Beruflich Dokumente
Kultur Dokumente
Un modelo de poblacin
El efecto Mariposa
Los fractales en el caos
QUE ES EL CAOS?
Caos es la conducta aparentemente impredecible presente en un sistema
determinstico producto de una gran sensibilidad a las condiciones iniciales. El
caos se introduce en un sistema dinmico si dos puntos iniciales que estn
arbitrariamente cerca, divergen exponencialmente, y su comportamiento futuro se
hace impredecible.
Aqu tenemos que definir conceptos tales como sistema, sistema determinstico,
sistema dinmico.
Sistema: Es un conjunto de varias identidades fsicas o lgicas que se integran
entre si para realizar una tarea especifica. Sistema Determinstico: Es un sistema
sujeto a cambios causados por la influencia de fuerzas que que generalmente son
ajenas al sistema, consistiendo en un espacio de fase o etapas.
Sistema No-Lineal: Es aquel que exhibe una desviacin de toda correspondencia
funcional de proporcionalidad.
Las ideas de que sistemas simples-no-lineales se pueden comportar de una
manera imprevisible fueron anunciadas por el matemtico francs Henri Poincare,
hubo muchos matemticos pioneros en el campo del caos dinmico. La verdadera
importancia del caos no fue apreciada completamente hasta que aparecieron los
computadores, con los cuales se hicieron simulaciones numricas y se demostr
el caos para varios sistemas fsicos. La teora del caos no trata con eventos o
sistemas cuyo comportamiento es estocstico, trata con aquellos que tienen un
comportamiento complejo debido a que su modelacin esta basada en relaciones
no-lineales. Al hablar de modelacin nos referimos a modelacin matemtica,
aquella que a partir de un modelo matemtico describe el comportamiento de un
sistema. Como ejemplo podemos modelar la fuerza mediante la relacin F=ma.
Este modelo nos sirve para conocer el estado de alguna entidad a partir del
conocimiento de otras variables y sus relaciones. La fuerza se puede conocer a
partir del valor de la masa y aceleracin.
MODELO DE POBLACIN
Un aspecto de la ciencia misma es tratar de predecir lo que pasa con un sistema.
Esto es apartir de datos obtenidos de este poder predecir su comportamiento
futuro, predecir lo que ocurrir si sabemos en que circunstancias nos encontramos
ahora. Se obtienen numeros de mediciones realizadas, se analizan los errores de
medicion. Un ejemplo sencillo es el caso del cometa Halley, un ingls predijo
apartir de sus observaciones como es la trayectoria de este cometa, asi como
tambin cuando pasaria por nuestro planeta, su resultado fue correcto, las dos
ultimas visitas fueron 1910 y 1986, el cometa deba de regresar cada 76 aos.
Debido a este hecho, trataremos un caso muy especial para ilustrar el fenmeno
del as llamado caos con un modelo de poblacin para insectos. Si conocemos el
nmero de insectos este ao, nos podemos preguntar cuntos insectos habr el
ao prximo, el siguiente, y as sucesivamente?
Con el estudio que se haga se quisiera poder encontrar una regla que nos dijera
que si este ao hay, por ejemplo, en un determinado lugar 10500 insectos, el
prximo ao habr 12 750. Si se puede descubrir esta regla, entonces aplicndola
de ao en ao se podr conocer la poblacin en cualquier ao futuro. Buscamos
una funcin o sea el modelo que prediga estas circunstancias.
Supongamos que la poblacin crece de manera proporcional a una constante C.Si
C=10% y la poblacin actual es 10000 insectos .En estas circunstancias el modelo
predice que la poblacin para el siguiente ao ser 0.1*10000+10000. El
porcentaje de crecimiento mas la poblacin.
Nos damos cuenta de que se puede encontrar la poblacin del ao siguiente
(11000 en nuestro ejemplo) haciendo la siguiente operacin: 1.1*10000=11000
Aqu, 10000 es la poblacin inicial. De la misma forma, la poblacin en el segundo
ao (12 100) se puede obtener a partir de esta misma operacin
12000=1.1*11000.Vemos entonces que la poblacin en cualquier ao se encuentra
multiplicando 1.1 por la poblacin del ao anterior. Si Y es la poblacin para el ao
siguiente y X es la poblacin actual entonces Y=C*X es el modelo general.
El valor numrico que tenga el factor C que aparece en esta expresin depender
de las condiciones en que ocurra el aumento de la poblacin. Se puede
representar la informacin contenida en esta expresin de manera grfica
utilizando los ejes cartesianos X,Y. En una grfica, la expresin queda
representada por una lnea recta. Mientras mayor sea el valor de C, mayor ser la
inclinacin de la recta. Debido a que la grfica de la ecuacin es una recta se dice
que la expresin es lineal.
Una consecuencia de la aplicacin de esta funcin es que, al transcurrir el tiempo,
la poblacin crecer de manera indefinida; llegar un momento en que ser tan
grande que el nmero de individuos de la especie no cabra en el planeta. Es claro
que un modelo como el que acabamos de presentar no puede describir de manera
correcta las variaciones reales de una poblacin. Si sta crece mucho, llegar un
momento en que los alimentos no alcancen para todos y, por tanto, la poblacin
empezar a descender. Este efecto debe considerarse, por lo que la funcin dada
por la expresin se deber modificar para que tome en cuenta que una poblacin
puede crecer, pero hasta cierto punto; ms all deber reducirse. Por otro lado, si
la poblacin es pequea, entonces tendr mucho alimento disponible y crecer.
Deben considerarse la muerte de los insectos. Y como primera aproximacin se
puede decir que el mayor numero de muerte se da por la competencia de de los
alimentos, por el territorio, etc, un mnimo conjunto de estos se muere de viejo.
Esto debe ser considerado en el modelo.
Lo anterior significa que la grfica deber ser reemplazada por otra en la que para
valores pequeos de x, o sea de la poblacin, la curva suba, mientras que para
valores muy grandes de x la curva disminuya. Esta grfica deber tener un punto
mximo, al ser as dejara de ser lineal.
Para considerar las muertes podemos pensar que la probabilidad de que muera
uno es proporcional a la poblacin de ese ao. El numero de muertes para toda la
poblacin ser proporcional a D*X^[2].
La forma de la nueva funcin matemtica de la curva es:
Y = C*X(1-X)=C*X-C*X^[2] (Nacimientos - Muertes, D=C)
Esta expresin implica que, dado el valor de la poblacin en el presente ao (valor
representado por X), se obtendr el valor Y de la poblacin del ao siguiente. Por
conveniencia se han tomado X y Y como la fraccin entre los valores cero y uno,
por tanto 0<=C <= y. El valor 0 representa la extincin de la poblacin y el valor 1
el mximo valor posible de la poblacin.
Por ejemplo, si C = 2.5 y el valor de X es 0.7, obtenemos sucesivamente que: CX
(1 -X) = 2.5 x 0.21 = 0.525
el valor de la poblacin y al ao siguiente es 0.525.
Si ahora se usa como valor inicial de la poblacin el valor que acabamos de
encontrar, o sea 0.525, siguiendo el procedimiento se obtiene que la poblacin al
tercer ao ser 0.6234. Siguiendo esta iteracin se encuentran sucesivamente los
siguientes valores de la poblacin en aos sucesivos. 0.5869, 0.6061, 0.5968,
0.6016, 0.5992,
0.6004, 0.5998, 0.6001, 0.6000, 0.6000, 0.6000, 0.6000, 0.6000, 0.6000,...
Estos resultados nos indican que a partir de cierto momento la poblacin llega a
un valor que ya no cambia con el tiempo. En nuestro caso, la poblacin llega al
valor 0.6000. En el caso que acabamos de tratar, se empez con la poblacin
inicial de X =0.7 y se termin con la de 0.6000. Si en lugar de haber empezado
con 0.7 se hubiera empezado con el valor inicial de X =0.25 (para el mismo valor
de C de 2.5), siguiendo el mismo procedimiento iterativo se obtendran los
siguientes valores: 0.4688, 0.6226, 0.5874, 0.6059, 0.5970, 0.6015, 0.5992,
0.6004, 0.5998, 0.6001, 0.6000, 0.6000, 0.6000, 0.6000,...
Se llega al mismo valor final de 0.6000! O sea, si se empieza con otra condicin
inicial se llega al mismo valor final. As se comience con el valor que sea, para
este caso de C=2.5, siempre se llegar al mismo valor final de 0.6.
Este resultado nos indica varias cosas acerca de la ecuacin (6). En primer lugar,
la poblacin no crece indefinidamente por ms iteraciones que se hagan. En
segundo lugar, despus de algunos aos se alcanza un valor que NO depende de
cul haya sido el valor de la poblacin inicial. Es decir, el valor 0.6 no depende de
la condicin inicial. Se logra as una poblacin estacionaria: la misma ao con ao.
Si se vuelve a repetir este procedimiento pero para otro valor de q en la ecuacin
(6) se obtendr otro valor final. Por ejemplo, si se usa para C=2.7, el valor final
que se obtiene es 0.6296. Para C=2.5 se obtiene como valor final 0.6 .Para q=2.7
se obtiene como valor final 0.6296. A medida que C aumenta de valor, el valor final
tambin aumenta su valor.
Grfica de los valores finales que se obtienen con referencia a la poblacin como
funcin del parmetro C y que muestra dos tipos de regmenes: el peridico
(estable) y el catico.
Estos resultados pueden observarse haciendo una grfica. En el eje horizontal
mediremos los valores de C; en el eje vertical se medir(n) el(los) valor(es)
final(es) que se obtenga(n)para el correspondiente valor de C. Para C = 3.3, cuyos
valores finales = 0.8236 y 0.4794 le corresponden dos puntos.
Los valores de C para los cuales no se obtienen valores finales, se marcarn en la
grfica con una lnea completa, ya que todos los valores son posibles.
De la grfica se puede observar lo siguiente, a medida que va aumentando el valor
de C:
Para C menor o igual que 1, los valores son nulos; hay extincin de la
poblacin.
Para C entre 1 y 3 , solamente hay un solo valor final, el del estado
estacionario, que va aumentando a medida que C aumenta.
Al seguir aumentando C, empieza a aparecer una bifurcacin que da dos
valores finales. As C entre 3 y 3.45 tiene dos valores finales; estamos en la
regin del periodo 2.
Si C sigue aumentando, para el valor de 3.45 (aproximadamente) aparecen
otras dos bifurcaciones y ahora se tendrn cuatro valores finales. De hecho
entre 3.45 y 3.54 estaremos en la regin del periodo 4.
Al seguir aumentando C, aparecen nuevas bifurcaciones y nuevas lneas
curvas hasta que, finalmente, cuando C adquiere el valor de 3.5699 ya no
hay valores finales fijos y se tiene una regin con manchas que se llama
catica. En esta regin Y adquiere cualquier valor.
CONCLUSIN.
El estudio de Sistemas No-lineales en modelos matemticos, ha hecho posible
observar su naturaleza catica, impredecible y desordenada, pero tambin su
relacin con los fractales, es posible decir que si observamos en un sistema un
comportamiento fractal, puede ser que se comporta caoticamente.
Los fractales parecen ser la herramienta a utilizar para el estudio de sistemas
caticos.