, el modelo SIR es una herramienta valiosa en
epidemiología que proporciona una base matemática para
La tasa de cambio de susceptibles Ṡ se modela
comprender y predecir la propagación de enfermedades
como la tasa de contacto efectiva (β) entre suscep-
infecciosas en una población. Su simplicidad permite una
tibles e infectados, dividido por la población total
dS S·I comprensión conceptual más sólida, y sus extensiones
(N ): = −β · . abordan la complejidad del mundo real.
dt N
La tasa de cambio de infectados I˙ considera la
misma tasa de contacto efectiva (β) y resta la tasa 4. A NÁLISIS C UALITATIVO.
dI S·I
de recuperación (γ): = β· −γ· I. Modelo SIR: la situación
dt N
La tasa de cambio de recuperados Ṙ se modela Consideremos una enfermedad infecciosa de la que
como la tasa de recuperación (γ) multiplicada por las personas se recuperan y quedan con inmunidad
dR
el numeor de infectados: = γ· I. completa.
dt Suponemos que la inmunidad es permanente.
Consideremos una población de personas que
Sus parámetros β y γ se pueden interpretar de la siguiente
interactuan entre si.
manera:
Dividimos la población en tres compartimientos.

β: Tasa de contacto efectiva, que deterina la pro- Sean S(t ) > 0,I (t ) > 0 y R(t ) > 0 con S(t ) + I (t ) + R(t ) = M
babilidad de transmisión de la enfermedad de un donde para este caso asumiremos M = 1. Entonces:
ndividuo infectado a un susceptible. Ṡ = −β · S · I ,
γ: Tasa de recuperación, inverso del tiempo pro-
I˙ = β · S · I − γ · I ,
medio que un individuo infectado permanece
infectado. Ṙ = γ · I .
PROYECTO LATEX ANALISIS CUALITATIVO MODELO SIR 3

Como en el modelo SIS: Por la regla del triangulo tenemos que :

1
R0 = β · d et (A 1 − λI ) = (−λ)(−γ − λ)(−λ)
Γ
Tenga en cuenta que: esto implica

Ṡ + I˙ + Ṙ = 0 −→ S(t ) + (t ) + R(t ) = 1 (−λ)(−γ − λ)(−λ) = 0

Coo R = 1−S − I , solo necesitamos las dos primeras ecuacio- por consiguiente tenemos que
nes. λ1,2 = 0, λ3 = −γ
Ṡ = −β · S · I , Otra forma de ver este determinante es como el producto
I˙ = β · S · I − γ · I , de su diagonal, toda vez que es una matriz triangular supe-
rior.

Luego, debemos encontrar la estbilidad del modelo para asi

poder observar de que manera se comportan las soluciones,
y esto solo lo podemos determinar mediante los puntos de
equilibrio, linealizando el modelo, así:
Ṡ = −β · S(t ) · I (t ) = 0,
I˙ = β · S(t ) · I (t ) − γ · I (t ) = 0,
Ṙ = γ · I (t ) = 0.
Para la ecuación −βS(t ) · I (t ) = 0 dado que β es una cons-
tante (β ̸= 0) esto nos implica que
−β · S(t ) · I (t ) = 0 −→ S(t ) = 0 ∨ I (t ) = 0
Ahora, si reemplazamos estos dos puntos en el resto del
sistema tendremos que se cumpliria que todo el sistea es
igual a 0. Por tanto el punto (0, 0, 0) es un punto estable
para el sistema,sin embargo, tambien podemos asumir
el punto (1, 0, 0) tambien podria satisfacer la necsidad de
equilibrio del sistema.
Ahora, podemos usar la matriz Jacobiana aprovechando la
no linealidad del modelo:

d f1 ∂ f1
 Figura 2: Puntos de equilibrio del modelo SIR
(x) · · · (x)
 ∂x1 ∂x n
 . .. 

J f (x) =  .. .. En términos del modelo, cuando la tasa de infección y la
. . 
tasa de recuperación empieza a decender es en el momento
 
∂ fm ∂ fm
∂x 1 (x) · · · ∂x n (x)
(0, 0, 0), si nos referimos a la población, implica el momento
Por tanto, la matriz Jacobiana del modelo SIR estaria dada donde el sistema inmunológico se debilita, pero si haber
de la siguiente forma: aun presencia de patógenos. Ahora observemos como

−β · I −β · S 0
 se comporta el modelo cuando el punto de equilibrio es
J (S, I , R) =  β · I β · S − γ 0 (1, 0, 0)
0 γ 0 
0 β 0


Clasificando y analizando los puntos de equilibrio de nues- J (1, 0, 0) = 0 β−γ 0

tro modelo es indispensable calcular los valores propios 0 γ 0
utilizando la matriz Jacobiana anterior. Para este caso, tendriamos que el d et (A 2 − λI ) estaria
 
0 0 0 expresado de la siguiente foroma
J (0, 0, 0) = 0 −γ 0
β
 
−λ 0
0 γ 0
d et (A 2 − λI ) =  0 β−γ−λ 0 
Ahora procedemos a encontrar los posibles valores propios 8 γ −λ
para esta matrz, eso lo podemos hacer mediante el d et (A 1 −
Aplicando nuevamente la regla del triangulo para hallar los
λI ) que nos quedaría de la siguiente forma:
determinantes de matrices de tamaño 3x3, tendriamos que
 
−λ 0 0 este determinante seria:
d et (A 1 − λI ) =  0 −γ − λ 0 
d et (A 2 − λI ) = (−λ)(β − γ − λ) · (−λ)
8 γ −λ
PROYECTO LATEX ANALISIS CUALITATIVO MODELO SIR 4

Ahora 5. R EFERENCIAS .
(−λ)(β − γ − λ) · (−λ) = 0 R EFERENCIAS
[1] Brauer, F., & Castillo-Chavez, C. (2001). Mathematical Models in
Esto nos indica que los posibles valores propios serian Population Biology and Epidemiology. Springer Science & Business
Media.
λ1,2 = 0, λ3 = β − γ [2] Keeling, M. J., & Rohani, P. (2008). Modeling Infectious Diseases in
Humans and Animals. Princeton University Press.
En este punto de equilibrio, tenemos a toda la población [3] Kuhl, E. (2021). Computational Epidemiology. Springer Internatio-
susceptible a un virus, acá los unico relevante y de mayor nal Publishing.
impacto esta dado por los parámetros β y γ que se definan [4] Martcheva, M. (2015). An Introduction to Mathematical Epide-
miology. (Springer, Vol. 61, pp. 9-31). New York.
para nuestro modelo. Ahora, tomando R 0 como la variable [5] Li, M. Y. (2018). An Introduction to Mathematical Modeling of
Infectious Diseases. (Springer, Vol. 2). Cham.
[6] López-Flores, M. M., Marchesin, D., Matos, V., & Schecter, S. (2021).
Differential Equation Models in Epidemiology.

Figura 3: Puntos de equilibrio del modelo SIR

que representa el número de reproducción de la infermedad

β
R0 =
Γ
Si tomamos valores de β = 0,75 y γ = 0,005, obtenemos un
R 0 < 1 lo que nos indica que la enfermedad decae y habrá
recuperación.

Figura 4: Puntos de equilibrio del modelo SIR