NÚMEROS
Revista de didáctica de las matemáticas
N° 32, diciembre de 1997, págs. 13-25
Modelación matemática:
Una antigua forma de investigación-
un nuevo método de enseñanza.
Rodney C. Bassanezi y M. Salett Biembengut
Introducción
La modelización matemática ha sido utilizada por los que denomi-
namos convencionalmente matemáticos aplicados como un proceso
dinámico que les ayuda a entender cierto problema o alguna situación de
interés en Física, Química, Biología, etc. Estos investigadores están
frecuentemente a la búsqueda de modelos matemáticos que permitan
una comprensión profunda de situaciones reales, teniendo presente
sobre todo una posible toma de posición en relación a los objetos
estudiados.
La formalización de un problema en términos matemáticos es casi
siempre el estadio más difícil de la modelización matemática y debe ser
aprendido con la propia experiencia. No siempre el hecho de tener un
buen bagaje matemático se traduce en que el investigador logre el éxito
en su labor de modelización. Una condición necesaria para el aprendi-
zaje de la modelización es estudiar los modelos clásicos y las ideas
esenciales que están envueltas en ellos.
La mayoría de autores cuando se refieren a la modelización matemá-
tica lo hacen como el proceso que utiliza conceptos y técnicas, esencial-
mente matemáticas, para el análisis de situaciones reales. En cambio,
son raros los casos en que se emplea tal proceso para el propio estudio
de las Matemáticas.
Los intentos de hacer uso de la modelización matemática como un
método de enseñanza-aprendizaje han mostrado su eficacia, principal-
mente en proyectos de Iniciación Científica en Cursos de Reciclaje
(Perfeccionamiento) de profesores, cuando no se dispone, a priori, de un
programa que ha de ser cumplido, por lo menos secuencialmente, y
objetiva sobre todo el uso de las matemáticas para una mejor compren-
14 RODNEY C. BASSANEZI J M. SALE1T BIEMBENGUT
sión de la situación escogida como tema de estudio. Algunas experien-
cias hechas en cursos regulares, esto es, en cursos con programas pre-
establecidos, mostraron que el proceso de modelización puede ser más
eficiente que el de trabajar simplemente con el método tradicional
teoría-aplicación, donde los problemas propuestos por el profesor son
casi siempre artificiales y para procurar justificar la teoría recién
enseñada. Cuando los alumnos son quienes escogen el tema o la
situación que se va a estudiar, ellos se siente corresponsables de su
propio aprendizaje y la motivación es espontánea. Las cuestiones
formuladas por los alumnos son fuente de problemas que a su vez
motivan el aprendizaje de nuevos conceptos matemáticos para llegar a
las correspondientes soluciones. Es éste el momento ideal para realizar
una sistematiz ación de los conceptos usados, y así, el aprendizaj e se
torna suave y natural.
Lo que proponemos no es enseñar la modelizac ión en las escuelas
sino enseñar Matemáticas usando el método de la modelización. Por
ejemplo, cuando se trabaja en un problema ligado a la realidad es
necesario entenderlo en diferentes niveles de descripción y lo mismo
sucede cuando se enseña en diferentes niveles escolares donde los
grados de dificultad se van analizando de forma gradual.
Teniendo pues como objetivo enseñar las matemáticas inserta en un
programa definido a priori, el proceso clásico de modelización debe ser
modificado, teniendo siempre en. cuenta el momento de la sistematiza-
ción del contenido y el establecimiento constante de analogías con otras
situaciones-problem as.
Convenimos en llamar Modelación Matemáti ca 1 al método de
enseñanza-aprendizaje que utiliza el proceso de modelización en cursos
regulares.
Modelación Matemática
El uso de este método en Educación Matemática debe seguir una
secuencia de etapas bien definidas. Inicialmente, ha de quedar petfecta-
mente claro la dinámica del proceso, lo que puede hacerse con un
ejemplo bien escogido y que proporcione una visión panorámica del
programa que ha de ser desarrollado. Así, si estamos trabajando en un
La palabra Modelación es una "contracción" de los terminos Modelización
y Educación . Modclación =Modeliza ción+ Educación.
- - - - - - - - - - - - - - - - - - -- - --15
[Link]ÓN MA TEM·{TJC.4
-
curso de Primaria, cuyo programa prevea el estudio de los números
naturales, de los racionales en forma fraccionaria y decimal y algunos
conceptos de geometría plana, podemos mostrar de forma rápida como
los temas antes citados aparecen en «La construcción de una casa»:
dibujo de la planta, construcción de las paredes, presupuesto, etc. En
cursos más altos se podría trabajar con el problema de «La formación de
una colmena» o de «La plantación de papas». Este procedimiento
implica que el profesor debe haber tenido alguna experiencia en
modelización matemática y construido sus propios modelos.
Es fundamental que los alumnos escojan el tema que ha de ser
trabajado. Ello puede llevar consigo alguna dificultad para el profesor
menos diestro. Una forma de eliminar este problema consiste en anotar
en la pizarra los temas sugeridos por los alumnos, entremezclados con
algunos de su particular interés.
Los temas también pueden ser anotados después de alguna investi-
gación bibliográfica hecha por los alumnos. A continuación, el profesor
deberá reflexionar sobre cada tema sugerido, indicando las ventajes de
un tema que pueda contener a otros y los inconvenientes de aquellos
temas que sean muy restrictivos. Casi siempre el asunto preferido por la
mayoría es aquél sobre el que el profesor mostró más interés en su
discurso.
En las primeras experiencias con Modelación es conveniente traba-
jar con un tema único. Posteriormente se pueden asignar a diferentes
grupos los problemas formulados. Cada grupo de alumnos puede
abordar aspectos diversos, pero siempre relativos a un mismo tema
inicial.
Las experiencias realizadas con varios temas en una misma clase
mostraron que la mayor dificultad radica en la atención que el profesor
debe dispensar a cada gmpo, pues cuando las situaciones están muy
diversificadas el grado de atendimiento no va acompañado de un ritmo
similar de trabajo. Después de algún tiempo es natural que el profesor
se sienta más capacitado para atender varios temas y él mismo procura
motivar la elección de situaciones desconocidas, lo que casi siempre será
una aventura gratificante.
El planteamiento de problemas está íntimamente relacionado con el
estudio del tema que podrá ser hecho a través de investigaciones
bibliográficas (libros, revistas, periódicos, etc) y entrevistas con espe-
16 RODNEY C. BASSANEZI y M. SALETT BIEMBENGUT
cialistas o personas conocedoras del tema. En algunos casos es intere-
sante invitar a estas personas para que hablen sobre el tema en la Escuela,
pues no siempre es posible salir con los alumnos para recoger datos, tal
y como sucede con las clases nocturnas (cuando el tema trabajado fue
«La pesca», se invitó a un pescador).
La recogida de datos también puede realizarse por medio de una
experimenta ción directa o de investigaciones estadísticas. Conviene
destacar que muchas veces los datos obtenidos son de naturaleza
esencialmente etnomatemática, proveniente de costumbres de una co-
munidad que los utiliza sin preocuparse del carácter científico de su
origen.
Casi siempre una combinación de estos procedimientos de recogida
de datos es la forma más adecuada para obtener resultados más eficien-
tes.
Laformulac ión de los problemas se hace basándose en la investiga-
ción inicial y de conformidad con los intereses comunes. Es en este
momento cuando han de establecerse los grupos de trabajo y cuando el
profesor debe presentar otros problemas que estén en correlación o no
con el tema en cuestión. La analogía entre problemas diversos muestra
la importancia y el poder de las Matemáticas como lenguaje común que
los identifica; la analogía es la tónica de nuestra propuesta.
Para la formulación de modelos matemáticos, cada grupo debe
procurar establecer: (i) las variables esenciales envueltas en el tema; (ii)
las hipótesis simplificado ras; (iii) las «leyes» o suposiciones considera-
das verdaderas; etc.
Los alumnos tendrán más facilidad para formular sus hipótesis
siempre que el profesor haya desarrollado en sus clases algunos proble-
mas interrelacion ados.
Es conveniente comenzar siempre con problemas sencillos, aunque
no vayan a utilizar parte del programa del curso actual y sí de contenidos
ya conocidos. Posteriormente, se pasa a modelos más complejos o
generales, especialmente aquellos que utilizan argumentos matemáticos
que deben desarrollarse durante el curso.
En el caso de que las matemáticas utilizadas en la resolución del
modelo ya sean conocidas por los alumnos (pre-requisitos) se puede
continuar el proceso a la manera en que se hace en la modelizació n
matemática clásica, esto es, pasar a la validación del modelo y al análisis
de sus consecuenci as.
[Link]ÓN MATEMÁTICA 17
Toda solución debe ser interpretada usando los datos recogidos y, si
es posible, verificar su validez empírica en términos científicos. Es
conveniente buscar una expresión gráfica de la solución para entenderla
mejor. Un modelo será tanto mejor cuanto mayor sea su capacidad de
previsión y de accesibilidad a una verificación.
Es claro que cuanto más profundizamos en el entendimiento de un
problema, proporcionalmente más complejo se toma el modelo mate-
mático para describirlo y de esta forma casi siempre se puede alcanzar
el nivel de conocimiento deseado y compatible con el curso que estamos
impartiendo.
Con ayuda del siguiente esquema resumimos el método de Modelación
Matemática.
(1) (3) (4)
ITEMA I - - + 1PROBLEMAS1 - + ( ABSTRACCIÓN ) ~1 PRE-REQUISITOS 1- - + I PROGRAMA 1
t '! (2) ~
1 DATOS 1+- INVESTIGACIÓN 1- - + 1 HIPÓTESIS 1 1 MODELOS 1 ++ (
.i
SISTEMATIZACIÓN )
t(7) ~ i
[ VALI DACIÓN ) ,- AÑALOGÍAS - , [ RESOLUCIÓN )
!<s> "'--- <~>---- !
~ [ INTERPRETACIÓN ) SOLUCIÓN
~ Formalización
(:J Proceso
En el esquema anterior, el orden de aplicación de cada procedimiento
está indicado por los números encerrados entre paréntesis:
(1) Elección del tema central que ha de ser desarrollado por los alumnos;
(2) Investigación para recoger los datos cuantitativos e informaciones
que puedan ayudar en la presentación de hipótesis;
(3) Elaboración de problemas que serán distribuidos entre los grupos de
intereses comunes;
(4) Abstracción en el sentido de seleccionar las variables esenciales
envueltas en los problemas y formulación de las hipótesis;
(5) Sistematización de los conceptos que serán usados en la resolución
18 RODNEY C. BASSANEZI y M. SALEIT BIEMBENGUT
de los modelos matemáticos y que forman parte del contenido
programático del curso en cuestión. También debe ser efectuada
mientras se trabaja en la resolución y formalización de los modelos;
(6) Interpretación de la solución de manera analítica y con posibles
representaciones gráficas;
(7) Validación de los modelos que han de ser lo más coherentes posibles
con la realidad investigada. En caso de que el modelo no sea bueno,
debemos retomar el punto (1) con nuevas investigaciones. El
proceso es dinámico;
(8) Cuando el modelo es satisfactorio debemos procurar utilizarlo para
hacer previsiones, análisis, o cualquier otra forma de acción sobre la
realidad.
De los temas desarrollados en diferentes experiencias realizadas en
cursos regulares, citamos algunos:
- «Plantación de papas» - en un curso de Cálculo Diferencial e
Integral para Ingeniería de Alimentos (UNICAMP-1983);
- «Construcción de casas» (Escuela Estatal de Estiva, S.P.-1986);
- «Construcción de un barrio» (Escuela Comunitaria de Campinas,
S.P.-1988);
- «Abejas», «Música», «Deficientes mentales», «Caballos», «Flo-
res».
Siguiendo el esquema de actuación de la Modelación, presentamos
a continuación el problema deLaformación de una colmena, correspon-
diente al tema «Abejas».
Ejemplo: Modelos para el problema de la formación de una
colmena.
Una abeja reina puede llegar a poner hasta 2000 huevos por día
(número denominado capacidad de postura), lo que corresponde a dos
veces su peso. Esta cantidad depende del área disponible para la postura,
de la calidad genética de la reina y de las condiciones florales y
climáticas.
Cuando una reina disminuye su postura, las operarias responsables
de la manutención de las larvas promueven el desarrollo de una nueva
reina. La nueva reina, después del vuelo nupcial en que es fecundada por
[Link]ÓN MATEMÁTICA 19
1. Una reina suele vivir hasta 5 ai\os y
e, por ténnino medio, 2000 huevos
día. 1. Formación de la colmena.
2. Una abeja lllrda en nacer 21 días. 2. Geometria de las celdíllas del panal.
3. Una colmena se inicia con wia 3. Comercialización de la miel.
·dad inicial de 10000 operarias. 4. Orientación de las abejas.
4. La vida media de una operaria es de
odías.
5. Una colmena estabiliza su
oblación entre 60 y 80 mil abejas .
. Una colmena puede llegar a tener
00 zánganos.
O. Los primeros 21 días no nacen
bejas.
1. Las abejas iniciales tienen edades
quidistribuidas.
2. La cantidad de abejas que mueren es
roporcional al número de abejas que
xiste en cada instanle.
Abstracción:
1. Variables
A, a = n' de abejas
t • tiempo
. a(O) = 10000
. k ~ 1/40 es la tasa de
atalidad
l - k - 0'975de
upervi vencia
Ecuación de la recta.
Función exponencial
Función logarítmica
Progresiones - - - - - resolución
Limites elementales
Contirruidad
......,
xpresión de
a(t), A(t)
21
20 RODNEY C. BASSANEZI y M. SALE1T BIEMBENGUT
uno o más zánganos, retoma a la colmena desalojando a la reina vieja que
partirá para formar una nueva colmena. Acompañando a la reina le sigue
un séquito de 10000 operarias, aproximadamente: es el enjambre
volador.
Para el estudio del crecimiento de la población de una colmena
consideraremos los siguientes datos:
dl- Una reina suele vivir 5 años y pone, por término medio, 2000
huevos/día;
d2- Una abeja operaria tarda en nacer 21 días;
d3- Una colmena se inicia con una cantidad inicial de 10000
operarias;
d4- La vida media de una operaria es de 40 días;
d5- Una colmena estabiliza su población entre 60 y 80 mil abejas.
Un modelo matemático de la dinámica poblacional de una colmena
debe plantearse, teniendo en consideración dos estadios distintos: el
período de adaptación intermedio entre la postura inicial y su nacimien-
to (21 días), y el período de desarrollo cuando nacen diariamente 2000
operarias.
En relación al período inicial podemos establecer dos hipótesis
distintas respecto al índice de mortalidad de las operarias.
H 1. [Link] abejas tienen edades equidistribuidas: En este caso estamos
suponiendo que en cada grupo, distribuido por edades (días de vida),
existen exactamente el mismo número de abejas. De esta forma, de las
10000 iniciales, en cada día morirán 250 lo que corresponde a 1140 (tasa
de mortalidad) de 10000.
Sea a(n) la cantidad de abejas que hay el n-ésimo día de existencia
de la nueva colmena, O~ n < 21. Entonces, podemos escribir.
a(O) = 10000
a(l) = a(O) - 250
a(2) = a(l) - 250 = a(O) - 2•250
a(3) = a(2) - 250 = a(O) - 3•250, y generalizando, podemos escribir:
a(n) = a(O) - n•250
MODELACIÓN MATEMÁTICA 21
Así, obtenemos un modelo matemático que nos da información acerca
de la cantidad de abejas en el n-ésimo día de existencia de la colmena
(n < 21):
(1) a(n) = 10000 - 250n , O ::s n < 21.
El modelo (1) es discreto en el sentido que la variable independiente n
(tiempo) está tomando valores en el conjunto de los números naturales
N.
El modelo (2): a(t) = 10000 - 250t, O ::s t < 21, t un número real,
representa el modelo continuo correspondiente a la ecuación (1). La
constante c = -250 es el coeficiente angular de la recta (fig.1):
a(t)
10000
5000 ---------------- -
5 10 20 t
H2. El número de abejas que mueren es proporcional a la canti-
dad de abejas que existe en cada instante:
Tenemos que la tasa de mortalidad es k = 1/40 = 0'025 y por tanto,
la tasa de supervivencia es 1-k=0'975. Podemos obtener una expresión
para el número de abejas a(n) con un modelo discreto:
a(O) = 10000
a(l) = 0'975•a(0)
a(2) = 0'975•a(l) = 0'975•0'975•a(0), que puede generalizarse:
22 RODNEY C. BASSANEZI y M. SALE7T 8/EMBENGUT
(3) a(n) = 0'975"•a(0)
Usando el hecho de que a' = e '· 1"ª, para todo x real, la función
potencial (3) puede escribirse en forma exponencial:
a(n) = e"-'" o·91s•a(O)
En el caso continuo (tiempo continuo), podemos escribir:
(4) a(t) = a(O)•e-0'0251 , O :5 t < 21.
Tomando a(O) = 10000 y t = 21 , obtenemos a(21) = 5876. Verifica-
mos que, de acuerdo con la hipótesis considerada, los valores de a(2 1)
en (3) y (4) son distintos, si bien en la práctica, tal diferencia no será
significativa para el estudio del comportamiento futuro de la colmena.
El modelo matemático para el período de desarrollo de la nueva
colmena tiene en cuenta que, a partir del día 21, nacen 2000 abejas/días:
Si A(O) es la cantidad remanente de operarias viejas, tendremos para
el 21 -ésimo día:
A(l) = a(21 ) = A(O) + 2000
Considerando una tasa de supervivencia igual a 0'975 , podemos
formar una relación de recurrencia dependiendo del valor de A(O):
A(2) = a(22) = 0'975•A(l) + 2000 = 0' 975•[A(O) + 2000] + 2000 =
= 0'975•A(O) + 0'975•2000 + 2000 = 0'975•A(O) +
2000•(0'975 + 1).
A(3) = a(23) = 0 '975•A(2)+2000= 0 '975•[0'975•A(0) +0'975•2000
+ 2000] + 2000 = 0'975 2•A(O) + 0'975 2•2000 + 0 '975•2000
+ 2000 = 0 '975 2•A(O) + 2000•[0'975 2 + 0' 975 + l].
Y así sucesivamente, llegamos a la expresión:
A(n) = 0' 975" - '•A(O) + 0'975" · '•2000 + 0 '975" · 2•2000 + ... +
0'975•2000 + 2000 = 0 '975" · '•A(O) + 2000•[0' 975" · 1 +
0'975"º 2 + ... + 0'975 +1].
MODELACIÓN MATEMÁTICA 23
La expresión entre corchetes es la suma de n términos de una
progresión geométrica de razón igual a 0'975, lo que nos permite
simplificar escribiendo:
(5) A(n) = 0' 975"- 1•A(O) + 2000•[(1 - 0'975")/(l - 0'975)] =
= 0'975"- 1•A(O) + 80000•(1 - 0 '975") =
= 0'975" - 1•A(O) + 80000 - 80000•0'975" =
= [A(O) - 78000]•0'975" - 1 + 80000
Podemos pensar en una expresión continua para A(n) tomando:
A(t) = [A(O) - 78000]•e 1"º'975 .ci- 21 > + 80000 (t ~ 21), o sea,
(6) A(t) = [A(O) - 78000]•e·0' 025·<1 • 21 > + 80000 para t ~ 21
La fórmula (6) nos da la población de una colmena en un tiempo t
cualquiera a partir del 21-ésimo día.
Anotamos que cuando t crece, el valor de e-0•[Link]- 21 > tiende a cero y,
por tanto, la población de la colmena se estabiliza en 80000 abejas, lo
que muestra cierta validez del modelo debido a la coherencia con los
datos reales. La estabilidad puede ser traducida a la siguiente expresión
matemática:
(7)
lim A(t) = 80000
La recta A= 80000 es una asíntota horizontal de la función A(t):
(en núles)
A = SOOOO
10
21
24 RODNEY C. BASSANEZI y M. SALETT BIEMBENG UT
Juntando las dos partes del modelo continuo de crecimiento
poblacional de las abejas (ecuaciones (4) y (6)), podemos escribir:
A(t) = IOOOO•e-0 '0251 , si O ~ t < 21
A(t) =[A(O) - 78000]•e· 0 ' 025·<1 - 21
> + 80000 , si t ~ 21; A(O) =5876
Si estuviésemos explicando en un curso donde el concepto de
derivada debiera ser aprendido, podríamos construir nuestro modelo
utilizando otro lenguaje y expresar la hipótesis H2 de manera más
concisa:
(7) dNdt =- 0'025•A(t) , con A(O) = 10000 y , O ~ t < 21,
donde dNdt indica la variación instantánea de la población de
abejas.
La expresión (7) quiere decir que en los primeros 21 días, la
variación de la población de abejas es proporcional a la cantidad
presente en cada instante, con una tasa de mortalidad igual a 1/40 =
0'025 y una población inicial de 10000 abejas.
A partir del 21-ésimo día podemos suponer que el crecimiento de la
población es proporcional a la diferencia entre el valor de estabilidad
y la cantidad de abejas presentes en cada instante:
(8) dNdt = k•(80000 - A(t)), donde k =- ln 0' 975 = 0'025 ,
con A(O) = 5876 y t ;::: 21
Observamos que el modelo propuesto aquí encima proviene de la
analogía existente entre la solución (6) y el «modelo de acaecimiento de
Newton».
Resaltamos que, tanto con el modelo de ecuaciones diferenciales
como con el de progresiones geométricas, obtenemos soluciones equi-
valentes. Tal y como hemos hecho en nuestro caso, de modo general casi
siempre podemos expresar nuestros modelos en función del programa
(
que ha de cumplirse y del grado de dificultad que queramos alcanzar.
[Link]ÓN MATEMÁTICA 25
Bibliografía
Adler, Irving. Mathematics and Mental Growth. New York, National Council
of teachers of mathematics, 1968.
Bassanezi, R.C. Modelagem Aprendizagem. Bol. Soc. Bras. Mat. Aplicada,
1990.
Bassanezi , R.C. e Biembengut, M.S. Modelayao Matemática: Urna velha
forma de pesquisa-Din novo método de ensino. Anais de 1-CIBEM-
SAEM «Thales», Sevilha, 1990.
Baum, Robert J. Philosophy and Mathematics. Freem Cooper and Co., 1973.
Berry, J. e O' sheat, T. Assessing Mathematical Modelling in Intemational
Joumal ofMathematics Education Science and Technology, vol. 13, 6,
1982.
Biembengut, María Salett. Modelayao matemática como método de ensino
aprendizagem de matemática no 1° e 2º grau. Dissertayao de Mestrado,
UNESP, Río Claro-SP, 1990.
Burghes, D.N., HuntleyY, l. and Mcdonald, J. Aplying Mathematics - A
Course in Mathematical Modelling, Ellis Horword, 1982.
Bruner, Jerome S ., O Proceso de Educayao, 8ª ediyao, Sao Paulo, Editora
Nacional, 1987.
D'ambrossio, Ubiratan. Da ReaJidade a Ayao: reflexoes sobre educayao e
matemática. Sao Paulo, Summus, Campinas, 1986.
Granger, G.G. A Razao. 2ª ediyao, Sao Paulo, Difusao Europeia do Livro,
1969.
Niss, Mogen. Applications and Modelling in Mathematics Curriculum - state
and trends in IJMEST, vol 18, 4, 1987.
Oke, K. H. e Bajpal. Teaching the Formulation Stage of Mathematics
Curriculum Modelling to Students in the Mathematical and Physical
Sciences, in IJMEST, vol 12, 6, 1981.
Piaget J. Os Seis Estudos de Psicologia. Rio de Janeiro, Ed. Forense, 1987.
Rodney C. Bassanezi M. Salett Biembengut
IMECC-UNICAMP Departamento de Matemáticas
Campinas- SP (Brasil) Universidad de Blumenau (Brasil)
Versión española de Arístides Ramón Noda Lugo