Periodicidad y modos normales en una membrana con extremos fijos.

M.Daniel Olmedo Hernández, Escuela de ciencias, Universidad

Autónoma Benito Juárez de Oaxaca, Oaxaca de Juárez, Mexico
(Dated: December 5, 2019)
En este trabajo se estudia el comportamiento de los modos normales para una membrana con
simetrı́a rectangular, se hace una comparación con el caso unidimensional (cuerda vibrante), se
analizan las complicaciones que surgen de encontrar las soluciones a las ecuaciones diferenciales que
surgen a lo largo del análisis.

PACS numbers: 72.10.-d, 72.15.Rn, 73.21.Hb

I. INTRODUCCIÓN Además, puesto que se tiene una ecuación de segundo

orden en derivadas parciales, debemos especificar la
Los modos normales de una cuerda son bien conocidos posición y velocidad inicial, estas estan dadas por:
ası́ como las relaciones de dispersión para casos sencillos
y elásticos, un análisis de una membrana es un problema U (L, y, 0) = α(x, y) (4)
fácil de resolver y da origen a ecuaciones diferenciales con
problemas de auto valores, se dará una explicación del
∂U (x, y, 0)
comportamiento de sistemas en dos dimensiones (mem- = β(x, y) (5)
brana cuadrada y rectangular), no se trata aquı́ el caso ∂t
de simetrı́as mas complejas pero un resultado conocido puesto que tenemos condiciones en la frontera ”homoge-
es análogo al de las membranas con fronteras rectas, el neas” podemos proponer la solución a la Ec.(1) como el
caso es que un simple cambio o perturbación de las fron- producto U (x, y, t) = h(t)φ(x, y) = h(t)f (x)g(y) y re-
teras rompe la periodicidad de la superposición de mo- solver por el método de separación de variables. Susti-
dos. Se comienza el análisis tomando la ecuación de onda tuyendo en Ec.(1) se obtienen dos ecuaciones separadas
en derivadas parciales y en todo momento se consideran
fronteras rı́gidas. Debido al gran número de modos posi- d2 h(t)
bles se hace uso de un ordenador para hacer cálculos de = −λc2 h (6)
dt2
gran tamaño, los códigos fuente se adjuntan para que
puedan ser replicados por el lector en alguna terminal de y
python.
∂ 2 f (x)g(y) ∂ 2 f (x)g(y)
+ = −λf (x)g(y) (7)
∂x2 ∂y 2
II. RESULTADOS Y DISCUSIÓN
La solución general de la parte temporal debe ser una
combinación de senos y cosenos, nos centramos en la
Considere la ecuación de onda dos-dimensional Ec.(7), correspondiente a la parte espacial
∂ 2 U (x, y, t)
 2
∂ U (x, y, t) ∂ 2 U (x, y, t)

2
= c + (1) ∂2f ∂2g
∂t2 ∂x2 ∂y 2 g + f = −λf g (8)
∂x2 ∂y 2
con
s dividiendo por el producto f g
T0
c= (2) 1 d2 f 1 d2 g
ρ0 + = −λ (9)
f dx2 g dy 2
y apliquemosla al caso de una membrana rectangular de y eligiendo −µ como variable de separación se obtienen
largo L y anchura H, en analogı́a con la ”cuerda de ex- las dos ecuaciones diferenciales
tremos fijos” se trata aquı́ el caso en el cual las fron-
teras de la membrana son fijas, es decir, el arreglo bi-
dimensional debe cumplir las siguientes condiciones de  d2 f
= −µf
 dx2
frontera: 

φ(x, y) −→ (10)

d2 g

= −(λ − µ)g

U (0, y, t) = 0

 dy 2
U (x, 0, t) = 0

C.F (3)
 U (x, H, t) = 0
 la primera de las ecuaciones Ec.(10) es un problema
U (L, y, t) = 0. de autovalores y tiene por solución una combinación de
 2

senos y cosenos, luego aplicando las condiciones de fron- III. DETERMINACIÓN DE LOS
tera Ec.(3) se llega a COEFICIENTES DE FOURIER
nπx
fn (x) = sin( ) (11) La Ec.(18) es un ejemplo de un problema que involucra
L
una serie de Fourier doble, se implementará un algoritmo
siendo para hacer el cálculo de los coeficientes. Según el análisis
 nπ 2 de Fourier los coeficientes pueden ser hallados de la forma
µn = (12)
L Z L Z H
4  mπy   nπx 
la segunda de las ecuaciones de Ec.(10) es también un Anm = α(x, y) sin sin dydx
LH 0 0 H L
problema de autovalores, sin embargo se debe tener es- (19)
pecial cuidado al considerar el autovalor ya que existe y
una relación entre Ec.(6) y Ec.(7), por cada valor de µn
RLRH
existen infinitos valores para λn . si se redefine un nuevo 4
β(x, y) sin mπy nπx



LH 0 0 H sin L dydx
autovalor y se resuelve la segunda ecuación de Ec.(7) se Bnm = √
c λnm
obtiene nuevamente una solución de senos y cosenos, y (20)
aplicando las condiciones Ec.(3) llegamos a si consideramos el caso en que la velocidad inicial es nula,
mπy es decir, en Ec.(5), β(x, y) = 0, la solución general según
gn (x) = sin( ) (13)
H Ec.(17) será de la forma
con autovalor ∞
X  nπx   mπy   p 
 mπ 2 U= Amn sin sin cos c λnm t
λnm − µn = . (14) m,n=1
L H
H
(21)
Hemos etiquetado λ con los subı́ndices n y m para hacer para evaluar la función U (x, y, t) necesitamos generar val-
énfasis en que, para cada µ existen infinitos valores de ores para λnm y Amn
λ, más aún, se puede hacer evidente este echo tomando
Ec.(12) y sustituyendo en Ec.(14)  
λ11 λ12 · · · λ1m
 mπ 2  nπ 2  λ21 λ22 · · · λ1m 
λnm = + . (15) λnm = .
 
H L .. .. ..
 ..

. . . 
Hasta aquı́ hemos dado solución a la parte espacial y se λn1 λn2 · · · λnm
ha echo un comentario acerca de la solución de Ec.(6),
esta debe ser una combinación lineal de senos y cosenos:  
∞  A11 A12 · · · A1m
√ √ 
 A21 A22 · · · A1m
X
h(t) = An sin(c λt) + Bn cos(c λt) (16)

Anm = .
 
.. .. ..
 ..

n=0 . . . 
si sustituimos el valor de λ y escribimos el producto de An1 An2 · · · Anm
h(t)f (x)g(y) junto con las expresiones Ec.(11) y Ec.(13)
entonces: se realizaron las primeras 10 graficas de la solución espa-
cial φ, en las gráficas Fig.(1) a Fig.(??) se utilizaron los
ı́ndices m = 1, 2, 3, 4, 5 y n = 1, 2, 3, 4, 5, estas gráficas se
∞  nπx   mπy 
X  p  realizan contra los cocientes x/L y y/H. Fue utilizado
U= Amn sin sin cos c λnm t +
L H un algoritmo en phyton3 que se enuncia a continuación
m,n=1
de las gráficas:
∞
X  nπx   mπy   p 
+ Bmn sin sin sin c λnm t
m,n=1
L H
(17)
Los coeficientes Anm y Bnm se hallan de las condiciones
de frontera Ec.(4) y Ec.(5), por ejemplo, la condición
U (x, y, o) = α(x, y)
implica que
∞ X
X ∞  nπx   mπy 
α(x, y) = Amn sin sin (18)
n=1 m=1
L H
 3

1.0
1.00

0.8 0.75

0.6 0.50
h
0.4 0.25

0.00 h
0.2

−0.25
0.0
0.0
1.0 −0.50
0.2 0.8 0.0
0.4 0.6 0.2 −0.75
x/L 0.4
0.6 0.4 y/H 0.6

x/L
0.8 −1.00
0.8 0.2
1.0 0.4 0.6 0.8 1.0
0.0 0.0 0.2 y/H
1.0

FIG. 1: Comportamiento espacial de una membrana rectan-

gular para m = 1, n = 1 FIG. 5: Comportamiento espacial de una membrana rectan-
gular para m = 1, n = 5

1.00

0.75

0.50
0.0 0.25
0.2 0.00 h
0.4 −0.25
1.00
x/L

0.6 −0.50
0.75
0.8 −0.75

−1.00 0.50
1.0 0.6 0.8 1.0
0.0 0.2 0.4
y/H 0.25
h
0.00

−0.25

−0.50
FIG. 2: Comportamiento espacial de una membrana rectan- −0.75
gular para m = 1, n = 2 −1.00
1.0
0.8
0.6

y/H
0.4

0.0 0.2
0.2
0.4
x/L 0.6 0.0
0.8
1.0

0.75

0.50
FIG. 6: Comportamiento espacial de una membrana rectan-
0.25 gular para m = 2, n = 1
0.00 h

−0.25

0.0 −0.50
0.2
−0.75
0.4
x/L
0.6 −1.00
1.0
0.8 0.8
0.6
0.4 y/H
1.0 0.2
0.0

FIG. 3: Comportamiento espacial de una membrana rectan-

gular para m = 1, n = 3
1.00

0.75

0.50

0.25

1.00 0.00 h
0.75
−0.25
0.50
0.0 −0.50
0.25 0.2
0.4 −0.75
0.00 h
x/L

0.6
0.8 −1.00
−0.25 1.0 0.6 0.8 1.0
0.0 0.2 0.4 y/H
0.0 −0.50
0.2
0.4 −0.75
x/L

0.6
0.8 −1.00
0.6 0.8 1.0
1.0 0.2 0.4
0.0 y/H
FIG. 7: Comportamiento espacial de una membrana rectan-
gular para m = 2, n = 2
FIG. 4: Comportamiento espacial de una membrana rectan-
gular para m = 1, n = 4
 4

””” E s t e programa g r a f i c a e l comportamiento e s p a c i a l

de l a membrana , c a l c u l a l o s c o e f i c i e n t e s Amn
y r e p r o d u c e l o s e i g e n v a l o r e s lambda para l o s p r i m e r o s
5 v a l o r e s de m y n”””
from m p l t o o l k i t s . mplot3d import Axes3D
from sympy import i n t e g r a t e , i n i t p r i n t i n g
from sympy . abc import x , y
from sympy import s i m p l i f y , s i n , p i
import numpy a s np
import m a t p l o t l i b . p y p l o t a s p l t
n=5
m=5
H=3
L=2
h=1
lambd=np . z e r o s ( ( n ,m) )
Amn=np . z e r o s ( ( n ,m) )
f o r m in [ 1 , 2 , 3 , 4 , 5 ] :
f o r n in [ 1 , 2 , 3 , 4 , 5 ] :
##En e s t e b l o q u e s e c a l c u l a n l o s p o s i b l e s v a l o r e s de lambda
#d e s p u e s s e guardan en una m a t r i z lambd
lam=(m∗np . p i / f l o a t (H))∗∗2+( n∗np . p i / f l o a t (L ) ) ∗ ∗ 2
lambd [m−1,n−1]=lam
#Despues s e p r o c e d e a i n t e g r a r para h a l l a r e l c o e f i c i e n t e mn
I 1 = ( 4 / f l o a t (H∗L ) ) ∗ i n t e g r a t e ( h∗ s i n (m∗ p i ∗y/ f l o a t (H) )
∗ s i n ( n∗ p i ∗x/ f l o a t (L ) ) , ( y , 0 ,H) )
A=s i m p l i f y ( i n t e g r a t e ( I1 , ( x , 0 , L) ) )
#guardamos e l v a l o r en Amn
Amn[m−1,n−1]=A
#e s t e b l o q u e s e uso para g r a f i c a r e l comportamiento e s p a c i a l
fig = plt . figure ()
ax = Axes3D ( f i g )
X = np . a r a n g e ( 0 , 1 , 0 . 0 2 5 )
Y = np . a r a n g e ( 0 , 1 , 0 . 0 2 5 )
X, Y = np . meshgrid (X, Y)
# z corresponde al producto f ( x ) g ( y )
Z = np . s i n (m∗np . p i ∗X) ∗ np . s i n ( n∗np . p i ∗Y)
ax . p l o t s u r f a c e (X, Y, Z , r s t r i d e =2, c s t r i d e =1, cmap= ’ hot ’ )
ax . s e t x l a b e l ( ’ $x /L$ ’ )
ax . s e t y l a b e l ( ’ $y /H$ ’ )
ax . s e t z l a b e l ( ’ h ’ )
p l t . show ( )
# s e importan l o s v a l o r e s de Amn y lambda a un a r c h i v o . d a t para
#c a l c u l o s p o s t e r i o r e s
np . s a v e t x t ( ’ valoresamn . dat ’ ,Amn, fmt= ’ %.9 f ’ )
np . s a v e t x t ( ’ v a l o r e s l a m . dat ’ , lambd , fmt= ’ %.9 f ’ )
 5

Los valores devueltos por el algoritmo para las con- n=50 n=100
stantes Amn se muestran el la Fig.(12), de aquı́ se puede 1
ver que los elementos con subı́ndices ”pares”, es decir,

Altura del punto medio

0.5 0.5
subı́ndices (m = a,n = b) donde ya sea ”a” o ”b” son
0
pares se anulan, no es difı́cil verlo de manera analı́tica ya 0
-0.5
que el algoritmo integra la expresión (19)
-0.5 -1
Z LZ H
4  mπy   nπx  -1.5
Anm = α(x, y) sin sin dydx
LH 0 0 H L 1 2
Tiempo
3 4 0 1 2
Tiempo
3 4 5
1.5
1
y puesto que ambas son independientes (solo en el caso n=150 n=200

Altura del punto medio

1
en que consideremos α(x, y) = α = cte) se obtiene in- 0.5
0.5
mediatamente que 0
0
-0.5
4α -0.5
Anm = [cos(mπ) − 1][cos(nπ) − 1] (22) -1
nmπ 2 -1
-1.5
es claro entonces que Anm = 0 si y solo si n ó m son un 0 1 2 3 4 5 0 1 2 3 4 5

número par. La Ec.(21) solo tiene contribuciones para

FIG. 8: Se superpusieron distintos números de modos en las
números impares, podemos hacer énfasis en ello si usamos
graficas anteriores, puede observarse que a mayor número de
la nueva notación superposiciones el comportamiento ” periódico ” se vuelve
 ωnm
cada vez mas caótico

∞
X  nπx   mπy  z p }| { 
U = Amn sin sin cos c λnm t . (23)
 
m,n=1,3,5,... L H  

5
6 n=50 n=100

Frecuencia de ym
4
Frecuencia de ym
5
4
IV. ANÁLISIS DEL MOVIMIENTO DE UN 3
3
PUNTO CONTENIDO EN LA MEMBRANA 2
2

1 1

Sabemos que las oscilaciones de una cuerda son 0

0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
periódicas, es decir un punto sobre ella, vuelve a tener Altura ym Altura ym
la misma altura después de un tiempo t igual al periodo 8
n=150
8
de oscilación, la periodicidad se debe a la linealidad de
Frecuencia de ym

Frecuencia de ym
6 n=200
la relación de dispersión que en dicho caso está dada por 6
4
r 4
nπ τ0
ωn = (24) 2 2
L ρ0
0 0
en donde nπ L = kn . para hallar la relación de dispersión
0 0.2 0.4
Altura ym
0.6 0.8 0 0.2 0.4 0.6 0.8
Altura ym
en el caso bi-didimensional notemos que es precisamente
el coeficiente del argumento de la ecuación (23) FIG. 9: los histogramas muestran la frecuencia con la cual
s r las alturas del punto medio vuelven a coincidir (para algún
p T0  mπ 2  nπ 2 tiempo t), cuando n aumenta se tienen menos picos
ωnm = c λnm = + (25)
ρ0 H L

considere el caso en que se tiene una membrana cuadrada,

en tal situacion se cumple que H=L y la relacion de dis- Una explicación sencilla de este comportamiento es que
persion es las superposiciones de ondas son destructivas ya que las
s √ amplitudes varı́an para cada elección de n y de m, una
T0 m2 + n2 diferencia con el caso unidimensional que resulta un tanto
ωnm = π . (26) evidente es que la relación de dispersión en una mem-
ρ0 H
brana no es lineal como en el caso de la cuerda vibrante,
Sea (xm , ym ) = (L/2, L/2) el punto central de la mem- esto trae como consecuencia que los distintos estados no
brana cuadrada, entonces Ec.(23) se transforma en sean proporcionales al estado fundamental. se llama es-
∞
X  nπ   mπ  tado fundamental al correspondiente a los valores mas
U (xm , ym , t) =
m,n=1,3,5,...
Amn sin
2
sin
2
cos (ωnm t) (27)
pequeños de m y n en la relación de dispersión, por
ejemplo en el caso de la cuerda vibrante la relación de
para evaluar la ecuación (27) implementaremos nueva- dispersión está dada por
mente un algoritmo en python3 para graficar el compor-
tamiento del punto medio de la membrana, los resultados cnπ
se muestran en fig.8 ωn = (28)
L
 6

es decir, una superposición entre el estado correspondi-

60 n=200 ente a ω11 y ω22 deberı́a conservar la periodicidad. el al-
goritmo para generar las graficas de la 8 es básicamente
50
el mismo que ya se habı́a mostrado antes pero restringido
40
a un solo punto en ves de a una superficie,de cualquier
Frecuancia de ym

manera se cita enseguida para volver a ser repetido si es

30
necesario.
El resultado es un archivo .dat que después se puede
20 graficar en Qt.Grace, para generar la Fig.8, el algoritmo
se puede usar para cualquier n pero entre mas sean
10 las superposiciones la periodicidad será mucho menor,
un problema interesante que podrı́a implementarse de
0 manera numérica consiste en buscar todas aquellas fre-
cuencias proporcionales a la fundamental y verificar
0 0.2 0.4 0.6 0.8 1
Altura ym que cualquier combinación de estas produce una nueva
solución periódica.
FIG. 10: en el caso en que n=200 las ocasiones en que ym = 0
no suceden y el histograma tiene una apariencia mas uniforme,
esto indica que cuando n aumenta la probabilidad de que V. CONCLUSIÓN
las alturas coincidan para algún tiempo t es igual en cierto
intervalo Las soluciones para las ecuaciones de movimiento en el
caso de una membrana vibrante resultan ser periódicas
n=20000
al igual que las de una cuerda, en el caso unidimensional
500 se mostró que cualquier valor de la frecuencia es pro-
porcional al estado fundamental lo cual se traduce en la
periodicidad de cualquier combinación lineal de las solu-
400
ciones, es claro que esta propiedad se debe a la simpleza
Frecuancia de ym

de la relación de dispersión que en este caso es lineal.

300 Para el caso de la membrana vibrante los distintos mo-
dos también son periódicos pero al superponer un numero
200 arbitrario de soluciones esta periodicidad no se conserva
y se debe a la complejidad de la relación de dispersión,
se mostró que en algunos casos los distintos modos sı́
100
son proporcionales a ω11 pero no se ha encontrado una
relación que nos proporcione en qué casos esto se cumple.
0 0.2 0.4 0.6 0.8
Altura ym

FIG. 11: para el caso en que aumentamos un orden de magni-

tud a n las barras presentan un comportamiento mas uniforme

de modo que el estado fundamental es

cπ
ω1 = (29)
L
y sustituyendo en Ec.(28) se obtiene
ωn = ω1 n (30)
claramente para todo n las frecuencias serán propor-
cionales al estado fundamental, está proporcionalidad es
la que genera nuevas ondulaciones periódicas. para el
caso de la membrana esta propiedad no se presenta, por
ejemplo
√
5cπ
ω12 = √H
2 2cπ
ω22 = √ H
(31)
ω12 = 10cπ
H
ω22
ω11 = 2
 7

VI. DATOS Y PROGRAMA EN PYTHON

from sympy import i n t e g r a t e

from sympy . abc import x , y
from sympy import s i m p l i f y , s i n , pi , c o s
import numpy a s np
np . t r a n s p o s e ( x )
n=9
m=9
H=3
L=2
h=1
lambd=np . z e r o s ( ( n+1,m+1))
Amn=np . z e r o s ( ( n+1,m+1))
wmn=np . z e r o s ( ( n+1,m+1))
vm=np . z e r o s ( n+1)
f o r m in range ( n +1):
f o r n in range ( n +1):
##En e s t e b l o q u e s e c a l c u l a n l o s p o s i b l e s v a l o r e s de lambda
#d e s p u e s s e guardan en una m a t r i z lambd
lam =((m+1)∗np . p i / f l o a t (H) ) ∗ ∗ 2 + ( ( n+1)∗np . p i / f l o a t (L ) ) ∗ ∗ 2
lambd [m, n]=lam
#Despues s e p r o c e d e a i n t e g r a r para h a l l a r e l c o e f i c i e n t e mn
I 1 = ( 4 / f l o a t (H∗L ) ) ∗ i n t e g r a t e ( h∗ s i n ( (m+1)∗ p i ∗y/ f l o a t (H) )
∗ s i n ( ( n+1)∗ p i ∗x/ f l o a t (L ) ) , ( y , 0 ,H) )
A=s i m p l i f y ( i n t e g r a t e ( I1 , ( x , 0 , L) ) )
#guardamos e l v a l o r en Amn
Amn[m, n]=A
w=np . s q r t ( lam )
wmn[m, n]=w
ht=np . z e r o s ( ( 8 0 , 1 ) )
t=np . l i n s p a c e ( 0 , 4 , 8 0 )
np . s a v e t x t ( ’ d o m i n i o t . dat ’ , t , fmt= ’ %.9 f ’ )
matrix=np . z e r o s ( ( 8 0 , 1 ) )
f o r i in [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] :
f o r j in [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] :
f o r T in range ( len ( t ) ) :#para v a r i a r t
h=Amn[ i −1, j −1]∗ s i n ( i ∗ p i / f l o a t ( 2 ) ) ∗
s i n ( j ∗ p i / f l o a t ( 2 ) ) ∗ c o s (wmn[ i −1, j −1]∗ t [ T−1])
ht [ T−1 ,0]=h
matrix [ T−1 ,0]= ht [ T−1 ,0]+ ht [ T , 0 ]
print ( ht )

a r c h i v o . dat para l a s u p e r p o s i c i o n de modos
0 . 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 e+00
6 . 3 2 9 1 1 3 9 2 4 0 5 0 6 3 3 3 3 3 e −02
1 . 2 6 5 8 2 2 7 8 4 8 1 0 1 2 6 6 6 7 e −01
1 . 8 9 8 7 3 4 1 7 7 2 1 5 1 9 0 0 0 0 e −01
2 . 5 3 1 6 4 5 5 6 9 6 2 0 2 5 3 3 3 3 e −01
3 . 1 6 4 5 5 6 9 6 2 0 2 5 3 1 6 6 6 6 e −01
3 . 7 9 7 4 6 8 3 5 4 4 3 0 3 8 0 0 0 0 e −01
4 . 4 3 0 3 7 9 7 4 6 8 3 5 4 4 3 3 3 3 e −01
5 . 0 6 3 2 9 1 1 3 9 2 4 0 5 0 6 6 6 6 e −01
5 . 6 9 6 2 0 2 5 3 1 6 4 5 5 7 0 0 0 0 e −01
6 . 3 2 9 1 1 3 9 2 4 0 5 0 6 3 3 3 3 3 e −01
6 . 9 6 2 0 2 5 3 1 6 4 5 5 6 9 6 6 6 6 e −01
7 . 5 9 4 9 3 6 7 0 8 8 6 0 7 6 0 0 0 0 e −01
8 . 2 2 7 8 4 8 1 0 1 2 6 5 8 2 3 3 3 3 e −01
8 . 8 6 0 7 5 9 4 9 3 6 7 0 8 8 6 6 6 6 e −01
9 . 4 9 3 6 7 0 8 8 6 0 7 5 9 4 9 9 9 9 e −01
1 . 0 1 2 6 5 8 2 2 7 8 4 8 1 0 1 3 3 3 e+00
1 . 0 7 5 9 4 9 3 6 7 0 8 8 6 0 7 5 5 6 e+00
1 . 1 3 9 2 4 0 5 0 6 3 2 9 1 1 4 0 0 0 e+00
1 . 2 0 2 5 3 1 6 4 5 5 6 9 6 2 0 4 4 4 e+00
1 . 2 6 5 8 2 2 7 8 4 8 1 0 1 2 6 6 6 7 e+00
1 . 3 2 9 1 1 3 9 2 4 0 5 0 6 3 2 8 8 9 e+00
1 . 3 9 2 4 0 5 0 6 3 2 9 1 1 3 9 3 3 3 e+00
1 . 4 5 5 6 9 6 2 0 2 5 3 1 6 4 5 7 7 8 e+00
1 . 5 1 8 9 8 7 3 4 1 7 7 2 1 5 2 0 0 0 e+00
1 . 5 8 2 2 7 8 4 8 1 0 1 2 6 5 8 2 2 2 e+00
1 . 6 4 5 5 6 9 6 2 0 2 5 3 1 6 4 6 6 7 e+00
1 . 7 0 8 8 6 0 7 5 9 4 9 3 6 7 1 1 1 1 e+00
1 . 7 7 2 1 5 1 8 9 8 7 3 4 1 7 7 3 3 3 e+00
1 . 8 3 5 4 4 3 0 3 7 9 7 4 6 8 3 5 5 6 e+00
1 . 8 9 8 7 3 4 1 7 7 2 1 5 1 9 0 0 0 0 e+00
1 . 9 6 2 0 2 5 3 1 6 4 5 5 6 9 6 4 4 4 e+00
2 . 0 2 5 3 1 6 4 5 5 6 9 6 2 0 2 6 6 7 e+00
2 . 0 8 8 6 0 7 5 9 4 9 3 6 7 0 8 8 8 9 e+00
2 . 1 5 1 8 9 8 7 3 4 1 7 7 2 1 5 1 1 1 e+00
2 . 2 1 5 1 8 9 8 7 3 4 1 7 7 2 1 7 7 8 e+00
2 . 2 7 8 4 8 1 0 1 2 6 5 8 2 2 8 0 0 0 e+00
2 . 3 4 1 7 7 2 1 5 1 8 9 8 7 3 4 2 2 2 e+00
8
−6.121159298625549194 e −01
4 . 1 9 8 8 6 6 7 6 5 2 6 9 8 1 6 3 9 2 e −01
−6.003116753527508731 e −01
2 . 9 4 2 0 9 4 0 1 9 6 3 0 1 6 5 3 6 9 e −01
−3.363822811422663150 e −01
−1.878009014066749360 e −01
4 . 7 5 8 3 7 6 3 8 1 2 7 4 2 5 9 1 0 4 e −01
8 . 5 6 4 6 9 4 7 5 0 8 3 8 2 7 7 5 8 2 e −01
1 . 7 9 9 8 4 7 9 5 3 8 7 8 6 2 1 6 2 0 e −01
2 . 3 7 5 9 7 0 9 5 1 2 2 7 1 5 4 2 9 3 e −01
2 . 6 9 7 1 4 4 2 5 6 2 7 5 6 4 4 2 4 7 e −01
−3.429799825376015354 e −01
−8.522928056934475638 e −02
−3.691609589919354062 e −01
−2.231175364597347555 e −01
1 . 6 6 5 6 5 8 1 4 5 3 3 2 2 2 8 2 6 5 e −02
1 . 8 1 2 7 9 3 5 9 7 0 6 2 2 4 3 7 8 6 e −02
−4.826821948450610300 e −02
−3.066922952625211404 e −02
1 . 3 0 2 0 7 4 5 4 9 0 4 9 3 7 2 0 8 8 e −01
−3.013886844102489637 e −01
−5.813932381754381984 e −01
7 . 5 3 7 2 9 6 6 5 7 0 3 1 4 7 2 5 5 8 e −01
−7.894360424113886499 e −01
−2.892029062830717839 e −02
−2.798436524892181643 e −01
−8.218898242507456375 e −01
1 . 7 6 7 4 9 6 5 6 0 8 0 9 8 3 5 3 0 4 e −01
3 . 4 2 5 2 3 7 6 2 9 5 0 6 0 3 9 3 8 3 e −01
5 . 3 2 9 5 2 8 9 6 8 9 5 5 8 7 9 4 6 4 e −02
−6.161206666656838804 e −01
1 . 8 0 2 1 0 2 2 8 0 7 8 0 1 0 5 7 0 3 e −01
5 . 5 6 4 1 6 9 9 0 3 5 9 3 1 1 8 0 2 7 e −01
−3.692841238229987999 e −02
−2.979389918195472498 e −01
2 . 6 0 0 4 0 7 7 7 6 8 8 7 0 9 7 0 1 1 e −01
−4.951421159345294476 e −01
−8.108354193481424055 e −01
 9

FIG. 12: