1

APLICACIONES DE MÉTODOS NUMÉRICOS

Departamento de Ingenierı́a Eléctrica, Electrónica
Universidad Nacional de Colombia - Sede Manizales
Docente: Gustavo Osorio
Cristian Camilo Cifuentes Roman - 813018
Materia: Modelado Y Simulación
Grupo 1
Mayo 2017

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

III. FUNDAMENTO TE ÓRICO

A. Método de Euler Explicito
Figure 1. Método de euler explı́cito
En matemática y computación, el método de Euler, llamado
ası́ en honor a Leonhard Euler, es un procedimiento de
1) Algoritmo: Se realizo un algoritmo mediante la creación
integración numérica para resolver ecuaciones diferenciales
de funciones de Matlab que permitiera simular el método de
ordinarias (EDO) a partir de un valor inicial dado. El método
Euler.
de Euler es el más simple de los métodos numéricos para
function [ t , x ] = integraciones (h)
resolver un problema de valor inicial, El método de Euler es12 h = 0.5;
un método de primer orden, lo que significa que el error local3 tspan = [ 1 1 0 ] ;
x0 = 0 ;
es proporcional al cuadrado del tamaño del paso, y el error45 f i g u r e ( 1 ) ; c l f ; h o l d on ;
global es proporcional al tamaño del paso.[1] 6 g r i d on
 2

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

Este método en este caso es utilizado para modelar 0

1 2 3 4 5 6 7 8 9 10
el funcionamiento del circuito RC el cual es construido
matemáticamente por ecuaciones diferenciales las cuales sus
Figure 4. Circuito RC Transitorio con h = 1
soluciones son dependientes de las condiciones iniciales que
pueda tener el modelo fı́sico.

0.9
B. Ejemplo Circuito RC
0.8

Para el Circuito RC a continuación Realizar el análisis 0.7

transitorio. 0.6

0.5

0.4

0.3

0.2

0.1

0
1 2 3 4 5 6 7 8 9 10

Figure 5. Circuito RC Transitorio con h = 0.05

Como se puede ver en las imágenes anteriores se aprecia el

estado transitorio del circuito RC mediante la simulación del
método de Euler, estas imágenes dan prueba de que variando
Figure 2. Circuito RC el parámetro de la función h se puede obtener una mejor
respuesta y precision del método, es decir entre mas pequeño
sea el paso de integración la respuesta tendera a ser mas
a precisa en sus puntos y si es mas grande tendrá un error
1) Resultado: Realizando la simulación del método se de representación mas alto. Vale anotar que los valores del
obtuvo la gráfica del transitorio RC. circuito RC fueron los siguientes: V = 1; C = 1; R = 1

C. Lineas de Flujo o Curvas de Soluciones

1

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

0 Teniendo en cuenta que el objeto de estudio es un circuito

1 2 3 4 5 6 7 8 9 10
RC y se usan ecuaciones diferenciales para modelar las
variables que representan este circuito, por lo tanto es un tı́pico
Figure 3. Circuito RC Transitorio con h = 0.5 problema de valor inicial. Debido a esto se decide graficar un
 3

conjunto de soluciones dependiendo de los valores iniciales

2
que tengan las variables involucradas. Para eso se realizo el
siguiente algoritmo en Matlab. 1.5

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

Figure 7. Soluciones con todos los valores del circuito = 1, con X0 = 3

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

1.6 En las imágenes se puede ver el conjunto de soluciones

1.4 del circuito RC, con condiciones iniciales diferentes, es decir
1.2 las gráficas del flujo o soluciones posibles de la variable a
1 solucionar muestran la solución que esta podrı́a tomar, En la
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
imagen con condiciones iniciales x0 = 3 se puede apreciar este
fenómeno, se ve que la solución es una de las diferentes que
Figure 6. Circuito RC con X0 = 3 aparecen ene l flujo de soluciones.
 4

D. Interpretación Geométrica
8

Las interpretaciones geométricas es la manera mas simple 6

de entender las soluciones de una ecuación diferencial, siendo 4

esta expresada como un vector, consideraremos la siguiente 2

ecuación diferencial no lineal: 0

-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

1 f u n c t i o n s a l i d a = strogatz pg 16 ( e n t r a d a ) Figure 11. x0 = π/4; t=9; h=0.2;

2 clf ;
3 x0=p i / 4 ;
4 tiempo =9; En los resultados gráficos se aprecia que la información de
5 h=0.2;
6 tic las soluciones mejora con un paso de integración pequeño
7 f o r x0=−2* p i − 0 . 0 1 : p i / 8 : 2 * p i , ya que al aumentarlo se pierde un poco de información
8 %%%%%%
9 [ T,X]= mi eule r (@ mi funcion , [ 0 tiempo ] , x0 , h ) ; de las soluciones, vale aclarar que estas soluciones varı́an
10 p l o t (T, X, ' b ' ) ; dependiendo de las condiciones iniciales
11 Te=l o g ( abs ( ( c s c ( x0 )+c o t ( x0 ) ) . / ( c s c (X)+c o t (X) ) ) ) ;
12 h o l d on ; Solucion por el metodo de euler explicito
13 p l o t ( Te , X, ' . b ' ) dx/dt = sin(x)
14 %%%%
3.5
15 [ T,X]= mi eule r (@ mi funcion , [ 0 −tiempo ] , x0 ,−h ) ;
16 p l o t (T, X, ' r ' ) ;
17 Te=l o g ( abs ( ( c s c ( x0 )+c o t ( x0 ) ) . / ( c s c (X)+c o t (X) ) ) ) ; 3
18
19 p l o t ( Te , X, ' . r ' )
20 end 2.5

21 toc
22 end 2
Metodo de euler explicito con h = 0.5
23 Metodo de euler explicito con h = 2
x

24 f u n c t i o n [ dx]= mi funcion ( t , x ) Solucion analitica de dx/dt = sin(x)

25 dx=s i n ( x ) ; 1.5
26 end
27
1
28 f u n c t i o n [ t , x ] = m i e u l e r ( dfun , tspan , x0 , h )
29 t =[];
30 x=[]; 0.5
31 i =1;
32 t ( i )=t s p a n ( i ) ;
33 x ( i )=x0 ; 0
0 1 2 3 4 5 6 7 8 9 10
34 f o r dtau=t s p a n ( 1 ) : h : t s p a n ( 2 ) , T iempo[seg]
35 t ( i +1)=t ( i )+h ;
36 x ( i +1)=x ( i )+h * dfun ( t ( i ) , x ( i ) ) ;
37 i=i +1;
•
38 end Figure 12. Distintas soluciones x = sin(x)
39 end
 5

Como se puede observar en la anterior gráfica se encuen-

25
tran superpuestas todas las soluciones tanto analı́tica como
Parabola x2 − 4
la numérica, se usaron 3 pasos de integración que fueron Raiz 1 x = −2
20 Raiz 2 x = 2
h = 0; 5, h = 0.5, h = 2. A medida que los pasos se hacı́an
mas grandes la gráfica empieza a mostrar irregularidad con
15
respecto a la gráfica de la solución analı́tica pues que para
un paso de integración h = 2 el comportamiento ya no es el

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

Como se puede ver en la tabla 1 se dio una condición

inicial de -6, el método realizó 4 iteraciones en donde se
indica que una de las raı́ces está en -2, en este punto la
tolerancia o error relativo tiende a cero, lo cual indica la
convergencia de la solución.

k xk f (xk) f 0 (xk) f (xk)/f 0 (xk)

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
Figure 13. Método iterativo de Newton-Raphson 4 2.0001 0.0004 4.0002 0

Se observa en la tabla 2 que se da una condición inicial

de 6 y guardando las propiedades de una función simétrica se
halló la segundo raı́z en 2.
f (xi ) − 0
f 0 (xi ) = 1 f u n c t i o n xz=newtonraphson ( mi f , mi df , x0 , t o l ) ;
xi − xi+1 2 x ( 1 )=x0 ;
3 i =1;
4 f o r m a t l o n g % Muestra mas p o s i c i o n e s d e c i m a l e s
que se arregla para obtener 5 f o r n =1:10
6
7 x ( i +1)=x ( i ) −(mi f ( x ( i ) ) ) / mi df ( x ( i ) )% Metodo
de Newton−Raphson
f (xi ) 8 k=ab s ( ( x ( i +1)−x ( i ) ) / ( x ( i +1) ) ) ;% E r r o r
xi+1 = xi − relativo
f 0 (xi ) 9 if k<t o l
10 break
11 else
12
1) Ejemplo aplicación del método: Se desean hallar las13
14
raı́ces de un polinomio dado por la función y = x2 − 4,al 15
ser una función de orden 2 se sabe que existen 2 puntos en 16 i=i +1;
end
donde la función es igual a cero, para aplicar el método de17
18
Newton se debe primero contar con una condición inicial, un19 end
indicio de la probable ubicación de los ceros.
 6

F. Método de euler Implı́cito 36 end

Es una versión mejorada del método de euler explı́cito,

recibe su nombre dado a que no se puede despejar fácilmente G. Método Explı́cito de Runge-Kutta 4
el punto que se desea hallar, convirtiéndose ası́ en un problema Los métodos de Runge-Kutta logran la exactitud del pro-
de hallar ceros (como el método de Newton-Raphson). Al cedimiento de la serie de Taylor sin necesitar el cálculo de
ser un método implı́cito de paso variable cuenta con mayor derivadas de orden superior.
precisión que si fuera explı́cito.
yi+1 = yi + ϕ(xi , yi , h)h
Solucion por el metodo de euler Implicito
dx/dt = sin(x) donde ϕ(xi , yi , h) se conoce como función incremento, la cual
3.6
puede interpretarse como una pendiente representativa en el
3.4
intervalo. La función incremento se escribe en forma general
como
3.2

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)

2 k3 = f (xi + p2 h, yi + q21 k1 h + q22 k2 h)

0 1 2 3 4 5 6 7 8 9 10
T iempo[seg]

Figure 15. Soluciones con método de euler implı́cito x = sin(x)

• .
.
En la figura 10 se vuelve a ver la solución analı́tica para la
• .
ecuación x = sin(x) pero en este caso las dos aproxima-
ciones son hechas con el método de euler implı́cito, las cuales kn = f (xi + pn−1 h, yi
muestran una mejora significativa con el paso de integración +qn−1,1 k1 h + qn−1,2 k2 h + ... + qn−1,n−1
respecto a la figura 4 en donde un paso de integración de h=2
hacia divergir el método de euler explı́cito.
1 f u n c t i o n prueba
2 t i =0; t f =10; h = 0 . 1 ; x i=p i / 4 ; r =0; t o l =1e −9; donde las p y las q son constantes. Las k son relaciones
3 f u n c i o n= @(x , t , r ) s i n ( x )+r ; de recurrencia. Es posible tener varios tipos de métodos de
4 f u n c i o n x= @(z , t , r ) c o s ( z )+r ;
5 [ x , t ]= e u l e r i 1 d ( f u n c i o n , f u n c i o n x , x i , t i , t f , h , r , t o l ) ; Runge-Kutta empleando diferentes números de términos en la
6 plot (t , x) función incremento especificada por n. El método de Runge-
7 end
8 f u n c t i o n g=mi g ( z , x , h , f u n c i o n ) Kutta de primer orden con n = 1 es, de hecho, el método
9 g=z−x−h * f u n c i o n ; de Euler.Runge-Kutta de segundo orden con n = 2 es el
10 end
11 f u n c t i o n gz=mi gz ( h , f u n c i o n x ) método trapezoidal y con n = 3 recibe el nombre de método
12 gz=1−h * f u n c i o n x ; de Simpson. El más popular de los métodos Runge-Kutta es
13 end
14 f u n c t i o n [ x , t ]= e u l e r i 1 d ( f u n c i o n , f u n c i o n x , x i , t i , t f , h el de cuarto orden el cual está dado por:
, r , tol )
15 x ( 1 )=x i ;
16 t ( 1 )= t i ;
17 i =1;
18 f o r T= t i : h : t f −h
19 x ( i +1)=x ( i )+h * f u n c i o n ( x ( i ) ,T, r ) ;
20 t ( i +1)=t ( i )+h ;
21 j =1;
22 z ( j )=x ( i +1) ;
23 g jp1=mi g ( z ( j ) , x ( i ) , h , f u n c i o n ( z ( j ) , t ( i +1) , r ) ) ;
24 w h i l e abs ( g jp1 )> t o l
25 z ( j +1)=z ( j )−mi g ( z ( j ) , x ( i ) , h , f u n c i o n ( z ( j ) , t (
i +1) , r ) ) ...
26 /mi gz ( h , f u n c i o n x ( z ( j ) , t ( i +1) , r ) ) ;
27 j=j +1;
28 g jp1=mi g ( z ( j ) , x ( i ) , h , f u n c i o n ( z ( j ) , t ( i +1) , r
));
29 i f j >100
30 break ;
31 end
32 end
33 x ( i +1)=z ( j ) ;
34 i=i +1;
35 end
 7

Solucion por el metodo de Runge-Kutta 4

dx/dt = xt2 − 1.2t
H. Método de euler multivariado
1.5
Metodo Runge-Kutta con h = 0.25
Metodo Runge-Kutta con h = 0.5
Solucion analitica de dx/dt = xt2 − 1.2t
El método de euler multivariado es un método numérico de
paso variable que resuelve sistemas de ecuaciones dinámicas
1 en para más de 2 dimensiones. Un sistema que se exprese en
forma matricial de orden mayor o igual a 2 puede ser resuelto
aplicando este método.
x(t)

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

Figure 18. Sistema Masa-resorte

1 f u n c t i o n [ t , x]= rk 4 ( fun , x0 , t0 , t f , h )
2 t ( 1 )=t 0 ;
3 x ( 1 )=x0 ;
4 i =1;
5 f o r tiempo=t 0 : h : t f −h Modelado el sistema se ve en el algoritmo del método de
6
7 % Constantes k euler multivariado la necesidad de conocer la derivada del
8 sistema que en el caso multidimensional se conoce como el
9 k1=f u n ( t ( i ) , x ( i ) ) ;
10 k2=f u n ( t ( i ) +(h / 2 ) , x ( i ) +(k1 / 2 ) * h ) ; Jacobiano de la función el cual estará dado por:
11 k3=f u n ( t ( i ) +(h / 2 ) , x ( i ) +(k2 / 2 ) * h ) ;
12 k4=f u n ( t ( i )+h , x ( i )+k3 * h ) ;
13
14 % Metodo de Runge−Kutta 4  
15 x ( i +1)=x ( i ) +(h / 6 ) * ( k1 +(2 * k2 ) +(2 * k3 )+k4 ) ; 0 1
J(f ) = k b
16 −m −m
17 t ( i +1)=t ( i )+h ;
18 i=i +1; % Contador
19
20 end
21
22 Desarrollando el sistema en Matlab se obtiene la siguiente
23 end gráfica para valores de m = 100 b = 23 k = 35 y U = −4
que vuelven el sistema oscilante en un perı́odo de tiempo ası́:
 8

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

Comparando la gráfica obtenida con otra graficada con la

ayuda del comando Ode45 que junta los métodos numéricos
de Runge Kutta 4 y 5 se ve como las gráficas convergen a Atractor Lorenz por el metodo de ODE 45
30
medida que pasa el tiempo. Caos Lorenz
Equilibrio 1
1 f u n c t i o n [ t , x ] = e u l e r m u l t i v a r i a d o ( fun , fun d , 20 Equilibrio 2
tspan , x0 , h , t o l , i t e r ) Equilibrio 3
2
3 N = ( tspan (2) − tspan (1) ) / h ; 10
4 x ( : , 1 ) = r e s h a p e ( x0 , [ l e n g t h ( x0 ) 1 ] ) ;
z(t)

5 t (1) = tspan (1) ;

6 I =e y e ( l e n g t h ( x0 ) ) ; 0
7
8 f o r k =1:N
9 E r r o r= 1 ; -10
10 t ( k+1)= t ( k ) + h ;
11 x ( : , k+1)= x ( : , k ) + h * f u n ( t ( k ) , x ( : , k ) ) ;
12 -20
13 i =0; 50
14 while Error > t o l & i < i t e r
0
15 zn = x ( : , k ) + h * f u n ( t ( k+1) , x ( : , k+1) ) ;
16 zk = zn − ( I − h * fun d ( t ( k+1) , zn ) ) ˆ −1 * ( zn -50
− x ( : , k ) − h * f u n ( t ( k+1) , zn ) ) ; y(t) -15 -10 -5 0 5 10 15
17 Er = abs ( ( zk − zn ) / ( zk ) ) ; x(t)
18
19 i f Er > E r r o r ; Figure 20. Solucion Grafica de Lorentz
20 break ;
21 else
22 E r r o r = Er ;
23 end
24 zn = zk ;
25 i = i + 1;
26 end
27 x ( : , k+1) = zk ; Atractor Lorenz por el metodo de ODE 45
28 end 40
Caos Lorenz
29 x = x '; Equilibrio 1
30 end Equilibrio 2
30 Equilibrio 3

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

Atractor Lorenz por el metodo de ODE 45 25 x l a b e l ({ 'x ( t ) ' })

25 26 z l a b e l ({ 'z ( t ) ' })
Caos Lorenz
Equilibrio 1
27 l e g e n d ( { ' Caos L o r e n z ' , ' E q u i l i b r i o 1 ' , ' E q u i l i b r i o 2 ' ,
20 Equilibrio 2 ' E q u i l i b r i o 3 ' })
Equilibrio 3 28 p r i n t −d e p s c 2 l o r e n z 3 . e p s
15

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

-15 IV. CONCLUSIONES

-20 • Ah medida que se varı́an los pasos de integración, la
-20 -10 0 10 20 30 40
solución se hace mejor hasta cierto punto, pues al intentar
y(t)
graficar con otros valores diferentes a los que se entre-
Figure 22. Solucion Grafica de Lorentz YZ gan en los ejercicios el comportamiento de la solución
presentaba distorsiones.
• Gracias uso de la herramienta de Matlab y con el
Atractor Lorenz por el metodo de ODE 45 Ode45 fue posible la realización de este estudio en
25
Caos Lorenz comportamientos caóticos para el oscilador de Lorentz
Equilibrio 1
20 Equilibrio 2 apreciando claramente como ha medida que se variaban
Equilibrio 3
15
los parámetros del sistema se afectaba la estabilidad del
sistema.
10
• Los métodos implı́citos son de mayor precision puesto
5 que no necesitan unos pasos de integración relativamente
z(t)

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 ) ' })