Métodos Computacionales de Física en Colombia: Simulación y Model

¿Sabías que los puentes de la 26 en Bogotá, las torres eólicas de La Guajira o los sistemas de transporte de Medellín se diseñan usando física computacional? En este curso descubrirás cómo los métodos numéricos y las simulaciones transforman ecuaciones teóricas en soluciones prácticas. ¡Y lo mejor: lo harás con ejemplos que conoces!

¿Qué es la física computacional y por qué nos importa en Colombia?

Imagina que necesitas predecir cómo se moverá el aire alrededor de un edificio en el centro de Medellín durante el próximo verano. Las ecuaciones que describen este fenómeno son tan complejas que resolverlas a mano sería como intentar calcular el precio de un mercado de Paloquemao... ¡en el siglo XVIII! Aquí es donde entra la física computacional: usa computadores para resolver problemas que las matemáticas puras no pueden. En Colombia, esto es clave para diseñar infraestructura resiliente, optimizar energías renovables o incluso predecir inundaciones en ciudades como Cartagena.

Física computacional

En clair : Es como usar una calculadora gigante para resolver ecuaciones que no podrías hacer a mano, pero con la capacidad de visualizar resultados en gráficos y animaciones.

Définition : Física computacional estudia sistemas físicos mediante modelos matemáticos implementados en computadores, combinando física, matemáticas y programación para obtener soluciones aproximadas.

À ne pas confondre : No es lo mismo que física teórica (que busca soluciones exactas) ni física experimental (que usa instrumentos reales).

La física computacional es la herramienta que hace tangible lo que antes solo existía en ecuaciones.

¿Por qué es importante para ti? En el ICFES Saber 11, los problemas de física suelen incluir gráficos y datos que requieren interpretación. La física computacional te da las herramientas para generar esos gráficos y analizar esos datos de forma sistemática.Te prepara para preguntas que combinan física, matemáticas y tecnología
Es la base de carreras como ingeniería, física aplicada y ciencias de datos
Te permite resolver problemas de tu entorno: tráfico, clima, energía...

Simulando el viento en La Guajira

Los ingenieros usan simulaciones para decidir dónde instalar aerogeneradores en el Parque Eólico de La Guajira. Tú harás una simulación simplificada del viento en esta región.

El viento en La Guajira alcanza velocidades promedio de $12 m/s$ a $15 m/s$
Un aerogenerador típico tiene una altura de $80 m$
La potencia generada depende del cubo de la velocidad del viento: $P \propto v^{3}$
En tu simulación, dividirás la región en una malla de $10 \times 10$ puntos

Con esta simulación entenderás por qué La Guajira es ideal para energía eólica: el viento es constante y fuerte.

Errores comunes al empezar Muchos estudiantes confunden la física computacional con programación avanzada o con ser experto en computadores. ¡No es así!

Métodos numéricos básicos: los cimientos de las simulaciones

Antes de simular sistemas complejos, necesitas dominar los métodos que convierten ecuaciones diferenciales en algoritmos. Estos métodos son como las reglas de un juego: sin ellas, no puedes avanzar. En Colombia, estos métodos se aplican desde el diseño de puentes hasta la predicción de deslizamientos en las laderas de Medellín.

Método de Euler

En clair : Imagina que quieres saber la posición de un carro en movimiento cada segundo. Si conoces su velocidad actual, puedes estimar su posición en el próximo segundo sumando velocidad × tiempo.

Définition : Dada una ecuación diferencial $\frac{d y}{d t} = f (t, y)$ con condición inicial $y (t_{0}) = y_{0}$ , el método de Euler aproxima la solución mediante la recurrencia $y_{n + 1} = y_{n} + h \cdot f (t_{n}, y_{n})$ , donde $h$ es el paso de tiempo.

À ne pas confondre : No es exacto para sistemas no lineales o cuando el paso $h$ es demasiado grande.

Es el 'Hola Mundo' de la simulación: simple pero fundamental.

Fórmula del método de Euler

y_{n + 1} = y_{n} + h \cdot f (t_{n}, y_{n})

La recurrencia fundamental que define el método de Euler

Caída de un objeto en Bogotá

Simularemos la caída de un objeto desde la Torre Colpatria en Bogotá (360 m de altura) usando el método de Euler. Asumiremos aceleración constante por gravedad $g = 9.8 {m/s}^{2}$ .

Condición inicial: $y_{0} = 360 m$ , $v_{0} = 0 m/s$
Ecuación diferencial: $\frac{d v}{d t} = g$ , $\frac{d y}{d t} = v$
Paso de tiempo: $h = 0.1 s$
Número de pasos: $N = 3600$ (para simular 6 minutos)

Verás cómo la posición disminuye cuadráticamente con el tiempo, como predice la teoría.

Cómo implementar el método de Euler en Python

Sigue estos pasos para crear tu primera simulación:

Importa las librerías necesarias: import numpy as np y import matplotlib.pyplot as plt
Define la función $f (t, y)$ que representa tu ecuación diferencial
Inicializa los arreglos para almacenar tiempo, posición y velocidad
Aplica la recurrencia de Euler en un bucle for
Grafica los resultados con plt.plot(t, y)

¡En 10 líneas de código tendrás tu primera simulación funcionando!

Ejercicio: Simula el movimiento de un péndulo

Simula el ángulo $θ (t)$ del péndulo usando la ecuación $\frac{d^{2} θ}{d t^{2}} = - \frac{g}{L} \sin (θ)$ . Usa $h = 0.01 s$ y condiciones iniciales $θ (0) = 0.1 rad$ y $\frac{d θ}{d t} (0) = 0$ .

Longitud del péndulo $L = 1 m$
Gravedad $g = 9.8 {m/s}^{2}$
Paso de tiempo $h = 0.01 s$
Tiempo total $T = 10 s$

Solution

Conversión a sistema de primer orden — Convierte la ecuación de segundo orden a dos ecuaciones de primer orden: $\frac{d θ}{d t} = ω$ y $\frac{d ω}{d t} = - \frac{g}{L} \sin (θ)$
Implementación en Python — Crea un script que implemente el método de Euler para este sistema. Guarda los valores de $θ$ y $ω$ en arreglos.
Visualización — Grafica $θ (t)$ vs $t$ y $ω (t)$ vs $t$ . Observa cómo el ángulo oscila con el tiempo.

→ El péndulo oscilará con un período aproximado de $2 π \sqrt{\frac{L}{g}} \approx 2.006 s$ . La amplitud disminuirá ligeramente debido a la aproximación numérica (el método de Euler no conserva energía).

Simulaciones de sistemas mecánicos: puentes y estructuras

Colombia tiene algunos de los puentes más impresionantes de Sudamérica, como el Puente de la Amistad Colombo-Venezolana o el Viaducto de La Sirena. Pero, ¿cómo saben los ingenieros que resistirán terremotos o vientos fuertes? Usan simulaciones computacionales que modelan la estructura como una colección de resortes y masas. ¡Tú harás una simulación similar!

Sistema masa-resorte

En clair : Imagina un columpio en el parque: la cadena actúa como resorte y tu cuerpo como masa. Cuando te balanceas, estás usando un sistema masa-resorte en la vida real.

Définition : Un sistema masa-resorte lineal se describe por la ecuación $m \frac{d^{2} x}{d t^{2}} + b \frac{d x}{d t} + k x = F (t)$ , donde $m$ es masa, $b$ es coeficiente de amortiguamiento, $k$ es constante del resorte y $F (t)$ es fuerza externa.

À ne pas confondre : No es aplicable a sistemas no lineales como resortes que se deforman permanentemente.

Es el modelo más usado para estructuras en ingeniería civil.

Ecuación del sistema masa-resorte

m \frac{d^{2} x}{d t^{2}} + b \frac{d x}{d t} + k x = F (t)

La ecuación diferencial que gobierna el movimiento

Simulando el Puente de Occidente

El Puente de Occidente en Antioquia (uno de los más antiguos de Colombia) puede modelarse como un sistema masa-resorte. Simularemos su respuesta a un viento fuerte típico de la región.

Masa del puente: $m = 50000 kg$
Constante del resorte (rigidez): $k = 10^{6} N/m$
Amortiguamiento: $b = 2000 N·s/m$
Fuerza externa (viento): $F (t) = 1000 \sin (2 π t) N$

Verás cómo el puente oscila con una amplitud que depende de la frecuencia del viento. ¡Esto es exactamente lo que los ingenieros quieren evitar!

¡Cuidado con la resonancia! Cuando la frecuencia de la fuerza externa coincide con la frecuencia natural del sistema, la amplitud de las oscilaciones crece sin límite.

Ejercicio: Diseña un amortiguador para el sistema

Ajusta el coeficiente de amortiguamiento $b$ para lograr que la amplitud máxima sea menor a $0.1 m$ . Usa los mismos parámetros del ejemplo anterior.

Masa $m = 50000 kg$
Constante $k = 10^{6} N/m$
Fuerza $F (t) = 1000 \sin (2 π t) N$
Amplitud máxima deseada: $0.1 m$

Solution

Cálculo de la frecuencia natural — Calcula la frecuencia natural del sistema: $f_{0} = \frac{1}{2 π} \sqrt{\frac{k}{m}}$ .
$f_{0} = \frac{1}{2 π} \sqrt{\frac{10^{6}}{50000}} \approx 0.711 Hz$
Simulación con diferentes $b$ — Ejecuta la simulación con valores crecientes de $b$ (por ejemplo, 2000, 5000, 10000, 20000 N·s/m) y observa cómo cambia la amplitud máxima.
Selección del valor óptimo — Elige el valor de $b$ que cumpla con el criterio de amplitud máxima.

→ Un valor de $b \approx 15000 N·s/m$ reduce la amplitud máxima a aproximadamente $0.08 m$ , cumpliendo con el criterio.

Modelado de fluidos: ¿Cómo fluye el agua en Cartagena?

Cartagena es una ciudad costera donde el manejo del agua es crítico: desde inundaciones hasta el diseño de sistemas de drenaje. Los modelos de fluidos computacionales (CFD) permiten simular cómo se mueve el agua en canales, tuberías o incluso en el mar. ¡Aprenderás los conceptos básicos de estos modelos que usan ingenieros en Colombia!

Ecuaciones de Navier-Stokes

En clair : Imagina que quieres saber cómo se mueve el agua en el Canal del Dique durante la temporada de lluvias. Las ecuaciones de Navier-Stokes te dicen exactamente cómo cambia la velocidad y presión del agua en cada punto.

Définition : Las ecuaciones son: $\frac{\partial 𝐮}{\partial t} + (𝐮 \cdot \nabla) 𝐮 = - \frac{1}{ρ} \nabla p + ν \nabla^{2} 𝐮 + 𝐠$ y $\nabla \cdot 𝐮 = 0$ , donde $𝐮$ es velocidad, $p$ es presión, $ρ$ es densidad, $ν$ es viscosidad y $𝐠$ es gravedad.

À ne pas confondre : No aplican a fluidos compresibles (como el aire a alta velocidad) o a fluidos no newtonianos (como la miel espesa).

Resolver estas ecuaciones es tan difícil que el Clay Mathematics Institute ofrece un premio de $1 millón por una solución general.

Ecuación de continuidad (simplificación)

\frac{\partial u}{\partial x} + \frac{\partial v}{\partial y} = 0

Para fluidos incompresibles en 2D, la ecuación de continuidad se simplifica a:

Flujo en un canal rectangular

Simularemos el flujo de agua en un canal rectangular típico de los sistemas de drenaje de Cartagena. Usaremos el método de diferencias finitas para resolver las ecuaciones simplificadas.

Canal de $2 m$ de ancho y $1 m$ de profundidad
Velocidad inicial: $u = 0.5 m/s$ , $v = 0$
Viscosidad cinemática del agua: $ν = 10^{- 6} m^{2} / s$
Malla de $20 \times 10$ puntos

Verás cómo el agua fluye más rápido en el centro del canal y más lento cerca de las paredes (efecto de capa límite).

Método de diferencias finitas para fluidos

Para resolver las ecuaciones de Navier-Stokes numéricamente, seguimos estos pasos:

Discretiza el espacio en una malla (grid) de puntos
Aproxima las derivadas usando diferencias finitas (por ejemplo, $\frac{\partial u}{\partial x} \approx \frac{u_{i + 1, j} - u_{i - 1, j}}{2 Δ x}$ )
Resuelve las ecuaciones de forma iterativa en cada punto de la malla
Actualiza las condiciones de frontera en cada iteración

Este método es la base de herramientas profesionales como ANSYS Fluent.

Problemas comunes en CFD Cuando simulas fluidos, estos errores pueden arruinar tus resultados:

Monte Carlo y sistemas complejos: ¿Cómo predecir el clima en Medellín?

Medellín tiene un clima variable: de soleado a lluvioso en cuestión de horas. Predecir este clima requiere métodos estadísticos como Monte Carlo, que usan números aleatorios para simular sistemas complejos. ¡Aprenderás cómo funciona este método que se usa en finanzas, física y hasta en epidemiología!

Método de Monte Carlo

En clair : Imagina que quieres saber cuántas veces llueve en Medellín en un año. En lugar de contar todos los días (imposible), lanzas una moneda muchas veces y cuentas las caras. El método de Monte Carlo hace algo similar pero con números aleatorios y ecuaciones.

Définition : El método aproxima el valor esperado de una variable $X$ mediante el promedio de $N$ realizaciones independientes: $E [X] \approx \frac{1}{N} \sum_{i = 1}^{N} X_{i}$ , donde cada $X_{i}$ es una muestra aleatoria.

À ne pas confondre : No es útil para problemas con soluciones cerradas exactas o cuando el número de muestras necesarias es demasiado grande.

Es como usar la suerte para resolver problemas serios... ¡pero con matemáticas detrás!

Valor esperado en Monte Carlo

E [X] \approx \frac{1}{N} \sum_{i = 1}^{N} X_{i}

La fórmula fundamental del método

Calculando π con Monte Carlo

Usaremos el método de Monte Carlo para aproximar el valor de π. ¡Es un clásico que muestra cómo funciona el método!

Dibuja un círculo de radio 1 dentro de un cuadrado de lado 2
Genera puntos aleatorios dentro del cuadrado
Calcula la fracción de puntos que caen dentro del círculo
Multiplica por 4 para obtener una aproximación de π

Cuantos más puntos generes, más precisa será tu aproximación de π. ¡Inténtalo con 10 000 puntos y verás!

Aplicando Monte Carlo a problemas físicos

Para usar Monte Carlo en física, sigue estos pasos:

Define el espacio de parámetros de tu problema
Genera números aleatorios que sigan la distribución adecuada (uniforme, normal, etc.)
Evalúa la función objetivo para cada muestra aleatoria
Calcula el promedio y la desviación estándar de los resultados
Aumenta el número de muestras para mejorar la precisión

Este método es especialmente útil para sistemas con muchas partículas o interacciones complejas.

Ejercicio: Simula la lluvia en Medellín

Asume que cada día tiene una probabilidad independiente de $p = \frac{200}{365} \approx 0.548$ de llover. Simula 1000 semanas (7 días cada una) y calcula la fracción de semanas con al menos 3 días consecutivos de lluvia.

Probabilidad diaria de lluvia: $p = 0.548$
Número de semanas a simular: $N = 1000$
Días por semana: $7$

Solution

Generación de números aleatorios — Para cada día en cada semana, genera un número aleatorio entre 0 y 1. Si es menor que $p$ , considera que llovió ese día.
Detección de días consecutivos — Recorre los 7 días de cada semana y cuenta secuencias de días consecutivos con lluvia.
Cálculo de probabilidad — Calcula la fracción de semanas donde hubo al menos 3 días consecutivos de lluvia.

→ La probabilidad estimada es aproximadamente 0.45 (45%). Esto significa que en casi la mitad de las semanas, llueve al menos 3 días seguidos en Medellín.

Herramientas computacionales accesibles para estudiantes

No necesitas un supercomputador o licencias caras para hacer física computacional. Hoy existen herramientas gratuitas y potentes que puedes usar desde tu computador en Bogotá, Medellín o cualquier ciudad de Colombia. ¡Te mostraré las mejores opciones!

Las 5 herramientas que todo estudiante colombiano debe conocerPython + NumPy + Matplotlib: El trío perfecto para simulaciones numéricas y visualización
Jupyter Notebook: Ideal para documentar tu proceso y compartir resultados
GlowScript: Para simulaciones interactivas en 3D sin instalar nada
PhET Simulations: Simulaciones listas para usar de la Universidad de Colorado
ANSYS Student: Versión gratuita de un software profesional de simulación

Instalando Python en tu computador (o usando la nube)

Te guiaré para instalar Python y las librerías necesarias en Windows, macOS o Linux. Si no quieres instalar nada, te mostraré cómo usar Google Colab (gratis y sin configuración).

Descarga Python desde python.org (versión 3.10 o superior)
Instala las librerías con pip install numpy matplotlib scipy
Para Google Colab: ve a colab.research.google.com y crea un nuevo notebook
Prueba tu instalación con un código simple: print('¡Hola, Colombia!')

En menos de 10 minutos tendrás todo listo para empezar a simular.

Tu primer notebook de física computacional

Sigue estos pasos para crear un notebook básico:

Abre Jupyter Notebook (o Google Colab)
Crea un nuevo notebook con Nuevo
Escribe código en las celdas (por ejemplo, para el método de Euler)
Ejecuta las celdas con Shift+Enter
Guarda tu trabajo con Ctrl+S

¡Este notebook será tu laboratorio virtual personal!

Herramienta	Tipo	Costo	Dificultad	Recomendado para
Python + librerías	Lenguaje de programación	Gratis	Media	Simulaciones personalizadas
Jupyter Notebook	Entorno interactivo	Gratis	Baja	Documentar y compartir resultados
GlowScript	Simulador 3D en línea	Gratis	Baja	Visualizaciones en 3D
PhET Simulations	Simulaciones listas	Gratis	Muy baja	Aprender conceptos básicos
ANSYS Student	Software profesional	Gratis (versión estudiantil)	Alta	Proyectos avanzados

Ejercicio: Crea tu primer simulación con PhET

Abre la simulación de péndulo en PhET (https://phet.colorado.edu/sims/html/pendulum-lab/latest/pendulum-lab_es.html). Varía la longitud del péndulo entre $0.5 m$ y $2 m$ . ¿Cómo cambia el período? Compara con la fórmula teórica $T = 2 π \sqrt{\frac{L}{g}}$ .

Aceleración de la gravedad: $g = 9.8 {m/s}^{2}$
Longitudes a probar: $0.5 m, 1 m, 1.5 m, 2 m$

Solution

Exploración inicial — Abre la simulación y juega con los controles. Observa cómo el péndulo oscila.
Recolección de datos — Para cada longitud, mide el período (tiempo para una oscilación completa) usando el cronómetro de la simulación.
Comparación con teoría — Calcula el período teórico para cada longitud y compáralo con tus mediciones.

→ El período aumenta con la raíz cuadrada de la longitud. Por ejemplo, para $L = 1 m$ , $T \approx 2.006 s$ (teórico) vs aproximadamente $2 s$ (simulación).

Errores comunes y cómo evitarlos: el arte de depurar simulaciones

Todos cometemos errores al simular. Lo importante es aprender a identificarlos y corregirlos. En esta sección te mostraré los errores más comunes que veo en mis estudiantes y cómo solucionarlos. ¡Así evitarás frustraciones y resultados incorrectos!

Los 7 pecados capitales en física computacional Estos errores arruinan más simulaciones que cualquier otro factor:

Depurando una simulación fallida

Simularemos la caída de un objeto pero obtenemos un resultado absurdo: el objeto acelera hacia arriba. ¿Qué está mal?

Código inicial: Usamos $y_{n + 1} = y_{n} + v_{n} \cdot h$ pero olvidamos que la gravedad debe restarse
Error identificado: La velocidad debería ser negativa (hacia abajo) pero la tomamos como positiva
Solución: Cambiamos la ecuación a $y_{n + 1} = y_{n} + v_{n} \cdot h - \frac{1}{2} g h^{2}$
Resultado: Ahora el objeto acelera hacia abajo como predice la teoría

Pequeños errores en las ecuaciones pueden llevar a resultados completamente opuestos a la realidad.

Guía rápida para depurar simulaciones

Sigue estos pasos cuando tu simulación no funcione:

Revisa las condiciones iniciales: ¿Empieza el sistema en el estado correcto?
Verifica las unidades: ¿Estás usando metros, segundos y kilogramos de forma consistente?
Imprime valores intermedios: ¿Los números tienen sentido en cada paso?
Grafica resultados parciales: ¿La evolución tiene sentido físico?
Compara con teoría: ¿El resultado final coincide con lo esperado?
Reduce la complejidad: ¿El problema persiste con un modelo más simple?
Busca ayuda: Revisa foros como Stack Overflow o pregunta a tus compañeros

Con esta checklist, resolverás la mayoría de los problemas en minutos.

¿Las condiciones iniciales son realistas para el problema?
¿El paso de tiempo es lo suficientemente pequeño?
¿Todas las unidades son consistentes?
¿Los resultados tienen sentido físico?
¿Guardaste el código y los datos?
¿Incluiste comentarios en tu código para que otros lo entiendan?

FAQ

¿Necesito saber programar para hacer física computacional?

No necesitas ser experto. Con conocimientos básicos de Python (como variables, bucles y funciones) puedes empezar. Las librerías como NumPy y Matplotlib hacen el trabajo pesado por ti. ¡Empieza con ejemplos simples y ve aumentando la complejidad!

¿Qué computador necesito para hacer simulaciones?

Casi cualquier computador moderno sirve. Para simulaciones simples (como el método de Euler), un computador de gama media es suficiente. Si trabajas con sistemas grandes (como dinámica molecular), necesitarás más memoria RAM (mínimo 8 GB). ¡Incluso puedes usar Google Colab si no quieres instalar nada!

¿Cómo me preparo para preguntas de física computacional en el ICFES Saber 11?

En el ICFES, las preguntas suelen incluir interpretación de gráficos y datos. Practica con simulaciones simples y enfócate en: 1) Entender qué representa cada eje en un gráfico, 2) Identificar tendencias (crecimiento, decrecimiento, periodicidad), y 3) Relacionar resultados numéricos con fenómenos físicos. ¡Usa PhET y GlowScript para practicar!

¿Puedo usar estas simulaciones para proyectos escolares o universitarios?

¡Absolutamente! Las simulaciones que aprenderás aquí son perfectas para proyectos en física, ingeniería o ciencias ambientales. Por ejemplo, puedes simular el tráfico en Medellín, la erosión en las laderas de Cali o la eficiencia de paneles solares en La Guajira. Solo asegúrate de documentar bien tu metodología y validar con datos reales cuando sea posible.

¿Qué pasa si mi simulación da resultados diferentes a la teoría?

Primero, verifica que tu código esté implementando correctamente las ecuaciones. Luego, revisa las condiciones iniciales y los parámetros. Si todo parece correcto, puede ser un error numérico (como usar un paso de tiempo demasiado grande). Recuerda: las simulaciones son aproximaciones. ¡Siempre compara con datos reales o teoría cuando sea posible!

¿Hay comunidades o grupos en Colombia donde pueda aprender más sobre física computacional?

Sí. Busca grupos como 'Python Colombia' en Meetup o Facebook, o comunidades universitarias como el Grupo de Física Computacional de la Universidad Nacional. También hay talleres gratuitos en bibliotecas públicas y eventos como el Festival de Software Libre. ¡La mejor forma de aprender es compartiendo con otros!

¿Qué es la física computacional y por qué nos importa en Colombia?

Métodos numéricos básicos: los cimientos de las simulaciones

Ejercicio: Simula el movimiento de un péndulo

Simulaciones de sistemas mecánicos: puentes y estructuras

Ejercicio: Diseña un amortiguador para el sistema

Modelado de fluidos: ¿Cómo fluye el agua en Cartagena?

Monte Carlo y sistemas complejos: ¿Cómo predecir el clima en Medellín?

Ejercicio: Simula la lluvia en Medellín

Herramientas computacionales accesibles para estudiantes

Ejercicio: Crea tu primer simulación con PhET

Errores comunes y cómo evitarlos: el arte de depurar simulaciones

FAQ

Fuentes