REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA EDUCACIN UNIVERSITARIA CIENCIA Y

TECNOLOGA
UNIVERSIDAD NACIONAL EXPERIMENTAL RAFAEL MARA BARALT
PROYECTO: BIOLOGA Y QUMICA
CATEDRA: NOCIONES DE CLCULO

LA
BIOMATEMTICA

ALUMNO: EDGARDO PEA

CI: 16.302.017
DOCENTE: ngela Piero
SECCIN: 221

1. OBJETIVO: Reconocer la Biomatemtica como un pilar Fundamental para Modelar

Procesos Biolgicos y de esta manera adquirir y valorar las Herramientas matemticas
necesarias, analizar, asociar e interpretar para poder dar respuestas a soluciones
inciertas de nuestra vida diaria, favoreciendo el desarrollo de nuestro pensamiento
crtico, lgico y reflexivo:
1.1. ANALIZAR LOS CONCEPTOS DE LA BIOMATEMTICA BASNDOSE EN LA
CLASIFICACIN EXISTENTE ACTUAL:
La biomatemtica (o matemtica biolgica) es una rama de la ciencia encargada de
modelar los procesos biolgicos mediante tcnicas propias de las matemticas. Se podra
decir que la biomatemtica es el soporte terico en el cual se apoya la bioinformtica para
realizar sus tareas, ya sea el secuenciamiento del genoma o ms directamente las
simulaciones de sistemas biolgicos (para la cual la matemtica ha contribuido en gran
medida).

Por supuesto la biomatemtica, es tambin una ciencia multidisciplinaria que involucra

a bilogos, matemticos, fsicos, qumicos, y fisilogos, entre otros cientficos. Pero la
colaboracin entre matemticos y cientficos de las ciencias naturales no es tan simple
como parece, ya que existen obstculos filosficos y lingsticos entre los modelos en
lenguaje ordinario y los modelos matemticos. El matemtico debe ser capaz de
interpretar lo que el investigador aplicado quiere modelar y traducirlo en un modelo
matemtico que sea til y confiable, pero muchas veces la carencia de un lenguaje comn
entre las disciplinas torna esta tarea complicada.

1.2. LA BIOMATEMTICA COMO ELEMENTO PARA DIFUNDIR MODELOS

BIOLGICOS:
Un modelo matemtico es una descripcin matemtica de un fenmeno del mundo
real, como puede ser el crecimiento de las poblaciones de animales, la concentracin de
un producto en una reaccin qumica, el funcionamiento de las neuronas y la dinmica
intracelular, por citar solo algunos ejemplos de su aplicacin en biologa. La finalidad de
estos modelos radica en entender en profundidad el fenmeno y tal vez realizar alguna
prediccin sobre su comportamiento futuro.
Dado el problema que deseamos modelar, nuestra primera tarea consistir en
identificar las variables que intervienen y realizar suposiciones que simplifiquen el
problema para poder abordarlo. El nivel de resolucin del problema estar dado por el
grado de simplificacin que realicemos, as una resolucin baja significa que el problema
ha sido muy simplificado y no es una representacin ajustada a la realidad (por ejemplo:
los modelos fsicos de tiro oblicuo que no tienen en cuenta el rozamiento ni la curvatura
de la Tierra).

Existen situaciones (mayoritariamente en biologa) donde no hay leyes fsicas que nos
guen, en estos casos debemos recolectar datos (ya sea mediante libros, bases de datos
en internet o realizando experimentos) e intentar distinguir patrones. Luego podemos
graficar estos patrones para obtener frmulas matemticas apropiadas.
En muchas situaciones se observan tasas de cambio, que pueden representarse
mediante un modelo matemtico estar dado por una ecuacin diferencial o un conjunto
de ellas. A modo introductorio una ecuacin diferencial es una ecuacin que involucra a
una funcin desconocida y alguna de sus derivadas.
La segunda etapa de este proceso consiste en resolver matemticamente el modelo
que planteamos en la primera etapa para obtener conclusiones matemticas. Estas
conclusiones son analizadas en la tercera etapa e interpretadas como informacin sobre
el fenmeno del mundo real.
En la etapa final se comprueban las predicciones realizadas comparndolas con nueva
informacin tomada del mundo real. Si las predicciones difieren en gran medida de la
realidad deberemos aumentar la resolucin o formular un nuevo modelo y comenzar el
ciclo de nuevo.
Es muy importante tener en cuenta que un modelo matemtico nunca es una
representacin exacta de la realidad, es slo una idealizacin que nos permite tratarla
como un problema matemtico.

1.3. CONCEPCIN DE LA BIOMATEMTICA, CLASIFICACIN EN CUANTO A LOS

MODELOS, ANLISIS, TCNICAS QUE SIRVEN PARA MODELAR
DIFICULTADES PRESENTES EN LA MODELIZACIN:
1.3.1

CONCEPCIN DE LA BIOMATEMTICA:

En la historia de la Biomatemtica se puede encontrar al fsico terico de origen

ucraniano Nicolas Rashevsky. Asentado en Norteamrica como profesor de la
Universidad de Chicago, public en 1938 el que se considera primer texto cientfico
sobre Biologa Matemtica, y un ao despus crea la primera revista especializada en
el tema, The Bulletin of Mathematical Biology. Sus trabajos, de corte eminentemente
terico, tuvieron un impacto nulo en la comunidad de bilogos de la poca, a pesar de
lo cual se le considera el fundador de la Biomatemtica como disciplina cientfica.
Antes que l otros ya haban dado algunos pasos en el tema de la dinmica de
poblaciones, tradicionalmente el principal objeto de estudio de la Biomatemtica. En la
primera mitad del s. XIX el britnico T. R. Malthus y el belga P. F. Verhulst desarrollan
respectivamente las ecuaciones malthusiana y logstica. Estos trabajos, un tanto
ingenuos, no consideraban las muchas variables internas y externas que delimitan un
crecimiento poblacional. Pero a pesar de su sencillez, sus funciones siguen
considerndose vlidas para significar la evolucin de epidemias, nmero de clulas

de un embrin o usuarios de una red social como Facebook. Se ha teorizado que la

propia poblacin humana parece ajustarse, en su crecimiento, a una funcin logstica,
lo cual es esperanzador ya que esta funcin de crecimiento tiene forma de S2
Otra figura clave de la disciplina es Alan Turing. Matemtico, lgico, criptgrafo,
cientfico de la computacin y filsofo britnico, es bien conocido tanto como precursor
de la Informtica como por su notable influencia en la victoria aliada en la II Guerra
Mundial. Su trgica muerte alimenta el mito. Turing se interes en la Morfognesis, los
procesos biolgicos que hacen que un organismo desarrolle su particular y especfica
forma final. Sus ecuaciones an son interesantes hoy en da, y salen a la palestra en
el anlisis de la cicatrizacin de heridas o en la clasificacin de tumores entre
benignos y malignos. A este prodigio de la ciencia, que public estos estudios a
principios de los aos cincuenta del pasado siglo, se le considera el introductor de la
Biologa Matemtica contempornea. Su trabajo ya integraba tres de los ingredientes
fundamentales de la actual Biomatemtica: modelizacin, empleo de ecuaciones
diferenciales y utilizacin del ordenador como herramienta bsica.

1.3.2

LOS MODELOS SE PUEDEN CLASIFICAR:

Segn la informacin de entrada

Con respecto a la funcin del origen de la informacin utilizada para construir los
modelos pueden clasificarse de otras formas. Podemos distinguir entre modelos
heursticos y modelos empricos:
o

Modelos heursticos (del griego euriskein 'hallar, inventar'). Son los que
estn basados en las explicaciones sobre las causas o mecanismos
naturales que dan lugar al fenmeno estudiado.
Modelos empricos (del griego empeirikos relativo a la 'experiencia'). Son
los que utilizan las observaciones directas o los resultados de experimentos
del fenmeno estudiado.

Segn el tipo de representacin

Adems los modelos matemticos encuentran distintas denominaciones en sus

diversas aplicaciones. Una posible clasificacin puede atender a si pretenden hacer
predicciones de tipo cualitativo o pretende cuantificar aspectos del sistema que se
est modelizando:
o

Modelos cualitativos o conceptuales, estos pueden usar figuras, grficos

o descripciones causales, en general se contentan con predecir si el estado
del sistema ir en determinada direccin o si aumentar o disminuir
alguna magnitud, sin importar exactamente la magnitud concreta de la
mayora de aspectos.

Modelos cuantitativos o numricos, usan nmeros para representar

aspectos del sistema modelizado, y generalmente incluyen frmulas y
algoritmos matemticos ms o menos complejos que relacionan los valores
numricos. El clculo con los mismos permite representar el proceso fsico
o los cambios cuantitativos del sistema modelado.

Segn la aleatoriedad

Otra clasificacin independiente de la anterior, segn si a una entrada o situacin

inicial concreta pueden corresponder o no diversas salidas o resultados, en este caso
los modelos se clasifican en:
o

Determinista. Se conoce de manera puntual la forma del resultado ya que

no hay incertidumbre. Adems, los datos utilizados para alimentar el
modelo son completamente conocidos y determinados.
Estocstico. Probabilstico, que no se conoce el resultado esperado, sino
su probabilidad y existe por tanto incertidumbre.

Clasificacin segn su aplicacin u objetivo

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

1.3.3

Modelo de simulacin o descriptivo. De situaciones medibles de manera

precisa o aleatoria, por ejemplo con aspectos de programacin lneal
cuando es de manera precisa, y probabilstica o heurstica cuando es
aleatorio. Este tipo de modelos pretende predecir qu sucede en una
situacin concreta dada.
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.
Este tipo de modelos requiere comparar diversas condiciones, casos o
posibles valores de un parmetro y ver cul de ellos resulta ptimo segn
el criterio elegido.
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.

TCNICAS QUE SIRVEN PARA MODELAR DIFICULTADES PRESENTES

EN LA MODELIZACIN:

En trminos generales se pueden identificar dos tcnicas para la construccin de un

modelo matemtico, la primera es la analtica y la segunda es la tecnolgica. En el
primero de los casos el anlisis realizado por el individuo o grupo de individuos que se
encarga de la elaboracin o construccin del modelo matemtico, implica una serie de
procedimientos que a su vez incluyen dos tcnicas especficas que relacionan el modelo
con la realidad. En el segundo caso, la tecnologa se encarga del trabajo de modelizacin,
sin embargo es de destacar que en ambos caso es necesaria la intervencin humana,
solo que en la segunda opcin el trabajo del individuo se ve ampliamente facilitado al
contar con herramientas tecnolgicas que efecten las tareas ms laboriosas.

Los modelos y la realidad estn relacionados a travs de dos procesos: la abstraccin

y la interpretacin. La primera de ellas nos obliga a encontrar cuales son los elementos
ms importantes del problema y cules son los accesorios. Para saber si un elemento es
o no importante tendremos que ver su efecto relativo en la evolucin del sistema.
En cuanto a la interpretacin, debemos entenderla como la manera en que las
componentes del modelo (parmetros, variables) y su comportamiento pueden estar
relacionadas con las componentes, caractersticas y comportamiento del sistema real que
se est modelando
A continuacin expondremos ms detenidamente los pasos que debemos seguir para
construir un modelo matemtico.
a) Se debe empezar formulando las siguientes preguntas:
Cul es la informacin que realmente necesitamos?
A qu se reduce ahora el problema?
b) Descripcin cualitativa del modelo.
Se debe iniciar por el ms simple que describa el comportamiento biolgico del
sistema.
Ver si los resultados que nos aporta el modelo dan respuesta a las preguntas
planteadas.
c) Descripcin cuantitativa del modelo.
Tenemos que definir las variables y ver la manera en que estn relacionadas.
Debemos definir los parmetros del modelo, y asegurarnos de que cualquier otro
parmetro es redundante.
d) Introduccin de las ecuaciones del modelo.
Se escriben las ecuaciones, con la ayuda de un diagrama o de una tabla.

e) Anlisis de las ecuaciones.

Debemos comprobar que su anlisis da respuesta a las cuestiones planteadas.
Se encuentra la solucin general.
f) Volver a examinar las hiptesis.
Se intenta simplificar el modelo.
Si nuestro modelo no responde a las preguntas iniciales, debemos volver a los
pasos (b), (c) y (d).
g) Relacionar los resultados encontrados con hechos conocidos.
Se ha contestado al aspecto biolgico?
Estn los resultados de acuerdo con la intuicin?
Confirman los datos o los experimentos dichos resultados?

1.4. MODELOS DETERMINSTICOS:

Un modelo determinista es un modelo matemtico donde las mismas entradas
producirn invariablemente las mismas salidas, no contemplndose la existencia del azar
ni el principio de incertidumbre. Est estrechamente relacionado con la creacin de
entornos simulados a travs de simuladores para el estudio de situaciones hipotticas, o
para crear sistemas de gestin que permitan disminuir la incertidumbre. Los modelos
deterministas slo pueden ser adecuados para sistemas deterministas, para sistemas
azarosos y caticos los modelos deterministas no pueden predecir adecuadamente la
mayor parte de sus caractersticas.
La inclusin de mayor complejidad en las relaciones con una cantidad mayor de
variables y elementos ajenos al modelo determinista har posible que ste se aproxime a
un modelo probabilstico o de enfoque estocstico.