Académique Documents
Professionnel Documents
Culture Documents
C
G
U
UR
GRRRUUUPPPO
O
RS
SOO D
DE
O:: IIB
E
B77CC
B IIO
OIIN
NGGE
ENNIIE
ER
A
AGGO
OS
AI
RA
STTOO--DDDIIICCCIIIEEEM
MMBBR
B RREE2
E 2001177..
P
P R O F E S O R R ESSSPPPO
R
R O
O F
F E
E S
S O
O R
R R
R E
E ON
O NS
N SA
S AB
A B E::
BLLLE
E PPROFRA ANGLICA S
R
R O
O F
F R
R A
A A NN GG
L
L I
I C
C A
A SAAALLLM
ME
M ER
E R
R N
NA
N A..
P R
ROOG
GRRA
AMMA
A
1. INTRODUCCIN
1.1 Antecedentes
1.2 Modelos matemticos y simuladores de procesos
1.2.1 Modelos, una visin general
1.2.2 Descripcin y aplicacin de modelos
1.2.3 Propsitos de los modelos matemticos en microbiologa
1.2.4 El empleo de modelos matemticos en la enseanza de la ingeniera
1.2.5 Soluciones a los modelos matemticos
1.3 Herramientas matemticas tiles en simulacin.
2. BASES DE BIOINGENIERA PARA EL DISEO DE PROCESOS.
2.1 ESTEQUIOMETRA DE REACCIONES BIOLGICAS
2.1.1 Estimacin de rendimientos tericos
2.1.1.1 Rendimiento celular
2.1.1.2 Rendimiento calrico
2.1.1.3 Rendimiento de oxgeno
2.2 MODELOS BIOCINTICOS
1
2.2.6 Efecto de la formacin de subproductos sobre la cintica de reaccin
2.3.1 Sistema cerrado. Simulacin del comportamiento del sistema en estado transitorio.
Aplicaciones.
2
O
OBBBJJJEEETTTIIIVVVO
OS
O S::
S
E V A L UA C I N DEL CURSO.
3
hacer). La formacin contempla tambin el conjunto de actitudes (comportamiento
tico y social) del egresado en el entorno en el que presuntamente va a laborar y
a desarrollarse (saber estar). En este modelo de formacin tcnica tradicional, al
alumno se le considera un consumidor pasivo de informacin, sujeto de
transformacin conductual (el aprendizaje se da y puede medirse cuando se
observa un cambio conductual). La enseanza se basa en el aprendizaje, casi
siempre acrtico, de algoritmos (procedimientos o recetas) que el alumno debe
seguir para conseguir objetivos particulares. Esto puede convertir al alumno en
una tecno-autmata (repetidor de actitudes aprendidas), incapaz de modificar
crticamente lo aprendido para llevarlo a un plano cualitativamente ms elevado
(innovacin).
4
(un problema puede tener muchas soluciones). A travs del anlisis y la
evaluacin de ellas fomenta el pensamiento crtico.
NOTAS
5
MODELOS:
CLASIFICACIN DE MODELOS.
6
Modelos descriptivos (empricos) y predictivos (tericos) Un modelo descriptivo
de un sistema, slo da informacin del comportamiento de ste dentro de los
lmites experimentales bajo los cuales fue obtenido y no hay garanta de que el
modelo sea vlido en condiciones diferentes a las experimentales. Generalmente,
el modelo procede de un ajuste de resultados experimentales a algn tipo de
curva y permite la interpolacin, ms no la extrapolacin.
(Transcripcin )
(Traduccin)
kdm y kde son velocidades especficas de decaimiento intracelular de mRNA (m) y de enzima (e),
respectivamente. k t r d es una constante de velocidad de transcripcin. q m y q e s on
respectivamente velocidades especficas de sntesis de (m) y (e)
7
sino superficialmente, por lo que es comn considerar en el modelo slo un
nmero relativamente pequeo de componentes clave {expansin celular
balanceada [proporcionalidad entre las velocidades de sntesis de componentes
en un estado de equilibrio dinmico] vs expansin celular no balanceada
[alteracin temporal de la proporcionalidad entre velocidades de sntesis de
componentes durante una transicin de estado fisiolgico represin, induccin,
cambio de sustrato limitante-]}.
8
Modelos continuos y discretos
NO ESTRUCTURADO ESTRUCTURADO
NO SEGREGADO Idealizacin como NO SEGREGADO
crecimiento balanceado
La poblacin Poblacin celular
celular es tratada homognea
como soluto multicomponente
unicomponente
Idealizacin como Idealizacin como
clula promedio clula promedio
Clulas Clulas individuales
individuales multicomponente
unicomponente
SEGREGADO SEGREGADO
NO ESTRUCTURADO Idealizacin como ESTRUCTURADO
crecimiento balanceado
9
encuentra homogneamente distribuida en el medio. Esto evita las
complicaciones que surgen debido a los fenmenos aleatorios asociados con la
existencia de organismos individuales. Una condicin para describir a la poblacin
microbiana en forma continua y no en forma corpuscular es que la poblacin sea
muy elevada. Esto se cumple en la mayora de los procesos fermentativos en
donde intervienen microorganismos unicelulares.
10
Un modelo permite llevar a cabo experimentos virtuales para
estudiar un sistema bajo condiciones extremas, que en una
situacin real resulten peligrosas o muy costosas.
11
analtica y le permite evaluar y discriminar las variables ms importantes
que afectan el comportamiento de un proceso
12
Los modelos matemticos pueden tener una serie de
consideraciones implcitas y a menudo ocultas, que pueden
influir en los resultados o en su interpretacin, los que podran
ser errneos o indeseables
Un modelo puede ser una simple relacin matemtica o puede estar constituido
por un complejo de ecuaciones de diversa naturaleza. La solucin a este complejo
consiste en transformarlo en correlaciones fciles de visualizar. La solucin puede
ser analtica, o numrica, y debe relacionar explcitamente a las variables
dependientes (respuesta del sistema) con las variables controlables (variables de
diseo y de operacin).
13
VARIABLES QUE INTERVIENEN EN UN SISTEMA FERMENTATIVO UNITARIO
Tensin superficial
B Viscosidad
14
Ms que por la carencia de modelos, el anlisis del comportamiento de un sistema
puede estar limitado por las herramientas matemticas disponibles para la
solucin del complejo de ecuaciones (formalismo matemtico y mtodos
matemticos). Evidentemente, entre ms compleja es la descripcin matemtica
de un proceso, mayores dificultades presenta su solucin. Por lo tanto, el xito del
anlisis de procesos radica en la capacidad para definir un problema con un grado
de detalle suficiente que permita resolver el complejo matemtico y describir el
comportamiento del sistema o subsistema con una precisin aceptable, evitando
que el exceso de detalles nos lleve a un conjunto de ecuaciones inmanejable.
D.M. Himmelblau y K.B. Bischoff en su texto PROCESS ANALYSIS AND SIMULATION
justamente mencionan: "Existe escaso mrito en dar una solucin analtica formal
a un problema, no obstante lo elegante que sta pudiera ser, si es tan poco
tratable (matemticamente) que se tengan serias dificultades para obtener
nmeros de tal solucin".
M
MOOD
O DE
D EL
E LO
L OS
O SE
S EN
E NB
N BIIIO
B OIIIN
O NG
N GE
G EN
E NIIIE
N ER
E A..
RA
R A
15
La simulacin de procesos fermentativos basada en modelos matemticos
validados, es una herramienta de gran utilidad, tanto para el diseo y evaluacin
de procesos, como de reactores biolgicos. Una vez conocida la respuesta de un
sistema biolgico a un conjunto de variables de operacin, fcilmente se define la
demanda de O2 (OUR), y la generacin de calor (HGR) del sistema. Estos valores
constituyen la base de clculo de reactores biolgicos a cualquier escala. La
desviacin del comportamiento cintico de un cultivo que se lleve a cabo en un
reactor real con respecto a uno perfecto (virtual) en el que se simul el proceso,
permite valorar las limitaciones de transferencia de masa, calor y momento en el
reactor real. El comportamiento cintico de un microorganismo se supone
independiente de la escala. Si al modificar sta se presenta una desviacin en el
comportamiento cintico previsto, tal desviacin es puede ser adjudicado a
limitaciones en el reactor empleado en el escalamiento.
16
S
SIIISSSTTTEEEM
MA
M AS
A S.. D
S DEEEFFFIIINNNIIICCCIII
N
NY
N YT
Y TIIIP
T PO
P OS
O S.
S
Las condiciones prcticas que permiten hacer esta simplificacin del sistema son:
17
una propiedad del sistema. La variacin estocstica es tan pequea que
puede despreciarse.
P
P RRR OOO PPP III EEE DDD AAA DDD EEE SSS D
DE
D E U
E UN
U N S
N S III S
S ST
S TE
T EM
E MA
M A
A
cualitativas cuantitativas
no aditivas aditivas
no susceptibles de susceptibles de
balance balance
Ejemplos: Ejemplos:
18
Ambos estn descritos mediante ecuaciones de velocidad (de transporte o
de conversin), respectivamente y definen la transferencia de masa o energa
entre el medio ambiente y el sistema. En un proceso fermentativo se lleva a cabo
la transferencia de nutrientes hacia el sistema, y de metabolitos y energa hacia el
entorno.
r = f(c1,c2,......cn)
(d/dt)acum. = r +
19
MODELOS BIOCINTICOS
dx/dt gcel/(L h)
ds/dt gs/(L h)
dp/dt gp/(L h)
dcL/dt gO2/(L h)
dq/dt kcal/(L h)
20
Rendimientos
x dx dx
x t dt ( xdt )
s s ds ds qs
t dt ( xdt )
Rendimiento unidades
21
reaccin {velocidades de desaparicin de reactantes [donador y aceptor de
electrones] o de generacin de productos de reaccin [metabolitos, biomasa y
calor]}, ya sea en trminos volumtricos [dx/dt, ds/dt, dp/dt, dcL/dt, dq/dt] o ms
frecuentemente, en trminos de velocidades especficas de reaccin [, qs, qp,
qO2, qk].
22
El valor de qs se expresa como la suma de estas velocidades.
qs = m + (/YG) + (qpi/Ypi)
23
variable (), es necesario que los parmetros de estado implcitos en cada uno de
los rendimientos (qs, qp, qO2, qk), se expresen tambin como una funcin de .
24
MODELOS O FUNCIONES MS EMPLEADOS EN INGENIERA QUMICA PARA DESCRIBIR
VELOCIDADES DE REACCIN (VOTRUBA, 1984)
c k
r5 = k1 {1 - e- i/ 2} Combinacin de dos velocidades de reaccin del tipo r2
(base de la ecuacin de Tessier cintica de crecimiento-)
r6 = k1 e- i/
c k2 Expresin de efectos inhibitorios para la reaccin (base de
la ecuacin de Aiba-Shoda-Nagatani -inhibicin del
crecimiento por etanol-)
25
M
MOOD
O DE
D EL
E LO
L OS
O S
S C
CIIIN
C N
N T
TIIIC
T CO
C OS
O S M
S M
M S
S E
S EM
E MP
M PL
P LE
L EA
E AD
A DO
D OS
O S E
S EN
E N B
N BIIIO
B OIIIN
O NG
N GE
G EN
E NIIIE
N ER
E A..
RA
R A
+ + +
( H ) = mx/[1 + k1/H + H /k2]
Para casos particulares, la funcionalidad con respecto a las variable T y pH, puede
tambin expresarse mediante ecuaciones descriptivas (empricas). Con estas
ecuaciones (generalmente polinomiales), es posible correlacionar el cambio en
estas condiciones ambientales con la respuesta fisiolgica celular medida a travs
de los parmetros de estado fisiolgico [, qp(), qs(), qO2(), qk()]
26
EFECTO DE OTRAS VARIABLES AMBIENTALES SOBRE (Modelos de crecimiento).
= mx [s/(Ks+s)] Monod
= mx [1-exp(-s/Ks)] Tessier
= mx.sn/(Ks+sn) Moser
= mx [s/(Bx+s)] Contois
= mx.s/[(Ks+Kd)+s] Powell
= {Ks-(Ks/mx)mx-[s] +
[(-Ks(Ks/mx)mx+s)2 +
27
MODELOS QUE DESCRIBEN LA INHIBICIN DEL METABOLISMO CELULAR.
= [ [s]]Ki/(Ki+p)] Jerusalimsky
= [ [s]]{Ki/[Ki+(Yps/(Sr-s)]} Hoppe
= [ [s]][1-(p/Pm)a] Luong
qp = [qpmxs/(Ks'+s)][1-(p/Pm')b] Luong
= [ [s]][Kp/(p+Kp)][1-p/Pm] Sevely
28
MODELOS QUE DESCRIBEN LA INHIBICIN DEL METABOLISMO CELULAR.
= mxs/[(Ks+s)(1+s/Ki)] Haldane
= mxs/[Ks+s+s2/Ksw] Andrews
qp = qpmxs/[Ks'+s+s2/Ks'w'] Andrews
= [mxs/(Ks+s)][1/(1+s/Ki)] Andrews
qp = [qpmxs/(Ks'+s)][1/(1+s/Ki')] Andrews
= [[s]]exp[-s/Ki) Edwards
= [mxs(1+Bs/Ki]/[Ks+s+s2/Ki] Webb
= [mxs(1+Bs/Ki]/[(Ks+s)(1+s/Ki] Webb
= [[s]][1-(s/Sm)n] Luong
= mx(1-p/Pm)s/[Ks+s+s2/Ksw]
[ And rews]/ [Gh ose - Ty ag y ]
qp = qpmx(1-p/Pm)s/[Ks'+s+s2/Ks'w']
= mx[s/(Ks+s+s2/Ksw)][e-k1p]
qp = qpmx[s/(Ks'+s+s2/Ks'w')][e-k2p]
29
MODELOS DESCRIPTIVOS DE LA CINTICA DE SNTESIS DE PRODUCTOS.
qp = {Ypx} + kp Gaden
qp = + Luedeking y Piret
S
S III M
MU
M UL
U LA
L AC
A C III
C N
N
N
30
(A) (B ) (C) (D) (E )
DEFINICIN DEL MODELADO ORGANIZACIN DE SOLUCIN DE INTERPRETACIN DE
PROBLEMA MATEMTICO DEL ECUACIONES ECUACIONES RESULTADOS
PROCESO MEDIANTE
COMPUTACIN
31
La parte central del proceso fermentativo est constituida por la cintica y la
estequiometra de reaccin. Ambas son determinantes para la relacin biunvoca
entre la fisiologa celular y el medio ambiente, principalmente las concentraciones
de sustrato limitante [s], de metabolitos inhibidores [p], as como la temperatura T
y el pH del medio. El entorno afecta al estado fisiolgico celular y ste, a su vez,
provoca alteraciones en el medio en donde se cultivan las clulas.
qs = {(s,p)}
32
qs = m + (s,p)/Yg + qp{(s,p)}/Yp
33
ESTEQUIOMETRA DE REACCIN.
Peso Cenizas
[C] Microorganismo Frmula qumica emprica molecular %
34
COMPOSICION ELEMENTAL MEDIA DE MICROORGANISMOS
Carbono
% [C]mn. 47.0 - 44.0 -
% [C]mx. 53.0 - 50.0 -
Nitrgeno
% [N]mn. 12.0 3.9 7.5 5.9
% [N]mx. 14.0 3.8 11.0 4.5
Fsforo
% [P]mn. 1.5 31.3 1.0 44.0
% [P]mx. 2.0 26.5 1.5 33.3
Potasio
% [K]mn. 1.5 31.3 1.5 29.3
% [K]mx. 2.5 21.2 2.0 25.0
Magnesio
% [Mg]mn. 0.1 470.0 0.1 440.0
% [Mg]mx. 0.3 76.7 0.3 166.7
Azufre
% [S]mn. 0.300 56.7 0.31 46.7
% [S]mx. 0.600 78.3 0.60 73.3
Oligoelementos
% [Ca] 0.100 470 0.10 440.0
% [Fe] 0.015 3133
% [Mn] 0.005 9400
% [Zn] 0.005 9400
% [Co] 0.001 47000
% [Mo] 0.001 47000
35
[*] Considerando para el medio de cultivo [M.C], un exceso del 50% en la fuente
de carbono para CO2 que es el nico subproducto de la reaccin que contiene
carbono.
Se estima la relacin de cada una de las materias primas [S] con respecto a la
fuente de carbono.
36
Estimacin de rendimientos tericos: celular (Yg), calrico (Ykg) y de oxgeno (YO2g)
Sobre esta base es factible calcular el rendimiento terico celular mximo que se
esperara para cualquier fuente de carbono biodegradable, conociendo las
fracciones de carbono en el material celular [C/x] y en el sustrato [C/s].
Valores
experimentales
Bacterias Lev.
Sustrato Frmula PM [C/s] [Yg]calc [Yg] [Yg]
Durante una fermentacin una parte del contenido energtico del sustrato se
libera como calor y otra queda almacenada en los productos de reaccin.
Conocido el contenido energtico de la fuente de carbono as como de los
productos de la reaccin, es posible estimar la cantidad de energa que se libera
durante la fermentacin por oxidacin biolgica del sustrato.
Sobre esta base se pueden calcular los valores del calor de combustin del
sustrato [Hs], clulas [Hc] y productos [Hp].
37
1.- Existe una relacin estequiomtrica entre la cantidad de O 2 que se consume
por combustin de una substancia y el grado de reduccin de la misma. En
general, se tiene establecido que por cada mol de O 2 que se consume en la
reaccin de oxidacin, se liberan aproximadamente 112 Kcal.
2.- Por otra parte, considerando el valor de 26.05 kcal por electrn disponible, (e -)
que es la cantidad de energa liberada por la transferencia de un electrn
equivalente del sustrato reducido al oxgeno, y estimando el nmero de electrones
disponibles de los tomos de Carbono[4], Hidrgeno[1], Oxgeno[-2] y Nitrgeno[-
3] en el sustrato, en clulas o en productos, se puede tambin hacer la estimacin
del calor de combustin respectivo. En este ltimo caso se obtienen valores
ligeramente menores a los obtenidos si se considera el oxgeno consumido en la
reaccin de oxidacin del compuesto.
38
Calor de Combustin de Sustratos (expresado en kcal/mol).
20.7 [C] [H]1.66 [N]0.20 [O]0.27 + 1.280[O]2 --> CO2 + 0.100 N2 + 0.83 H2O 6.83
22.5 [C] [H]1.78 [N]0.24 [O]0.33 + 1.280[O]2 --> CO2 + 0.120 N2 + 0.89 H2O 6.28
23.7 [C] [H]1.74 [N]0.22 [O]0.43 + 1.220[O]2 --> CO2 + 0.110 N2 + 0.87 H2O 5.68
24.0 [C] [H]1.82 [N]0.19 [O]0.47 + 1.220[O]2 --> CO2 + 0.095 N2 + 0.91 H2O 5.61
25.6 [C] [H]1.84 [N]0.20 [O]0.56 + 1.180[O]2 --> CO2 + 0.100 N2 + 0.92 H2O 5.09
23.9 [C] [H]1.82 [N]0.19 [O]0.46 + 1.225[O]2 --> CO2 + 0.095 N2 + 0.91 H2O 5.66
25.5 [C] [H]1.84 [N]0.20 [O]0.55 + 1.185[O]2 --> CO2 + 0.100 N2 + 0.92 H2O 5.13
22.6 [C] [H]1.40 [N]0.20 [O]0.40 + 1.150[O]2 --> CO2 + 0.100 N2 + 0.70 H2O 5.62
22.3 [C] [H]1.43 [N]0.14 [O]0.44 + 1.140[O]2 --> CO2 + 0.070 N2 + 0.72 H2O 5.64
22.8 [C] [H]1.60 [N]0.20 [O]0.40 + 1.200[O]2 --> CO2 + 0.100 N2 + 0.80 H2O 5.81
24.1 [C] [H]1.77 [N]0.11 [O]0.55 + 1.170[O]2 --> CO2 + 0.055 N2 + 0.89 H2O 5.36
Valor Medio de Hc 5.70
39
En un proceso de combustin biolgica de la fuente de carbono, se tiene la
siguiente estequiometra de reaccin.
40
RENDIMIENTOS CELULAR, CALRICO Y DE OXGENO.
Hc = 5.7[kcal/gc] Y[k/o] = 3.5 [kcal/gO2]
kcal/g Yxs
Hs Organismo Sustrato Real o Yxk Yxk YO2 YO2
Calc. Calc. Real* Calc. Real Calc.
3.48 Bacteria Acetato 0.36 0.25 0.88
3.74 Bacteria Glucosa 0.51 0.61 2.15
5.43 Bacteria Metanol 0.40 0.13 0.44
7.10 Bacteria Etanol 0.68 0.21 0.74
8.40 Bacteria Isopropanol 0.43 0.07 0.25
13.30 Bacteria Metano 0.62 0.06 0.22
3.95 A.aerogenes Maltosa 0.46 0.40 0.35 1.50 1.21
3.73 A.aerogenes Fructosa 0.42 0.39 0.31 1.46 1.10
3.74 A.aerogenes Glucosa 0.40 0.30 0.27 1.11 0.96
3.74 C. utilis Glucosa 0.51 0.35 0.61 1.32 2.15
3.74 P. chrysogenum Glucosa 0.43 0.36 0.33 1.35 1.17
3.74 Ps. fluorescens Glucosa 0.38 0.23 0.24 0.85 0.85
3.74 Rh. spheroides Glucosa 0.45 0.39 0.38 1.46 1.34
3.74 S.cerevisiae Glucosa 0.50 0.26 0.56 0.97 1.97
4.32 A.aerogenes Glicerol 0.45 0.26 0.26 0.97 0.90
3.66 A.aerogenes Lactato 0.18 0.10 0.07 0.37 0.24
3.18 A.aerogenes Piruvato 0.20 0.13 0.10 0.48 0.34
3.48 A.aerogenes Acetato 0.18 0.08 0.07 0.31 0.26
3.48 C. utilis Acetato 0.36 0.19 0.25 0.70 0.88
3.48 Ps. fluorescens Acetato 0.28 0.12 0.15 0.46 0.52
7.10 C. utilis Etanol 0.68 0.16 0.21 0.61 0.74
7.10 Ps. fluorescens Etanol 0.49 0.11 0.11 0.42 0.40
5.43 Klebsiella Metanol 0.38 0.15 0.12 0.56 0.41
5.43 Methylomonas Metanol 0.48 0.14 0.18 0.53 0.62
5.43 Pseudomonas Metanol 0.41 0.12 0.13 0.44 0.46
13.30 Methylococcus Metano 1.01 0.08 0.13 0.29 0.47
13.30 Pseudomonas Metano 0.80 0.05 0.09 0.20 0.32
13.30 Pseudomonas Metano 0.50 0.05 0.05 0.19 0.17
13.30 Ps. methanica Metano 0.56 0.05 0.06 0.17 0.19
41
(* Acumulacin intracelular de enzima*)(*Modelo de Gad Yagil*)
(*Acumulacin intracelular de mRNA m'[t]=q m -m(k d m+)*)
(*Acumulacin intracelular de enzima e'[t]=q e -e(k d e +) = m(f 2 )-e(k d e +)*)
$DefaultFont = {"Times",6};
(*m = concentracin intracelular de mRNA = [Um/gcel]*)
(*e = concentracin intracelular de protena = [Ue/gcel]*)
(*qm = velocidad especfica de transcripcin de mRNA = f1 = [Um/gcel.h]*)
(*f2 = velocidad especfica de traduccin del mRNA a protena = [Ue/Um.h]*)
(*qe = velocidad especfica de sntesis de protena = m (f2) = [Ue/gcel.h]*)
Clear[m,mo,sol,eo,,km,ke,qm,f2,tf,t,mi,me]
(*Valores iniciales y constantes del modelo*)
mo=100.0; eo=100.0; =0.166; km=3.2; ke=0.0; qm = 6*4 ; f2=0.95/4 ; tf=16;
rem=Plot[Evaluate[m[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","m (U m/gcel)"}, PlotRange ->{0,mo}, PlotLabel ->"mRNA",
PlotStyle->{RGBColor[1,0,1]} , Background ->GrayLevel[0.85]];
renz=Plot[Evaluate[e[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","enzima (Ue/gcel)"}, PlotRange ->{0,eo},PlotLabel -
>"enzima",
PlotStyle->{RGBColor[1,0 ,0]} , Background ->GrayLevel[0.85] ];
reminact=Plot[Evaluate[mi[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","mi (Um/gcel)"}, PlotRange ->{0,mo}, PlotLabel ->"mRNA
inact"];
renzinact=Plot[Evaluate[ei[t]/.sol],{t,0,tf},
AxesLabel->{"t (h)","ei (Ue/gcel)"}, Plot Range->{0,eo}, PlotLabel ->"enzima
inact"];
(* Show[GraphicsArray[{multm,multenzim}]] *)
42
M
MTTTO
OD
O DO
D OS
O SN
S NU
N UM
U M
M R
RIIIC
R CO
C OS
O SP
S PA
P AR
A RA
R AL
A LA
L AS
A SO
S OL
O LU
L UC
U CIII
C N
ND
N DE
D EE
E EC
E CU
C UA
U AC
A CIIIO
C ON
O NE
N ES
E SD
S DIIIF
D FE
F ER
E RE
R EN
E NC
N CIIIA
C AL
A LE
L ES
E S
S
A menudo, despus del anlisis de un sistema de reaccin, se obtiene un
conjunto de ecuaciones diferenciales que no pueden resolverse mediante los
mtodos analticos tradicionales. Para ese conjunto se conocen las condiciones
iniciales y cada una de las ecuaciones tienen la forma:
x'=f[t,x], x[to]=xo;
s'=f[t,s], s[to]=so;
p'=f[t,p], p[to]=po;
x'=f[x,s,p], x[to]=xo;
s'=f[x,s,p], s[to]=so;
p'=f[x,s,p], p[to]=po;
Tales frmulas se derivan de soluciones por series. Por ejemplo en (1); se tiene
que x' = f, entonces: x[t+h]=x[t]+h f +(h 2/2) f'+(h 3/6) f'' +....., (2)
43
donde f, f', f'' se evalan en [t, x[t]]. Para valores pequeos de h, las potencias
superiores h2, h3,...., que aparecen en (2) sern muy pequeas y con una mala
aproximacin podra tenerse que: x[t+h]=x[t]+h f.
k2 = hf[tn+h, xn+k1]
y as sucesivamente.
Heun:
k1=0.1[0.5*1.0]=0.05 k2=0.1[0.5(1.0+0.05)]=0.0525
44
x1=1.0+1/2(0.05+0.0525)=1.0+0.05125=1.05125
x2=x1+1/2(k1+k2)
k1=h[mxx1] k2=h[mx(x1+k1)]
k1=0.1[0.5*1.05125]=0.0525625 k2=0.1[0.5(1.05125+0.0525625)]=0.055190625
x2=1.05125+1/2(0.0525625+0.055190625)=1.05125+0.05387656=1.1051265
y as sucesivamente
xn+1= xn+1/6(k1+2k2+2k3+k4),
donde:
k1=hf[tn,xn]
k2=hf[tn+h/2,xn+k1/2]
k3=hf[tn+h/2,xn+k2/2]
k4=hf[tn+h,xn+k3]
x1= 1.0+1/6(0.05+2*0.05225+2*0.0513125+0.052565625)=1.051798
45
y como en los casos anteriores se repiten los clculos sucesivamente, a partir del
nuevo valor de xn obtenido.
x'=f[x,s], x[to]=xo;
s'=g[x,s], s[to]=so;
xn+1= xn+1/6(k1+2k2+2k3+k4)
sn+1= sn+1/6(L1+2L2+2L3+L4)
46
47