Informe Ob2 PDF

Informe Obligatorio 2
Mtodos Numricos - Ao 2013
ndice
1. Antes de Comenzar
2. Prefacio
3. Introduccin
4. Nociones Tericas
4.1. Propiedades de las Soluciones del Problema de Valores Iniciales (PVI) . . . . . .

4.2. Estimacin de Soluciones usando Mtodos Numricos . . . . . . . . . . . . . . . .
4.3. Sistemas Autnomos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
11
13
5. El Sistema de Lorenz
16
6. Conclusin
47
7. Bibliografa y Referencias Externas
48
A. Familia de Sistemas Tipo Lorenz
49
5.1. Anlisis Numrico del Sistema de Lorenz . . . . . . . . . . . . . . . . . . . . . . .

5.1.1. Mtodo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.2. Mtodo del Trapecio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
22
28
1.
Antes de Comenzar
Nota
Primero que nada, queremos aclarar que este trabajo no sigue de manera el la tarea presentada. Si bien estn todos los conceptos que forman parte de la tarea presentada, se cambio el
orden de algunas cosas para tratar de lograr una mayor comprensin del tema o para no caer en
redundancias y explicar lo mismo en distintas partes del informe.
Archivos del Obligatorio

En este obligatorio se dispone de un archivo de funcin y dos que no. Al igual que en el
trabajo anterior, se puede acceder a la descripcin del archivo funcin desde el archivo mismo
mediante el comando help.
El archivo de funcin es
FuncLorenz (X0, Coef)
Este archivo contiene el cdigo para la funcin
(y x)
rx y xz
xy bz
El mismo, recibe dos vectores de parmetros como entrada. El vector X0 contiene los valores
para las variables x, y y z . El vector Coef contiene en su primer coordenada el valor de ,
en la segunda el valor de r, en la tercera el de b y en la ltima contiene el valor del paso h.
El vector devuelto por la funcin es un vector columna de tres coordenadas.
Los archivos script son
Euler.m
Este script contiene el cdigo para la resolucin del sistema de Lorenz mediante el mtodo
de Euler. El mtodo usa los coecientes para , r y b denidos por l, un paso h = 0.01 y
se toma como punto de partida el punto que Euler us en su experimento, el (0,1,0).
Trapecio.m
Este script resuelve el sistema de Lorenz aplicando el mtodo del Trapecio. La manera de
resolver la iteracin de punto jo elegida es una simple iteracin de punto jo. Es decir, se
busca el punto tal que = g() para una funcin g a denir luego. No se decidi resolverlo
por el mtodo de Newton-Raphson ya que el mtodo es muy voltil. Es decir, la mnima
cosa que se cambie (no solo las condiciones iniciales, sino que la manera de escalerizar, la
denicin de una funcin, etc.) cambia de manera radical su comportamiento.
Ambos archivos script realizan una grca en tercera dimensin de la rbita que generan.
2.
Prefacio
Este nuevo informe de Mtodos Numricos forma parte de la resolucin del segundo obligatorio del ao 2013. En l, se expone un profundo anlisis al sistema de ecuaciones usado por Edward
Lorenz para 'predecir' el clima. Antes de dar una introduccin al tema (y posterior anlisis del
problema), se brinda una breve informacin acerca de Lorenz.
Edward Norton Lorenz (23 de mayo de 1917 17 de abril de 2008) fue un matemtico y
meteorlogo estadounidense. Realiz estudios de matemticas en la Universidad de Harvard y en
el Colegio Dartmouth en 1938 y se gradu como meteorlogo de M.I.T. en 1943. Despus de ser
miembro del personal del Departamento de Meteorologa del M.I.T. entre 1948 y 1955, Lorenz
fue designado profesor de esa igualdad y despus director del departamento hasta 1981.
Lorenz construy un modelo matemtico muy simplicado, que intentaba capturar el comportamiento de la conveccin en la atmsfera. Estudi las soluciones de su modelo y se dio cuenta
que alteraciones mnimas en los valores de las variables iniciales resultaban en soluciones ampliamente divergentes. Esta sensible dependencia de las condiciones iniciales fue conocida despus
como el efecto mariposa. Su investigacin dio origen a un renovado inters en la teora del caos.
Por sus contribuciones, recibi muchos premios por su trabajo entre los cuales se encuentran
1969: Carl Gustaf Rossby Research Medal, American Meteorological Society.
1973: Symons Memorial Gold Medal, Royal Meteorological Society.
1973: Symons Memorial Gold Medal, Royal Meteorological Society.
Entre sus obras, se encuentran Deterministic nonperiodic ow que apareca en el diario Journal of Atmospheric Sciences en 1963, Nondeterministic theories of climate change en Quaternary
Research en 1976 y su obra The Escence of Chaos, publicada en 1993.
Para terminar proveemos una denicin de la palabra caos, tema que ser desarrollado ms
adelante y vale tener en cuenta esta denicin.
Caos habitualmente se reere a lo impredecible. Deriva de la raz ghn o ghen del lenguaje
protoindoeuropeo ("hueco", "muy abierto"). Debido a variaciones lingsticas, el signicado de
la palabra se desplaz a desorden.
3.
Introduccin
La humanidad ha sufrido incontables prdidas debido a la atmsfera que rodea al planeta

a causa de su inquietante inestabilidad. Es por ello que desde los tiempos mas remotos el ser
humano ha tratado de predecir el clima con todas las herramientas que ha tenido a su disposicin.
Los pronsticos se apoyaban en datos empricos que se expresaban en forma de refranes que,
dependiendo de la poca del ao, daban indicaciones sobre el tiempo venidero segn fuera el
tiempo presente u otro fenmeno natural. Estos fenmenos pueden ser, por ejemplo, el color del
sol, el del cielo, el de las nubes o la aparicin del arcoiris. Como ejemplo citamos
Cielo empedrado, suelo mojado.
Cielo de lanas, si no llueve hoy, llover maana.
Arco iris al medioda, llueve todo el da.
Marzo marceador, un da malo y otro peor.
Recin hacia 1643 es que se origina la meteorologa cientca. A dicho ao se remonta la
invencin del barmetro por Torricelli y las experiencias de Pascal, que en 1648 demostr que la
presin atmosfrica decrece con la altura y que existe un vaco encima de la atmsfera.
La idea inicial fue el de construir un modelo matemtico capaz de hacer predicciones climatolgicas. Lorenz, siendo un meteorlogo en la universidad M.I.T. en los Estados Unidos, tena a
su disposicin una de las primeras computadoras que se pusieron al servicio de la investigacin
y en ella experiment con los resultados de su modelo. En el planteamiento utiliz la teora de
conveccin para uidos no viscosos desarrollada por Rayleigh y Brnard, haciendo la suposicin
de que todos los movimientos de la atmsfera (que son los que determinan el comportamiento del
clima) estn gobernados nicamente por este tipo de movimientos convectivos. Quizs parezca
una sobre simplicacin pero an as condujo a un modelo matemtico rico en propiedades y
caractersticas poco conocidas hasta el momento.
Al comienzo de la investigacin, se tena un sistema de ecuaciones que Lorenz llam Sistema
Global del Clima. Las variables de este sistema eran elementos del clima conocidos, aquellos cuya
presencia notamos y podemos estimar con buena precisin. Ellos son la temperatura, el viento,
la humedad, y alguna representacin de las nubes, la lluvia y la nieve (adems de la presin).
Para conocer el valor de uno de los estados del Sistema Global del Clima, debemos conocer
el valor de cada variable para cada punto de la atmsfera. Como esta cantidad de puntos es
inmensa, la cantidad de variables del sistema parece ser innita. Es por esto que se toma que la
atmsfera es un conjunto con una cantidad nita de puntos y compacto.
Esta manera de modelar la atmsfera generaba dos maneras distintas de predecir el clima. La
primera es la sub disciplina llamada meteorologa dinmica. Para estos meteorlogos, el estado
de la atmsfera es una conjuncin de los elementos atmosfricos (que se encuentran distribuidos
en ella). Los dinamicistas toman las leyes fsicas que modelan el comportamiento de la atmsfera
y las plasman en ecuaciones matemticas. Entre ellas, se encuentra la muy conocida Segunda Ley
de Newton. Estos meteorlogos no tomaban la ley en el estado que se conoce, sino que se dividia
entre la masa y se lea la ley como 'el cambio de velocidad es igual a la fuerza por la masa'.
As, si se tiene un dato sobre la atmsfera, es posible evaluar la fuerza en algn punto y saber
como la velocidad del aire por ese punto cambiar con el tiempo. Las leyes de la termodinmica
daban informacin acerca de como se comportara la temperatura. Y as, las dems leyes fsicas
determinaban diferentes elementos climatolgicos.
Y por otro lado estaban los meteorlogos sinpticos, los cules estaban en total oposicin a
los meteorlogos dinmicos, indicando que estos ltimos predecan el clima de manera grotesca
e incompleta. Los sinpticos estudian las estructuras caractersticas en las que los estados de la
atmsfera pueden ser estudiados.
Basados en estas dos corrientes de pensamiento, surgieron varios experimentos que simulaban las condiciones climticas de la atmsfera. El primer experimento que aport informacin
relevante fue realizado por Dave Fultz en la Universidad de Chicago. El mismo consista en jar
sobre un asiento giratorio, un recipiente circular con agua en su interior, al cul se le aplicaba
calor el los bordes y se mantena fro en el centro. La idea central del experimento era simular el
movimiento atmosfrico a elevada altura.
En el mismo tiempo, Raymond Hide realizaba un experimento similar al de Fultz en la
Universidad de Cambridge en Inglaterra. La diferencia en su experimento era que el uido lo
introduca en un un recipiente circular ubicado entre dos cilindros concntricos. A pesar de que
Hide no era un meteorlogo, se convirti en uno de los principales dinamicistas.
Descartando componentes como la silla giratoria, Alan Faller logr reproducir en esencia el
experimento de Hide.
A principios del siglo XX en Noruega, el fsico y meteorlogo Vilhelm Bjerknes propuso que el
problema del pronstico del tiempo era un simple problema de resolver un sistema de ecuaciones
que representaban las leyes bsicas, usando estados iniciales del clima como punto de partida.
A pesar de calicar el problema como simple, reconoci que no haba un mtodo prctico para
resolver tal sistema, a pesar de que las ecuaciones eran (como dijo l) conocidas.
Durante la primer Guerra Mundial, en Inglaterra, el cientco Lewis Richardson trat de
resolver el sistema planteado por Bjerknes de manera numrica. Su procedimiento consista en
reemplazar las distribuciones continuas de la presin, viento y otros factores por valores (de estos
mismos factores) de una regin regular de puntos.
En su servicio al pas, Richardson recab varios datos del clima de un da en particular y
realiz a mano los millones de cuentas del sistema de ecuaciones tratando de predecir el clima de
las prximas seis horas de una regin como la de Europa. A pesar de su esfuerzo, su prediccin
climtica result erronea. Y no solo eso, sino que su prediccin no segua ningn patrn conocido
con anterioridad. Richardson culp de su error a una mala medicin del viento en el inicio. Ms
tarde se veric que con valores mas acertados de medicin, su mtodo hubiera fallado pero no
de manera tan estrepitosa.
A pesar de fallar, la iniciativa de Richarson entusiasm a los meteorlogos de la poca quienes
cambiaron de parecer sobre la prediccin meteorolgica numrica. De todas maneras, muchos
meteorlogos importantes dudaron sobre si una mejor medicin inicial del viento los ayudara a
superar los errores que se generaban. Uno de estos meteorlogos fue el dinamicista sueco CarlGustaf Rossby, quien fundament que la clave para entender el comportamiento de la atmsfera
estaba dado por el viento y no en la presin.
Al llegar a mediados de siglo, el renombrado matemtico John von Neumann se interes
en disear computadoras que resolvieran estos problemas. A pesar de no ser un meteorlogo,
vio que pronosticar el clima era algo en que podra contribuir. Fue as que reuni un grupo de
meteorlogos y otros cientcos para trabajar en el problema de la pronosticacin numrica.
A medida que los aos avanzaban, los pronosticadores conaban cada vez ms en los resultados numricos. Tanto as que se extendi el rea de inters a todo el mundo (o al menos un
hemisferio). Esta extensin de pronstico numrico fue el llamado modelo de circulacin global.
El modelo fue construido por Norman Phillips. Su sistema dinmico tena 450 variables, y su solucin se extenda a un mes. A pesar de todo esto, el pronstico numrico no produca pronsticos
tan acertados como se esperaba.
Un ltimo modelo a tener en cuenta es el modelo operacional del Centro Europeo para el
Pronstico Meteorolgico de Rango Medio de Inglaterra. Este modelo se basa en el modelo usado
por Richardson, solo que posee varias modicaciones que tratan de mejorar su rendimiento. Posee
distintas cantidades denidas para diferentes alturas, todo ello se supona en una grilla de 11.000
puntos (del mundo). Y esto, provocaba que el sistema tuviera un total de 800.000 variables.
Sin embargo, el conocimiento de los partrones climatolgicos esta lejos de ser completo, y
an cuando son comprendidos, ninguna explicacin puede ofrecerse sin notar que se queda corta
en los complejos mecanismos que generan y mantienen la variabilidad meterolgica del planeta.
Es por esto que el clima representa el sistema catico por excelencia al generar condiciones
muy impredecibles. Sin embargo, los cientcos estn descubriendo como la teora del caos puede
ayudarlos a emitir predicciones ms conables, y principalmente, mejorar la comprensin de lo
que es un sistema extremadamente complejo. Gran parte de los conocimientos que integra la
teora del caos surgi originalmente del estudio de los cambios climticos, y uno de los primeros
descubrimientos que sustent tericamente esta rea de estudio se debe a Edward Lorenz.
A modo de comprensin de este modelo, puede resultar conveniente imaginar que cualquier
condicin climtica puede ser representada como un punto dentro de un espacio tridimensional.
Asi, por ejemplo, el eje OX podra representar la temperatura, el eje OY la humedad, y el eje
OZ la presin baromtrica, como se aprecia en la siguiente gura.
En este modelo, un da soleado estara representado por el punto A, uno lluvioso por B, etc.
Resulta obvio suponer que el clima de hoy esta afectado en gran parte por el clima de ayer, el de
ayer por el de anteayer y as sucesivamente. Ahora, si vamos trazando los puntos correspondientes
a las condiciones meteorolgicas observadas, se obtendra una grca mostrando la ruta que sigue
el sistema a travs del espacio de fases seleccionado, y esto, tericamente, permitira hacer una
prediccin sobre su comportamiento futuro.
Lorenz concluy prcticamente lo mismo, y al ir ajustando progresivamente la interrelacin
de las variables seleccionadas, mejor substancialmente la capacidad predictiva de su modelo.
Durante algn tiempo, los resultados obtenidos fueron iguales a los esperados, osea, las predicciones climticas tericas coincidan con la realidad; sin embargo, una maana, Lorenz decidi
redondear los resultados de los das anteriores en vez de introducir las cifras completas a su
computadora, lo que lo llev a experimentar un comportamiento del trazo de la ruta completamente distinta a la que haba venido siguiendo. Rpidamente lleg a la conclusin de que este
fenmeno ocurri al haber introducido cifras redondeadas, lo que provoco que el diagrama siga
una ruta distinta a la anterior.
Esto plante una cuestin muy seria sobre la validez de su modelo, pues si una diferencia
mnima, de poca milsimas, poda causa errores tales como pronosticar heladas en pleno verano,
entonces un error insignicante al momento de establecer las condiciones iniciales, o al momento
de realizar mediciones, podra hacer que el modelo fallara por completo.
Volviendo a la cuestin sobre la variacin de las condiciones iniciales, cuando Lorenz introdujo valores levemente variados a la simulacin del sistema, el sistema evolucionaba de maneras
completamente diferentes. Como leves modicaciones en el sistema podan desencadenar grandes
diferencias (considerando el tiempo en que se observa el comportamiento), Lorenz llam a este
fenmeno el efecto mariposa. El nombre proviene de la idea de que si es posible que el aleteo de
una mariposa provoque una catstrofe en algn lugar del mundo (alejado de ella claro).
4.
Nociones Tericas
Estudio de Ecuaciones Diferenciales Ordinarias (EDO)

Antes de pasar al estudio de sistemas de ecuaciones, se presenta un estudio sobre ecuaciones
diferenciales de primer orden. El estudio para sistemas de ecuaciones es una generalizacin de
este caso.
Consideremos el problema de valores iniciales
y = f (t, y)
y(t0 ) = y0
(1)
Aplicando reglas de clculo, es posible hallar la solucin general de la ecuacin en forma

explcita. Pero en muchos de los casos esto no es posible. Para estos casos hay dos maneras de
proceder. Una de ellas es saber si existe la solucin y conocer su unicidad, y la otra es aplicar
algn mtodo numrico para aproximar la solucin de la ecuacin. En este informe se mostrar
ambas maneras de manejar el problema. Comencemos por la primera.
4.1. Propiedades de las Soluciones del Problema de Valores Iniciales (PVI)

Interpretacin Geomtrica de la Ecuacin y' = f(t,y)
La forma explcita de la EDO de primer orden es
y = f (t, y)
(2)
donde f : R2 R es una funcin real, siendo un conjunto abierto.

Una solucin de la ecuacin anterior es una funcin diferenciable y = (t) denida en un
intervalo abierto I tal que
(t, (t))
(t) = f (t, (t))
para todo x I
para todo x I
Uno de los problemas principales en el estudio de la ecuacin 2 es la determinacin de sus

soluciones. La obtencin de soluciones en forma explcita en trminos de funciones elementales
es un problema imposible de resolver en general para ecuaciones como 2.
En muchos problemas de aplicacin no es necesario conocer la forma de la solucin general,
sino que basta conocer propiedades de esa solucin, como puede ser su comportamiento cuando
t tiende a algn valor preestablecido.
Un problema de mayor importancia es el estudio de existencia y unicidad de la solucin del
problema de valores iniciales. Un problema de valores iniciales es el siguiente: dada una ecuacin
diferencial y un punto (t0 , y0 ) , determinar un intervalo I que contenga a t0 y adems de
cumplir las dos condiciones descritas encima, cumpla
(t0 ) = y0 ,
llamada condicin inicial
Para comprender mejor estas cuestiones relacionadas a la ecuacin de estudio (2), es importante conocer el signicado geomtrico de la ecuacin diferencial. La funcin f le atribuye a cada
punto de un valor, f (t, y). La ecuacin dice que la solucin que pasa por ese punto debe tener
pendiente igual a ese valor:
tan() = f (t, y)
donde es el ngulo entre la tangente r a la solucin, y el eje OX .
Existencia y Unicidad de la Solucin

Estamos en condiciones de enunciar (sin demostrar) el teorema de Picard. El mismo habla
sobre la existencia y la unicidad de la solucin a un problema de valores iniciales.
Teorema 1. Sea f
: R2 R una funcin continua denida en el abierto . Supongamos

que la derivada parcial fy : R es tambin continua. Entonces, para cada punto (t0 , y0 )
existe un intervalo abierto I que contiene a t0 y a una nica funcin diferenciable : I R con
(t, (t)) , para todo t I , la cul es la solucin del problema de valores iniciales
y = f (t, y)
y(t0 ) = y0
10
4.2. Estimacin de Soluciones usando Mtodos Numricos

Como se expuso secciones anteriores, para la mayora de las ecuaciones diferenciales no es
posible expresar sus soluciones en forma exacta y en trminos de funciones elementales. Ms
all de querer saber propiedades de las soluciones, puede llegar a ser ms interesante tener
una estimacin de dicha solucin general. Es ah donde entran los mtodos numricos para
poder aproximar dicha solucin. Hay que tener en cuenta que los mtodos numricos dan una
aproximacin de la solucin en un punto t. Si se desea conocer una aproximacin de la solucin
general, es necesario conocer varias de estas aproximaciones y luego aplicar algn mtodo de
interpolacin.
Para nuestros propsitos, expondremos el uso de nicamente dos de estos mtodos. Uno de
ellos es el mtodo de Euler, y el otro es el llamado mtodo del Trapecio.
Cabe recordar que cualquiera de estos mtodos se basa en un problema de valores iniciales
como el descrito por 1.
Mtodo de Euler
El mtodo de aproximacin ms simple para el PVI planteado es el mtodo de Euler
(tambin llamado de Euler-Cauchy o de punto medio). Para el mtodo, consideramos un intervalo
[a, b] y lo dividimos en N subintervalos de medida h = (ba)/N y tomamos los puntos tn = a+nh,
jamos y0 = c y buscamos los valores aproximados y1 , y2 , ..., yn de los valores exactos y(t1 ),
y(t2 ), ..., y(tn ). Esto lo hacemos aproximando cada derivado en el punto (ti , yi ) mediante el uso
del cociente incremental (yn+1 yn )/h. As, tenemos la ecuacin diferencial
yn+1 yn
= f (tn , yn )
h
es decir,
yn+1 = yn + hf (tn , yn )
y0 = c
Ventajas y Desventajas del Mtodo de Euler

Uno de los aspectos resaltantes del mtodo es que a medida que dividimos el tamao del paso
h, los errores tambien se disminuyen en aproximadamente la mitad. Es un mtodo sencillo de
implementar pero de orden bajo, por lo que dependiendo del grado de precisin que se desee, el
h puede ser muy pequeo.
Otra de las ventajas de este mtodo es que es un mtodo explcito. Eso signica que el
mtodo calcula un estado del sistema en un tiempo posterior al actual.
Mtodo del Trapecio

Este es un ejemplo de mtodo implcito. Esto signica que el mtodo encuentra una solucin
resolviendo una ecuacin que vincula el estado actual y posterior del sistema. Esta es una de las
desventajas de este mtodo.
11
Pasamos ahora a la descripcin del mtodo. Consideremos el intervalo [tn , tn+1 ] e integramos
de ambos lados de la ecuacin del PVI:
tn+1
tn+1
f (t, y(t))
y (t)dt =
tn
tn
Desarrollando la primer integral, obtenemos

tn+1
y (t)dt = y(tn+1 ) y(tn ) yn+1 yn

tn
Ahora aproximamos la segunda integral mediante el rea del trapecio debajo de la curva (el
trapecio tiene altura h, base mayor = f (tn+1 , yn+1 ) y base menor = f (tn , yn )):
a.T rapecio =
h
(f (tn , yn ) + f (tn+1 , yn+1 ))
2
Igualando estas dos expresiones
yn+1 yn =
h
(f (tn , yn ) + f (tn+1 , yn+1 ))
2
As:
M et.T rapecio =
yn+1 yn = h (f (tn , yn ) + f (tn+1 , yn+1 ))

2
y0 = c
Hay que notar que si f (t, y) es no lineal en su segunda variable, en la ecuacin del trapecio
resulta difcil (o no se podr) despejar yn+1 . Para resolverla, tenemos el siguiente problema de
punto jo:
yn+1 = (yn+1 ) = yn +
.
h
h
f (tn , yn ) + f (tn+1 , yn+1 )
2
2
Si planteamos un mtodo iterativo general:

(k+1)
(k)
yn+1 = (yn+1 )
Lo nico que falta es una condicin inicial, la cual estimamos por el mtodo de Euler:
(0)
yn+1 = yn + hf (tn , yn )
As, tenemos que para el mtodo del trapecio, iteramos segn
(k+1)
(k)
(k)
yn+1 = (yn+1 ) = yn + h f (tn , yn ) + h f (tn+1 , yn+1 )
2
2
(0)
y
n+1 = yn + hf (tn , yn )
Este tipo de sistemas se llama sistema
llama corrector, y a la segunda predictor.
corrector-predictor.
A la primer ecuacin se le
12
4.3. Sistemas Autnomos

Extendemos ahora el estudio a sistemas de ecuaciones. El tipo de sistemas a trabajar son los
denominados autnomos:
x = f (t, x, y, z)
y = g(t, x, y, z)
(3)
z = h(t, x, y, z)
El sistema es autnomo ya que las funciones f , g y h no dependen explcitamente de la
variable t (tiempo).
Las soluciones (x(t), y(t), z(t)) de dicho sistema son curvas parametrizadas denominadas rbitas.
Puntos de Equilibrio
Un aspecto importante en el estudio cualitativo de las ecuaciones diferenciales son las soluciones constantes (x(t), y(t), z(t)) = (x0 , y0 , z0 ), las cuales son exactamente los ceros del sistema
f (t, x, y, z) = 0
g(t, x, y, z) = 0
h(t, x, y, z) = 0
Esas soluciones son llamadas puntos de equilibrio, nombre que reciben por su signicado fsico,
o puntos singulares, nombre que reciben por su signicado geomtrico. Los puntos que no sean
singulares son llamados regulares. Se puede extender esta denicin para comprender cuando se
dice que un punto de equilibro es estable o no.
Denicin 1: Un punto de equilibrio (x0 , y0 , z0 ) es estable si, dado > 0 existe > 0 tal
que para cualquier rbita (x(t), y(t), z(t)) tal que
||(x0 , y0 , z0 ) (x(t), y(t), z(t))|| <

se cumple que
||(x(t), y(t), z(t)) (x0 , y0 , z0 )|| <

para todo t 0.
Denicin 2: Un punto de equilibrio (x0 , y0 , z0 ) se dice que es asintticamente estable si es

estable y adems existe > 0 tal que
||(x0 , y0 , z0 ) (x(t), y(t), z(t))|| <
entonces
l (x(t), y(t), z(t)) = (x0 , y0 , z0 )

m
t+
Para entender mejor, estas deniciones dicen que las rbitas que 'comienzan cerca' de un
punto (x0 , y0 , z0 ) pertenecen cerca, y que convergen a su punto de equilibrio.
13
Estas deniciones anteriores son de corte terico. En la prctica pueden no ser accesibles de
aplicar. Es por ello que debemos recurrir al uso de teoremas que puedan ayudarnos. Hemos de
presentar dos.
Mtodo Indirecto de Lyapunov

Sea y0 un punto estable de la ecuacin 2. Sea la matriz A tal que
A=
f
(t, y)|y0
y
Entonces
i El origen es asintticamente estable si todos los valores propios de A tienen parte real
negativa.
ii El origen es inestable si uno o ms valores propios de A tienen parte real positiva.
La ventaja de esta condicin es que indica la estabilidad de manera relativamente rpida. Lo
malo es que slo indica la estabilidad del origen. Es por eso que presentamos el siguiente criterio
de clasicacin.
Criterio de Routh
Este criterio nos permite conocer la estabilidad absoluta de un sistema sin necesidad de
resolver la ecuacin. Si tenemos un polinomio del tipo
F (s) = a0 sn + a1 sn1 + a2 sn2 + ...an s0
(4)
podemos construir el llamado arreglo de Routh. Esta tabla nos permitir denir saber si un
sistema es estable o no. La condicin necesaria y suciente para que un sistema sea estable es
que no hayan cambios de signo en la primer columna del arreglo de Routh. En caso de que los
haya, el polinomio 4 tendr tantas races positivas como cambios de signo hayan, y en este caso
el sistema ser inestable.
La tabla se genera de la siguiente manera:
sn
sn1
sn2
sn3
.
.
.
.
.
.
s0
a0
a1
b1
c1
.
.
.
.
.
.
g1
a2
a3
b2
c2
.
.
.
.
.
.
g2
a4
a5
b3
c3
.
.
.
.
.
.
g3
...
...
...
...
...
14
donde los valores ai son los coecientes del polinomio, y los restantes se forman con los
coecientes de las dos lineas ms anteriores, es decir, los coecientes bi y ci (los gi se forman de
manera anloga) se forman segn
bi =
a1 a2i a0 a2i+1
a1
ci =
b1 a2i+1 a1 bi+1
b1
5.
15
El Sistema de Lorenz
El sistema usado por Lorenz para sus predicciones es un sistema simplicado del empleado
por el gelogo Barry Saltzman (1962).
Rayleigh estudi en 1916 que ocurra con el ujo de un uido en una capa uniforme de
profundidad H cuando la diferencia de temperatura entre la capa superior y la inferior era T
constante. Dicho sistema contiene soluciones estacionarias en las cuales no hay movimiento, y la
temperatura vara linealmente con la profundidad.
En el caso en que todos los movimientos son paralelos al plano XZ , y no hay variacin
respecto a la direccin OY , el movimiento puede modelarse por las ecuaciones
(, 2 )
+
(x, z)
+ g
(, ) T
=
+
+
t
(x, z)
H x
(5)
(6)
donde denota la funcin de corriente del movimiento bi dimensional, es la temperatura

inicial y las constantes g , , y denotan, respectivamente, la aceleracin gravitatoria, el
coeciente de expansin trmica, la viscosidad cinemtica y la conduccin trmica. El problema
es ms manejable si las dos capas lmites se toman libres, con lo que y 2 desaparecen de
ambos lados.
Rayleigh encontr que campos de movimiento de la forma
= 0 sin(aH 1 x)sin(H 1 z)
= 0 cos(aH 1 x)sin(H 1 z)
se desarrollarn si el valor
Ra = gH 3 T 1 1
llamado Nmero de Rayleigh, excede el valor crtico
Rc = 4 a2 (1 + a2 )3
Cuando a2 = 1/2, se da el mnimo valor de Rc : Rc = 27 4 /4.
Expandiendo y en series dobles de Fourier en x y z , Saltzman deriv de lo anterior un
sistema de ecuaciones diferenciales ordinarias. Obteniendo funciones que dependen slo de t,
y sustituyendo estas series en las ecuaciones 5 y 6, Saltzman reescribi el lado derecho de las
ecuaciones resultantes en series dobles de Fourier reemplazando el producto de funciones trigonomtricas en x (o en z ) por sumas de funciones trigonomtricas, y luego igual los coecientes
de las funciones similares de x y z . Siguiendo el razonamiento del autor, se reduce el sistema
innito para llegar a un sistema de ecuaciones nito sacando toda funcin que no dependa de t.
16
Las soluciones pueden ser obtenidas si al comienzo truncamos las series para incluir un total
de tres trminos. Segn su estudio, tenemos
a(1 + a2 )1 1 = X 2sin(aH 1 x)sin(H 1 z)

1
Rc Ra T 1 = Y
2cos(aH 1 x)sin(H 1 z) Zsin(2H 1 z)
(7)
(8)
donde X = X(t), Y = Y (t) y Z = Z(t). Cuando combinamos las ecuaciones 7 y 8 con las
ecuaciones 5 y 6, y despeciando todos los trminos trigonomtricos (excepto los de las ecuaciones
7 y 8), obtenemos el sistema
X=
= X + Y
t
(9)
Y =
= XZ + rX Y
t
(10)
= XY bZ
Z=
t
(11)
donde
= 1 : Prandtl Number
1
r = Rc Ra
b = 4(1 + a2 )1
En este sistema, X es proporcional a la intensidad del movimiento, mientras que Y es proporcional a la diferencia de temperaturas entre los lados opuestos de la placa. Si X e Y poseen
igual signo, entonces se tiene que el uido caliente aumenta y el fro desciende. La variable Z es
proporcional a la distorsin de la temperatura vertical. Un valor positivo indica que los mayores
valores de pendientes se dan en los bordes.
Si tomamos un valor ligeramente crtico para el nmero de Rayleigh, las ecuaciones 9, 10
y 11 pueden llegar a dar soluciones realistas, pero estas no sern parecidas a las soluciones
proporcionadas por las ecuaciones 5 y 6 debido a los errores de truncamiento.
Siguiendo el razonamiento de Saltzman, tomamos = 10 y a2 = 1/2, para as tener que
b = 8/3. Finalmente tomamos para el nmero de Rayleigh el valor crtico r = 470/19 = 24,74,
pero tomamos este nmero de forma ligeramente redondeada. Es decir, tomamos r = 28.
Cabe destacar que estas tres ltimas ecuaciones son resultado de la simplicacin hecha por
Lorenz de las ecuaciones del campo de dinmica de uidos derivado por Navier-Stokes.
Anlisis del Sistema de Lorenz

La primer propiedad que se desprende del sistema es que, por como estn denidos los
parmetros, ellos son todos mayores a cero. Es decir, ni , ni r ni b son menores a cero.
Otra propiedad que se desprende enseguida es la no linealidad del sistema. Al poseer los
trminos xz y xy , el sistema deja de ser lineal.
17
Pasamos ahora a analizar los puntos jos del sistema. Siguiendo lo presentado anteriormente,
para calcular los puntos jos del sistema, calculamos
f (t, x, y, z) = (y x) = 0
g(t, x, y, z) = rx y xz = 0
h(t, x, y, z) = xy bz = 0
De la primer ecuacin, se desprende que x = y (recordar que > 0). Sustituyendo en las
siguientes ecuaciones:
x(r 1 z) = 0
x2 bz = 0
Si suponemos que x = 0, de la primer ecuacin se tiene que z = r 1. Introduciendo este
valor en la ltima ecuacin, sacamos dos valores para la coordenada x:
x=
b(r 1)
Por lo tanto, las soluciones del sistema son
x = b(r 1)
y = x = b(r 1)
z =r1
Para los valores y b se toman los valores jados por Lorenz, 10 y 8/3 respectivamente. Los
puntos jos pasan a clasicarse segn el valor de r:
i Cuando 0 <r <1, el origen es el nico equilibrio y es estable
ii Para r = 1 sigue habiendo un punto de equilibrio, y se puede demostrar que el origen es
estable.
iii Por ltimo, si r >1, grcamente se observa que el (0,0,0) es inestable, mientras que surgen
dos puntos de equilibrio:
C+ =
C =
2(r1)
3 ,2
2(r1)
3 ,r
2(r1)
3 , 2
2(r1)
3 ,r
Para 1 <r < 470 se prueba que los valores C + y C son estables.
19
En nuestro anlisis slo realizaremos un estudio de la estabilidad del sistema (y de los puntos
jos) para el sistema de Lorenz, con los coecientes denidos por l en su estudio.
Denimos la funcin F (x, y, z) = ((y x), rx y xz, xy bz), y su matriz jacobiana
0
JF (x, y, z) = r z 1 x
y
x b
18
Como usamos los coecientes denidos por Lorenz, el jacobiano es estonces
10
10
0
JF (x, y, z) = 28 z 1 x
y
x 8/3
Para calcular la estabilidad del sistema, evaluamos la matriz jacobiana anterior en el punto
de estudio, buscamos su polinomio caracterstico y aplicamos el criterio de Lyapunov o el de
Routh.
Para el origen: Evaluando la matriz jacobiana en el origen obtenemos
10 10
0
0
JF (0, 0, 0) = 28 1
0
0 8/3
Su polinomio caracterstico es
10
10
0
=0
28
1
0
P () = det(JF (0, 0, 0) Id) = det
0
0
8/3
P () = (10 + )(1 + )(8/3 + ) + 280(8/3 + ) = 0

(8/3 + )(2 11 + 270) = 0
Entonces tenemos que 1 = 8/3, y las otras dos valores propios los obtenemos de
2 + 11 270 = 0. Aplicando bscara, las races son
1,2
11 1201
=
2
Observando que Re(1 ) = 1 = 8/3 < 0, Re(2 ) = 2 =
11 1201
2
11+ 1201
2
> 0 y Re(3 ) = 3 =
< 0, obtenemos que hay un valor propio cuya parte real es mayor a cero, y por
el criterio de Lyapunov concluimos que el origen es inestable.

Para el punto C + = ( 72, 72, 28): Evaluamos la matriz jacobiana en este punto y
hallamos su polinomio caracterstico.
10 10
0

1 72
JF ( 72, 72, 28) = 1
72
72 8/3
El polinomio lo hallamos de igual manera que para el punto anterior.
19
10 10
0

1 72 = 0
P () = det(JF ( 72, 72, 28) Id) = det 1
72
72 8/3
P () = (10 + )(1 + )(8/3 + ) 720 72(10 + ) + 10(8/3 + )) = 0
Realizando cuentas, llegamos a que
P () = 33 + 412 128 4320

Como es complicado poder hallar las races de P () (y adems que ya conocemos la estabilidad del origen), aplicamos el criterio de Routh. Para ello, construimos la tabla como se
presento. Entonces, si tomamos
F (s) = 3s3 + 41s2 128s 4320

el arreglo de Routh queda
s3
s2
s1
s0
donde b1 = 41(128)3(4320) =
41
la tabla queda
7712
41
3
41
b1
c1
128
4320
> 0, y c1 =
s3
s2
s1
s0
3
41
7712/41
4320
b1 (4320)
b1
= 4320 < 0. Con estos valores,
128
4320
Y como en la primer columna de este arreglo hay un cambio de signo, concluimos que por
el criterio de Routh, el sistema con el punto C + es inestable.
Para el punto C = ( 72, 72, 28): Al igual que en los dos casos anteriores, evaluamos la matriz jacobiana en este punto y buscamos su polinomio caracterstico.
10
10
0
72
1
1
JF ( 72, 72, 28) =
72 72 8/3
20
Por lo tanto, su polinomio es
10
10
0
72 = 0
1
1
P () = det(JF ( 72, 72, 28) Id) = det
72 72 8/3
En este caso, su polinomio es igual al polinomio que obtenemos en el caso anterior. Como el
anlisis ser exactamente el mismo, concluimos que el sistema es inestable con este punto
tambin.
De esta manera, obtenemos que cualquiera de los tres atractores presentes en el sistema es
inestable.
21
5.1. Anlisis Numrico del Sistema de Lorenz

Luego de estudiar dos mtodos numricos para obtener soluciones del sistema de Lorenz,
pasamos ahora a emplearlos para hallar el atractor de Lorenz.
Como valor inicial, se toma el punto (x0 , y0 , z0 ) = (0, 1, 0), el mismo que tomo Lorenz en su
estudio.
5.1.1. Mtodo de Euler

Nota: El archivo
Euler.m
resuelve el problema con este mtodo y muestra la grca en 3D.
Para resolver el sistema de Lorenz con este mtodo, es necesario aplicarlo a cada una de las
ecuaciones del sistema. Extendiendo lo explicado pginas antes, tenemos que
xn+1 = xn + h((yn xn ))
yn+1 = yn + h(rxn yn xn zn )
zn+1 = zn + h(xn yn bzn )
(x0 , y0 , z0 ) = (0, 1, 0)
Para aplicar el mtodo, es necesario denir un intervalo y el valor de subdivisiones a realizar.
Es bueno saber que entre mayor sea la longitud del intervalo, mayor debe ser el valor de h, ya
que en caso de aumentar el intervalo y hacer decrecer el valor de h, el tiempo consumido para
obtener la solucin ser mayor.
Al ser el sistema de Lorenz autnomo, no es tan necesario denir un intervalo para los valores
de t. Por ello, se realiza una cantidad ja de iteraciones y se toma como paso el valor h = 0,01.
Al hacer correr el archivo Trapecio.m, se obtiene una grca tridimensional del atractor de
Lorenz. En ella, se aprecia que el sistema 'converge' a los puntos de equilibrio C + y C . Para
apreciar de mejor manera este comportamiento, se provee de tres grcas distintas. Todas son
proyecciones del sistema en diferentes planos.
22
Figura 1: Proyeccin en el plano XY

Esta proyeccin se emplea usualmente para vislumbrar la tridimensionalidad de la curva, pues
parece dos platos de papel sobre dos planos diferentes pero paralelos que se conectan a travs de
una cadena. Conforme se va trazando el atractor de Lorenz, una cadena se va dibujando desde
uno de los platos y comienza a trazar el contorno de una de las alas de la mariposa, luego se
lanza hacia el extremo opuesto y dibuja el centro para continuar repitiendo este proceso.
23
Figura 2: Proyeccin en el plano XZ

Esta proyeccin se asemeja a las alas de una mariposa. Es por esta proyeccin que muchas
veces se habla de la mariposa de Lorenz.
Figura 3: Proyeccin en el plano XZ

Esta ltima proyeccin recuerda a una mscara de bho.
24
A medida que la grca se va trazando, las rbitas del sistema 'convergen' a dos puntos
del plano. Dichos puntos son C + y C , denidos anteriormente. De esta manera grca, puede
apreciarse que dichos puntos son atractores. Las prximas cuatro grcas ilustran el trazado
de las rbitas y puede verse que las mismas son atradas hacia C + y C . La primer imagen
corresponde al mtodo de Euler con 500 iteraciones. La segunda con 100, la tercera con 1500 y
la ltima a 5.000 iteraciones. Los puntos C (el punto ms a la izquierda) y C + (e punto ms
prximo a la derecha) son ubicados en las grcas, de manera de ver realmente su atraccin.
Figura 4: Mtodo de Euler con 500 iteraciones
25
26

Una observacin que debe hacerse sobre el mtodo a travs de estos grcos es la 'fuerza'
con que los puntos de equilibrio atraen a las rbitas. Uno de ellos (en este caso C ) atrae con
mayor intensidad a la rbita. Es decir, en menor cantidad de iteraciones, la rbita se enrosca en
C ms rpido de lo que lo hace en el punto C + .
Ademas de esto, puede ir hacindose un breve anlisis sobre el comportamiento catico del
sistema de Lorenz. Observando la ltima imagen, donde la rbita esta bastante denida,puede
verse que desde el momento en que la rbita empieza hasta dar la primer vuelta, la misma esta
bastante alejada de cualquiera de los puntos atractores. En seguida de esto, la rbita se acerca a
C , gira sobre l y pasa para C + . Pero ser un sistema catico, se espera que este comportamiento
no siga en el tiempo. Es decir, no se espera que la rbita se acerque a un punto atractor, gire
sobre l y pase al otro para repetir el procedimiento. Y esto es exactamente lo que no ocurre.
Puede verse uuy claramente que el sistema no solo se acerca y se aleja aleatoriamente de los
puntos de equilibrio, sino que la rbita (puede apreciarse claramente en un punto en la primer
imagen) gira sobre s misma.
27
5.1.2. Mtodo del Trapecio

Nota: El archivo
3D.
Trapecio.m
resuelve el problema con este mtodo y muestra la grca en
Luego de presentar una resolucin al sistema de Lorenz mediante el mtodo de Euler, presentamos ahora una resolucin al problema mediante el mtodo del trapecio.
Recordando el terico presentado para la resolucin de una ecuacin diferencial y = f (t, y)
mediante este mtodo, tenamos que
(k+1)
(k)
(k)
yn+1 = (yn+1 ) = yn + h f (tn , yn ) + h f (tn+1 , yn+1 )
2
2
(0)
y
n+1 = yn + hf (tn , yn )
En este caso, no tenemos una sola ecuacin, sino que tenemos un sistema de tres ecuaciones.
Por ello, trataremos de llegar a una expresin como la anterior. Si recordamos el sistema de
Lorenz, al aplicarle el mtodo del trapecio tenemos las ecuaciones
h
xn+1 = xn + 2 ((yn xn ) + (yn+1 xn+1 ))
y
= yn + h (rxn yn xn zn + rxn+1 yn+1 xn+1 zn+1 ))
2
n+1
zn+1 = zn + h (xn yn bzn + xn+1 yn+1 bzn+1 )
2
En este caso, podemos observar que ninguna de las ecuaciones es no lineal en la variable
a buscar, pero el hecho de que estemos tratando con un sistema de ecuaciones nos obliga a
aplicar de todas maneras algn mtodo iterativo para hallar las soluciones. Para poder llegar a
un sistema para realizar iteraciones de punto jo, vamos a denir nuevas variables.
Sean los vectores Yn = (xn , yn , zn ) y Yn+1 = (xn+1 , yn+1 , zn+1 ), nuestro vector incgnita.
Luego denimos las funciones
g1 (Yn+1 ) = xn + h ((yn xn ) + (yn+1 xn+1 ))

2
g2 (Yn+1 ) = yn + h (rxn yn xn zn + rxn+1 yn+1 xn+1 zn+1 )
2
g3 (Yn+1 ) = zn + h (xn yn bzn + xn+1 yn+1 bzn+1 )
2
y la funcin G(Yn+1 ) = (g1 (Yn+1 ), g2 (Yn+1 ), g3 (Yn+1 ))
De esta manera, podemos escribir el mtodo del trapecio como
Yn+1 = G(Yn+1 )
Cabe destacar que la funcin G depende slo del vector Yn+1 porque ese vector es el que
deseamos encontrar. Las otras variables (las coordenadas del vector Yn ) las conocemos, ya que
en nuestra iteracin, estos valores estarn determinados por el paso anterior. Esto quedar ms
claro en unos prrafos ms adelante.
28
Sabiendo que la variable Yn+1 aparece de ambos lados de la ecuacin, planteamos la ecuacin
de iteracin como
(k+1)
Yn+1
(k)
= G(Yn+1 )
Para poder aplicar algn mtodo iterativo, debemos denir un punto de partida (semilla)
para el mismo. Es as que tomaremos como una posible semilla el valor
(0)
Yn+1 = Yn + hF (Yn )
donde F (Yn ) = F (xn , yn , zn ) = ((yn xn ), rxn yn xn zn , xn yn bzn ).
Es decir que para estimar la semilla del mtodo iterativo a usar, usamos un paso del mtodo
de Euler.
De esta manera, tenemos el sistema
(k+1)
(k)
Yn+1 = G(Yn+1 )
(0)
Y
n+1 = Yn + hF (Yn )
Para resolver el sistema mediante el mtodo de Newton-Raphson, es necesario denir la
matriz jacobiana de la funcin G. En este caso decidimos denirla de manera analtica. Teniendo
en cuenta la expresin de la funcin G y recordando que la matriz jacobiana de una funcin es la
matriz cuyas entradas son las derivadas parciales de las coordenadas de dicha funcin, tenemos
que
h/2
h/2
0
h/2
hxn+1 /2
JG (Yn+1 ) = (r zn+1 )h/2
hyn+1 /2
hxn+1 /2
bh/2
Ahora que tenemos la matriz jacobiana, iteramos sobre el sistema de N-R siguiente, donde
al nalizar la iteracin, obtenemos el valor del paso (k + 1):
(k)
(k)
JG (Yn+1 ) (k) = G(Yn+1 )
(k+1)
(k)
Y
= Yn+1 + (k)
n+1
Una manera ms directa de resolver este problema es aplicando el teorema de punto jo.
Para ello, debemos estudiar si la funcin G es contractiva, para asegurarnos que el punto al que
converge el mtodo es exactamente el punto que resuelve Yn+1 = G(Yn+1 ).
De igual manera que con Euler, debemos denir un intervalo para los valores de t. Como el
mtodo no depende explcitamente de t, el mtodo lo realizamos una cierta cantidad de iteraciones. El paso h se toma (en primer momento) como h = 0.01.
Y de igual manera, vamos a mostrar las formas de la rbita proyectadas en los planos XY,
XZ e YZ. Luego haremos un pequeo anlisis en base a estas observaciones.
Figura 8: Proyeccin de la rbita en el plano XY
29
30

Estas tres guras son soluciones del sistema con una cantidad de 5000 iteraciones, de igual
manera que las tres guras presentadas al comienzo del anlisis con el mtodo de Euler. Aqu
se ve la primera diferencia entre los mtodos: A igual cantidad de iteraciones, en el mtodo de
Euler los puntos atractores son 'ms fuertes' que en el mtodo del trapecio.
Cabe destacar que parece haber una similitud entre ambos. En este mtodo, el punto C (el
punto atractor mas a la izquierda) atrae rpidamente a la rbita. Si miramos una de las imgenes
del mtodo de Euler con pocas iteraciones, se puede observar el mismo comportamiento.
Ahora se exhibirn 8 imgenes de este mtodo. Todas corresponden a distintas cantidades
de iteraciones. Para el mtodo de Euler se exhibieron slo cuatro imgenes ya las rbitas forman
muy rpidamente la mariposa. En este caso, se observa un comportamiento totalmente diferente.
Si bien se llega a formar la mariposa, lo hace de manera muy diferente. Para ver claramente este
comportamiento, las imgenes correspondern a una cantidad de 100, 500, 1.000, 2.000, 5.000,
10.000, 50.000 y 100.000 iteraciones respectivamente. En todas se sealaron los puntos C + y C .
El primero es que est ms a la derecha, y el segundo es el que se encuentra ms a la izquierda.
Figura 11: Proyeccin de la rbita en el plano XY con 100 iteraciones
Figura 12: Proyeccin de la rbita en el plano XY con 500 iteraciones
31
Figura 13: Proyeccin de la rbita en el plano XY con 1.000 iteraciones
32
33
34
35
En base a estas ocho guras, podemos hacer observaciones importantes respecto a este mtodo
y respecto al mtodo anterior.
La primera de ellas es que, a las 1.000 iteraciones (13), la rbita presentada por este mtodo
slo se acerca al atractor C , mientras que en el mtodo de Euler, con esta cantidad de iteraciones,
la rbita estaba mucho mas denida.Es ms, a las 500 iteraciones, con el mtodo de Euler puede
apreciarse el comportamiento esperado de la rbita, mientras que esto no pasa en el mtodo del
trapecio. Es recin con 2.000 iteraciones que puede observarse que la rbita de este mtodo es
atrada por ambos atractores, C + y C , observndose el comportamiento esperado.
La forma de la rbita en el mtodo al rededor de C parece estar denida a las 2.000
iteraciones. Es decir, a medida que la cantidad de iteraciones aumenta (siendo mayor a 2.000),
la rbita sigue siendo atrada por el punto C pero sta no pasa tan cerca del punto como hasta
este momento.
A pesar de esto, la rbita comienza a ser atrada hacia el segundo atractor, el punto C + .
A medida que el nmero de iteraciones crece, la rbita va dibujando la forma conocida de la
mariposa.
Ms all de que se dibuje de a poco la mariposa del sistema de Lorenz, pasa algo muy curioso
cuando el nmero de iteraciones es increiblemente elevado. La rbita mostrada en la imagen 17
(mas all de no acercarse ms a C desde la iteracin nmero 2.000 aprox) pasa alrededor del
atractor C + pero no muy cerca como ocurre con la rbita en el punto C . Pero lo curioso es que
al incrementar la cantidad de iteraciones, si bien la rbita dibuja gran parte de la mariposa, no
se acerca a los atractores C + y C . Es decir, la rbita alrededor de estos puntos 'se consolida' en
un caso en pocas iteraciones (unas 2.000), y en el otro en unas 50.000 iteraciones. Puede llegar a
concluirse que aunque el nmero de iteraciones avance y avance, estas rbitas no pasaran estos
lmites establecidos alrededor de estos dos puntos.
Tericamente se piensa que las rbitas siguen movindose innitamente. Si bien los puntos
C + y C pueden ser (uno de ellos) puntos a los que la rbita podra llegar a terminar, en este
caso se puede vericar lo que se cree tericamente. Esto no poda verse con el mtodo de Euler,
ya que en ese mtodo se ve que los puntos atractores son intensos, y logran atraer a la rbita muy
rpidamente hacia ellos. Con este mtodo, puede verse que el punto C posee una intensidad de
atraccin mayor que el otro punto, pero esa atraccin parece disminuir a medida que la cantidad
de iteraciones realizadas aumenta.
Caos y Condiciones Iniciales

Podemos visualizar el caos que caracteriza al sistema de una manera un poco mas clara. Utilizando estos mismos mtodos, si en vez de proyectar la rbita hacia distintos planos gracamos
la evolucin de la misma respecto al tiempo, obtenemos una apreciacin del caos generado.
Primero lo vemos para el mtodo de Euler
Figura 19: Caos generado usando el mtodo de Euler

y vemos ahora vemos el generado por el mtodo del trapecio
Figura 20: Caos generado usando el mtodo del trapecio
36
37
Ambas guras corresponden a una cantidad de 5.000 iteraciones.

Si superponemos ambas guras
Figura 21: Comparacin del caos generado por ambos mtodos

apreciamos que el caos generado por el mtodo de Euler es mayor y mucho mas irregular que
el generado por el mtodo del trapecio. Y as tenemos una nueva comparacin entre los mtodos.
El segundo muestra un comportamiento regular a partir de la iteracin 2.500 (aproximadamente).
Este patrn no se repite de manera el, pero casi no hay diferencia entre ellos. Ademas de ello,
este patrn muestra cierta regularidad en el mtodo.
Podemos apreciar que el caos en el mtodo del trapecio es irregular al inicio (por unas
iteraciones solamente), luego comienza a incrementarse de manera regular hasta formar el patrn
que sigue. Nada de esto ocurre con el mtodo de Euler. El caos comienza irregular y sigue as a
lo largo del tiempo.
Lorenz armaba que el fallo de su sistema para poder predecir el clima radica en la alta
sensibilidad a las condiciones iniciales del mtodo. Hasta ahora en este estudio hemos usado
todos los valores que Lorenz mismo uso en su estudio. Es por esto que vamos a vericar la
existencia a las condiciones iniciales en el mtodo. Y no solo eso, sino que tambin vamos a ver
que forma adopta la rbita una vez que cambiamos el punto inicial.
Vamos a comenzar por esto ltimo. Para ello, solo vamos a analizar que pasa si tomamos
como punto inicial alguno de los puntos de estabilidad.
38
Nota: los siguientes resultados responden a una cantidad de 5.000 iteraciones.

Para cualquiera de los mtodos, no importa cul de los tres puntos estables tomemos, no se
dibujar ninguna rbita. Si vemos los valores devueltos por el programa que usemos (Euler.m
o Trapecio.m ) podemos observar que el programa siempre devuelve el valor del punto que le
hayamos puesto como inicial. Es decir, la rbita no se mueve de ese punto. Este comportamiento
es razonable y esperado. Estos tres puntos son los atractores del sistema, una suerte de lmite para
la rbita, por lo que si comenzamos en el punto de llegada, la rbita simplemente permanecer
all.
Pasamos ahora s a comprobar la teora de Lorenz sobre las condiciones iniciales. Como se
dijo al comienzo, la cantidad de iteraciones es 5.000 y tomamos el punto de partida (0,1,0).
Primero vamos a cambiar el valor de uno de ellos (comenzando por ) dejando los otros
inmviles. Luego, vamos a cambiar el valor de los tres valores, vemos que pasa con cada mtodo
y luego comparamos sus comportamientos. En ningn caso tiene sentido probar con valores
negativos debido a como estn denidos.
Variando el valor para : Para este primer caso vamos a probar con los valores 0, 0.01,
1, y 100. Empezamos por el mtodo de Euler, donde para un valor de = 10, obtenemos
(en el plano YZ) la recta constante z = 0.
En el caso de que = 1 tenemos un comportamiento totalmente diferente al anterior. En
este caso, la rbita es una espiral que es rpidamente atrada hacia el atractor C + . La
grca ilustra lo sucedido. El atractor C + se indica con un asterisco.
Figura 22: rbita generada por el mtodo de Euler con = 1
39
En el caso de sea 0.01, se tiene que la rbita es simplemente una curva. De todas maneras,
la diferencia entre 0.01 y 0 es poca, y las rbitas descritas con estos valores son muy
diferentes.
Finalmente, si usamos un valor de = 100, obtenemos una espiral que es totalmente atrada
por el punto C . El punto est representado por un asterisco, pero la rbita converge
totalmente al punto, por lo que tal vez no sea visible.
Figura 23: rbita generada por el mtodo de Euler con = 100

Ahora usamos los mismos valores en el mtodo del trapecio. Cuando = 0, obtenemos la
recta constante z = 0, al igual que antes. Con = 0,01, obtenemos la misma curva que se
obtuvo con el mtodo de Euler y este valor.
Usando ahora que = 1, obtenemos una igualdad parcial respecto al mtodo anterior. Una
parte de la rbita es atrada hacia el punto C + y otra parte va en otra direccin.
40
Figura 24: rbita generada por el mtodo del trapecio con = 1

Finalmente, con el valor de = 100, la rbita es totalmente diferente a la obtenida con
el mtodo de Euler. En este caso, tenemos una rbita que orbita nicamente alrededor del
atractor C
Figura 25: rbita generada por el mtodo del trapecio con = 100
41
Variando el valor de r: En este caso, vamos a tomar dos extremos. Tomamos los valores
0 y 100. Con r = 0, cualquiera de los dos mtodos dibuja un lazo. Gracando ambos en
los mismos ejes, vemos que son rbitas muy similares. La que provee el mtodo de Euler
es ligeramente ms larga
Figura 26: rbitas formadas por ambos mtodos con r = 0

Con r = 100 los mtodos presentan diferentes rbitas. En el caso del trapecio, tenemos que
la rbita se asemeja a la del atractor,
42
Figura 27: rbita formada por el trapecio con r = 100

mientras que en el caso del mtodo de Euler, tenemos una simple recta en el plano YZ.
Cabe destacar que en el 'atractor' anterior los puntos atractores C + y C (representados
con asteriscos) ya no funcionan como atractores de esta nueva rbita.
Variando el valor de b: Nuevamente tomaremos dos valores muy distintos, uno pequeo
y uno grande. En este caso tomaremos el cero y el 30. Para el caso en que b = 0, volvemos
a tener coincidencia de rbita de los mtodos:
43
Figura 28: rbita formada por los mtodos con b = 0

La rbita verde es la dibujada por Euler y la negra por el trapecio. Los asteriscos corresponden a los atractores C + y C . Si bien las rbitas no coinciden como antes, se aprecia que
la forma es la misma, aunque ninguna de las dos es atrada por los atractores del sistema.
Si tomamos el valor de r = 30 vemos que las rbitas vuelven a coincidir, no en el recorrido
pero s en la forma de la rbita. Y nuevamente, el punto al que son atradas las rbitas no
es ninguno de los hallados del sistema.
44
Figura 29: rbita formada por los mtodos con b = 30
Variando los tres parmetros a la vez

= 0, r = 0, b = 0 : Cuando todos los parmetros los tomamos nulos, los mtodos
nos devuelven nuevamente la recta z = 0 en el plano YZ (esto se debe a que = 0).
Podemos concluir que, cuando = 0 siempre vamos a tener la recta z = 0 en el plano
YZ. Para el prximo caso tomamos todos los coecientes no nulos.
= 1, r = 100, b = 30: Con estos parmetros, obtenemos que las rbitas de los
mtodos vuelven a ser muy similares, pero en este caso no son espirales.
Figura 30: rbitas formadas por los mtodos con = 0, r = 0, b = 0
45
6.
46
Conclusin
Parece mentira que Lorenz haya sido capaz de predecir exactamente el clima basndose en
su sistema. Las condiciones iniciales son necesarias para hacer andar el modelo, pero son una
de las cosas ms difciles de hallar. Estas condiciones son mediciones del tiempo en el momento
en que se quiere aplicar el modelo, ya que como comprobamos recin, el sistema tiene una alta
dependencia de estas condiciones. Y es tan as que todos dudaban sobre la veracidad del modelo
planteado por Lorenz.
La sensibilidad a las condiciones iniciales plantea la imposibilidad de conocer como se mueven
las rbitas en el futuro (cercano o no). Esta sensibilidad cambia de manera radical la forma de
las rbitas, cambiando con ellas los puntos estacionarios.
Esta claro que esta sensibilidad no es lo nico que cambia las soluciones del sistema. El
problema de no poder hallar su solucin general y tener que trabajar de manera aproximada
con diferentes mtodos contribuye tambin. En algunos ejemplos de ecuaciones diferenciales
donde podemos hallar la solucin exacta, si lo resolvemos aplicando el mtodo de Euler podemos
comprobar que entre la estimacin y la solucin hay una gran diferencia. Posiblemente la poca
exactitud del mtodo inuye en este estudio.
A pesar de esto, pudimos apreciar la forma de un atractor extrao. Pudimos apreciar de
donde proviene el trmino de 'mariposa de Lorenz' y la intensidad que poseen los puntos estables
para atraer hacia ellos a las rbitas.
7.
47
Bibliografa y Referencias Externas
www.wikipedia.es
www.buscabiograas.com
www.math.ucla.edu
Monograa: Mtodo de Euler. Agrazal, Celso. Bernal, Joy.
Curso Introductorio a las Ecuaciones Diferenciales. Omar Gil. Facultad de Ingeniera UdelaR.
Forced and Free Variations of Weather and Climate. Edward N. Lorenz. Journal of the
Atmospheric Sciences. 1979
Finite Amplitude Free Convenction as an Initial Value Problem-I. Barry Saltzman. Journal
of the Atmospheric Sciences. 1962.
Climatic Change as a Mathematical Problem. Edward N. Lorenz. Journal of Applied Meteorology. 1970.
The Buttery Eect. tienne Ghys. 2012.
Tesis: Aspectos Cualitativos de las Ecuaciones de Lorenz y Sistema Sincronizado. Ed Scott
Wilson Garca.
Deterministic Nonperiodic Flow. Edward N. Lorenz. Journal of the Atmospheric Sciences.
1963.
The Essence of Chaos. Edward N. Lorenz. 1993.
Tesis: Sistemas Tipo Lorenz. Guadalupe Miguel Mungua Gmez. Noviembre 2006.
Trabajo Final: El Sistema y el Atractor Geomtrico de Lorenz. Ramiro Hernando Buitrago
Puentes. 2010.
48
En este apartado se va a tratar el asunto de los sistemas que se comportan como el de Lorenz,
sus caractersticas y como buscarlos.
A.
Familia de Sistemas Tipo Lorenz
Motivados por la frecuencia con que aparecen los sistemas no lineales en la naturaleza, as
como en los procesos industriales se empezaron a estudiar dichos sistemas, en un principio eran
pocos los sistemas no lineales conocidos pero luego fueron surgiendo sistemas tales como el de
Dung, el de Lorenz, etc., los cuales en lugar de servir para entender el comportamiento de los
sistemas no lineales dejaron ms dudas sobre estos, por lo cual era importante tener un repertorio
ms amplio en el cual apoyarse, as que los investigadores, en su afn de entender a los sistemas
no lineales, empezaron a modicar los sistemas ya conocidos para tratar de descubrir otros, tal es
el caso del sistema de Lorenz, para el cual daremos una familia de sistemas, a la cual llamaremos
Familia de sistemas tipo Lorenz, motivados en la aparicin de los sistemas de Chen y L.
Denicin y Caractersticas
Como primer medida, brindamos una denicin de lo que es un sistema tipo Lorenz:
Denicin 1: Diremos que el siguiente sistema en R3
0 0 0
A 0
X =
X + y 0 0 1 X
0 3 3x3
0 1 0

x
y , 3 R y A = a11 a12
con X =
, con valores propios 1 , 2 R tales que
a21 a22
z
2 > 1 > 3 > 0

es un sistema tipo Lorenz.
Cabe destacar que el sistema anterior puede reescribirse como
a11 a12 0
x
0
a11 x + aa12 y
0
X = a21 a22 0 y + x z = a21 x + a22 y + xz
0
0 3
z
y
3 z
xy
es decir,
x
y
z
= a11 x + a12 y
= a21 x + a22 y xz
= 3 z + xy
Para que estos conceptos estuvieran bien fundamentados, debera probarse que el sistema de
Lorenz cumple con lo anterior. Como dicha prueba no tiene relevancia en este informe en general,
se omitir dicha prueba. A seguir, se plantean dos sistemas de la familia de sistemas tipo Lorenz.
Ellos son
49
Guanrong Chen (1999)
x
y
z
= (y x)
= (r )x xz + ry
= xy bz
Con los parmetros = 35, r = 28 y b = 3

Jinhu L (2002)
x
y
z
= (y x)
= xz + ry
= xy bz
Con los parmetros = 36, r = 15 y b = 3

Y por supuesto, nuestro sistema de estudio
Edward Lorenz (1962)
x
y
z
= (y x)
= rx xz y
= xy bz
Con los parmetros = 10, r = 28 y b = 8/3

Como se inform antes, no se demostrar que estos sistemas pertenecen a la familia de sistemas tipo Lorenz. Solo se asumir que es cierto. Y cabe destacar que los parmetros sealados
para cada sistema son los clsicos donde ocurre el atractor extrao (las rbitas muestran comportamiento de mariposa).
El sistema de Lorenz fue extensamente estudiado, y las ideas aplicadas al mismo se pueden
aplicar para estos otros dos sistemas. Algo que podemos hacer con ellos es buscar sus puntos de
estabilidad. Recordando que para ello debemos igualar cada ecuacin a cero, tenemos que:
Para el sistema de Chen Para este sistema, los puntos de estabilidad son
P1 = (0, 0, 0)
P2 = ( b(2r ),
b(2r ), 2r )
P3 = ( b(2r ), b(2r ), 2r )
50
Para el sistema de L En este caso, tenemos que los puntos de estabilidad son
P1 = (0, 0, 0)

P2 = ( br, br, r)
P3 = ( br, br, r)
Puede apreciarse que el punto (0,0,0) ser de equilibrio para cualquier sistema que pertenezca
a esta familia de sistemas. Algo que ocurre con estos tres sistemas es que todos cumplen que que
X1 = (x, y, z) y X2 = (x, y, z) son dos puntos de equilibrio del sistema. Esto pasa ya que
a11 = a12 = . En caso contrario, esto podra no ocurrir.
Vamos a estudiar ahora slo la estabilidad del origen. Lo haremos solo para ese punto ya
que, por el criterio de Lyapunov es rpido y sencillo conocer su estabilidad. Y adems porque el
anlisis de estos sistemas no es de gran relevancia.
Recordando como procedamos para averiguar la estabilidad del origen, lo haremos primero
para el mtodo de Chen.
Si llamamos F a la funcin cuyas coordenadas son las ecuaciones del sistema de Chen, su
matriz jacobiana es de la forma
0
JF (x, y, z) = r z r x
y
x b
Usando lo coecientes del sistema, tenemos que la
35
JF (x, y, z) = 7 z
y
matriz nos queda
35 0
28 x
x 3
Evaluamos en el punto (0,0,0) y calculamos el polinomio caracterstico.
35 35 0
JF (0, 0, 0) = 7 28 0
0
0 3
Su polinomio caracterstico lo calculamos como P () = det(JF (0, 0, 0) Id). Entonces
35
35
0
=0
7
28
0
P () = det(JF (0, 0, 0) Id) = det
0
0
3
Por lo que concluimos que
(3 )(2 63 735) = 0
Haciendo cuentas, se llega a que todos sus valores propios son reales, dos de ellos son negativos
y uno es positivo, por lo que aplicando el criterio de Lyapunov, se concluye que el origen es un
punto inestable.
51
Pasamos ahora a estudiar la estabilidad del origen para el sistema de L. Como recin,
tomamos G como a funcin que tiene por coordenadas las ecuaciones del sistema. Hallamos su
jacobiano, evaluamos con los valores del sistema en el (0,0,0), hallamos el polinomio caracterstico
y segn sus valores propios decidiremos la estabilidad del origen.
Por lo tanto, el jacobiano es (con los correspondientes coecientes y evaluada en el nulo)
36 36 0
15 0
JG (0, 0, 0) = 0
0
0 3
Su polinomio caracterstico ser P () = det(JG (0, 0, 0) Id).
P () = (36 )(15 )(3 )

Por lo tanto, tenemos que habrn dos valores propios negativos y uno positivo, y de nuevo
por el criterio de Lyapunov concluimos que el origen es un punto inestable.
Como Encontrar Ms Sistemas Tipo Lorenz

La motivacin para buscar ms sistemas que pertenezcan a esta familia es como se dijo, el
afn de conocer estos tipos de sistemas para poder ser usados con distintas nalidades.
Como primer medida, buscamos una recta que una el sistema de Lorenz con el sistema de
Chen. Para ello, vamos a imaginar que gracamos dichos sistemas en el plano. Al primero lo
denotamos como p0 y al segundo como p1 . Si estamos gracando en funcin de b, tenemos que
la parametrizacin de la recta es de la forma
q() =
p0 + (p1 p0 )
q() = (10, 8/3) + (25, 1/3)
Cuando estamos en el sistema de Lorenz tenemos que p0 = q(0) = (10, 8/3), y cuando estamos
en el sistema de Chen tenemos que p1 = q(1) = (10 + 25, 8/3 + 1/3).
Ahora los coecientes en y de x y para el sistema de Lorenz son (r, 1), entonces (28,-1),
para Chen son (r 35, r), (7, 28). Entonces
x() =
p0 + (p0 p1 )
x() = (28 35, 1 + 29)
Por lo que el sistema en general es
x
y
z
= (10 + 25)(y x)
= (28 35)x xz + (1 + 29)y
= xy 8+ z
3
con [0, 1].

Notar que para el caso en que = 0 tenemos el sistema de Lorenz.

Informe Ob2 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Informe Ob2 PDF

Uploaded by

Copyright:

Available Formats

Informe Obligatorio 2

Mtodos Numricos - Ao 2013

4.1. Propiedades de las Soluciones del Problema de Valores Iniciales (PVI) . . . . . .

7. Bibliografa y Referencias Externas

A. Familia de Sistemas Tipo Lorenz

5.1. Anlisis Numrico del Sistema de Lorenz . . . . . . . . . . . . . . . . . . . . . . .

Mtodos Numricos - Ao 2013

Archivos del Obligatorio

FuncLorenz (X0, Coef)

Este archivo contiene el cdigo para la funcin

Mtodos Numricos - Ao 2013

Mtodos Numricos - Ao 2013

La humanidad ha sufrido incontables prdidas debido a la atmsfera que rodea al planeta

Mtodos Numricos - Ao 2013

Mtodos Numricos - Ao 2013

OZ la presin baromtrica, como se aprecia en la siguiente gura.

Mtodos Numricos - Ao 2013

Mtodos Numricos - Ao 2013

Estudio de Ecuaciones Diferenciales Ordinarias (EDO)

Aplicando reglas de clculo, es posible hallar la solucin general de la ecuacin en forma

4.1. Propiedades de las Soluciones del Problema de Valores Iniciales (PVI)

donde f : R2 R es una funcin real, siendo un conjunto abierto.

Uno de los problemas principales en el estudio de la ecuacin 2 es la determinacin de sus

Mtodos Numricos - Ao 2013

donde es el ngulo entre la tangente r a la solucin, y el eje OX .

Existencia y Unicidad de la Solucin

: R2 R una funcin continua denida en el abierto . Supongamos

Mtodos Numricos - Ao 2013

4.2. Estimacin de Soluciones usando Mtodos Numricos

Ventajas y Desventajas del Mtodo de Euler

Mtodo del Trapecio

Mtodos Numricos - Ao 2013

Desarrollando la primer integral, obtenemos

y (t)dt = y(tn+1 ) y(tn ) yn+1 yn

Igualando estas dos expresiones

yn+1 yn = h (f (tn , yn ) + f (tn+1 , yn+1 ))

Si planteamos un mtodo iterativo general:

Mtodos Numricos - Ao 2013

4.3. Sistemas Autnomos

||(x0 , y0 , z0 ) (x(t), y(t), z(t))|| <

||(x(t), y(t), z(t)) (x0 , y0 , z0 )|| <

Denicin 2: Un punto de equilibrio (x0 , y0 , z0 ) se dice que es asintticamente estable si es

l (x(t), y(t), z(t)) = (x0 , y0 , z0 )

Mtodos Numricos - Ao 2013

Mtodo Indirecto de Lyapunov

F (s) = a0 sn + a1 sn1 + a2 sn2 + ...an s0

Mtodos Numricos - Ao 2013

Mtodos Numricos - Ao 2013

donde denota la funcin de corriente del movimiento bi dimensional, es la temperatura

Mtodos Numricos - Ao 2013

a(1 + a2 )1 1 = X 2sin(aH 1 x)sin(H 1 z)

2cos(aH 1 x)sin(H 1 z) Zsin(2H 1 z)

Anlisis del Sistema de Lorenz

Mtodos Numricos - Ao 2013

Por lo tanto, las soluciones del sistema son

Mtodos Numricos - Ao 2013

Como usamos los coecientes denidos por Lorenz, el jacobiano es estonces

Para el origen: Evaluando la matriz jacobiana en el origen obtenemos

P () = (10 + )(1 + )(8/3 + ) + 280(8/3 + ) = 0

Observando que Re(1 ) = 1 = 8/3 < 0, Re(2 ) = 2 =

Mtodos Numricos - Ao 2013

P () = 33 + 412 128 4320

F (s) = 3s3 + 41s2 128s 4320

OZ la presin baromtrica, como se aprecia en la siguiente gura.

: R2 R una funcin continua denida en el abierto . Supongamos

Denicin 2: Un punto de equilibrio (x0 , y0 , z0 ) se dice que es asintticamente estable si es

Como usamos los coecientes denidos por Lorenz, el jacobiano es estonces

resuelve el problema con este mtodo y muestra la grca en 3D.

resuelve el problema con este mtodo y muestra la grca en

Ambas guras corresponden a una cantidad de 5.000 iteraciones.