1. Qu es un modelo matemtico?

Un modelo matemtico es una descripcin, en lenguaje matemtico, de un objeto que

existe en un universo no-matemtico. Estamos familiarizados con las previsiones del
tiempo, las cuales se basan en un modelo matemtico meteorolgico; as como con los
pronsticos econmicos, basados stos en un modelo matemtico referente a economa.
Una definicin ms de modelo matemtico es la siguiente: un modelo matemtico es una
construccin matemtica abstracta y simplificada relacionada con una parte de la realidad
y creada para un propsito particular. As, por ejemplo, un grfico, una funcin o una
ecuacin pueden ser modelos matemticos de una situacin especfica.
La mayora de las aplicaciones de clculo (por ejemplo, problemas de mximos y
mnimos) implican modelos matemticos.

2. Cules son los pasos que se consideran para el desarrollo de un modelo

matemtico?

Rene la siguiente informacin: lo que ya sabes, las fuentes de informacin

relevante, tus suposiciones, lo que te gustara predecir con el modelo, formas de
verificar que el modelo se construir de forma correcta y modos de validar el
modelo.
Haz un bosquejo de diagramas simples que den una idea general de los
elementos en el modelo y cmo estn conectados el uno con el otro.
Conduce una revisin literaria completa. No hay necesidad de reinventar la rueda
si alguien ya ha desarrollado un modelo que puede cubrir tus necesidades.
Conduce una revisin total de la informacin que planeas. Identifica las diferencias
y las contradicciones entre y dentro de los juegos de informacin.
Comienza por un modelo simple. En general, existe un compromiso simple entre la
complejidad y la exactitud. Segn el principio de la navaja de Ockham, entre los
modelos con un poder predictivo similar, el ms simple es el ms deseado.
Identifica las variables y constantes ms importantes y determina cmo se
relacionan las unas con las otras. Las variables ms importantes son variables de
entrada y salida.
Construye ecuaciones que relaciones variables entre s. Una vez ms, cuanto ms
simple, mejor.
Identifica los parmetros de las ecuaciones y desarrolla un plan de cmo estimar
los parmetros de la informacin. Eso se podra realizar simplemente al adaptar
las ecuaciones a la informacin.
Valida un modelo en contra del juego de la informacin que no hayas usado para
construir el modelo.
Prueba tu modelo de forma constante y actualiza tus ecuaciones basadas en la
informacin nueva

3. En qu reas del conocimiento se utilizan los modelos matemticos?

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

Modelo de simulacin o descriptivo, de situaciones medibles de manera precisa o

aleatoria, por ejemplo con aspectos de programacin lineal cuando es de manera
precisa, y probabilstica o heurstica cuando es aleatorio.
Modelo de optimizacin. Para determinar el punto exacto para resolver alguna
problemtica administrativa, de produccin, o cualquier otra situacin. Cuando la
optimizacin es entera o no lineal, combinada, se refiere a modelos matemticos
poco predecibles, pero que pueden acoplarse a alguna alternativa existente y
aproximada en su cuantificacin.
Modelo de control. Para saber con precisin como est algo en una organizacin,
investigacin, rea de operacin, etc. Este modelo pretende ayudar a decidir qu
nuevas medidas, variables o qu parmetros deben ajustarse para lograr un
resultado o estado concreto del sistema modelado.

4. Cul es la diferencia entre modelo matemtico y frmula matemtica?

Un modelo matemtico es un conjunto de definiciones que pretenden estudiar la realidad.
Por ejemplo, se suele modelizar la fuerza de friccin dinmica por
Una frmula es una receta a seguir para obtener algo. Por ejemplo, la solucin a una
ecuacin de segundo grado se obtiene substituyendo en la frmula

5.- Realizar un ejemplo en el cual muestre el desarrollo de un modelo matemtico

Para realizar este modelo el autor tuvo en cuenta diversos factores como pueden ser:
1. Se desea entender los cambios conformacionales que suceden durante la replicacin y
la transcripcin del ADN. Como estos procesos son dinmicos nuestro modelo tambin
debera serlo.
2. Ambos procesos involucran grandes movimientos de los componentes de la molcula
de ADN, que no se pueden aproximar por pequeas oscilaciones, por lo cual nuestro
modelo deber ser no lineal.
3. Como estos fenmenos ocurren a la temperatura del cuerpo humano deberemos tener
en cuenta efectos trmicos.
4. Intentaremos que el modelo sea lo ms general posible, es decir que sea aplicable a
cualquier molcula de ADN.
Nos enfocaremos en el modelo realizado por Peyrard y Bishop en 1989, que es
considerado como el ms exitoso hasta el momento. Ello se debe a que no solo es un
buen modelo dinmico sino que tambin responde adecuadamente a los fenmenos

trmicos, como la desnaturalizacin. Por otra parte es el nico que ha salido airoso de la
mayora de las comparaciones con resultados experimentales que se han realizado.
Para comenzar definiremos la variable yn que indica la distancia entre las dos bases que
forman el n-simo par de la cadena de ADN. Ahora definiremos el modelo de Peyrard y
Bishop como el siguiente Hamiltoniano:

A partir de este bastar con utilizar las ecuaciones de Hamilton para encontrar las del
movimiento yn y su variable conjugada pn. El hamiltoniano es un objeto matemtico en
base al cual se escribe un sistema de ecuaciones diferenciales ordinarias de primer
orden. Es ms fcil de resolver que las ecuaciones de Lagrange que son de segundo
orden y est reduccin del orden del sistema se logra substituyendo variables de las
velocidades generalizadas por unas variables abstractas de momentum (tambin
conocidas como momentos conjugados). As por cada velocidad generalizada, hay un
momento conjugado correspondiente.
Ahora veamos lo que representa cada trmino.
El potencial V (y) describe la interaccin entre las bases de un par. Utilizaremos un
potencial de Morse para este fin porque representa de manera sencilla los
comportamientos fundamentales de los enlaces entre bases.

El otro trmino del Hamiltoniano es el potencial de interaccin entre pares de bases

vecinos, W(yn, yn-1).
Este trmino implica un hipersimplificacin pero contamos con que la rigidez de la cadena
azcar-fosfato haga que los desplazamientos relativos entre pares de bases vecinos sean
pequeos y esta aproximacin sea aceptable.
Por ltimo debemos comprobar la capacidad del modelo para describir el ADN, para lo
cul lo compararemos mediante simulaciones numricas con resultados experimentales
teniendo en cuenta el efecto de las fluctuaciones trmicas.
Cuando sometemos al sistema a un experimento de desnaturalizacin, el modelo da
buenos resultados ya que aparecen burbujas negras que invaden la muestra y separan
las dos cadenas. Por lo tanto podemos concluir, que el modelo se comporta
cualitativamente como la molcula de ADN.