Introducción A La Modelización Matemática
Introducción A La Modelización Matemática
Introducción A La Modelización Matemática
INTRODUCCIÓN A LA
MODELIZACIÓN MATEMÁTICA
1.1. Introducción
Una de las herramientas más interesantes que actualmente disponemos para analizar
y predecir el comportamiento de un sistema económico es la construcción y posterior
simulación de un modelo matemático. Son muchas las razones que justifican la edad
de oro que hoy en dı́a vive la modelización matemática, pero debemos de destacar,
en primer lugar, el mejor conocimiento de los procesos económicos, y en segundo
lugar, el espectacular avance de los ordenadores y el software matemático.
Puesto que este trabajo es una introducción al estudio de los Modelos Matemáticos
en la Empresa, es conveniente comenzar esta primera sección precisando lo que en-
tendemos por un modelo matemático.
Con frecuencia la palabra modelo tiene distintas interpretaciones, nosotros la apli-
caremos en el sentido dado por el profesor Sixto Rı́os, [53]:
7
8 Tema 1 Introducción a la modelización matemática
Generalmente los métodos que se utilizan para estudiar un fenómeno económico son
la construcción de un modelo matemático o bien el uso del método cientı́fico, el cual
está basado en:
fenómeno económico.
Es evidente, que una de las ventajas del uso de los modelos matemáticos es su bajo
costo, si lo comparamos con los modelos fı́sicos. Por ejemplo, es mucho más barato
y rápido elaborar un modelo matemático que describa la evolución del número de
empresas que empezar con un determinado número de ellas y esperar cierto tiempo
para poder experimentar con ellas.
A continuación expondremos más detenidamente los pasos que debemos seguir para
construir un modelo matemático.
Tenemos que definir las variables y ver la manera en que están relacio-
nadas.
Debemos definir los parámetros del modelo, y asegurarnos de que cual-
quier otro parámetro es redundante.
ajustados por los valores, 100, 2 × 100, 22 × 100, 23 × 100, 24 × 100, · · · , que
corresponden a un crecimiento exponencial. Este último paso es el verdadera-
mente importante en el proceso de modelado.
Tabla 1.1
y(t) = N αt .
Predicción. Una vez que por la etapa anterior nos hemos asegurado de la
validez del modelo, pasamos a la etapa de predicción. Por ejemplo, en la si-
tuación que estamos analizando, si queremos obtener 3.200 células a partir de
400 células, necesitamos que pasen 3 perı́odos que equivalen a 60 minutos.
A pesar de la gran importancia que hoy en dı́a tienen los modelos matemáticos,
tenemos que tener en cuenta la siguiente observación. Por lo general, en los modelos
teóricos, se consideran sólo las relaciones cuantitativas entre las variables depen-
dientes e independientes del mismo, y entonces entran en juego las matemáticas.
Ahora bien, estos modelos describirán relaciones entre los organismos, pero nunca
pueden darnos el sentido económico del proceso. Por tanto, será imprescindible la
experimentación biológica.
Por último, un modelo matemático tiene que tener las siguientes cualidades:
Debe ser coherente, es decir, tiene que dar cuenta de todas las observaciones
anteriores y permitir prever el comportamiento futuro del fenómeno económico.
Y por último, debe ser flexible, en el sentido de que pueda ser cambiado y
adaptado a nuevas situaciones.
• Ecuaciones en diferencias.
• Teorı́a de bifurcaciones.
• Ecuaciones diferenciales (ordinarias y parciales).
• Análisis numérico.
• Procesos estocásticos.
Modelos mixtos:
16 Tema 1 Introducción a la modelización matemática
• Cadenas de Markov.
• Modelos de Leslie.
• Modelos de Lefkovitch.
Modelos en bioquı́mica.
Modelos en la genética.
Modelos en la epidemiologı́a.
“Los modelos son erróneos ... pero muchos de ellos son útiles ”
Entonces, ¿cómo pueden ser útiles si están equivocados? La respuesta a esta pre-
gunta puede ser que por la misma razón que en el pasado mapas erróneos, donde se
suponı́a que la tierra era plana y con distancias equivocadas, fueron muy útiles para
viajar.
A finales del siglo XIX Federico Engels se lamentaba de lo poco que estaban introdu-
cidas las Matemáticas en la vida real. Todo cambia a principios del siglo XX, cuando
Michaelis y Menten proponen un modelo bioquı́mico (que aún se utiliza hoy en dı́a),
para describir la catálisis enzimática. Dos años después, Lee presentó un modelo para
explicar los paradójicos efectos de las radiaciones sobre las células. Ahora, tenemos
que trasladarnos hasta mediados de siglo para encontrar otro ejemplo interesante.
Basándose en la propuesta de Galileo de establecer relaciones cuantitativas entre
magnitudes medibles, se intentaba encontrar un modelo que relacionase la intensi-
dad de un estı́mulo y la duración del mismo. El esfuerzo fue inútil, poniéndose de
manifiesto que para tener éxito en el modelado es importante atender no solamente
a la experimentación, sino también acertar en el tipo de relaciones cuantitativas a
estudiar. Además, a la hora de construir un modelo es fundamental saber separar la
información relevante que conocemos del problema de la que no lo es.
El contraste con esta última situación lo encontramos en el modelo de Hodking
y Huxley para la generación y transmisión del impulso nervioso. En este caso, se
proponı́an relaciones entre variables que fı́sicamente tenı́an sentido. Este modelo
construido en 1952 suele ponerse como ejemplo de modelo matemático aplicado a
la Biologı́a, de hecho, algunos autores piensan que juega un papel en la Neurologı́a
semejante a las ecuaciones de Maxwell en el estudio del Electromagnetismo, ya que
a través de él es posible explicar todas las propiedades experimentales conocidas
respecto a la generación y propagación del impulso nervioso. Al mismo tiempo, el
18 Tema 1 Introducción a la modelización matemática
modelo sugerı́a que la dinámica de muchos procesos económicos debı́a ser no lineal.
A partir de este momento, empieza la edad de oro para la construcción y posterior
interpretación de modelos matemáticos aplicados a la Biologı́a. En los años 60 se pu-
blicaron un gran número de trabajos, especialmente los relacionados con el sistema
nervioso, muchos de ellos con escaso interés práctico. El siguiente paso importan-
te se da en la década de los 70 cuando se descubre que las soluciones de sistemas
dinámicos presentaban un comportamiento caótico. Un ejemplo lo encontramos en
el modelo logı́stico de R. May, que supuso toda una revolución comparable al impac-
to causado por el modelo de Hodgkin y Huxley. La teorı́a del caos inmediatamente
entusiasmó a biólogos, fı́sicos y matemáticos, dedicados al estudio de los modelos
matemáticos.
De toda formas, muchas situaciones muy distintas, como pueden ser la actividad ce-
rebral, el electrocardiograma, la dinámica de poblaciones, el desarrollo embrionario,
la evolución de las enfermedades, son escenarios muy difı́ciles de modelar a través
de modelos elementales. Sin embargo, podemos realizar las simplificaciones conve-
nientes que expliquen parcialmente el comportamiento del sistema o bien aplicar
unas nuevas herramientas matemáticas, como es el uso de la geometrı́a fractal, para
explicar la variabilidad de la frecuencia del corazón.
La Econometrı́a, con una aportación importante de la Estadı́stica, es la ciencia que
se ocupa de la construcción de los modelos económicos; se inició con el profesor de
la Universidad de Oslo Ragnar Frisch. Con la ayuda de otros colaboradores crearon
en 1930 la Sociedad de Econometrı́a de los Estados Unidos, desde donde se edita
desde 1932 la revista Econometrı́a.
Un estado viene determinado por cada uno de los valores que puede tomar una
variable para cada uno de los valores del tiempo.
De una manera mas formal, un sistema dinámico está compuesto por la terna
(E, T, ϕ), siendo E el espacio de fase, T el conjunto del tiempo, y ϕ : T xE → E que
cumple:
(b) ∀x ∈ E; ϕ(0, x) = x