Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abstract—En este documento se presenta el análisis aplicativo Aquı́ se expresa el método de Euler Analı́ticamente.
de los métodos numéricos para la solución de planteamientos de
modelos fı́sicos mediante la simulación con la ayuda software dx
Matlab. = x = et (III-A.1)
dt
Key Words— Modelamiento, Euler, Transitorio, Métodos,
ODE45, Sistemas Caóticos m = f (tk , xk ) (III-A.2)
I. OBJETIVOS xk+1 − xk
f (tk , xk ) = (III-A.3)
• Realizar el análisis de los sistemas planteados por ecua- tk+1 − tk
ciones diferenciales mediante diferentes tipos de métodos
numéricos. h = tk+1 − tk (III-A.4)
• Desarrollar habilidades en códigos de programación de Donde h es el paso fijo de integración.
Matlab para tener una ayuda importante al momento de
realizar y analizar ejercicios propuestos. xk+1 = xk + hf (tk , xk ) (III-A.5)
• Observar el comportamiento al variar los diferentes
parámetros de un sistema dinámico no lineal caótico.
tk+1 = tk + h (III-A.6)
II. INTRODUCCI ÓN
Los métodos numéricos son algoritmos mediante las cuales
es posible formular problemas matemáticos de tal forma que
puedan resolverse usando operaciones aritméticas simples.
Los métodos numéricos sirven para entender esquemas
numéricos con el fin de resolver problemas matemáticos,
de ingenierı́a en software de simulación, reducir esquemas
numéricos básicos, escribir programas y resolverlos en una
computadora y usar correctamente el software existente para
dichos métodos. El análisis numérico trata de diseñar métodos
para acercarse de una manera eficiente a las soluciones
de problemas expresados matemáticamente. Algunos de los
métodos numéricos mas importantes son el de Euler en su
manero explicita e implı́cita, Newton Rapson, entre otros
7 [ t , x ] = m e t o d o e u l e r (@cirRC , tspan , x0 , h ) ;
1
8 end
9 0.9
10 f u n c t i o n [ t , x ] = m e t o d o e u l e r ( dfun , tspan , x0 , h )
11 xk = x0 ; 0.8
12 f o r tk = tspan ( 1 ) : h : tspan ( 2 ) ,
0.7
13 xkm1 = xk+h * dfun ( tk , xk ) ;
14 p l o t ( tk , xk , ' * r ' ) ; 0.6
15 xk = xkm1 ;
16 end 0.5
17 end 0.4
18
19 f u n c t i o n [ dx]= cirRC ( t , x ) 0.3
20 dx = 1−x ;
0.2
21 end
0.1
0.9
B. Ejemplo Circuito RC
0.8
transitorio. 0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10
0.9
La solución general de una ecuación diferencial
ordinaria es una función expresada de la siguiente manera
0.8
y = f (x, c1, c2, ...) dependiente de una o varias constantes tal
0.7
que cualquier solución de la ecuación diferencial se obtiene
0.6
dando valores especı́ficos a una o mas de las constantes, es
0.5
decir se les asigna un valor de condición inicial. Gráficamente,
0.4
la solución general de una ecuación diferencial de primer
0.3 orden representa una familia de curvas, denominadas curvas
0.2 solución.
0.1
1
1 V = 1;
2 R = 3;
0.5
3 C = 2;
4 t a u = R* C ;
5 t = [ 0 : 0 . 1 : 5 * tau ] ; 0
6 x0 = 0 ;
7
8 figure (1) ; c l f ; h o l d on ; -0.5
9
10 f o r x0 = − 1 : 0 . 2 : 2
-1
11 x = V+(x0−V) * exp(− t / t a u ) ; 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
12 p l o t ( t , x , 'b ' )
13 end
2
1 f i g u r e ( 2 ) ; c l f ; h o l d on ; box on ;
2 V = 1;
3 R = 3; 1.5
4 C = 2;
5 t a u = R* C ;
6 tspan = [ 0 5* tau ] ; 1
7 x0 = 0 ;
8 h = 0.1;
9 f o r x0 = − 1 : 0 . 2 : 2 0.5
10 x = [];
11 x ( 1 ) = x0 ; 0
12 t = []
13 t (1) = tspan (1) ;
14 -0.5
15
16 i = 1;
17 f o r t i = t s p a n ( 1 ) : h : t s p a n ( 2 )−h , -1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
18 x ( i +1) = x ( i )+ ( ( V−x ( i ) ) / t a u ) * h ;
19 t ( i +1) = t ( i ) + h ;
20 i = i + 1;
21 end Figure 8. Soluciones con todos los valores del circuito = 1, con X0 = 0
22
23 p l o t ( t , x , 'b ' ) ;
24
25 end
26 p l o t ( t ,V+(x0−V) * exp(− t / t a u ) , ' . k ' ) 2
27 p l o t ( t ,V+(x0−V) * exp(− t / t a u ) , ' k ' )
1.5
1
El resultado de estos algoritmos en gráficas fue el siguiente:
0.5
3
-0.5
2.8
2.6 -1
0 5 10 15 20 25 30 35
2.4
2.2
Figure 9. Soluciones con los valores del circuito: V = 1, R= 3, C =2, con
2
X0 = 0
1.8
D. Interpretación Geométrica
8
-2
•
x = sin(x) -4
-6
-8
X(0) = 1
-10
-30 -20 -10 0 10 20 30
dx
= sin(x) Figure 10. x0 = π/4; t=9; h=0.9;
dt
Z Z
dx 8
dt =
sin(x) 6
2
t = − ln |csc(x0 ) + cot(x0 )| + C
0
-2
evaluando en X(0)=1 -4
-6
csc(x0 ) + cot(x0 ) -8
t = ln | |
csc(x) + cot(x) -10
-15 -10 -5 0 5 10 15
21 toc
22 end 2
Metodo de euler explicito con h = 0.5
23 Metodo de euler explicito con h = 2
x
y
10
mismo.
0
E. Método para hallar raı́ces Newton Raphson.
-5
-5 -4 -3 -2 -1 0 1 2 3 4 5
Es un método iterativo para localizar las raı́ces de poli- x
nomios, si el valor inicial para la raı́z es xi, entonces se puede
trazar una tangente desde el punto [xi, f (xi)] de la curva. Figure 14. Raı́ces del Polinomio
Por lo común, el punto donde esta tangente cruza al eje x
representa una aproximación mejorada de la raı́z. Éste método k xk f (xk) f 0 (xk) f (xk)/f 0 (xk)
se deduce a partir de la interpretación geométrica 0 -6.0000 32 -12 -2.6666
1 -3.3334 7.1115 -6.6668 -1.0667
2 -2.2667 1.1379 -4.5334 -0.251
3 -2.0157 0.063 -4.0314 -0.0156
4 -2.0001 0.0004 -4.0002 0
3
ϕ = a1 k1 + a2 k2 + ... + an kn
donde a y k son constantes
x
2.8
2.6
k1 = f (xi , yi )
2.4
k2 = f (xi + p1 h, yi + q11 k1 h)
2.2 Metodo de euler Implicito con h = 0.5
Metodo de euler Implicito con h = 2
Solucion analitica de dx/dt = sin(x)
0.5
1) Ejercicio de Aplicación: Se tiene un sistema Masa re-
sorte como se muestra en la figura 1 cuyaPecuación diferencial
resulta de la sumatoria de fuerzas en y fy y está dada por
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
T iempo[seg] •• •
m y +b y +ky = u
•
Figure 16. Solución por el Método de Runge-Kutta 4 x = xt2 − 1.2t
En la figura 16 se observa la rápida convergencia del método donde m = Masa del objeto
de Runge-Kutta 4 en un corto tramo de tiempo pero, al ser b = factor de amortiguamiento y
explı́cito, es muy inestable a los pasos grandes de integración. k =Constante elástica del resorte
que modelando matricialmente resulta
Solucion por el metodo de Runge-Kutta 4
dx/dt = −x
1
Metodo Runge-Kutta con h = 0.5
Metodo Runge-Kutta con h = 2 •
0.8
Solucion analitica de dx/dt = −x x1 x2
• = b k U
0.6
x2 −m x2 − m x1 + m
0.4
0.2
x(t)
-0.2
-0.4
-0.6
-0.8
-1
0 1 2 3 4 5 6 7 8 9 10
T iempo[seg]
•
Figure 17. Solución por el Método de Runge-Kutta 4 x = −x
5
Solución Sistema masa resorte El Sistema tiene un comportamiento caótico con parámetros
Metodo de euler multivariado con h = 0.5
Metodo de Ode45
σ = 5 β = 22 y ρ = 35 y puntos de equilibrio en
4
2
p1(0, 0, 0)
1
x(t)
-1
p p
-2
p2( σ(ρ − 1), σ(ρ − 1),ρ − 1)
-3
-4
-5
0 10 20 30 40 50 60 70 80 90 100
T iempo[seg] p p
p3(− σ(ρ − 1), − σ(ρ − 1),ρ − 1)
Figure 19. Método de euler multivariado y Ode45
20
I. Atractor de Lorentz
y(t)
10
EL oscilador o atractor de Lorentz es un sistema compuesto
de ecuaciones diferenciales donde sus soluciones son de
0
la forma caótica, el sistema esta expresado de la siguiente
manera.
-10
•
σ(−x + y)
x -20
-15 -10 -5 0 5 10 15
•
y = ρx − y − xz x(t)
•
z Figure 21. Solucion Grafica de Lorentz XY
βz + xy
9
10 1 f u n c t i o n dx = l o r e n z ( t , x )
2 g l o b a l sigma r h o b e t a
5 3 dx = z e r o s ( 3 , 1 ) ;
4 dx ( 1 )= sigma * (−x ( 1 )+x ( 2 ) ) ;
z(t)
0 5 dx ( 2 )= r h o * x ( 1 )−x ( 2 )−x ( 1 ) * x ( 3 ) ;
6 dx ( 3 )= −b e t a * x ( 3 )+x ( 1 ) * x ( 2 ) ;
-5 7 end
-10
0
pequeños para aproximar la solución, sin embargo estos
requieren un mayor gasto computacional debido al mayor
-5
numero de iteraciones que realiza el algoritmo .
-10
-15
V. R EFERENCIAS
1 Steven H.Strogatz, Non-linear Dynamics and Chaos,
-20
-15 -10 -5 0 5 10 15 Edición internacional, Perseus Books, Masachussets,
x(t)
1994.
Figure 23. Solucion Grafica de Lorentz XZ
2 Richard L. Burden, J.Douglas Faires, Análisis Numérico,
Séptima Edición,Math Learning, Idaho, 1989.
Se utilizo el siguiente algoritmo en Matlab para la solución
del sistema caótico.
1 clc
2 clear all
3 close all
4 g l o b a l sigma r h o b e t a
5 sigma =10;
6 r h o =25;
7 b e t a =8/3;
8 x0 =[1 0 − 2 ] ;%%% c o n d i c i o n i n i c i a l d e l s i s t e m a
9 t s p a n =[0 2 0 0 ] ; %%% Tiempo de i n t e g r a c i o n
10 [ t , x]= ode45 (@ l o r e n z , tspan , x0 ) ; %%%% Ode45 Usando l a
f u n c i o n c r e a d a%%%
11 figure (1)
12 p l o t 3 ( x ( : , 1 ) , x ( : , 3 ) , x ( : , 2 ) , ' g ' ) %%%%P l o t e o 3D%%%%%%
13 h o l d on
14 r o t a t e 3 d on
15 plot3 (0 ,0 ,0 , ' . r ' , ' markersize ' ,20)
16 h o l d on
17 p l o t 3 ( s q r t ( sigma * ( rho −1) ) , s q r t ( sigma * ( rho −1) ) , ( rho
−1) , ' .m' , ' m a r k e r s i z e ' , 2 0 )
18 h o l d on
19 p l o t 3 (− s q r t ( sigma * ( rho −1) ) ,− s q r t ( sigma * ( rho −1) ) , ( rho
−1) , ' . k ' , ' m a r k e r s i z e ' , 2 0 )
20 figure (2)
21 plot (t , x (: ,1) )
22 g r i d on , box on
23 t i t l e ( { ' A t r a c t o r L o r e n z p o r e l metodo de ODE 45 ' } )
24 y l a b e l ({ 'y ( t ) ' })