Tema 1 MODELOS MATEMATICOS

1.1.

Introduccin o

Una de las herramientas ms interesantes que actualmente disponemos para analizar a y predecir el comportamiento de un sistema biolgico es la construccin y posterior o o simulacin de un modelo matemtico. Son muchas las razones que justican la edad o a de oro que hoy en d vive la modelizacin matemtica, pero debemos de destacar, a o a en primer lugar, el mejor conocimiento de los procesos biolgicos, y en segundo luo gar, el espectacular avance de los ordenadores y el software matemtico. a Puesto que este material es una introduccin al estudio de los Modelos Matemticos o a en Biolog es conveniente comenzar esta primera seccin precisando lo que entena, o demos por un modelo matemtico. a Con frecuencia la palabra modelo tiene distintas interpretaciones, nosotros la aplicaremos en el sentido dado por el profesor Sixto R os, ([59]): un modelo es un objeto, concepto o conjunto de relaciones, que se utiliza para representar y estudiar de forma simple y comprensible una porcin de la realidad emp o rica. Por tanto, un modelo es la representacin de un proceso. Si en un fenmeno biolgio o o co se conocen los procesos internos y las relaciones entre ellos, entonces es posible conocer las ecuaciones (que dependern de si el modelo es discreto o continuo) que a lo describan y a las que llamaremos un modelo matemtico del fenmeno biolgico. a o o Como es natural, de un mismo fenmeno biolgico se puede construir muchos modeo o los matemticos diferentes entre s cuyo grado de ecacia depender del conocia , a miento de los procesos que se investigan y de las posibilidades de experimentacin. o Generalmente los mtodos que se utilizan para estudiar un fenmeno biolgico son e o o la construccin de un modelo matemtico o bien el uso del mtodo cient o a e co, el cual

2 est basado en: a 1. La observacin y en la descripcin. o o 2. El desarrollo de hiptesis o explicaciones. o

Tema 1 Modelos matemticos a

3. La comprobacin por experimentacin de dichas hiptesis. o o o 4. La aplicacin de estos conocimientos en la resolucin de problemas similares. o o Supongamos un problema concreto, como por ejemplo, determinar la cantidad de conejos que existirn dentro de un ao conocida la poblacin actual, en un entorno a n o que presenta cierta estabilidad. Ante esta situacin, podemos recurrir a observao ciones anteriores e intentar dar una estimacin del dato pedido. Es decir, podemos o hacer uso de una herramienta estad stica y proponer un resultado ms o menos acera tado segn la complejidad de la tcnica empleada. Pero si el problema que abordamos u e es tal, que apenas disponemos de datos actuales o pasados, debemos de elaborar un modelo que sea capaz de dar solucin al problema planteado y adems nos aporte o a informacin, de tal manera que nuestra actuacin en el futuro sea la ms acertada. o o a Esta ultima situacin es la que se presenta con ms frecuencia cuando se estudia un o a fenmeno biolgico. o o Es evidente, que una de las ventajas del uso de los modelos matemticos es su bajo a costo, si lo comparamos con los modelos f sicos. Por ejemplo, es mucho ms barato y a rpido elaborar un modelo matemtico que describa la evolucin de la poblacin de a a o o conejos que empezar con un determinado nmero de conejos y esperar cierto tiempo u para poder experimentar con ellos.

1.2.

Elaboracin de modelos matemticos o a

Los modelos y la realidad estn relacionados a travs de dos procesos: la abstraa e ccin y la interpretacin. El primero de ellos nos obliga a encontrar cuales son los o o elementos ms importantes del problema y cuales son los accesorios. Para saber si a un elemento es o no importante tendremos que ver su efecto relativo en la evolucin o del sistema. En cuanto a la interpretacin, debemos de entenderla como la manera o en que las componentes del modelo (parmetros, variables) y su comportamiento a pueden estar relacionadas con las componentes, caracter sticas y comportamiento del sistema real que queremos modelar. Por tanto, la primera de las fases necesaria para construir un modelo matemtico es a la abstraccin, para ello tenemos que establecer ciertas hiptesis, denir las variables o o y desarrollar las matemticas adecuadas para poder resolver el problema. La fase a siguiente es tratar de simplicar las herramientas matemticas utilizadas. Los resula tados que se deducen del modelo matemtico nos deber llevar a poder efectuar a an algunas predicciones sobre el mundo real. El paso siguiente ser recoger datos de a la situacin de la que se ha extra el modelo y compararlos con las predicciones. o do

1.2 Elaboracin de modelos matemticos o a

Si no coinciden, los datos que ya poseemos nos pueden servir para modicar las hiptesis. Si las predicciones coinciden con la realidad, entonces las hiptesis son o o correctas y tambin lo son las variables denidas. En caso contrario, si se observan e discrepancias ser necesario construir otro modelo ms aproximado y able. Como a a podemos ver, la creacin de un modelo matemtico es un proceso progresivo. o a A continuacin expondremos ms detenidamente los pasos que debemos seguir para o a construir un modelo matemtico. a 1. Se debe empezar formulando las siguientes preguntas: Cul es la informacin que realmente necesitamos? a o A qu se reduce ahora el problema? e 2. Descripcin cualitativa del modelo. o Se debe iniciar por el ms simple que describa el comportamiento bioa lgico del sistema. o Ver si los resultados que nos aporta el modelo dan respuesta a las preguntas planteadas. 3. Descripcin cuantitativa del modelo. o Tenemos que denir las variables y ver la manera en que estn relaa cionadas. Debemos denir los parmetros del modelo, y asegurarnos de que cualquier a otro parmetro es redundante. a 4. Introduccin de las ecuaciones del modelo. o Se escriben las ecuaciones, con la ayuda de un diagrama o de una tabla. 5. Anlisis de las ecuaciones. a Debemos comprobar que su anlisis da respuesta a las cuestiones planteadas. a Se encuentra la solucin general. o 6. Volver a examinar las hiptesis. o Se intenta simplicar el modelo. Si nuestro modelo no responde a las preguntas iniciales, debemos volver a los pasos (3), (4) y (5). 7. Relacionar los resultados encontrados con hechos conocidos. Se ha contestado al aspecto biolgico? o Estn los resultados de acuerdo con la intuicin? a o

Tema 1 Modelos matemticos a

Conrman los datos o los experimentos dichos resultados? A continuacin utilizaremos un ejemplo elemental, en concreto la evolucin de un o o cultivo de cierto tipo de clulas, para construir un modelo matemtico. e a Descripcin del fenmeno real y objetivos del modelo. Para conocer o o como evoluciona el cultivo realizamos diversos experimentos y observamos un rpido crecimiento de la poblacin. El tipo de preguntas que podemos hacer a o son las siguientes: cmo var el nmero de clulas con el tiempo?, qu tipo o a u e e de variables inuyen en su desarrollo?. Eleccin de variables. En la fase de experimentacin se ha podido observar o o que la clula crece, se divide en dos y cada una de ellas inicia de nuevo el proceso e de crecimiento. Se detecta adems que el tiempo necesario para que crezca una a clula y se duplique es aproximadamente 20 minutos. Por tanto, el tiempo de e vida de una clula, podemos considerarlo como una variable que interviene en e el problema. Es evidente que existen muchas otras variables, las cuales pueden ser clasicadas en variables de entrada, que son las que pueden inuir en los resultados, y variables de salida, que corresponden a los resultados. En nuestro problema, seleccionamos como variable de salida el nmero de clulas existente u e en el cultivo en el tiempo t. El tiempo t transcurrido desde el instante inicial ser la variable independiente. a Relaciones cualitativas entre las variables. De los experimentos realizados se desprende que bajo las mismas condiciones de partida, el nmero de clulas u e del cultivo crece con el tiempo. Recopilacin de datos. En la Tabla 1.1 aparecen los datos recogidos en la o fase de experimentacin. Observemos que los datos recopilados permiten ser o ajustados por los valores, 100, 2 100, 22 100, 23 100, 24 100, , que corresponden a un crecimiento exponencial. Este ultimo paso es el verdadera mente importante en el proceso de modelado. Instante 0 1 2 3 4 Tiempo 0 20 2 20 320 420 Nm. clulas u e 100 209 415 790 1610

Tabla 1.1 Modelo emp rico de crecimiento. Como consecuencia de la etapa anterior, se observa que el proceso de multiplicacin de las clulas se puede describir o e

1.2 Elaboracin de modelos matemticos o a

como una duplicacin de la poblacin cada 20 minutos. Tanto en esta fase coo o mo en las anteriores, juegan un papel fundamental los mtodos de recopilacin e o y anlisis de datos. a Construccin del modelo matemtico. Empezamos generalizando la situao a cin anterior, en el sentido siguiente: sea N el nmero de clulas en el cultivo en o u e el instante inicial, y supongamos que la poblacin se multiplica por en T mio nutos. Bajo estas hiptesis tendremos en los instantes 0, 1T, 2T, 3T, , o las poblaciones N, N, 2 N, 3 N, . En consecuencia, si y(t) representa al nmero de clulas en el cultivo en el instante t, sabemos que: u e y(0) = N , y(t) = y(t 1) .

Consecuencias del modelo. Del modelo construido podemos deducir algunos resultados: Es inmediato comprobar que de las hiptesis anteriores se obtiene o y(t) = N t . Tambin es fcil encontrar el nmero de per e a u odos T necesarios para pasar de N clulas a N . e ln N ln N t . ln Aplicacin prctica. Encontrar el nmero de per o a u odos de tiempo necesarios para pasar de 400 clulas a 3210 e ln 3210 ln 400 3. ln 2 Validacin del modelo. Es el proceso de contrastar las predicciones proo puestas por el modelo con los datos experimentales. Es evidente que si existen grandes diferencias entre estos valores debemos de rechazar el modelo propuesto. Una buena herramienta de trabajo en esta fase son los tests de hiptesis. o Prediccin. Una vez que por la etapa anterior nos hemos asegurado de la o validez del modelo, pasamos a la etapa de prediccin. Por ejemplo, en la o situacin que estamos analizando, si queremos obtener 3.200 clulas a partir o e de 400 clulas, necesitamos que pasen 3 per e odos que equivalen a 60 minutos. Nuevo proceso de modelizacin. Si llegamos a la conclusin de que nuestro o o modelo no es vlido, entonces debemos retomar los datos experimentales y a proponer uno nuevo que sea ms adecuado. a

Tema 1 Modelos matemticos a

A pesar de la gran importancia que hoy en d tienen los modelos matemticos, a a tenemos que tener en cuenta la siguiente observacin. Por lo general, en los modelos o tericos, se consideran slo las relaciones cuantitativas entre las variables depeno o dientes e independientes del mismo, y entonces el protagonismo es de las matemticas. a Ahora bien, estos modelos describirn relaciones entre los organismos, pero nunca a pueden darnos el sentido biolgico del proceso. Por tanto, ser imprescindible la o a experimentacin biolgica. o o Por ultimo, un modelo matemtico tiene que tener las siguientes cualidades: a Debe ser coherente, es decir, tiene que dar cuenta de todas las observaciones anteriores y permitir prever el comportamiento futuro del fenmeno biolgico. o o Tiene que permitir su generalizacin, dentro de ciertos l o mites que conviene determinar previamente. Debe ser robusto, en el sentido de tener capacidad de responder a los cambios de los valores de los parmetros. a Y por ultimo, debe ser exible, en el sentido de que pueda ser cambiado y adaptado a nuevas situaciones.

1.2.1.

Un termmetro biolgico o o

Para ilustrar los comentarios realizados en torno a la construccin de modelos, vamos o a exponer un curioso ejemplo de un modelo matemtico muy simple aplicado a la a Biolog a. Desde hace muchos aos, la tradicin popular sabe que existe una relacin entre n o o la temperatura y el ritmo con el que los grillos chirr an. A ms calor mayor es su a frecuencia; de hecho si la temperatura se mide en grados Fahrenheit1 se cuenta el nmero de chirridos en un minuto se divide por 4 y se suma 40. En 1898, A.E. Dolbear u comprob que los grillos chirr en el campo de forma sincrnica y public un o an o o trabajo en el que propon una frmula que relacionaba linealmente la temperatura a o en funcin del nmero de chirridos de los grillos. La frmula es: o u o T = 50 + N 40 . 4

En los aos siguientes otros autores publicaron trabajos similares al de Dolbear. Los n hermanos C.A. Bessey y E.A. Bessey estudiaron ocho tipo diferentes de grillos en Lincoln, Nebraska, durante los meses de agosto y septiembre del 1897, cuyos datos se encuentran representados en la Figura 1.1. Si se realiza un ajuste de estos datos aplicando el mtodo de los m e nimos cuadrados, se obtiene T = 0.21N + 40.4 , que como puede observarse es muy parecida a la propuesta por Dolbear.
Para convertir a grados cent grados aplicamos la relacin (F 32)/9 = C/5, siendo F los o grados Fahrenheit y C los grados cent grados.
1

1.3 Clasicacin de los modelos matemticos biolgicos o a o

La recta T = 0.21N + 40.4 que ajusta a los datos es un modelo matemtico que a representa a la temperatura como una funcin de la frecuencia de los chirridos de o los grillos.

Figura 1.1. Nmero de chirridos por minutos y temperatura. u Antes de estudiar las propiedades matemticas del modelo, es conveniente plantearse a las siguientes preguntas: Cmo de buena es la recta encontrada en relacin a la propuesta por Dolbear? o o Cundo puede aplicarse el modelo encontrado? a Cul es el rango de temperatura vlido del modelo? a a Cmo de exacto es el modelo y cmo puede ser mejorado? o o Las respuestas a este tipo de preguntas nos ayudar a conocer las complejas relaan ciones entre el problema biolgico y el modelo matemtico. Las dos primeras preo a guntas son de naturaleza biolgica y las matemticas juegan un papel muy limitado. o a Si comparamos el modelo de Dolbear con la ecuacin encontrada observamos ligeo ras diferencias entre los coecientes, pero esto podr deberse al tipo de grillos que a estemos analizando. Sin embargo, si comprobamos que las observaciones de dos clases de grillos diferentes son muy parecidas, entonces el modelo puede ser un buen termmetro biolgico. A la hora de su aplicacin su uso est limitado, ya que los grio o o a llos slo chirr durante unos pocos meses al ao y adems cuando la temperatura o an n a sea superior a 10 grados cent grados.

1.3.

Clasicacin de los modelos matemticos bioo a lgicos o

Segn la losof con la que abordemos el mundo que nos rodea, as ser el tipo de u a a modelo matemtico que podemos construir. En concreto podemos clasicarlos en: a

Tema 1 Modelos matemticos a

Modelos deterministas: Son aquellos que a cada valor de la variable independiente corresponde otro valor de la variable dependiente. Son especialmente utiles en los sistemas que evolucionan con el tiempo, como son los sistemas dinmicos. En ellos podemos conocer el estado del sistema transcurrido cierto a tiempo una vez que hemos dado valores a los distintos parmetros que aparea cen en el modelo. Los modelos continuos son utiles cuando tratamos de estudiar procesos en los que se observa continuidad en el tiempo y en este caso lo adecuado es hacer uso de las ecuaciones diferenciales. Sin embargo, al estudiar algunos modelos biolgicos, como son la dinmica de las poblaciones, puede apreciarse que o a estamos ante un proceso discreto. Ahora, las ecuaciones en diferencias nos ofrecen muchas posibilidades para deducir como cambian las propiedades del sistema biolgico al variar los parmetros del modelo. o a En concreto, las matemticas utilizadas para la evaluacin de los modelos dea o terministas son: Ecuaciones en diferencias. Teor de bifurcaciones. a Ecuaciones diferenciales (ordinarias y parciales). Anlisis numrico. a e Modelos probabil sticos: Si en un modelo determinista, como por ejemplo el log stico y (t) = ry(t)(1 y(t)/k), el parmetro r var aleatoriamente, lo a a que hacemos es sustituir valores constantes por otros que cambian con cierta probabilidad. En este caso estamos ante un modelo probabil stico. Por ejemplo: Procesos estocsticos. a Modelos mixtos: Ecuaciones diferenciales estocsticas. a Modelos discretos matriciales: Son los ms frecuentes cuando el sistema a que estamos modelando est dividido en una serie de clases. En un momento a dado, el estado del sistema puede representarse por un vector. El paso de una etapa a otra se realiza a travs de una matriz conocida con el nombre de matriz e de transicin. o Cadenas de Markov. Modelos de Leslie. Modelos de Lefkovitch. De una manera muy general, y desde el punto de vista de la Biolog podemos a, clasicar los modelos matemticos en los siguientes grupos: a

1.4 El papel de los ordenadores

Modelos en bioqu mica. Modelos de la evolucin de una poblacin. o o Modelos en siolog (de animales, de plantas). a Modelos en la gentica. e Modelos en la creacin de patrones. o Modelos en la epidemiolog a. Modelos en las migraciones.

1.4.

El papel de los ordenadores

Como tendremos ocasin de comprobar, gran parte del presente curso est dedio a cado al estudio de los modelos matemticos desde el punto de vista de los sistemas a dinmicos. Su estudio se inicia en el siglo XVII cuando Leibnitz y Newton descubren a el clculo diferencial. a En muchas ocasiones estaremos ms interesados en conocer el comportamiento a a largo plazo de un modelo que su solucin exacta, y para ello es muy conveniente o hacer uso del ordenador. Hasta hace unos pocos aos, cuando se populariza su uso, lo n habitual era simplicar convenientemente el problema para por lo menos disponer de una solucin aproximada. Actualmente existe un inters creciente en el estudio de los o e sistemas dinmicos debido fundamentalmente al aumento en la rapidez de clculo de a a los ordenadores que nos permiten realizar mltiples simulaciones de cualquier modeu lo matemtico. Paralelamente a la evolucin de los ordenadores se ha producido a o un incremento notable en la cantidad y calidad de los programas que se utilizan. La existencia de programas de clculo (Derive, Maple, Mathematica, MatLab) o a de simulacin (Vensim, Stella) aplicables a todos los campos de las matemticas o a actuales, est cambiando nuestra manera de enfrentarnos a nuestra investigacin a o as como a nuestra actividad docente.

1.5.

Breve introduccin histrica o o

Para poder encontrar un primer ejemplo de un modelo matemtico aplicado a la a Biolog tenemos que retroceder 250 aos. Entre los precursores se encuentra Rene a n Descartes, matemtico y lsofo, quien manten la hiptesis de que, utilizando las a o a o Matemticas como herramienta, se pod construir una teor unicada de todas las a a a ciencias. Trabaj en campos muy diversos y en concreto en la Fisiolog preseno a, tando una explicacin matemtica para las funciones siolgicas. Los modelos que o a o propon eran muy poco rigurosos y desprovistos de fundamentacin experimental y, a o

10

Tema 1 Modelos matemticos a

por tanto, con un gran nmero de errores. A este respecto, una frase que frecuenteu mente se comenta es la siguiente: Los modelos son errneos ... pero muchos de ellos o son utiles. Entonces, cmo pueden ser utiles si estn equivocados?, la respuesta a o a esta pregunta puede ser que por la misma razn que en el pasado mapas errneos, o o donde se supon que la tierra era plana y con distancias equivocadas, fueron muy a utiles para viajar. A nales del siglo XIX Federico Engels se lamentaba de lo poco que estaban introducidas las Matemticas en la Biolog Por ejemplo, en su obra Dialctica de la a a. e Naturaleza, aparece el siguiente testimonio Biolog = 0 . Es dif encontrar en a cil esta poca algn intento de aplicar las Matemticas en el estudio de la Biolog e u a a. Todo cambia a principios del siglo XX, cuando Michaelis y Menten proponen un modelo bioqu mico (que an se utiliza hoy en d para describir la catlisis enziu a), a mtica. Dos aos despus, Lee present un modelo para explicar los paradjicos a n e o o efectos de las radiaciones sobre las clulas. Ahora, tenemos que trasladarnos hasta e mediados de siglo para encontrar otro ejemplo interesante. Basndose en la proa puesta de Galileo de establecer relaciones cuantitativas entre magnitudes medibles, se intentaba encontrar un modelo que relacionase la intensidad de un est mulo y la duracin del mismo. El esfuerzo fue intil, ponindose de maniesto que para tener o u e xito en el modelado es importante atender no solamente a la experimentacin, sino e o tambin acertar en el tipo de relaciones cuantitativas a estudiar. Adems, a la hora e a de construir un modelo es fundamental saber separar la informacin relevante que o conocemos del problema de la que no lo es. El contraste con esta ultima situacin lo encontramos en el modelo de Hodking o y Huxley para la generacin y transmisin del impulso nervioso. En este caso, se o o propon relaciones entre variables que f an sicamente ten sentido. Este modelo an construido en 1952 suele ponerse como ejemplo de modelo matemtico aplicado a a la Biolog de hecho, algunos autores piensan que juega un papel en la Neurolog a, a semejante a las ecuaciones de Maxwell en el estudio del Electromagnetismo, ya que a travs de l es posible explicar todas las propiedades experimentales conocidas e e respecto a la generacin y propagacin del impulso nervioso. Al mismo tiempo, el o o modelo suger que la dinmica de muchos procesos biolgicos deb ser no lineal. a a o a A partir de este momento, empieza la edad de oro para la construccin y posterior o interpretacin de modelos matemticos aplicados a la Biolog En los aos 60 se o a a. n publicaron un gran nmero de trabajos, especialmente los relacionados con el sistema u nervioso, muchos de ellos con escaso inters prctico. El siguiente paso importante se e a da en la dcada de los 70 cuando se descubre que las soluciones de sistemas dinmicos e a presentaban un comportamiento catico. Un ejemplo lo encontramos en el modelo o log stico de R. May, que supuso toda una revolucin comparable al impacto causado o por el modelo de Hodgkin y Huxley. La teor del caos inmediatamente entusiasm a a o bilogos, f o sicos y matemticos, dedicados al estudio de los modelos matemticos. a a De toda formas, muchas situaciones muy distintas, como pueden ser la actividad

1.5 Breve introduccin histrica o o

11

cerebral, el electrocardiograma, la dinmica de poblaciones, el desarrollo embrioa nario, la evolucin de las enfermedades, son escenarios muy dif o ciles de modelar a travs de modelos elementales. Sin embargo, podemos realizar las simplicae ciones convenientes que expliquen parcialmente el comportamiento del sistema o bien aplicar unas nuevas herramientas matemticas, como es el uso de la geometr a a fractal, para explicar la variabilidad de la frecuencia del corazn. o

12

Tema 1 Modelos matemticos a