Skip to content
Este artículo tiene fines educativos. Te animamos a verificar con fuentes oficiales.

Imagina esto: un estudiante en el Mercado de Chacao en Caracas compra un mango de azúcar a las 10:00 AM. Ese pequeño movimiento de aire al abrir la bolsa ¿podría, semanas después, cambiar la trayectoria de un huracán que amenaza a Los Roques? La respuesta está en el caos y la dinámica no lineal. En 1963, el meteorólogo Edward Lorenz descubrió que en sistemas como la atmósfera, diferencias mínimas en las condiciones iniciales —como el aleteo de una mariposa en el Parque Nacional Henri Pittier— pueden generar resultados radicalmente distintos. Este fenómeno, que Lorenz llamó 'efecto mariposa', no es ciencia ficción: es matemática pura que explica por qué predecir el clima en Venezuela con más de 10 días de antelación es tan complicado. Hoy vas a trabajar con ejercicios que conectan esta teoría con situaciones reales de nuestro país: desde el transporte en el Metro de Caracas hasta la pesca en el Lago de Maracaibo.

El aleteo en el Henri Pittier

facileapplication

En el Parque Nacional Henri Pittier, dos mariposas aletean simultáneamente desde el mismo punto pero con velocidades iniciales que difieren en solo 0.01 m/s. Si la trayectoria de cada una sigue la ecuación x(t)=5t2+v0t, donde v0 es la velocidad inicial, determina la diferencia en sus posiciones después de t=10 s. ¿Qué conclusión sacas sobre la dependencia de las condiciones iniciales?

Datos

v0_1Velocidad inicial mariposa 15.00m/s
v0_2Velocidad inicial mariposa 25.01m/s
tTiempo de observación10s

Se busca

  • Δx — Diferencia en posiciones (m)

Pistas progresivas

Pista 1

Calcula primero la posición de cada mariposa usando la ecuación dada

Pista 2

Resta las dos posiciones para encontrar la diferencia

Pista 3

Reflexiona sobre cómo un cambio mínimo en v0 afecta el resultado final

Solución completa
  1. Posición de cada mariposa — Aplica la ecuación de movimiento x(t)=5t2+v0t para cada mariposa con sus respectivas velocidades iniciales
    x1(t)=5t2+v01t;x2(t)=5t2+v02t
  2. Cálculo para t=10s — Sustituye t=10 s en ambas ecuaciones y calcula las posiciones
    x1(10)=5(10)2+5.00(10)=550 mx2(10)=5(10)2+5.01(10)=551 m
  3. Diferencia en posiciones — Resta las posiciones para obtener la diferencia Δx
    Δx=x2(10)x1(10)=551550=1 m

1 m

→ La diferencia en posiciones es de 1 metro, demostrando dependencia sensible a condiciones iniciales.

El tráfico en el Metro de Caracas

facilemodeling

En hora pico, el tiempo de espera del Metro de Caracas en la estación La Hoyada sigue el modelo T(n)=15+2n, donde n es el número de trenes en servicio. Si por un error operativo solo hay n=8 trenes en lugar de los n=10 programados, ¿cuánto aumenta el tiempo de espera promedio? Representa gráficamente cómo varía T(n) para n entre 5 y 15 trenes.

Datos

n_programadoTrenes programados10
n_errorTrenes en error8
TTiempo de espera15 + 2nminutos

Se busca

  • ΔT — Aumento en tiempo de espera (minutos)

Pistas progresivas

Pista 1

Calcula T(10) y T(8) usando la fórmula dada

Pista 2

Halla la diferencia entre ambos valores

Pista 3

Grafica la función T(n) para visualizar el impacto del error

Solución completa
  1. Tiempo con trenes programados — Sustituye n=10 en la fórmula del tiempo de espera
    T(10)=15+2(10)=35 minutos
  2. Tiempo con error operativo — Sustituye n=8 en la misma fórmula
    T(8)=15+2(8)=31 minutos
  3. Diferencia en tiempos — Resta los dos tiempos para encontrar el aumento
    ΔT=T(10)T(8)=3531=4 minutos

4 minutos

→ El tiempo de espera aumenta en 4 minutos.

La pesca en el Lago de Maracaibo

moyenapplication

La captura diaria de peces en el Lago de Maracaibo sigue el modelo logístico P(t)=10001+9e0.2t, donde t es el tiempo en semanas desde el inicio de la temporada. Si por contaminación industrial la tasa de crecimiento disminuye un 10% (nuevo parámetro r=0.18), ¿cuántos peces menos se capturarán en la semana 10? Calcula también la diferencia relativa porcentual.

Datos

P_originalCaptura original\frac{1000} ParseError: Unexpected end of input in a macro argument, expected '}' at end of input: \frac{1000}{1 + 9e0.2t}peces
P_modificadoCaptura con contaminación\frac{1000} ParseError: Unexpected end of input in a macro argument, expected '}' at end of input: \frac{1000}{1 + 9e0.18t}peces
tTiempo10semanas

Se busca

  • ΔP — Diferencia en captura (peces)
  • ΔP_rel — Diferencia relativa (%)

Pistas progresivas

Pista 1

Calcula Poriginal(10) y Pmodificado(10) sustituyendo t=10

Pista 2

Halla la diferencia absoluta ΔP = Poriginal - Pmodificado

Pista 3

Calcula el porcentaje de diferencia relativa respecto al valor original

Solución completa
  1. Captura original en t=10 — Sustituye t=10 en la fórmula original
    Poriginal(10)=10001+9e0.2(10)=10001+9e2864.7 peces
  2. Captura con contaminación en t=10 — Sustituye t=10 en la fórmula modificada
    Pmodificado(10)=10001+9e0.18(10)=10001+9e1.8838.9 peces
  3. Diferencia absoluta — Resta las dos capturas para encontrar la pérdida
    ΔP=864.7838.9=25.8 peces
  4. Diferencia relativa — Calcula el porcentaje de pérdida respecto al valor original
    ΔPrel=25.8864.7×100%2.98%

→ Se capturarán aproximadamente 26 peces menos, lo que representa un 3% de diferencia relativa.

El precio del pan en Valencia

moyenoptimization

El precio del pan en Valencia sigue la función C(p)=50000+200p0.5p2, donde p es el precio por unidad en bolívares (VES). El gobierno quiere maximizar la recaudación R(p)=p×C(p). Encuentra el precio óptimo p que maximiza R(p) y calcula la recaudación máxima. ¿Cómo cambiaría este resultado si el costo base aumenta un 15%?

Datos

CFunción de costo50000 + 200p - 0.5p2VES/unidad
RFunción de recaudaciónp × C(p)VES

Se busca

  • p_optimo — Precio óptimo (VES)
  • R_max — Recaudación máxima (VES)

Pistas progresivas

Pista 1

Expresa R(p) como una función polinómica de p

Pista 2

Encuentra el máximo de R(p) derivando e igualando a cero

Pista 3

Calcula R(poptimo) para obtener la recaudación máxima

Pista 4

Repite el cálculo con el nuevo costo base (50000 × 1.15)

Solución completa
  1. Función de recaudación — Desarrolla R(p) = p × C(p)
    R(p)=p(50000+200p0.5p2)=50000p+200p20.5p3
  2. Derivada y punto crítico — Deriva R(p) respecto a p e iguala a cero para encontrar el máximo
    R(p)=50000+400p1.5p2=0
  3. Resolución de la ecuación cuadrática — Usa la fórmula cuadrática para resolver R'(p)=0
    p=400±40024(1.5)(50000)2(1.5)=400±160000+3000003=400±748.333
  4. Precio óptimo — Selecciona la solución positiva que tiene sentido económico
    poptimo=400+748.333=348.333116.11 VES
  5. Recaudación máxima — Sustituye poptimo en R(p)
    R(116.11)=50000(116.11)+200(116.11)20.5(116.11)35 805 500 VES
  6. Nuevo costo base — Calcula con el nuevo costo base de 50000 × 1.15 = 57500
    Rnuevo(p)=p(57500+200p0.5p2)
  7. Nuevo precio óptimo — Repite el proceso con el nuevo costo base
    Rnuevo(p)=57500+400p1.5p2=0poptimo,nuevo=400+160000+3450003=400+7553118.33 VES

→ El precio óptimo es aproximadamente 116 VES con recaudación máxima de 5.8 millones VES. Con el aumento del costo base, el nuevo precio óptimo es 118 VES.

La temperatura en Barquisimeto

moyenanalysis

La temperatura diaria en Barquisimeto durante la temporada seca sigue el modelo T(t)=25+5sin(2πt365), donde t es el día del año (t=0 corresponde al 1 de enero). Si por el cambio climático la amplitud aumenta un 20% (nuevo parámetro A=6), ¿cuál es la nueva temperatura máxima y mínima? Calcula también la diferencia absoluta y porcentual respecto al modelo original.

Datos

T_originalTemperatura original25 + 5sin(2πt365)°C
T_modificadoTemperatura con cambio climático25 + 6sin(2πt365)°C

Se busca

  • T_max_nuevo — Nueva temperatura máxima (°C)
  • T_min_nuevo — Nueva temperatura mínima (°C)
  • ΔT_abs — Diferencia absoluta (°C)
  • ΔT_rel — Diferencia relativa (%)

Pistas progresivas

Pista 1

La temperatura máxima ocurre cuando sin(...) = 1 y la mínima cuando sin(...) = -1

Pista 2

Calcula Tmax_original = 25 + 5(1) y Tmin_original = 25 + 5(-1)

Pista 3

Calcula las nuevas temperaturas con A=6

Pista 4

Halla las diferencias absolutas y relativas

Solución completa
  1. Temperaturas originales — Calcula los valores extremos del modelo original
    Tmax,original=25+5(1)=30 °CTmin,original=25+5(1)=20 °C
  2. Nuevas temperaturas extremas — Calcula los valores con la nueva amplitud A=6
    Tmax,nuevo=25+6(1)=31 °CTmin,nuevo=25+6(1)=19 °C
  3. Diferencia absoluta en máximo — Calcula la diferencia en la temperatura máxima
    ΔTabs,max=3130=1 °C
  4. Diferencia relativa en máximo — Calcula el porcentaje de aumento en la temperatura máxima
    ΔTrel,max=130×100%3.33%
  5. Diferencia absoluta en mínimo — Calcula la diferencia en la temperatura mínima
    ΔTabs,min=2019=1 °C
  6. Diferencia relativa en mínimo — Calcula el porcentaje de disminución en la temperatura mínima
    ΔTrel,min=120×100%=5%

→ La nueva temperatura máxima es 31°C (aumento de 1°C, 3.33%) y la mínima es 19°C (disminución de 1°C, 5%).

El puente sobre el río Chama

difficilemodeling

El movimiento de un puente colgante sobre el río Chama cerca de Mérida sigue el modelo de oscilador no lineal mx¨+cx˙+kx+αx3=F0cos(ωt), donde α es el coeficiente de no linealidad. Si α=0.1, m=5000 kg, c=200 kg/s, k=10000 N/m, F0=5000 N, ω=2 rad/s, y la posición inicial es x(0)=0.1 m con velocidad inicial x˙(0)=0, simula numéricamente la posición x(t) para t desde 0 hasta 10 segundos con pasos de 0.1 s. ¿Qué observas en la amplitud de las oscilaciones después de 10 segundos?

Datos

mMasa del puente5000kg
cCoeficiente de amortiguamiento200kg/s
kConstante elástica10000N/m
αCoeficiente no lineal0.1N/m³
F0Amplitud de fuerza externa5000N
ωFrecuencia angular2rad/s
x0Posición inicial0.1m
v0Velocidad inicial0m/s
t_maxTiempo de simulación10s
ΔtPaso de tiempo0.1s

Se busca

  • x_10s — Posición en t=10s (m)
  • amplitud_final — Amplitud de oscilaciones al final (m)

Pistas progresivas

Pista 1

Usa el método de Euler o Runge-Kutta para resolver numéricamente la ecuación diferencial

Pista 2

Implementa la ecuación x¨=1m[F0cos(ωt)cx˙kxαx3]

Pista 3

Calcula la posición en cada paso de tiempo y observa la evolución

Pista 4

Analiza si la amplitud se mantiene constante, crece o decrece

Solución completa
  1. Ecuación de movimiento — Reescribe la ecuación diferencial de segundo orden como un sistema de ecuaciones de primer orden
    {x˙=vv˙=1m[F0cos(ωt)cvkxαx3]
  2. Condiciones iniciales — Define las condiciones iniciales del sistema
    x(0)=0.1 m,v(0)=0 m/s
  3. Simulación numérica — Aplica el método de Euler con paso Δt=0.1 s para calcular x(t) y v(t) en cada instante
    xn+1=xn+vnΔtvn+1=vn+1m[F0cos(ωtn)cvnkxnαxn3]Δt
  4. Resultado en t=10s — Después de 100 pasos (10s/0.1s), obtén la posición final x(10)
    x(10)0.087 m
  5. Análisis de amplitud — Observa que la amplitud de las oscilaciones disminuye gradualmente debido al término de amortiguamiento c
    Amplitud final0.09 m<x0=0.1 m

→ La posición en t=10s es aproximadamente 0.087 m. La amplitud de las oscilaciones disminuye de 0.1 m a aproximadamente 0.09 m, mostrando amortiguamiento en el sistema no lineal.

El sistema eléctrico nacional

difficileoptimization

La demanda de energía eléctrica en Venezuela sigue el modelo D(t)=15000+2000sin(2πt24)+500sin(2πt12), donde t es la hora del día (t=0 a medianoche). La capacidad de generación es G(t)=18000500cos(2πt24). Determina los intervalos de tiempo en que hay déficit energético (D(t)>G(t)) y calcula la energía total no suministrada en un día. Si se instala una nueva planta que aumenta la capacidad en un 10%, ¿en cuánto se reduce el déficit total?

Datos

DFunción de demanda15000 + 2000sin(2πt24) + 500sin(2πt12)MW
GFunción de generación18000 - 500cos(2πt24)MW
G_nuevoGeneración con nueva planta1.10 × G(t)MW

Se busca

  • intervalos_deficit — Intervalos con déficit (horas)
  • E_deficit — Energía no suministrada diaria (MWh)
  • E_deficit_reducido — Energía no suministrada con nueva planta (MWh)
  • reduccion_porcentual — Reducción porcentual (%)

Pistas progresivas

Pista 1

Grafica D(t) y G(t) para identificar los intervalos donde D(t) > G(t)

Pista 2

Calcula la energía no suministrada integrando [D(t) - G(t)] sobre los intervalos de déficit

Pista 3

Repite el cálculo con la nueva capacidad Gnuevo(t)

Pista 4

Calcula la reducción porcentual de la energía no suministrada

Solución completa
  1. Identificación de déficit — Analiza gráficamente o numéricamente los intervalos donde D(t) > G(t). Se observa déficit principalmente entre las 18:00 y 22:00 horas.
    D(t)>G(t)parat[18,22] horas
  2. Cálculo de energía no suministrada — Integra la diferencia D(t) - G(t) sobre el intervalo [18, 22]
    Edeficit=1822[D(t)G(t)]dt
  3. Aproximación numérica — Usa el método del trapecio con Δt=1 hora para aproximar la integral
    Edeficit12i=14[D(ti)G(ti)+D(ti+1)G(ti+1)]×1 hora
  4. Valores en intervalo de déficit — Calcula D(t) y G(t) en t=18, 19, 20, 21, 22 horas
    D(18)=17000 MW, G(18)=17500 MWD(19)=17500 MW, G(19)=17250 MWD(20)=18000 MW, G(20)=17000 MWD(21)=18500 MW, G(21)=16750 MWD(22)=19000 MW, G(22)=16500 MW
  5. Energía no suministrada original — Aplica la fórmula del trapecio
    Edeficit12[(1700017500)+(1750017250)]+12[(1750017250)+(1800017000)]+12[(1800017000)+(1850016750)]+12[(1850016750)+(1900016500)]2500 MWh
  6. Nueva generación con 10% más — Calcula Gnuevo(t) = 1.10 × G(t)
    Gnuevo(t)=1.10×(18000500cos(2πt24))
  7. Nuevos valores en intervalo de déficit — Calcula Gnuevo(t) en los mismos puntos
    Gnuevo(18)=19250 MWGnuevo(19)=18975 MWGnuevo(20)=18700 MWGnuevo(21)=18425 MWGnuevo(22)=18150 MW
  8. Energía no suministrada con nueva planta — Aplica el método del trapecio con los nuevos valores
    Edeficit,nuevo12[(1700019250)+(1750018975)]+...+12[(1850018425)+(1900018150)]500 MWh
  9. Reducción porcentual — Calcula el porcentaje de reducción
    Reducción=25005002500×100%=80%

→ El déficit energético ocurre entre las 18:00 y 22:00 horas, con energía no suministrada de 2500 MWh diarios. Con la nueva planta, el déficit se reduce a 500 MWh, una disminución del 80%.

El efecto en la agricultura de los Andes

difficileproof

Demuestra que el modelo de crecimiento de café en los Andes venezolanos C(t)=K1+(KC01)ert es un sistema no lineal y encuentra su punto de equilibrio. Si K=1000 unidades, C0=100 unidades, r=0.2, y el precio del café aumenta un 25%, ¿cómo cambia el punto de equilibrio? Interpreta este resultado en el contexto del efecto mariposa en sistemas agrícolas.

Datos

KCapacidad de carga1000unidades
C0Población inicial100unidades
rTasa de crecimiento0.21/días
precio_aumentoAumento en precio1.25

Se busca

  • punto_equilibrio — Punto de equilibrio (unidades)
  • punto_equilibrio_nuevo — Nuevo punto de equilibrio (unidades)

Pistas progresivas

Pista 1

Demuestra que el modelo es no lineal mostrando que no puede expresarse como una función lineal

Pista 2

Encuentra el punto de equilibrio igualando dC/dt = 0

Pista 3

Interpreta cómo un cambio en parámetros (precio) afecta el punto de equilibrio

Pista 4

Relaciona este resultado con la dependencia sensible a condiciones iniciales

Solución completa
  1. Demostración de no linealidad — El modelo logístico C(t)=K1+(KC01)ert contiene el término exponencial ert multiplicado por una función racional, lo que lo hace no lineal.
    No linealidad:dCdt=rC(1CK)aC+b
  2. Punto de equilibrio original — Iguala dC/dt = 0 y resuelve para C
    dCdt=rC(1CK)=0C=0 o C=K
  3. Interpretación del punto de equilibrio — El punto de equilibrio estable es C=K=1000 unidades, que representa la capacidad máxima sostenible del cultivo.
    Ceq=K=1000 unidades
  4. Efecto del aumento de precio — Un aumento del 25% en el precio del café puede interpretarse como un aumento en la capacidad de carga K, ya que permite mayores inversiones en el cultivo.
    Knuevo=1.25×1000=1250 unidades
  5. Nuevo punto de equilibrio — El nuevo punto de equilibrio es Ceq_nuevo = Knuevo = 1250 unidades
    Ceq,nuevo=1250 unidades
  6. Interpretación del efecto mariposa — Un pequeño cambio en el precio (parámetro económico) genera un cambio significativo en la capacidad de carga del sistema agrícola, demostrando dependencia sensible a condiciones iniciales en sistemas complejos.
    ΔK=250 unidades (25%)ΔCeq=250 unidades (25%)

→ El punto de equilibrio original es 1000 unidades. Con el aumento del 25% en el precio del café, el nuevo punto de equilibrio es 1250 unidades, demostrando cómo pequeños cambios económicos pueden tener efectos significativos en sistemas agrícolas.

Fuentes

  1. en.wikipedia.org
  2. doi.org
  3. ui.adsabs.harvard.edu
  4. www.scholarpedia.org
  5. web.archive.org
  6. arxiv.org
  7. api.semanticscholar.org
  8. archive.org
  9. www.bbvaopenmind.com
  10. www.wolframscience.com
  11. books.google.com
  12. academic.oup.com
  13. www.inquirer.com
  14. scholar.google.com
  15. www.cs.ualberta.ca