You are on page 1of 91

Bases de Matlab

Con aplicaciones a las ciencias e ingeniería

Alejandro Hayes
Bases de Matlab Alejandro Hayes

Índice

1. Introducción.....................................................................................................................................3
1.1 El programa MATLAB...........................................................................................................................3
1.2 Constitución de MATLAB.......................................................................................................................3
1.3 Simulink..............................................................................................................................................4
2. Primeros pasos con MATLAB...........................................................................................................4
2.1 Conociendo la versión..........................................................................................................................4
2.2 Tipos de archivos con los que trabaja MATLAB......................................................................................5
2.3 Variables en el espacio de trabajo.........................................................................................................6
2.4 El reloj................................................................................................................................................6
2.5 Ruta de búsqueda...............................................................................................................................7
2.6 Diario.................................................................................................................................................8
2.7 Formato de exhibición de números.......................................................................................................8
2.8 Caracteres especiales y operadores......................................................................................................9
2.9 Operaciones básicas...........................................................................................................................9
3. Escalares, vectores y matrices.......................................................................................................12
3.1 Comandos para el manejo de matrices.................................................................................................12
3.2 Algunas matrices especiales.................................................................................................................19
3.3 Aplicaciones a la resolución de sistemas de ecuaciones lineales..............................................................19
3.4 Una aplicación a la ingeniería...............................................................................................................20
3.5 Comentarios adicionales sobre escalares y vectores...............................................................................24
3.6 Polinomios y vectores..........................................................................................................................26
4. Funciones escalares........................................................................................................................29
4.1 Graficas de funciones en 2 D...............................................................................................................30
4.1.1Graficas de funciones escalares dadas en forma explicita.....................................................................31
4.1.2.Graficas de curvas dadas en coordenadas polares y parametricas........................................................40
4.2 Aplicaciones a la ingeniería.................................................................................................................42
5. Introducción a la programación....................................................................................................47
5.1.Estructuras elementales………………………………………………………………………………………………………………..….47
5.2.Archivos-M Script.…………………………………………………………………………..……….………………………...………......49
5.3.Archivos-M de función........................................................................................................................49
6. Números Complejos.......................................................................................................................54
7. Funciones Matemáticas Reales de varias variables reales o campos escalares .........................57
8. Graficas Tridimensionales(2-D)....................................................................................................58
9. Funciones Matemáticas Complejas de Variable Compleja ..........................................................62
9.1. Una Aplicación a la ingeniería............................................................................................................65
10. Diferenciación e integración con Matlab......................................................................................67
10.1. Derivación e integración de funciones escalares y campos escalares...................................................67
10.2. Campos vectoriales, generalización de los conceptos vistos................................................................70
10.3.Una aplicación a la ingeniería............................................................................................................71
10.4. Otras funciones para manejo de graficas..........................................................................................73
11.Ecuaciones Diferenciales...............................................................................................................75
11.1. Ecuaciones diferenciales ordinarias..................................................................................................75
11.2. Ecuaciones diferenciales en derivadas parciales................................................................................76
12.Manejo de listas y arreglos de datos............................................................................................77
12.1. Algunos comandos para manejar datos............................................................................................77
12.2.Interpolación y ajuste de datos........................................................................................................83
12.2.1.Interpolación Polinómica...............................................................................................................83
12.2.2.Ajuste de curvas...........................................................................................................................86

Página 1 de 90
Bases de Matlab Alejandro Hayes

12.2.2.2.1. Ajuste de curvas por polinomios...............................................................................................86


12.2.2.2.2. Ajuste de curvas por funciones no Polinomicas..........................................................................88
13. Referencias...................................................................................................................................90

Página 2 de 90
Bases de Matlab Alejandro Hayes

Introducción a Matlab

1.Introducción

En los últimos años ha proliferado mucho el calculo computacional ya sea debido a la necesidad del hombre
de procesar una cantidad de datos cada vez mayor como al avance del calculo numérico.
Aparecen entonces una cantidad importante de programas de calculo simbólico y numérico entre los que se
destacan Mathemática, Maple y Matlab entre muchos otros.
Matlab que es quien nos ocupa es un sistema general de software para cálculos matemáticos y diversas
aplicaciones a la ingeniería. Actualmente se utiliza mucho en Investigación y Análisis en Ingeniería y en la
Industria ya que sus aplicaciones comprenden la mayoría de las áreas de ciencia y tecnología.
Las ultimas versiones constan de un potente entorno integrado de calculo numérico y simbólico con extensiones
para la programación y otros campos específicos de la ingeniería.

1.1.El Programa Matlab


El Nombre Matlab proviene de ‘’ MATrix LABoratory’’ por lo que constituye un programa orientado al calculo
con vectores y matrices pero también es posible trabajar con escalares o números complejos considerándolo
como un caso particular de matriz.
MATLAB es un lenguaje de alto nivel para computación científica. Entre otras cosas integra computación,
visualización y programación en un entorno de fácil utilización donde tanto los problemas como las soluciones
se expresan en una notación matemática familiar. Entre las utilidades que posee pueden mencionarse:
Matemática Computacional , Desarrollo de algoritmos , Modelado y simulación de prototipos, Análisis de datos,
Graficación , Animaciones y la Construcción de una interfaz grafica.

1.2.Constitución de Matlab

Son cinco las partes que constituyes esencialmente a Matlab las cuales pasamos a describir:

El lenguaje Matlab: Es un lenguaje de alto nivel para matrices y vectores con sentencias de control de
flujo, funciones y estructuras de datos, entradas y salidas, características para la programación orientada a
objetos. Permite crear desde programas pequeños de rápida ejecución hasta programas mas largos y
complejos.

El entorno de trabajo Matlab: Es el conjunto de herramientas con las que se puede trabajar como un
usuario o programador de Matlab. Cuenta con facilidades tales como poder manejar las variables en el espacio
de trabajo y de importar y exportar datos. También posee herramientas de programación, desarrollo , y
manipulación de archivos M (M-files).

Manejador de Gráficos: Es el sistema de graficación de Matlab. Incluye una serie de comandos de muy
alto nivel para de visualización de imágenes 2D y 3D , animaciones y presentaciones. También posee comandos
de no tan alto nivel que permiten personalizar la presentación de la figura correspondiente. También permite
que el usuario pueda construirse una Interfaz Grafica de Usuario (GUI ) en la aplicación de Matlab que
Corresponda.

Página 3 de 90
Bases de Matlab Alejandro Hayes

La librería de Funciones Matemática de Matlab: Es una vasta colección de algoritmos que va desde
las funciones mas elementales como senos , cosenos etc. a otras mas sofisticadas como las tranformadas de
Laplace, FFT y otras.

La Interface de Aplicación de Programas de Matlab (API): Es una Librería que permite escribir
programas en C y Fortran que interactúen con Matlab. Incluye la posibilidad de llamar rutinas desde Matlab,
llamando a Matlab como un motor y para leer y escribir MAT-files.

1.3.Simulink

Simulink es un programa de Matlab que consiste en un sistema interactivo para simular Sistemas Dinámicos
lineales y no Lineales. Permite modelizar un sistema dibujando los correspondientes diagrames en bloques y
manipularlos dinámicamente. Puede trabajar con sistemas lineales, no lineales , de tiempo continuo , de tiempo
discreto , multivariable entre otros.
Pueden agregarse al Simulink los denominados Blocksets que proporcionan librerías adicionales de bloques para
aplicaciones especificas como Comunicaciones , Procesamiento de Señales , Sistemas de Potencia etc.
También cuenta con un programa llamado Real-time Workshop que permite generar un código en C desde tu
diagrama en bloques y correrlo en una variedad de sistemas en tiempo real.

2.Primeros Pasos con Matlab

Para introducirnos en el uso de Matlab comenzaremos dando algunos comandos básicos para conocer nuestro
entorno de trabajo. Para eso hagamos doble clic en el icono de Matlab y nos aparecerá una ventana de
comandos donde debemos comenzar a escribir.

2.1.Conociendo la Versión :
Para conocer la versión que estamos usando escribamos la palabra ver y obtendremos la siguiente salida.

» ver
--------------------------------------------------
MATLAB Version 5.3.0.10183 (R11) on PCWIN
MATLAB License Number: 134521
--------------------------------------------------
MATLAB Toolbox Version 5.3 (R11) 15-Jan-1999
Symbolic Math Toolbox Version 2.1 (R11) 11-Sep-1998
NAG Foundation Toolbox - Numerical ... Version 1.0.3 (R11) 06-Jun-1998
Partial Differential Equation Toolbox Version 1.0.3 (R11) 21-Nov-1997
Statistics Toolbox Version 2.2 (R11) 24-Jul-1998
Signal Processing Toolbox Version 4.2 (R11) 10-Jul-1998
Control System Toolbox Version 4.2 (R11) 15-Jul-1998
SystemBuild to Simulink Translator Version 2.0 (R11) 10-Aug-1998
Stateflow Version 2.0 (R11) 16-Jan-1999
Simulink Version 3.0 (R11) 01-Sep-1998
MATLAB Tour Version 1.2 (R11) 04-Sep-1998
»

Página 4 de 90
Bases de Matlab Alejandro Hayes

2.2.Tipos de Archivos con los que trabaja Matlab:

Matlab trabaja con distintos tipos de archivos a saber:

Archivos M: Son archivos de texto que contienen código de Matlab. El usuario puede crearlos usando los
mismos comandos que ingresa por líneas de comandos y otras sentencias que veremos oportunamente. El
archivo se guarda con la extensión .m (Por ejemplo nombre_archivo.m) y podemos llamarlo desde la línea de
comando y lo ejecutamos.

Archivos MAT: Son archivos que contienen datos binarios que se guardan con extensión .mat y que
posteriormente detallaremos.

Archivos MEX: Son archivos Matlab ejecutables compilado a partir de Fortran o C. Se guardan con la
extensión .mex.

Archivos MDL: Corresponden a modelos hechos con el Simulink que en su oportunidad desarrollaremos en
detalle. Si bien la explicación sobre los tipos de archivos que maneja Matlab fue por demás escueta el objetivo
de la misma es explicar el comando what que produce una lista de los archivos M- , MAT- , MEX – y MDL
presentes en el directorio de trabajo actual.

Veamos un ejemplo :

» what

M-files in the current directory C:\MATLABR11\work

P2
P3
aceleracion
amortiguador
circuito
circuito1
circuito2
circuito3
circuito31
circuito4
circuito5
circuito5B
dv
fn
p5

MDL-files in the current directory C:\MATLABR11\work

circ circ1 untitled

Página 5 de 90
Bases de Matlab Alejandro Hayes

2.3.Variables en el espacio de trabajo:


Para conocer las variables cargadas en el espacio de trabajo, Matlab cuenta con los respectivos comandos who
y whos que producen una lista de las variables en el espacio de trabajo actual. Podemos ver un ejemplo:

» a=10;
» b=897;
» who

Your variables are:

a b

» whos
Name Size Bytes Class

a 1x1 8 double array


b 1x1 8 double array

Grand total is 2 elements using 16 bytes

Vemos que who solo indica el nombre de las variables mientras que whos indica ademas de las variables , su
tamaño y el numero de bytes que ocupa y el formato.

2.4.El Reloj :

Para saber la hora actual Matlab cuenta con el comando clock

clock

ans =

1.0e+003 *

2.0030 0.0090 0.0010 0.0130 0.0240 0.0569

El primer numero es un multiplicador y los numeros de la segunda linea tienen el formato:

[año , mes , dia , hora , minuto , segundo]

Podemos mostrar la hora en formato entero

fix(clock)

ans =

2003 9 1 13 40 33

Página 6 de 90
Bases de Matlab Alejandro Hayes

2.5.Ruta de Búsqueda :
El comando path nos muestra la ruta de búsqueda vigente de Matlab. El comando ruta = path devuelve
una cadena llamada ruta que contiene la ruta.

path

MATLABPATH

C:\MATLABR11\toolbox\matlab\general
C:\MATLABR11\toolbox\matlab\ops
C:\MATLABR11\toolbox\matlab\lang
C:\MATLABR11\toolbox\matlab\elmat
C:\MATLABR11\toolbox\matlab\elfun
C:\MATLABR11\toolbox\matlab\specfun
C:\MATLABR11\toolbox\matlab\matfun
C:\MATLABR11\toolbox\matlab\datafun
C:\MATLABR11\toolbox\matlab\polyfun
C:\MATLABR11\toolbox\matlab\funfun
C:\MATLABR11\toolbox\matlab\sparfun
C:\MATLABR11\toolbox\matlab\graph2d
C:\MATLABR11\toolbox\matlab\graph3d
C:\MATLABR11\toolbox\matlab\specgraph
C:\MATLABR11\toolbox\matlab\graphics
C:\MATLABR11\toolbox\matlab\uitools
C:\MATLABR11\toolbox\matlab\strfun
C:\MATLABR11\toolbox\matlab\iofun
C:\MATLABR11\toolbox\matlab\timefun
C:\MATLABR11\toolbox\matlab\datatypes
C:\MATLABR11\toolbox\matlab\winfun
C:\MATLABR11\toolbox\matlab\demos
C:\MATLABR11\toolbox\symbolic
C:\MATLABR11\toolbox\nag\nag
C:\MATLABR11\toolbox\nag\examples
C:\MATLABR11\toolbox\pde
C:\MATLABR11\toolbox\stats
C:\MATLABR11\toolbox\signal\signal
C:\MATLABR11\toolbox\signal\siggui
C:\MATLABR11\toolbox\signal\sigdemos
C:\MATLABR11\toolbox\control
C:\MATLABR11\toolbox\control\ctrlguis
C:\MATLABR11\toolbox\control\obsolete
C:\MATLABR11\toolbox\stateflow\sfdemos
C:\MATLABR11\toolbox\sb2sl
C:\MATLABR11\toolbox\stateflow\stateflow
C:\MATLABR11\toolbox\simulink\simulink
C:\MATLABR11\toolbox\simulink\blocks
C:\MATLABR11\toolbox\simulink\simdemos
C:\MATLABR11\toolbox\simulink\dee
C:\MATLABR11\toolbox\tour

Página 7 de 90
Bases de Matlab Alejandro Hayes

C:\MATLABR11\work
C:\MATLABR11\toolbox\local

2.6.Diario:
Si deseamos guardar en algún archivo las entradas por líneas de comando el comando diary on guarda todo
lo que se introduce por el teclado así como la mayor parte de lo que se envía a la pantalla, en un archivo
llamado diary diary off termina la escritura .

2.7.Formatos de Exhibición de Números:

Matlab Cuenta con la posibilidad de definir distintos formatos de exhibición de números la Tabla 1 muestra
algunos de ellos:

Formato de Exhibición de Números


format short (default) Muetra 4 cifras decimales 3.1416
format long Muetra 14 cifras decimales 3.14159265358979
format bank Muetra 2 cifras decimales 3.14
format short e Muetra 4 cifras decimales 1.5225e+008
format long e Muetra 15 cifras decimales 1.606938044258990e+060
format + +,-, Espacio +

Tabla 1

Veamos algunos ejemplos:

pi
ans =

3.1416

» format long
» pi

ans =

3.14159265358979

» format bank
» pi

ans =

3.14

» format long e
» pi

Página 8 de 90
Bases de Matlab Alejandro Hayes

ans =

3.141592653589793e+000

2.8.Caracteres especiales y Operadores


A continuación damos dos tablas con los operadores mas usuales y de mayor uso en Matlab y a continuación
algunos ejemplos.

2.9.Operaciones Básicas
Las operaciones tales como suma resta multiplicación y división se realizan en forma inmediata con Matlab.
Veamos algunos ejemplos:

Ejemplo 2.1:

Efectuaremos algunas operaciones básicas con dos números cualquiera:

» 2+3

ans =

» 2-3

ans =

Página 9 de 90
Bases de Matlab Alejandro Hayes

-1

» 2*3

ans =

» 2/3

ans =

0.6667

Una de las bondades de Matlab reside en la capacidad para trabajar en distintas plataformas y según la
capacidad del hardware y del software de las mismas trabajara con mayor o menor precisión. En general Matlab
realiza todas las operaciones con números enteros en forma exacta, independientemente del tamaño que tenga
el resultado.
Por ejemplo Matlab cuenta con una función que nos permite visualizar el resultado de una operación con un
determinado numero de cifras exactas el comando es el siguiente:

vpa ‘operación’ numero de cifras exactas

Ejemplo 2.2:

Supongamos que queremos calcular 55 elevado a la 100 con 5000 cifras exactas.

vpa '55^100' 50000


ans =

108709863248920416095013731486527307045630210519463889299295688391297964565
354754425988396643047321308614644661151788127357805455576542780216087180633
6217559874057769775390625.

Otras funciones que trae Matlab para trabajar con números enteros se muestran en la tabla 2 seguida de
algunos ejemplos.

rem(n,m) Nos da el resto de la división entre n y m


sign(n) Nos da el signo de n: 1 si n>0 y –1 si n<0
nchoosek(n,m) Numero combinatorio n sobre m
factorial(n) Calcula el factorial de un numero natural
max(n1,n2) Halla el máximo valor entre n1 y n2
min(n1,n2) Halla el mínimo valor entre n1 y n2
lcm(n1,n2) Mínimo común múltiplo

Página 10 de 90
Bases de Matlab Alejandro Hayes

gcd(n1,n2) Máximo común divisor de n1 y n2

Tabla 4
Ejemplo 2.3:

Veamos algunos ejemplos de utilización de las funciones de la Tabla 4:

rem(25,11)

ans =

» sign(-8)

ans =

-1

» sign(8)

ans =

» nchoosek(5,3)

ans =

10

» max(2,5)

ans =

» min(2,5)

ans =

» gcd(2,5)

ans =

» lcm(2,5)

ans =

Página 11 de 90
Bases de Matlab Alejandro Hayes

10

Matlab cuenta con muchos otros comandos para operaciones básicas acá hemos presentado algunos y queda
como deber para el lector indagar sobre otros comandos no explicados en esta sección.

3.Escalares, Vectores y Matrices

Es muy común en Ingeniería que Aparezcan problemas que involucren matrices en su resolución, y siendo que
los métodos matriciales para distintos tipos de problemas en Ingeniería y ciencias han proliferado mucho es
importante que comencemos el curso explicando el manejo de matrices que tiene Matlab ya que es la base para
la implementación de casi cualquier aplicación.
El razonamiento será valido para escalares y para vectores ya que un escalar puede verse como una matriz de
1x1 mientras que un vector puede verse como una matriz de 1x n. Sobre el final de esta sección haremos
algunos comentarios sobre vectores y escalares como casos particulares de matrices.
Matlab cuenta con una serie de comandos para el manejo de matrices algunos de los cuales se indican en la
tabla 1.

3.1.Comandos para el manejo de matrices:


Funciones Principales Para Trabajar con Matrices
A+B Suma de las matrices A y B
A–B Diferencia de las matrices A y B(A menos
B)
C *M Producto escalar c por la matriz M
A*B Producto de las matrices A y B(A por B)
A^p Matriz A elevada a la potencia escalar p
p^A Escalar elevado a la matriz A
expm(A) eA calculada a través de autovalores
expm1(A) eA calculada a través de aproximantes de Padé
expm2(A) eA calculada a través de series de Taylor
expm3(A) eA calculada a través de la condición de la
matriz de autovectores
logm(A) Logaritmo neperiano de la matriz A
sqrtm(A) Raíz cuadrada de la matriz cuadrada A
funm(A,´funcion´) Aplica la función a la matriz cuadrada A
traspose(A) o A´ Matriz traspuesta de A
inv(A) Matriz inversa de la matriz cuadrada A(A-1)
det(A) Determinante de la matriz cuadrada
rank(A) Rango de la matriz A
trace (A) Suma de los elementos de la diagonal
svd(A) Da el vector V de los valores singulares de A.
Los valores singulares de A son las raíces
cuadradas de los autovalores de la matriz
simétrica A´A
[U,S,V]=svd(A) Da la matriz diagonal S de valores singulares de
A(ordenados de mayor a menor), y las matrices
U y V tales que A=U*S*V
cond(A) Da la condición de la matriz A(cociente entre el
mayor y el menor valor singular de A)
rcond(A) Reciproco de la condición de la matriz A

Página 12 de 90
Bases de Matlab Alejandro Hayes

norm(A) Norma de A(mayor valor singular de la matriz


A)
norm(A) 1-norma de A(mayor suma de las columnas de
A)
norm(A,inf) Norma infinita de A(mayor suma de las filas de
A)
norm(A,´fro´) F-norma de A, definida por
sqrt(sum(diag(A´A)))
Z=null(A) Da una base ortonormal del núcleo de
A(Z´Z=I). El numero de columnas de Z es la
nulidad de A

Q=orth(A) Da una base ortonormal para el rango de


A(Q´Q=I). Las columnas de Q generan el
mismo espacio que las columnas de Q, y el
numero de columnas es el rango de A
subspace(A,B) Da el ángulo entre los subespacios
especificados por las columnas de A y de B. Si
A y B son vectores, da el ángulo formado por
ambos
rref.(A) Da la matriz reducida escalonada por filas de A.
El numero de filas no nulas de ref(A) es el
rango de la matriz A.
eig(A) Calcula los autovalores de la matriz cuadrada A
[V,D]=eig(A) Calcula la matriz diagonal D de autovalores de
A y una matriz V cuyas columnas son los
autovectores correspondientes, cumpliéndose
que A*V = V*D
eig(A,B) Da un vector que contiene los autovalores
generalizados de las matrices cuadradas A y B
son las raíces del polinomio en det( C-A)
[V,D]=eig(A,B) Calcula la matriz diagonal D de autovalores
generalizados de A y B, y una matriz V cuyas
columnas son los autovectores
correspondientes, cumpliéndose que A*V =
B*V*D
[AA,BB,Q,Z,V]=qz(A,B) Calcula las matrices triangulares superiores AA
y BB y las matrices Q y Z tales que Q*A*Z=AA
Y Q*B*Z = BB, y da la matriz de autovectores
generalizados de A y B. Los autovectores
generalizados son los elementos de la diagonal
de AA y BB, de tal modo que se tiene la
igualdad : A*V*diag(BB) = B*V*diag(AA)
[T,B]=balance(A) Encuentra una matriz de transformación T tal
que B=T\A*T tiene autovalores aproximados a
los de A. La matriz B se llama matriz
balanceada de la matriz A
balance(A) Calcula la matriz B balanceada de la matriz A.
Su uso esencial es aproximar los autovalores de
A cuando son difíciles de calcular. Se tiene que
eig(A)=eig(balance(A))

Página 13 de 90
Bases de Matlab Alejandro Hayes

[V,D] = cdf2rdf(V,D) Transforma la salida compleja [V,D] del


comando eig a forma real. Cada autovalor
complejo en la diagonal de D origina una
submatriz de 2x2 en la forma real de la matriz
D
[U,T]=schur(A) Da una matriz T y una matriz unitaria U tales
que A = U*T*U´ y U´*U=I. Si A es compleja, T
es una matriz triangular superior con los
autovalores de A en la diagonal. Si A es real, la
matriz T tiene los autovalores de A en la
diagonal, y los correspondientes autovalores
complejos se corresponden con los bloques
diagonales 2x2 de la matriz T
schur(A) Devuelve solo la matriz T
[U,T]= rsf2csf(U,T) Convierte a real la salida [U,T] del comando
schur
[P,H]=hess(A) Devuelve la matriz unitaria P y la matriz
Hessenberg H tales que A=P*H*P´ y
P`*P=eye(size(P))
hess(A) Devuelve la matriz Hessenberg
poly(A) Devuelve el polinomio característico de la
matriz A
poly(V) Devuelve un vector cuyas componentes son los
coeficientes del polinomio cuyas raices son los
elementos del vector V.
vander(C) Devuelve la matriz de Vandermode A tal que su
j-esima columna es A(:,j)=C^(n-j)

Tabla 5
Veamos algunos ejemplos:

Ejemplo 3.1:

⎛1 − 2 5 ⎞
⎜ ⎟
Se desea ingresar la matriz M = ⎜ 3 8 − 1⎟ y determinar:
⎜9 − 4 6 ⎟
⎝ ⎠
−1 −1
a) M b) M si existe. c) Verificar M M = I d) M
T

h) P (λ )
2 3
e) Tr (M ) f) M , M g) Los Autovalores de M

M=[1 -2 5;3 8 -1;9 -4 6]

M=

1 -2 5

Página 14 de 90
Bases de Matlab Alejandro Hayes

3 8 -1
9 -4 6

Transpuesta_M=M'

Transpuesta_M =

1 3 9
-2 8 -4
5 -1 6

Inversa_M=inv(M)

Inversa_M =

-22/161 4/161 19/161


27/322 39/322 -8/161
6/23 1/23 -1/23

Identidad=M*Inversa_M

Identidad =

1 0 0
0 1 0
0 0 1

Determinante_M=det(M)

Determinante_M =

-322

Traza_M=trace(M)

Traza_M =

15

Potencia_2=M^2

Potencia_2 =

40 -38 37
18 62 1
51 -74 85

Potencia_3=M^3

Potencia_3 =

259 -532 460


213 456 34
594 -1034 839

Autovalores_M=eig(M)

Página 15 de 90
Bases de Matlab Alejandro Hayes

Autovalores_M =

-2576/701
4622/495 + 9553/14427i
4622/495 - 9553/14427i

Polinomio_Caracteristico_M=poly(M)

Polinomio_Caracteristico_M =

1 -15 19 322

Ejemplo 3.2:

⎛ 1 3 − 5⎞ ⎛ 9 2 − 5⎞
⎜ ⎟ ⎜ ⎟
Dadas las matrices A = ⎜ 6 − 7 9 ⎟ B=⎜ 0 − 3 8 ⎟ determinar: a) A + B
⎜ − 5 − 2 − 1⎟ ⎜ − 15 − 12 10 ⎟
⎝ ⎠ ⎝ ⎠
b) A − B c) A B d) B A e) A B − B A f) A g) B
h) A B i) A B j) A + B k) A + B

A=[1 3 -5 ; 6 -7 9 ; -5 -2 -1]

A=

1 3 -5
6 -7 9
-5 -2 -1

B=[9 2 -5 ; 0 -3 8 ; -15 -12 10]

B=

9 2 -5
0 -3 8
-15 -12 10

M_1=A+B

M_1 =

10 5 -10
6 -10 17
-20 -14 9

M_2=A- B

M_2 =

-8 1 0

Página 16 de 90
Bases de Matlab Alejandro Hayes

6 -4 1
10 10 -11

M_3=A*B

M_3 =

84 53 -31
-81 -75 4
-30 8 -1

M_4=B*A

M_4 =

46 23 -22
-58 5 -35
-137 19 -43

M_5=M_4-M_3

M_5 =

-38 -30 9
23 80 -39
-107 11 -42

Determinante_A=det(A)

Determinante_A =

143

Determinante_B=det(B)

Determinante_B =

579

Determinante_M_3=det(M_3)

Determinante_M_3 =

82797

Determinante_A*Determinante_B

ans =

82797

Determinante_M_2=det(M_2)

Página 17 de 90
Bases de Matlab Alejandro Hayes

Determinante_M_2 =

-196

Determinante_A+Determinante_B

ans =

722

Tabla 6
Ejemplo 3.3:

⎛ 1 2 7 5 ⎞
⎜ ⎟
⎜− 5 6 −8 9 ⎟
Dada la matriz A = ⎜ . Llamar al elemento a 23 . Visualizar la fila 2 y la columna 2.
3 −3 −2 9 ⎟
⎜ ⎟
⎜ 10 − 2 6 − 4 ⎟
⎝ ⎠

A=[1 2 7 5;-5 6 -8 9;3 -3 -2 9; 10 -2 6 -4]

A=

1 2 7 5
-5 6 -8 9
3 -3 -2 9
10 -2 6 -4

A(2,3)

ans =

-8

A(2,:)

ans =

-5 6 -8 9

A(:,2)

ans =

2
6
-3
-2

Página 18 de 90
Bases de Matlab Alejandro Hayes

3.2.Algunas Matrices Especiales:


Matlab cuenta con algunos comandos que crean matrices especificas. Algunos de los mismos se dan en la
siguiente tabla:

Funciones Especificas
blkdiag(x1,x2,...,xn) Construye una matriz diagonal con los datos
de x1,x2,...,xn
eye(n) , eye(n,m) Genara una matriz identidad de nxn o de
nxm respectivamente.
ones(n) , ones(n,m) Genera una matriz de unos de nxn o nxm
respectivamente.
rand(n) , rand(n,m) Genera una matriz de elementos aleatorios
uniformemente distribuidos en el intervalo
(0,1) de nxn o nxm elementos
randn(n) , randn(n,m) Genera una matriz de elementos aleatorios
normalmente distribuidos en el intervalo
(0,1) de nxn o nxm elementos
zeros(n) , zeros(n,m) Genera una matriz de ceros de nxn o nxm
respectivamente.
magic(n) Genera una matriz de nxn de los enteros de
1 a n2

Tabla 7

3.3. Aplicaciones a la resolución de sistemas de ecuaciones lineales


Una aplicación importante del álgebra de matrices esta en la resolución de sistemas de ecuaciones lineales.
Veremos un ejemplo.

Ejemplo 3.4:

⎧4 x + 2 y + z = 11

Dado el sistema lineal ⎨− 2 x + y + 3 z = 9 . Resolverlo en forma matricial.
⎪x + 3 y − z = 4

format rat
>> A=[4 2 1;-2 1 3;1 3 -1]

A=

4 2 1
-2 1 3
1 3 -1

>> B=[11;9;4]

B=

11

Página 19 de 90
Bases de Matlab Alejandro Hayes

9
4

>> A_1=inv(A)

A_1 =

2/9 -1/9 -1/9


-1/45 1/9 14/45
7/45 2/9 -8/45

>> x=A_1*B

x=

1
2
3

>>

Es importante aclarar que si bien en el ejemplo y solo con fines didácticos y para relacionar el manejo de
Matlab con la teoría conocida de Álgebra Lineal sobre la resolución de sistemas de ecuaciones lineales hemos
optado por trabajar con la matriz inversa, esto no es frecuente ya que a la hora de invertir matrices Matlab
emplea mucho tiempo, tanto mas cuanto mas grande sea la matriz. En los ejemplos del apartado 3.4 de
aplicaciones a la ingeniería se muestran otras formas de resolver el sistema de ecuaciones.

3.4. Una aplicación a la Ingeniería

Ejemplo 3.5

Se dispone del circuito eléctrico mostrado en la figura y se desea calcular:

a) La corriente en cada resistor y la potencia eléctrica disipada.

b) La resistencia que ve cada generador de tensión actuando en forma independiente.

Página 20 de 90
Bases de Matlab Alejandro Hayes

Figura 1

V1=15v , V2=6v, R1=220, R2=470, R3=560, R4=100, R5=390, R6=120.

El sistema de ecuaciones que permite calcular las corrientes esta dado por:

⎧( R1 + R 2 + R3 ) I 1 − R 2 I 2 − R3 I 3 = 0

⎪⎪
⎨− R 2 I 1 + ( R 2 + R 4 + R 5 ) I 2 − R 4 I 3 = V 1


⎪⎩− R3 I 1 − R4 I 2 + ( R3 + R6 + R4 ) I 3 = −V 2

Para el caso del punto b) consideramos que solo actúa el generador V1 y el sistema se reduce a:

Figura 2

Página 21 de 90
Bases de Matlab Alejandro Hayes

⎧( R1 + R 2 + R 3 ) I 1 − R 2 I 2 − R 3 I 3 = 0

⎪⎪
⎨− R 2 I 1 + ( R 2 + R 4 + R 5 ) I 2 − R 4 I 3 = V 1


⎩⎪− R 3 I 1 − R 4 I 2 + ( R 3 + R6 + R4 ) I 3 = 0

La resolución con Matlab se muestra a continuación.

Página 22 de 90
Bases de Matlab Alejandro Hayes

>> V1=15;
>> V2=6;
>> R1=220;
>> R2=470;
>> R3=560;
>> R4=100;
>> R5=390;
>> R6=120;

>> R=[R1+R2+R3 -R2 -R3;-R2 R2+R4+R5 -R4;-R3 -R4 R3+R6+R4]

R=
1250 -470 -560
-470 960 -100
-560 -100 780

>> V=[0;V1;V2]

V=
0
15
6

>> I=R\V

I=
2.4771e-002
3.0818e-002
2.9428e-002

%Calculo de la potencia en cada resistencia %

>> PR1=((I(1))^2)*R1

PR1 =
1.3499e-001

>> PR2=((I(2)-I(1))^2)*R2

PR2 =
1.7185e-002

>> PR3=((I(1)-I(3))^2)*R3

PR3 =
1.2143e-002

>> PR4=((I(2)-I(3))^2)*R4

PR4 =
1.9326e-004

>> PR5=((I(2))^2)*R5

PR5 =

Página 23 de 90
Bases de Matlab Alejandro Hayes

3.7040e-001

>> PR6=((I(3))^2)*R6

PR6 =
1.0392e-001

%Calculo de la resistencia que ve V1%


%Hacemos V2=0 y calculamos las corrientes

>> V=[0;V1;0]

V=
0
15
0

>> I=R\V

I=
1.5947e-002
2.4958e-002
1.4649e-002
>> RV1=V1/I(2)

RV1 =
6.0100e+002

3.5. Comentarios adicionales sobre escalares y vectores


De acuerdo a lo visto hasta el momento queda claro que un vector no es otra cosa que un caso particular de
matriz que puede ser de una fila (vector fila) como de una columna (vector columna) , pero el concepto de
vector para Matlab es mucho mas general ya que toda lista de datos ya sea mediciones, registros, o listas
generadas etc. Puede ser tratado como un vector. La tabla 8 lista una serie de funciones para el manejo de
vectores.

Tabla 8

length(v) Nos da el numero de elementos o “longitud”


del vector v.
abs(v) Nos devuelve un vector en el que cada
componente es el valor absoluto de la
correspondiente en v.
norn(v) Calcula la norma 2 de un vector. La función
norm() admite argumentos que permiten
calcular otras normas.
dot(v1,v2) Calcula el producto escalar entre los vectores
v1 y v2.
cross(v1,v2) Calcula el producto vectorial entre los vectores
v1 y v2.
v1.*v2 Nos devuelve un vector cuyas componentes el
producto de las componentes de v1 y v2

Página 24 de 90
Bases de Matlab Alejandro Hayes

v1./v2 Nos devuelve un vector cuyas componentes el


cociente de las componentes de v1 y v2

Ejemplo 3.6

Dados los vectores v1 = ( 1,−1,6 ) , v 2 = ( −5 ,−1,−11 ) vamos a aplicar las instrucciones indicadas en la tabla 8

>> v1=[1 -1 6]

v1 =

1 -1 6

>> v2=[-5 -1 -11]

v2 =

-5 -1 -11

>> a=abs(v1)

a=

1 1 6

>> n=norm(v1)

n=

6.1644

>> d=dot(v1,v2)

d=

-70

>> c=cross(v1,v2)

c=

17 -19 -6

>> v=v1.*v2

v=

-5 1 -66

>> l=length(v)

l=

Página 25 de 90
Bases de Matlab Alejandro Hayes

3.6. Polinomios y vectores

Tanto en Ingeniería como en ciencias en general es frecuente la aparición de polinomios en diversos tipos de
modelos a saber, funciones de transferencia, aproximaciones polinomiales, interpolación, ecuaciones
diferenciales etc. Además sabemos que un polinomio queda determinado por sus coeficientes, además hay una
relación entre estos y sus raíces. Todo esto hace posible que Matlab disponga de un conjunto de comandos
que permitan tratar a los polinomios como vectores y poder efectuar las operaciones usuales entre ellos, es por
eso que hemos decidido darle un tratamiento aparte antes de comenzar con las funciones escalares que será
tema de la sección 4. La Tabla 9 ilustra las funciones básicas para el manejo de polinomios.

conv(p1,p2) Nos devuelve un vector con los coeficientes


del polinomio producto entre p1 y p2.
deconv(p1,p2) Nos devuelve dos vectores con los
coeficientes del polinomio cociente y del resto
respectivamente de dividir p1 por p2.
poly(r), poly(A) Nos devuelve un vector con los coeficientes
del polinomio cuyas raíces son los elementos
del vector r.
En el caso de que el argumento sea una
matriz A de nxn el comando nos devuelve el
un vector con los coeficientes del polinomio
característico de A
polyder(p) Nos devuelve los coeficientes del polinomio
derivado de p.
polyint(p,k), polyint(p) Nos devuelve los coeficientes del polinomio
integrado de p. El argumento k es la
constante de integración, si no ingresamos
este valor, Matlab lo considera cero.
polyval(p,v) Evalúa al polinomio p en el o los valores
indicados en v que puede ser un escalar o un
vector
polyvalm(p,A) Evalúa al polinomio p en la matriz A
residue(n,d) Nos da la descomposición en fracciones
simples del cociente de polinomios cuyo
numerador es n y cuyo denominador es d.
roots(p) Nos devuelve un vector con las raíces del
polinomio dado en p.

Tabla 9

Ejemplo 3.6.1

Dados los siguientes polinomios:

P( x ) = x 3 − 4 x 2 + 11x − 23 y Q( x ) = 2 x 7 − 5 x 5 + x 4 + 15 x 2 + x − 8
se pide:

a) P+Q, P Q.
b) Especializar a P en –8 y a Q en 5.
c) Hallar la derivada y la integral de P y Q considerando nulas las constantes de integración.

Página 26 de 90
Bases de Matlab Alejandro Hayes

d) Hallar las raíces de P y Q.


P( x )
e) Hallar la descomposición en fracciones simples de H ( x ) =
Q( x )

Resolución en Matlab

>> P=[0 0 0 0 1 -4 11 -23]

P=
0 0 0 0 1 -4 11 -23

>> Q=[2 0 -5 1 0 15 1 -8]

Q=
2 0 -5 1 0 15 1 -8

>> S=P+Q

S=
2 0 -5 1 1 11 12 -31

>> C=conv(P,Q)

C=
Columns 1 through 8
0 0 0 0 2 -8 17 -25
Columns 9 through 15
-59 141 -82 153 -302 -111 184

>> polyval(P,-8)

ans =
-879

>> polyval(Q,5)

ans =
141622

>> dP=polyder(P)

dP =
3 -8 11

>> dQ=polyder(Q)

dQ =
14 0 -25 4 0 30 1
>> IP=polyint(P)

IP =
Columns 1 through 8
0 0 0 0 1/4 -4/3 11/2 -23
Column 9
0

Página 27 de 90
Bases de Matlab Alejandro Hayes

>> IQ=polyint(Q)

IQ =
Columns 1 through 8
1/4 0 -5/6 1/5 0 5 1/2 -8
Column 9
0

RP=roots(P)

RP =

2.9267
0.5367 + 2.7515i
0.5367 - 2.7515i

>> RQ=roots(Q)

RQ =

-1.9091
1.3902 + 0.6687i
1.3902 - 0.6687i
-0.4374 + 1.2308i
-0.4374 - 1.2308i
-0.7166
0.7201

>> [R,PO,K]=residue(P,Q)

R=

-0.2506
0.1233 - 0.0663i
0.1233 + 0.0663i
-0.1884 - 0.1809i
-0.1884 + 0.1809i
-0.8682
1.2490

PO =

-1.9091
1.3902 + 0.6687i
1.3902 - 0.6687i
-0.4374 + 1.2308i
-0.4374 - 1.2308i
0.7201
-0.7166

K=

[]

Página 28 de 90
Bases de Matlab Alejandro Hayes

4.Funciones Escalares
La función como objeto de estudio es conceptualmente muy importante a la hora de trabajar con un software
matemático pues la forma de manejar e implementar las funciones varia de un software a otro. Matlab nos
permite definir y manejar funciones de una forma muy simple, solo hay que acostumbrarse a la sintaxis y a las
‘Manias’ del programa en cuestión. Matlab al igual que la mayoría de los paquetes de calculo simbólico trae
funciones predefinidas asi como permite al usuario definir sus propias funciones. Algunas de las funciones
predefinidas con las que cuenta Matlab son las siguientes:

abs( x ) Calcula el modulo de x


sqrt( x ) Calcula la raíz cuadrada de x
round(x) Redondea al entero mas cercano
fix(x) Redondea x al entero mas cercano a cero
floor( x) Redondea al entero mas cercano a -∞
ceil( x) Redondea al entero mas cercano a ∞
exp( x) Calcula ex , Donde e es la base de los logaritmos naturales
log( x) Calcula ln x, el logaritmo natural de x con base e.
log10( x ) Calcula log10 x
sin ( x ) Calcula el sen( x)
cos( x ) Calcula cos ( x ).
tan ( x ) Calcula tg( x ).
asin( x ) Calcula el arcoseno de x
acos( x ) Calcula el arcocoseno de x
atan( x ) Calcula el arcotangente de x.
atan2( y, x ) Cacula el arcotangente de y/x
sinh( x ) Calcula el seno hiperbólico de x
cosh( x ) Calcula el coseno hiperbólico de x
tanh ( x ) Calcula la tangente hiperbólica de x.

Tabla 10
Por supuesto Matlab cuenta con muchas otras funciones que no fueron contempladas en la tabla.
Veamos algunos ejemplos :

Ejemplo 4.1:

Definir las funciones f ( x) = sen x , g ( x) = cos x , h( x) = e en el intervalo [0,10] .


x

x=0:0.01:10;
f1=sin(x);
f2=cos(x);
f3=exp(x);

Lo que muestra el ejemplo 1 es la forma de ingresar funciones en Matlab. Si trabajamos en forma numérica
debemos indicar los valores que toma la variable independiente, en el ejemplo x varia entre 0 y 10 en pasos de
0.01. Podemos observar que si no indicamos el valor de x Matlab nos dice que no conoce a la variable.

f=exp(x)
??? Undefined function or variable 'x'.

Página 29 de 90
Bases de Matlab Alejandro Hayes

Ejemplo 4.2:

Definir una función trabajando con la variable definida en forma simbólica.

syms x real
f=log(x);

El comando syms indica que la variable x es simbólica y la palabra real indica que se trata de una variable
real. De no poner nada matlab la toma como una variable compleja.
Se pueden poner otros atributos a la variable por ejemplo.

syms x positive

Si queremos evaluar la función en un punto Matlab cuenta con una función llamada subs cuya sintaxis es la que
se indica abajo.

subs ( f ) Reemplaza todas las variables en la expresión simbólica f


subs (f,n) Reemplaza la variable libre simbólica en s con n
subs(f,o,n) Reemplaza o con n en la expresión simbólica f.

Tabla 11
Ejemplo 4.3 :

Dada la función escalar f ( x) = sen x + e − x . Definirla con la variable dada en forma simbólica y calcular la
imagen de 4.

syms x
f=sin(x)+exp(-x);
x=4;
subs(f)

ans =

-0.7385

format rat
subs(f)

ans =

-449/608

4.1.Grafica de Funciones en 2D.


Es notoria la calidad y capacidad de graficación que tiene Matlab por lo que corresponde comenzar a aprender
los comandos necesarios para graficar distintas curvas y superficies dadas en forma Explicita, Implícita, y
Parametrica.

Página 30 de 90
Bases de Matlab Alejandro Hayes

4.1.1.Grafica de funciones escalares dadas en forma explicita

Algunas de las sentencias para graficar son las que se detallan en la siguiente tabla.

plot (x, y) Dibuja el conjunto de puntos ( x, y ), donde


x e y son vectores fila.
plot(y) Grafica los elementos de Y contra sus
índices.
plot(x,y,s) Idem plot (x, y) pero con las opciones de s.
fplot( ‘funcion’, [ xmin,xmax ]) Grafica la función en el intervalo de
variación de x dado.
fplot(‘funcion’, [ xmax,xmin,ymax,ymin ], s)Grafica la función en el intervalo de
variación de x e y dado. Con las opciones
de S.
fplot([f1,f2,...,fn ]’, [ xmax,xmin,ymax,ymin Grafica las funciones f1,f2,..,fn sobre los
mismos ejes en los intervalos de variación
de x e y especificados y con las
especificaciones de s.
ezplot(‘funcion’ , [ xmin,xmax ]) Grafica la función en un intervalo de
variación x dado.

Tabla 12
Veamos algunos ejemplos en 2D:

Ejemplo 4.4:

Deseamos graficar el valor de los elementos de un vector en función de su índice , escribimos lo siguiente.

x=0:0.01:5;
plot(x)

Podemos visualizar en la ventana de gráficos la siguiente figura:

4.5

3.5

2.5

1.5

0.5

0
0 100 200 300 400 500 600

Figura 3

Página 31 de 90
Bases de Matlab Alejandro Hayes

En esta grafica sobre el eje de abscisas figuran los índices de cada elemento y sobre el eje de ordenadas el
valor de x para cada elemento. Entre elemento y elemento Matlab interpola.

Ejemplo 4.5:

Dada la función escalar f ( x ) = 2e −0.3 x cos( 8 x + 3 ) realizar la grafica de la misma.

x=0:0.01:10;
f=2*exp(-0.3*x).*cos(8*x+3);
plot(x,f)

1.5

0.5

-0.5

-1

-1.5

-2
0 1 2 3 4 5 6 7 8 9 10

Figura 4

Si queremos ver algunas opciones para la salida del grafico veamos otros ejemplos:

Ejemplo 4.6:

Idem anterior pero con distintas opciones de visualización.

x=0:0.01:10;
f=2*exp(-0.3*x).*cos(8*x+3);
plot(x,f,'*');
plot(x,f,'r *');
grid on.

Página 32 de 90
Bases de Matlab Alejandro Hayes

1.5

0.5

-0.5

-1

-1.5

-2
0 1 2 3 4 5 6 7 8 9 10

Figura 5

Ejemplo 4.7:

Realizar en un mismo grafico las representaciones de las siguientes funciones


f ( x ) = sen 3 x , g ( x ) = cos(2 x + 6) , h( x ) = sen x + cos 2 x en el intervalo [0 ,10 ]

fplot('[sin(3*x),cos(2*x+6),sin(x)+cos(2*x)]',[0,10])

Obtenemos la siguiente figura

1.5

0.5

-0.5

-1

-1.5

-2
0 1 2 3 4 5 6 7 8 9 10

Figura 6

Ejemplo 4.8:

Idem anterior pero con la opción de escala establecida

fplot('[sin(3*x),cos(2*x+6),sin(x)+cos(2*x)]',[0,10,-4,2])

Página 33 de 90
Bases de Matlab Alejandro Hayes

-1

-2

-3

-4
0 1 2 3 4 5 6 7 8 9 10

Figura 7

Ejemplo 4.9:

Graficar la función f ( x ) = sen 2 x + 2 x cos x utilizando el comando ezplot

ezplot('sin(x)^2+2*x*cos(x)',[-10,10])

s in(x)2 + 2 x c os(x)

20

15

10

-5

-10

-15

-20

-10 -8 -6 -4 -2 0 2 4 6 8 10
x

Figura 8

Matlab cuenta con una serie de comandos que se utilizan para trabajar con títulos , etiquetas, mallas y textos,
hemos utilizado algunos en los ejemplos anteriores pero daremos a continuación una tabla con los mas
comunes.

title(‘texto’) Añade el texto como titulo del grafico en la


parte superior del mismo .
xlabel(‘texto’) Sitúa el texto al lado del eje x
ylabel(‘texto’) Sitúa el texto al lado del eje y

Página 34 de 90
Bases de Matlab Alejandro Hayes

zlabel(‘texto’) Sitúa el texto al lado del eje z


text(x,y,’texto’) Sitúa el texto en el punto (x,y) dentro del
grafico 2 D
text(x,y,z,’texto’) Sitúa el texto en el punto (x,y,z) dentro del
grafico 3 D
gtext(‘texto’) Permite situar el texto en un punto elegido
con el Mouse.
grid Sitúa rejillas en los ejes.
hold Permite mantener gráficos para
superponerlos.

Tabla 13

Ilustraremos con algunos ejemplos la utilización de estos comandos.

Ejemplo 4.10:

Graficar las funciones f ( x) = x sen 2 x y g ( x) = sen 2 x + cos( x + 3)

x=0:0.1:10;
f1=x.*sin(2*x);
f2=sin(2*x)+cos(x+3);
plot(x,f1,'r');
ylabel('Variable Dependiente')
xlabel('Variable Independiente')
grid on
hold on
plot(x,f2,'g');
plot(x,f2+f1,'k +');

15

10
V ariable Dependiente

-5

-10
0 1 2 3 4 5 6 7 8 9 10
V ariable Independiente

Figura 9

Página 35 de 90
Bases de Matlab Alejandro Hayes

Sobre la computadora se observa el efecto del hold on para dibujar cada grafica manteniendo la figura anterior.

Ejemplo 4.11

definiendo la variable en forma simbólica. Graficarla en el intervalo [− 5,5]


− sen ( x 2 + 3)
Definir la función f ( x) = e

syms x real
f=exp(-sin(x.^2+3));
ezplot(f,[-5,5])

Obtenemos la siguiente salida:

ex p(-sin(x 2 + 3))

2.5

1.5

0.5

-5 -4 -3 -2 -1 0 1 2 3 4 5
x

Figura 10

Matlab cuenta con una serie importante de comandos para la manipulación de gráficos algunos de ellos se dan
en la tabla.

axis ([xmin xmax ymin ymax]) Ubica los valores maximo y minimo para los
ejes coordenados respectivos.
axis(‘auto’) Sitúa los ejes en la escala automática por
defecto.
axis(axis) Congela la escala en los limites corrientes de
modo de permitir situar otro grafico sobre los
mismos ejes
V=axis Da un vector de 4 elementos conteniendo la
escala del grafico corriente.
axis(‘xy’) Sitúa el origen en la parte inferior izquierda.
axis(‘ij’) Sitúa el origen en la parte superior izquierda
axis(‘square’) Convierte el rectangulo del grafico en un
cuadrado.
axis(‘equal’) Situa el mismo factor de escala en ambos
ejes.
axis(‘normal’) Elimina las ociones square y equal
axis(‘off’) Elimina etiquetas y marcas y rejillas de los

Página 36 de 90
Bases de Matlab Alejandro Hayes

ejes.
axis(‘on’) Coloca de nuevo las etuquetas, marcas y
rejillas

Tabla 14

Veamos algunos ejemplos:

Ejemplo 4.12:

Para el ejemplo 4.11 consideremos las siguientes modificaciones:

x=-5:0.01:5;
f=exp(-sin(x.^2+3));
plot(x,f);
V=axis

V=

-5 5 0 3
axis('square')

-1

-2

-5 -4 -3 -2 -1 0 1 2 3 4 5

Figura 11

axis('equal')

Página 37 de 90
Bases de Matlab Alejandro Hayes

2.5

1.5

0.5

0
-5 0 5

Figura 12

En muchos casos es importante poder visualizar varios graficas simultáneamente pero no superpuestas y para
eso Matlab cuenta con una función que permite dividir la ventana grafica en nxm subventanas y coloca el
grafico en la ventana p-esima la sintaxis es:

subplot( m,n,p )

Ejemplo 4.13:

Visualizar simultáneamente las graficas de:

f ( x) = sen 3x , g( x ) = cos 2 x , h( x ) = cos( 2 x + 1 ) , k ( x ) = e cos( 2 x +1 )

x=(0:0.1:10);
f1=sin(3*x);
f2=cos(2*x);
f3=cos(2*x+1);
f4=exp(cos(2*x+1));
subplot(2,2,1);
plot(x,f1);
subplot(2,2,2);
plot(x,f2);
subplot(2,2,3);
plot(x,f3);
subplot(2,2,4);
plot(x,f4);

Obtenemos la siguiente salida:

Página 38 de 90
Bases de Matlab Alejandro Hayes

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1
0 5 10 0 5 10

1 3

0.5
2

1
-0.5

-1 0
0 5 10 0 5 10

Figura 13

En múltiples aplicaciones de ingeniería y ciencias se facilita la tarea usando gráficos logarítmicos o


semilogaritmicos las funciones que Matlab tiene para definir esto son las que se detallan a continuación:

loglog(x,y) Realiza los mismos gráficos que plot(x,y)


pero con escala logarítmica.
semilogx(x,y) Realiza los mismos gráficos que plot(x,y)
pero con escala logarítmica x.
semilogy(x,y) Realiza los mismos gráficos que plot(x,y)
pero con escala logarítmica y.

Tabla 15
Veamos un ejemplo combinando las funciones de grafica logarítmica con subplot.

Ejemplo 4.14:

x=0:0.1:10;
f=exp(x)-1;
subplot(2,2,1);
plot(x,f);
subplot(2,2,2);
loglog(x,f);
subplot(2,2,3);
semilogx(x,f);
subplot(2,2,4);
semilogy(x,f);

Página 39 de 90
Bases de Matlab Alejandro Hayes

Obtenemos la siguiente salida

4
x 10 5
2.5 10

1.5
0
10
1

0.5
-5
0 10
0 5 10 -1 0 1
10 10 10
4
x 10 5
2.5 10

1.5
0
10
1

0.5
-5
0 10
-1 0 1 0 5 10
10 10 10

Figura 14

4.1.2.Graficas de curvas dadas en coordenadas polares y


parametricas.

En muchos casos se hace necesario realizar graficas en forma Parametrica para lo cual lo único que debemos
hacer es parametrizar la curva correspondiente como ilustra el ejemplo 17.

Ejemplo 4.15

⎧ x( t ) = 2 cos t − cos 2t
Dada la curva definida en forma Parametrica por: ⎨ con 0 ≤ t ≤ 10 .
⎩ y( t ) = 2 sen t − sen 2t

t=0:0.1:10;
x=2*cos(t)-cos(2*t);
y=2*sin(t)-sin(2*t);
plot(x,y,'r')

Obtenemos las siguiente salida:

Página 40 de 90
Bases de Matlab Alejandro Hayes

-1

-2

-3
-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5

Figura 15

Para realizar graficas en coordenadas polares Matlab cuenta con los siguientes comandos:

polar(a,r) Representa la curva en coordenadas polares


polar(a,r,S) Representa la curva en coordenadas polares
con el estilo de líneas especificado por S.

Tabla 16

Ejemplo 4.16:

a=0:0.01:2*pi;
r=sin(2*a).*cos(2*a);
polar(a,r)

90
0.5
120 60
0.4

0.3
150 30
0.2

0.1

180 0

210 330

240 300
270

Figura 16

Página 41 de 90
Bases de Matlab Alejandro Hayes

Ejemplo 4.17:

a=0:0.01:2*pi;
r=4*(1+cos(a));
polar(a,r)

90
8
120 60
6

150 4 30

180 0

210 330

240 300
270

Figura 17

4.2. Aplicaciones a la Ingeniería

Ejemplo 4.18

Se dispone de dos señales moduladas en amplitud y frecuencia respectivamente, y se desea visualizarlas bajo
distintas condiciones.

v AM ( t ) = ( V p + V m cos ω m t ) cos ω p t v FM ( t ) = V p cos( ω p t + g ( t ))

Para la señal de Amplitud Modulada hacemos efectuamos los siguientes gráficos con Matlab

t=0:0.01:10;
>> v1=2*cos(10*t);
>> subplot(2,2,1)
>> plot(t,v1)
>> axis([0 10 -3 3])
>> grid on
>> xlabel('t')
>> ylabel('v1(t)')
>> title('Señal portadora sin modulacion')
v2=(4+2*cos(t)).*cos(10*t);
>> subplot(2,2,2)
>> plot(t,v2)
>> axis([0 10 -7 7])
>> grid on
>> xlabel('t')
>> ylabel('v2(t)')
>> title('Señal portadora modulada al 50%')

Página 42 de 90
Bases de Matlab Alejandro Hayes

v3=(4+4*cos(t)).*cos(10*t);
>> subplot(2,2,3)
>> plot(t,v3)

>> axis([0 10 -9 9])


>> grid on
>> xlabel('t')
>> ylabel('v3(t)')
>> title('Señal portadora modulada al 100%')
>> v4=(4+6*cos(t)).*cos(10*t);
>> subplot(2,2,4)
>> plot(t,v4)
>> axis([0 10 -11 11])
>> grid on
>> xlabel('t')
>> ylabel('v4(t)')
>> title('Señal portadora sobremodulada')

Obtenemos la siguiente salida

Señal portadora sin modulacion Señal portadora modulada al 50%


3
2 5

1
v1(t)

v2(t)

0 0
-1
-2 -5
-3
0 5 10 0 5 10
t t
Señal portadora modulada al 100% Señal portadora sobremodulada
10
5
5
v3(t)

v4(t)

0 0

-5
-5
-10
0 5 10 0 5 10
t t

Figura 19

Para la señal de FM tenemos el guión que se muestra a continuación

t=0:0.01:10;

Página 43 de 90
Bases de Matlab Alejandro Hayes

>> v1=4*cos(10*t+t.^2);
>> subplot(2,2,1)
>> plot(t,v1)
>> grid on
>> axis([0 10 -5 5])
>> xlabel('t')
>> ylabel('v1(t)')
>> title('Señal modulada por una señal cuadratica')
>> v2=4*cos(10*t+2*cos(t));
>> subplot(2,2,2)
>> plot(t,v2)
>> grid on
>> axis([0 10 -5 5])
>> xlabel('t')
>> ylabel('v2(t)')
>> title('Señal modulada por una señal cosenoidal')
v3=4*cos(10*t+6*exp(t));
>> subplot(2,2,3)
>> plot(t,v3)
>> axis([0 10 -5 5])
>> grid on
>> xlabel('t')
>> ylabel('v3(t)')
>> title('Señal modulada por una señal exponencial')
>> v4=4*cos(10*t+6*abs(t));
>> subplot(2,2,4)
>> plot(t,v4)
>> axis([0 10 -5 5])
>> grid on
>> xlabel('t')
>> ylabel('v4(t)')
>> title('Señal modulada por una señal modulo')
>>

Obtuvimos la siguiente salida:

Página 44 de 90
Bases de Matlab Alejandro Hayes

Señal modulada por una señal cuadratica Señal modulada por una señal cosenoidal
5 5

v1(t)

v2(t)
0 0

-5 -5
0 5 10 0 5 10
t t
Señal modulada por una señal exponencial Señal modulada por una señal modulo
5 5
v3(t)

v4(t)
0 0

-5 -5
0 5 10 0 5 10
t t

Figura 20
Ejemplo 4.19

A partir de una medición efectuada con voltímetro y amperímetro sobre tres lámparas de 25W, 40W, y 100W
respectivamente se guardaron los registros de tensión , corriente y potencia en un archivo y luego se pasaron
estos datos a una matriz de Matlab con el objeto de interpolarlos y obtener graficas de la corriente como
función de la tensión y de la potencia como función de la tensión. Si bien en este primer curso no hemos
estudiado interpolación con Matlab usaremos para el guión que sigue la función interp1 que efectúa una
interpolación de datos 1D, es intención de un curso futuro el tratar las funciones de interpolación y ajuste que
usa Matlab así como otras herramientas del calculo estadístico y numérico.
El guión utilizado se muestra a continuación así como la salida grafica obtenida.

M=
220.0000 118.0000 25.9600 185.0000 40.7000 43.0000 94.6000
200.0000 112.0000 22.4000 177.0000 35.4000 41.0000 82.0000
175.0000 103.0000 18.0200 166.0000 29.0500 38.0000 66.5000
150.0000 94.0000 14.1000 154.0000 23.1000 35.0000 52.5000
125.0000 84.0000 10.5000 141.0000 17.6200 31.0000 38.7500
110.0000 78.0000 8.5800 134.0000 14.7400 29.0000 31.9000
100.0000 74.0000 7.4000 128.0000 12.8000 28.0000 28.0000
75.0000 62.0000 4.6500 113.0000 8.4700 24.0000 18.0000
50.0000 49.0000 2.4500 98.0000 4.9000 19.0000 9.5000
25.0000 32.0000 0.8000 78.0000 1.9500 17.0000 4.2500
15.0000 24.0000 0.3600 67.0000 1.0000 14.6000 2.1900
10.0000 18.0000 0.1800 59.0000 0.5900 12.8000 1.2800
5.0000 12.0000 0.0600 38.0000 0.1900 9.7000 0.5000

>> v=M(:,1);

Página 45 de 90
Bases de Matlab Alejandro Hayes

>> I25=M(:,2);
>> vinterp=5:1:220;
>> I25interp=interp1(v,I25,vinterp);
>> subplot(2,1,1)
>> plot(vinterp,I25interp)
>> grid on
>> I40=M(:,4);
>> I40interp=interp1(v,I40,vinterp);
>> hold on
>> plot(vinterp,I40interp,'r')
>> I100=M(:,6);
>> I100interp=interp1(v,I100,vinterp);
>> plot(vinterp,I100interp)
>> plot(vinterp,I100interp,'g')
>> grid on
>> xlabel('V')
>> ylabel('I(V)')
>> title('Variacion de la corriente en funcion de la tension en lamparas de 25 40 y 100 W')
>> P25=M(:,3);
>> P25interp=interp1(v,P25,vinterp);
>> subplot(2,1,2)
>> plot(vinterp,P25interp)
>> P40=M(:,5);
>> P40interp=interp1(v,P40,vinterp);
>> hold on
>> plot(vinterp,P40interp,'r')
>> P100=M(:,7);
>> P100interp=interp1(v,P100,vinterp);
>> plot(vinterp,P100interp,'g')
>> grid on
>> xlabel('V')
>> ylabel('P(V)')
>>

Obtenemos la siguiente salida

Página 46 de 90
Bases de Matlab Alejandro Hayes

Variacion de la corriente en funcion de la tension en lamparas de 25 40 y 100 W


200

150

I(V)
100

50

0
0 50 100 150 200 250
V
100

80

60
P(V)

40

20

0
0 50 100 150 200 250
V

Figura 21

Con estos dos ejemplos tratamos de ilustrar la gran aplicación que tiene Matlab en Ingeniería y por supuesto
dejar la puerta abierta a un mundo de otras aplicaciones a la ingeniería y a las ciencias.

5.Introducción a la Programación

Hasta ahora hemos visto que todos las instrucciones de Matlab que pueden escribirse y ejecutarse desde la
línea de comandos ingresándolos directamente desde el teclado. Esta forma de trabajar es muy simple pero en
la practica presenta limitaciones cuando de desarrollos grandes se trata y es en estos casos donde el usuario
necesita hacerse un programa propio y personalizarlo a sus necesidades.
Matlab permite desarrollar programas con archivos – M los que pueden hacerse mediante el editor de texto que
viene con Matlab y luego para ser ejecutado se lo llama desde la ventana de comandos con el nombre del
archivo.
Por defecto Matlab guarda estos archivos en un directorio propio llamado work pero es posible guardarlos en
cualquier directorio deseado y luego poder accederlo indicando en forma adecuada la ruta. Estudiaremos dos
tipos de archivos-M que se detallan a continuación.

5.1. Estructuras elementales

Es posible demostrar que cualquier problema puede resolverse combinando tres estructuras elementales a
saber:

Sucesión de sentencias: Esta constituida por un conjunto de sentencias consecutiva, teniendo en


cuenta que cada sentencia puede ser una combinación de otras.

Página 47 de 90
Bases de Matlab Alejandro Hayes

Sentencia 1
Sentencia 2
................
Sentencia n

Toma de Decisión: Permite tomar una decisión a partir de una o varias condiciones las que según sean
verdaderas o falsas permiten ejecutar una sentencia u otra. Esto se implementa en Matlab mediante la
sentencias if y switch.
La estructura del if en Matlab es la siguiente:

if condicion

Sentenciasx

else

Sentenciasy

end

La estructura de switch en Matlab es la siguiente:

switch expresión

case exp1

Sentenciax

case exp2

Sentenciay
............
............
otherwise

Sentencia n

end

Sentencias de ciclo o iteración: Se utilizan cuando se desea que un conjunto de sentencias


determinadas, se repitan las veces requeridas por el algoritmo. Estas sentencias son for y while cuya estructura
en Matlab es la siguiente.

for cont=n_min:paso:n_max

Sentencias
end

while condicion1 condicion2 … condicionn

Sentencias
end

Página 48 de 90
Bases de Matlab Alejandro Hayes

5.2.Archivos-M Script
Supongamos que elegimos nuestro editor de texto favorito por ejemplo notepad para crear un archivo llamado
funcion.m conteniendo las lineas:

x=-15:0.01:15;
f=sin(x)+4*sin(3*x)-cos(10*x);
plot(x,f);

Luego lo guardamos en principio en el directorio work y lo ejecutamos desde la línea de comandos y


obtenemos lo siguiente:

» funcion

Obtenemos la siguiente salida.


6

-2

-4

-6
-15 -10 -5 0 5 10 15

Figura 22

Con esto no hemos hecho otra cosa que juntar un conjunto de instrucciones en un solo archivo y ejecutarlo con
un solo llamado a la función correspondiente, sin embargo hay casos en los que deseamos interactuar con otros
programas así como mecanizar procedimientos entre otras cosas, que hacen que necesitemos hacer un script
mas elaborado y es de eso que se trata esta sección. Cabe aclarar que en este primer curso se dan nociones
básicas de programación pero es intención de un curso futuro y mas avanzado profundizar sobre este tema y
en tópicos tales como noción de algoritmo, estructuras de datos, programación estructurada y otros.

5.3.Archivos-M de Función
Los archivos de función provienen como una extensión de Matlab permitiendo al usuario crear funciones para
problemas específicos. Las funciones son como los Scripts, pero con el propósito de mejorar la velocidad del
computador se compilan en un bajo nivel de codigo de bytes cuando se los llama por primera vez. Los ejemplos
que desarrollaremos son todos de funciones-M para comenzar a familiarizarnos.

Página 49 de 90
Bases de Matlab Alejandro Hayes

Ejemplo 5.3.1:

Supongamos que necesitamos determinar el volumen y la superficie de cilindros de distinto tamaño para lo que
necesitamos una función que ingresándole el radio y la altura del cilindro nos de los datos requeridos.
Entramos en el editor de archivos M de Matlab y desarrollamos el siguiente programa.

%************************************************************************************************%
%Programa para determinar el volumen y la superficie de un cilindro ingresando
%el radio y la altura
%***********************************************************************************************%
function [volumen,superficie]=volumen_y_superficie_cilindro(radio,altura)
volumen=pi*radio.^2*altura;
superficie=2*pi*radio*altura+2*pi*radio.^2;

Luego salvamos el archivo con el nombre de cilindro_vol_sup.m en el directorio work de Matlab.


Ahora vamos a la linea de comandos y ejecutamos:

> cilindro_vol_sup(1,1)

ans =

3.14159265358979

>> cilindro_vol_sup(1,3)

ans =

9.42477796076938

>> cilindro_vol_sup(5,8)

ans =

6.283185307179587e+002

>>

Vemos como el programa calcula lo solicitado.

Ejemplo 5.3.2:

Supongamos que deseamos realizar un programa que nos cargue una matriz elemento a elemento. En el
hk
ejemplo realizado armamos la matriz A tal que a( h , k ) = donde le indicamos a la función la dimensión
h2 + k 2
de la matriz veamos el programa:

%**********************************************************************%
%Programa que ingresando como argumentos el numero de filas y el numero
%de columnas de la matriz requerida ubica en cada posicion de la misma
%lo solicitado.
%**********************************************************************%

Página 50 de 90
Bases de Matlab Alejandro Hayes

function y=llenamatriz(num_fila,num_columna)
for k=1:num_fila
for h=1:num_columna
y(k,h)=h.*k/(h.^2+k.^2);
end
end

Veamos que obtenemos si vamos a la línea de comandos y le pedimos una matriz de

format rat
>> A=llenamatriz(10,10)

A=

Columns 1 through 5

1/2 2/5 3/10 4/17 5/26


2/5 1/2 6/13 2/5 10/29
3/10 6/13 1/2 12/25 15/34
4/17 2/5 12/25 1/2 20/41
5/26 10/29 15/34 20/41 1/2
6/37 3/10 2/5 6/13 30/61
7/50 14/53 21/58 28/65 35/74
8/65 4/17 24/73 2/5 40/89
9/82 18/85 3/10 36/97 45/106
10/101 5/26 30/109 10/29 2/5

Columns 6 through 10

6/37 7/50 8/65 9/82 10/101


3/10 14/53 4/17 18/85 5/26
2/5 21/58 24/73 3/10 30/109
6/13 28/65 2/5 36/97 10/29
30/61 35/74 40/89 45/106 2/5
1/2 42/85 12/25 6/13 15/34
42/85 1/2 56/113 63/130 70/149
12/25 56/113 1/2 72/145 20/41
6/13 63/130 72/145 1/2 90/181
15/34 70/149 20/41 90/181 1/2

>>

Utilizamos el formato racional para obtener resultados exactos y vemos como se genero la matriz pedida.

Ejemplo 5.3.3:

Supongamos ahora que dada una matriz queremos recorrerla y modificar alguno de sus elementos en este caso
el programa que se muestra a continuación.

%*****************************************************************************************%
%Programa que recorre la matriz ingresada y si e elemento hk es negativo
%o cero lo reemplaza por un cero de lo contrario lo reemplaza por un uno
%****************************************************************************************%
function y=recorre_matriz(A)
num_fila=length(A(1,:));

Página 51 de 90
Bases de Matlab Alejandro Hayes

num_columna=length(A(:,1));
for k=1:num_fila
for h=1:num_columna
if A(k,h)<=0
A(k,h)=0;
else
A(k,h)=1;
end
end
end
y=A;

Veamos que obtenemos cuando lo llamamos al programa por línea de comando:

>> A=[1 2 -4 7;9 -6 -8 5;2 -1 -3 7;9 -6 -5 -3]

A=

1 2 -4 7
9 -6 -8 5
2 -1 -3 7
9 -6 -5 -3

>> recorre_matriz(A)

ans =

1 1 0 1
1 0 0 1
1 0 0 1
1 0 0 0

Ejemplo 5.3.4:

Supongamos que queremos construir una función que no se encuentra como predeterminada por Matlab por
x
ejemplo la función f ( x ) = la hacemos de la siguiente forma:
x +1
2

%************************************************************************%
%Programa que crea una funcion racional%
%************************************************************************%
function f=func_racional_1(x)
f=x./(x.^2+1);

Veamos que ocurre si vamos a la línea de comandos y escribimos lo siguiente:

Página 52 de 90
Bases de Matlab Alejandro Hayes

>> x=-10:0.1:10;
>> f=func_racional(x);
>> plot(x,f);
>> grid on
>>

Obtenemos el siguiente grafico:

0.5

0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4

-0.5
-10 -8 -6 -4 -2 0 2 4 6 8 10

Figura 23
Ejemplo 5.3.5:

Como ultimo ejemplo vamos a realizar un algoritmo que permita calcular la raíz aproximada de una ecuación
poli nómica mediante la aplicación del método de bisección.
Supongamos que deseamos calcular el valor aproximado de 2 con un error menor que 10 −6 para ello
consideremos la función f ( x ) = x 2 − 2 en el intervalo [1,2] realicemos el siguiente programa:

%******************************************************************************************************************************%
%Programa que aplica el metodo de Biseccion a una funcion f que hay que ingresarla entre comas 'f'%
%******************************************************************************************************************************%
function biseccion(f,x_max,x_min,error)
%El ciclo se ejecuta mientras x_max-x_min sea mayor que el error deseado%
while abs(x_max-x_min)>error
%Evaluamos la funcion en x_max%
y_x_max=feval(f,x_max);
%Evaluamos la funcion en x_min%
y_x_min=feval(f,x_min);
%Vemos si es cero x_max%
if y_x_max==0;
disp('Una Raiz es:');
disp(x_max);
break;
%Vemos si es cero x_min%
elseif y_x_min==0;
disp('Una Raiz es:');

Página 53 de 90
Bases de Matlab Alejandro Hayes

disp(x_min);
break;
%Vemos si el intervalo no cumple Bolzano%
elseif y_x_max*y_x_min>0;
disp('Intervalo Incorrecto')
break;
else
%Calculamos el punto medio%
x_medio=(x_max+x_min)/2;
%Evaluamos la funcion en el punto medio%
y_x_medio=feval(f,x_medio);
%Vuelvo a probar Bolzano%
if y_x_min*y_x_medio<0
x_max=x_medio;
else
x_min=x_medio;
end
end
end
if flag==0
disp('El valor de la raiz es:')
disp(x_medio)
else
end

Ahora vamos a la línea de comandos y lo ejecutamos lo siguiente:

biseccion('polinomio_1',1,2,0.000001)
El valor de la raiz es:
1.41421413421631

Para poder llamar a la función polinomio_1 esta tuvo que ser definida previamente por el usuario y esto se
logro haciendo el siguiente archivo.

function y=polinomio_1(x)
y=x.^2-2;

11. Números Complejos

Recordemos que un numero complejo no es otra cosa que un par ordenado de números reales de la forma
z = ( a , b ) y que admiten una notación en forma binómica dada por z = a + ib . La importancia de los números
complejos en ingeniería reside en el hecho de que aparecen muy frecuentemente en sistemas oscilatorios,
funciones de transferencia, análisis fasorial, etc. Matlab cuenta con una serie de comandos para un buen
manejo de estos números. La Tabla 1 muestra las funciones básicas que permiten operar con números
complejos.

a+i*b a+j*b Forma de representar un numero complejo.


Matlab reserva las letras i y j para la unidad
imaginaria, sin embargo a diferencia de otros
programas no nos prohíbe usarlas como
variables por lo que si vamos a operar con

Página 54 de 90
Bases de Matlab Alejandro Hayes

números complejos es conveniente no usar


estas letras como variables.
abs(z) Nos da el valor absoluto o modulo del numero
complejo z
angle(z) Nos da el argumento del numero complejo z
en radianes por defecto
complex(a,b) Construye un numero complejo a partir de las
partes real e imaginaria a y b respectivamente
conj(z) Nos da el complejo conjugado de z
cplxpair(A) Ordena números complejos en pares
complejos conjugados.
imag(z) Nos devuelve la parte imaginaria del complejo
z
real(z) Nos devuelve la parte real del numero
complejo z.
isreal(A) Nos devuelve un 1 si todos los elementos de A
son números reales y un cero si algún numero
tiene parte imaginaria no nula.
unwrap(A) Corrige ángulos de fase si se pasan de
2 π radianes

Tabla 15
Ejemplo 6.1

Dados los siguientes números complejos z 1 = −5 + 3i , z 2 = 8 − 2i se pide:

a) Calcular sus módulos y argumentos respectivamente.

b) Sus partes real e imaginaria.

c) Los números complejos conjugados de cada uno de ellos.

d) Graficar tanto a los números dados como a sus complejos conjugados.

>> z1=-5+3*i
z1 =
-5.0000 + 3.0000i
>> z2=8-3*i
z2 =
8.0000 - 3.0000i
>> M1=abs(z1)
M1 =
5.8310
>> A1=angle(z1)
A1 =
2.6012
>> M2=abs(z2)
M2 =
8.5440
>> A2=angle(z2)

Página 55 de 90
Bases de Matlab Alejandro Hayes

A2 =
-0.3588
r1=real(z1)
r1 =
-5
>> r2=real(z2)
r2 =
8
>> i1=imag(z1)
i1 =
3
>> i2=imag(z2)
i2 =
-3
>> c1=conj(z1)
c1 =
-5.0000 - 3.0000i
>> c2=conj(z2)
c2 =
8.0000 + 3.0000i
>> plot(-5,3,'o')
>> hold on
>> plot(-5,-3,'o')
>> plot(8,-3,'o')
>> plot(8,3,'o')
>> grid on
>> axis([-8 -10 -6 6])

>> xlabel('x')
>> ylabel('y')
>>

Hemos obtenido el siguiente grafico:

0
y

-2

-4

-6
-8 -6 -4 -2 0 2 4 6 8 10
x

Figura 24

Página 56 de 90
Bases de Matlab Alejandro Hayes

Mediante la utilización del comando line(x,y) podemos trazar líneas desde el origen a cada uno de los puntos
graficados visualizando de ese modo los vectores asociados a cada numero complejo z.

>> x=[0 8];


>> y=[0 -3];
>> line(x,y)
>> x=[0 8];
>> y=[0 3];
>> line(x,y)
>> x=[0 -5];
>> y=[0 3];
>> line(x,y)
>> x=[0 -5];
>> y=[0 -3];
>> line(x,y)

Obtenemos la siguiente salida

0
y

-2

-4

-6
-8 -6 -4 -2 0 2 4 6 8 10
x

Figura 25

7.Funciones Matemáticas Reales de varias variables reales o campos


escalares.

La manipulación de funciones de varias variables reales es similar a la de funciones de una variable por lo que
procedemos a dar un ejemplo:

Ejemplo 7.1:

Página 57 de 90
Bases de Matlab Alejandro Hayes

Dadas las funciones

f : R 2 → R / f ( x , y ) = sen( x + y )

g : R 2 → R / g ( x , y ) = e −( x + y2 )
2

veamos como se evalúan con Matlab.

syms x y real
» f=sin(x+y);
» g=exp(-x.^2-y.^2);
» x=2;
» y=3;
» subs(f)

ans =

-0.9589

» subs(g)

ans =

2.2603e-006

8. Graficas Tridimensionales (3-D)

La potencialidad de la graficación 3D que posee Matlab permite una excelente visualización de superficies y
manipulación de graficas.
Algunas de los comandos para la graficación 3D se dan en la siguiente tabla:

plot3( x,y,z) Dibuja un conjunto de puntos (x,y,z),


donde x,y y z son vectores fila. Pueden
ser matrices de la misma dimensión , en
ese caso se hace una grafica por cada
tripleta de filas y sobre los mismos ejes.
Para valores complejos se ignora a la
parte imaginaria.
plot3( x,y,z,S) Ídem anterior pero con las opciones
definidas en S.
plot3(x1,y1,z1,S1,x2,y2,z2,S2....) Combina sobre los mismos ejes, los
gráficos definidos para las tripletas
(xi,yi,zi,Si).
[x,y] = meshgrid(x,y) Transforma el campo de definición dado
de las variables x e y de la función a
representar z=f(x,y) en argumentos
matriciales utilizables por el comando
surf(x,y,z,C) Representa el grafico de superficie de la
función z=f(x,y) con los colores

Página 58 de 90
Bases de Matlab Alejandro Hayes

especificados en C.
surfc(x,y,z,C) Representa el grafico de superficie de la
función z=f(x,y) junto con el grafico de
contorno correspondiente con los colores
especificados en C. (curvas de nivel
proyectadas sobre el plano xy).
surfl(x,y,z,C) Representa el grafico de superficie de la
función z=f(x,y) realizando un dibujo con
sombreado.
mesh( x ,y,z,c) Representa el grafico de malla de la
función z=f(x,y), dibujando las líneas de la
rejilla que componen la malla con los
colores especificados en C.
meshc( x ,y,z,c) Representa el grafico de malla de la
función z=f(x,y), con el grafico de
contorno correspondiente.
meshz( x ,y,z,c) Representa el grafico de malla de la
función z=f(x,y) con una especie de
cortina o telón en la parte inferior.
contour( z) Dibuja el grafico de contorno (curvas de
nivel) para la matriz z. El numero de
líneas de contorno a utilizar se elige
automáticamente.
contour(z,n) Dibuja el grafico de contorno (curvas de
nivel ) para la matriz z usando n líneas de
contorno.
contour( x,y,z,n) Dibuja el grafico de contorno (curvas de
nivel) para la matriz z usando en los ejes
x e y el escalado definido por los vectores
x e y , n líneas.
contour3(z) Superficie de nivel
contour3(z,n) Superficie de nivel
contour3(x,y,z,n) Superficie de nivel
pcolor(x,y,z) Dibuja un grafico de contorno (curvas de
nivel) para la matriz (x,y,z) utilizando una
representación basada en densidades de
colores. Suele denominarse grafico de
densidad.

Tabla 16

Veamos algunos ejemplos de funciones de 2 y 3 variables:

Ejemplo 8.1 :

Dada la curva definida en forma parametrica por:

⎧ x = 2 sen t

⎨ y = 5 cos t 0 ≤ t ≤ 20π

⎩z = t
2

Página 59 de 90
Bases de Matlab Alejandro Hayes

Efectuar una grafica en R3 de la misma

t=0:pi/50:20*pi;
» x=2*sin(t);
» y=5*cos(t);
» z=t.^2;
» plot3(x,y,z)

Obtenemos la siguiente salida

4000

3000

2000

1000

0
5
2
0 1
0
-1
-5 -2

Figura 26

Ejemplo 8.2:

sen( x 2 + y 2 )
Dado el campo escalar f ( x , y ) = efectuar una grafica de la superficie en R3
x2 + y2

xa=-2*pi:0.05:2*pi;
» ya=-2*pi:0.05:2*pi;
» [x,y]=meshgrid(xa,ya);
» f=sin(x.^2+y.^2)./(x.^2+y.^2);
» mesh(x,y,f)

Obtenemos la siguiente salida:

Página 60 de 90
Bases de Matlab Alejandro Hayes

Figura 27
Ejemplo 8.3:

Dado el campo escalar f ( x , y ) = sen x sen y se desea graficarla utilizando el comando surf.

xa=-2*pi:0.2:2*pi;
» ya=-2*pi:0.2:2*pi;
» [x,y]=meshgrid(xa,ya);
» f=sin(x).*sin(y);
» surf(x,y,f)

Figura 28

Ejemplo 8.4 :

Para la función del ejemplo 8.3 se desea graficar las 20 primeras curvas de nivel .

Página 61 de 90
Bases de Matlab Alejandro Hayes

xa=-2*pi:0.2:2*pi;
» ya=-2*pi:0.2:2*pi;
» [x,y]=meshgrid(xa,ya);
» f=sin(x).*sin(y);
» contour(f,20)

60

50

40

30

20

10

10 20 30 40 50 60

Figura 29

9.Funciones Matemáticas Complejas de variable Compleja.

Sabemos de la teoría de la Variable compleja que una función de variable compleja es una transformación del
plano xy al plano uv donde u y v son campos escalares de x y de y esto es:

f ( z ) = u ( x, y ) + iv( x, y )

Lo que nos interesa es poder visualizar como se transforma una curva descripta en forma Parametrica por:

⎧ x = x(t ) ⎧u = u (t )
γ :⎨ con t ∈ D ⊆ R en el plano xy en otra dada por ξ : ⎨ con t ∈ D ⊆ R en el plano uv.
⎩ y = y (t ) ⎩v = v(t )

Reemplazando en la expresión de f ( z ) nos queda:

f ( x(t ) + i y (t )) = u ( x(t ), y (t )) + i v( x(t ), y (t ))

f (t ) = u (t ) + i v(t )

Ejemplo 9.1:

Dada la función compleja de variable compleja f : C → C / f ( z ) = z 2 + 1 nos interesa saber sus componentes
real e imaginaria y saber en que se transforma la región:

R = { ( x , y ) ∈ C / x = 5 ,−10 ≤ y ≤ 10 }

Página 62 de 90
Bases de Matlab Alejandro Hayes

syms x y real
>> z=x+i*y;
>> f=z.^ 2+1;
>> u=expand(real(f))
u=
x^2-y^2+1
>> v=expand(imag(f))
v=
2*x*y

>> x=5;
>> y=-10:0.1:10;
>> axis([0 6 -12 12])
>> u=x.^2-y.^2;
>> v=2*x.*y;
>> subplot(1,2,1)
>> plot(x,y)
>> line([5,5],[-10,10])
>> axis([0 6 -12 12])
>> grid on
>> xlabel('x')
>> ylabel('y')
>> subplot(1,2,2)
>> plot(u,v)
>> xlabel('u')
>> ylabel('v')
>> grid on

Obtenemos el siguiente grafico

100

10 80

60

5 40

20

0 0
v
y

-20

-5 -40

-60

-10 -80

-100
0 2 4 6 -100 -50 0 50
x u

Figura 30

El grafico muestra los puntos en los que se transformo la región propuesta.

Página 63 de 90
Bases de Matlab Alejandro Hayes

En muchos casos nos interesa visualizar la superficie correspondiente al modulo y a la fase de la función de
variable compleja en cuestión. El siguiente ejemplo ilustra este caso.

Ejemplo 9.2

Para la función del ejemplo 4.1 se desea hallar y visualizar los campos escalares dados por:

ρ( x, y ) = f ( z ) θ ( x , y ) = arg( f ( z ))

>> xa=-10:0.1:10;
>> ya=-10:0.1:10;
>> [x,y]=meshgrid(xa,ya);
>> z=x+i*y;
>> f=z.^2+1;
>> M=abs(f);
>> A=angle(f);
>> subplot(1,2,1)
>> meshc(x,y,M)
>> axis([-12 12 -12 12 0 260])
>> xlabel('x')
>> ylabel('y')
>> zlabel('|f|')
>> subplot(1,2,2)
>> meshc(x,y,A)
>> axis([-12 12 -12 12 -4 6])
>> xlabel('x')
>> ylabel('y')
>> zlabel('fase')

Obtenemos la siguiente salida

250
5
200

150
|f|

0
Arg

100

50

0 -5

10 10
10
0 0
10 0
0
y -10 y -10 -10
-10 x
x

Figura 31

Página 64 de 90
Bases de Matlab Alejandro Hayes

9.1 Una aplicación a la ingeniería

Ejemplo 9.1.3

Dado el circuito de la figura y sabiendo que se trabaja en un rango de frecuencias entre 0 y 20 khz se pide:

a) Graficar el modulo de la impedancia, la resistencia y la reactancia de entrada como función de la pulsación


angular, así como la del ángulo de fase .

b) Graficar el lugar geométrico en el plano complejo de los valores de la impedancia con la pulsación angular
como parámetro.

Figura 32

Los valores de los componentes son: RL=100 Ω , GC=0.02 S, L=1mHy, C=1μF.

>> w=0:1.25e5;
>> z1=100+i*w*(1e-3);
>> y1=0.02+i*w*(1e-6);
>> z=z1+1./y1;
>> Z=abs(z);
>> T=angle(z);
>> R=real(z);
>> X=imag(z);
>> plot(w,Z)
>> hold on
>> plot(w,R,’r’)
>> plot(w,X,’g’)
>> grid on
>> xlabel(‘w’)
>>ylabel(‘|z| R X’)
>> figure(2)
>> plot(w,T)
>> T=(180/pi)*T;
>> plot(w,T)
>> grid on
>> xlabel(‘w’)
>> ylabel(‘Fase’)
>>plot(R,X)
>> grid on
>> axis([0 200 –20 120])

Página 65 de 90
Bases de Matlab Alejandro Hayes

>> xlabel(‘R’)
>> ylabel(‘X’)

Obtuvimos las siguientes salidas

160

140

120

100
X

80
|z| R

60

40

20 Impedancia
Resistencia
Reactancia
0

-20
0 2 4 6 8 10 12 14
w 4
x 10

Figura 33

50

40

30
Fase

20

10

-10
0 2 4 6 8 10 12 14
w 4
x 10

Figura 34

Respecto al lugar geométrico de la impedancia se obtuvo el siguiente grafico.

Página 66 de 90
Bases de Matlab Alejandro Hayes

120

100

80

60

X
40

20

-20
0 20 40 60 80 100 120 140 160 180 200
R

Figura 35

10. Diferenciación e integración con Matlab

10.1.Derivación e integración de funciones escalares y campos


escalares.

Matlab cuenta con varios comandos que permiten hallar la derivada e integral tanto en forma simbólica como
en forma numérica. La tabla 3 detalla algunas de esas funciones.

diff(f) Determina la derivada de f respecto de la


variable independiente en funciones de una
sola variable siempre y cuando las variables
de f estén definidas en forma simbólica. En el
caso de que f sea un vector de datos la
función devuelve un nuevo vector donde cada
componente es f(n)-f(n-1)
diff(f,x) Determina la derivada de f respecto de x.
diff(f,x,n) Determina la derivada de orden n en x de f.
gradient(f) Devuelve una matriz cuyas componentes son
las componentes del vector gradiente de f
calculadas en forma numérica.
gradient(f,h) Devuelve una matriz cuyas componentes son
las componentes del vector gradiente de f
calculadas en forma numérica con un
espaciamiento dado por h.
int(f) Calcula la integral indefinida de f respecto de
su variable definida en forma simbólica.
Int(f,x) Calcula la integral indefinida de f respecto de
su variable x definida en forma simbólica.
Int(f,a,b) Calcula la integral definida de f entre a y b

Página 67 de 90
Bases de Matlab Alejandro Hayes

int(f,x,a,b) Calcula la integral definida de f respecto de x


entre a y b

Tabla 18
Ejemplo 10.1.1

Dada la función f ( x , y ) = ( x + y ) sen( x 2 + y 2 ) se desea hallar las derivadas parciales respecto de x y de y.

>> syms x y real


>> f=(x+y).*sin(x.^2+y.^2);
>> fx=diff(f,x)
fx =
sin(x^2+y^2)+2*(x+y)*cos(x^2+y^2)*x

>> fy=diff(f,y)
fy =
sin(x^2+y^2)+2*(x+y)*cos(x^2+y^2)*y
>>

Ejemplo 10.1.2

Dada la función f ( x ) = e − x sen x 2 derivarla numéricamente y graficarla en forma aproximada y a su derivada.


2

>> x=-10:0.01:10;
>> f=exp(-x.^2).*sin(10*x.^2);
>> df=diff(f);
>> fd=df/eps;
>> t=0:10/(length(fd)-1):10;
>> subplot(2,1,1)
>> plot(x,f)
>> grid on
>> xlabel(‘x’)
>> ylabel(‘f’)
>> subplot(2,1,2)
>> plot(t,fd,’r’)
>> grid on
>> xlabel(‘x’)
>> ylabel(‘f´’)
>>

Se obtiene la siguiente salida

Página 68 de 90
Bases de Matlab Alejandro Hayes

0.5

f
-0.5

-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
14
x
x 10
4

f´ 0

-2

-4
0 1 2 3 4 5 6 7 8 9 10
x

Figura 36

Ejemplo 10.1.3

Dada la siguiente función f ( x , y ) = x 3 y 2 + 4 x 2 y 3 + 7 se desea hallar la integral doble de la misma en el recinto


[0 ,1]x[0 ,1] .
>> syms x y real
>> f=x^3*y^2+4*x^2*y^3+7;
>> I=int(int(f,x,0,1),y,0,1)
I=
89/12
>>

Ejemplo 10.1.5

Para la función del ejemplo 5.1.3 hallar el vector gradiente asociado a la misma y graficar el modulo del
mismo.

>> xa=-5:0.1:5;
>> ya=-5:0.1:5;
>> [x y]=meshgrid(xa,ya);
>> f=x.^3.*y.^2+4*x.^2.*y.^3+7;
>> [fx,fy]=gradient(f);
>> M=sqrt(fx.^2+fy.^2);
>> surf(x,y,M)
>> xlabel('x')
>> ylabel('y')
>> zlabel('|grad(f)|')
>> axis([-6 6 -6 6 -100 1200])

Obtuvimos la siguiente figura

Página 69 de 90
Bases de Matlab Alejandro Hayes

1200

1000

800
|grad(f)|

600

400

200

5
6
4
0 2
0
-2
-5 -4
y -6
x

Figura 37

10.2. Campos vectoriales, generalización de los conceptos vistos

Para cerrar esta sección vamos a presentar algunos comandos que permiten trabajar con campos vectoriales,
de hecho vimos algo de funciones de variable compleja pero no vistas como campos vectoriales, y en el
ejemplo 5.1.5 calculamos el vector gradiente de un campo escalar pero solo graficamos su modulo.
Muchas veces se desea visualizar líneas de campo, líneas equipotenciales, así como calcular la matriz Jacobiana
de alguna transformación. La tabla 4 lista algunas de los comandos correspondientes.

quiver(u,v) Muestra los vectores con componentes u y v,


es decir permite visualizar las líneas de
campo.
quiver3(u,v) Muestra los vectores con componentes u y
v,w es decir permite visualizar las líneas de
campo 3-D.
compass(x,y) Dibuja vectores con coordenadas x e y que
salen del origen.
feather(x,y) Dibuja vectores cuyas componentes son x e y
pero tomando el origen en cada punto x

Tabla 19

Ejemplo 10.2.1

Dado el campo vectorial f ( x , y ) = ( e − x cos y , e − x sen y ) deseamos graficar las líneas de campo

>> xa=0:0.1:4;
>> ya=0:0.1:10;
>> [x y]=meshgrid(xa,ya);
>> u=exp(-x).*cos(y);

Página 70 de 90
Bases de Matlab Alejandro Hayes

>> v=exp(-x).*sin(y);
>> quiver(u,v)
>> grid on

Obtuvimos la siguiente salida

120

100

80

60

40

20

0
-5 0 5 10 15 20 25 30 35 40 45

Figura 38

10.3. Una aplicación a la ingeniería integradora

Se desea conocer la distribución de potencial en el siguiente problema de contorno

Figura 39

El problema puede Modelizarse a través de la ecuación de Laplace : ∇ 2 v( x , y ) = 0 debido a que se trata de un


problema Bidimensional la ecuación anterior equivale a:

∂ 2 v( x , y ) ∂ 2 v( x , y )
+ =0
∂x 2 ∂y 2

Como se ve del análisis del problema las condiciones de contorno son : v(0,y) =v(1,y)= v(x,1)=0 ; v(x,0)=10 .
La resolución del problema lleva a la siguiente solución analítica.

Página 71 de 90
Bases de Matlab Alejandro Hayes

∑ − ( 2n − 1 ) π sh( 2n − 1 )π sh( 2n − 1 )π ( y − 1 ) sen ( 2n − 1 )π x


20
v( x , y ) =
n =0

En el primer curso de Matlab aprendimos a realizar programas propios para aplicaciones especificas. En este
hemos realizado un programa que grafica la solución analítica en forma aproximada para n=10. Luego calcula
el campo eléctrico recordando que:

E = −∇v( x , y )

Luego el programa grafica las 50 primeras superficies equipotenciales, las líneas de campo y el modulo del
campo vectorial E .
El código del programa se muestra a continuación.

function [x,y,f]=solucion_analitica
h=0;
xp=0:0.02:1;
yp=0:0.02:0.5;
[x,y]=meshgrid(xp,yp);
for n=1:10
h=h+(-20./((pi*(2*n-1).*sinh(pi*(2*n-1))))*sinh(pi*(2*n-1).*(y-1)).*(sin(pi*(2*n-1).*x)));
end
f=h;
[fx,fy]=gradient(-f);
E=sqrt(fx.^2+fy.^2);
subplot(2,2,1)
mesh(x,y,f);
xlabel('x');
ylabel('y');
zlabel('v(x,y)');
title('Potencial')
subplot(2,2,2)
contour(x,y,f,50)
grid on
xlabel('x')
ylabel('y')
title('Lineas Equipotenciales')
subplot(2,2,3)
quiver(x,y,fx,fy)
grid on
title('Lineas de campo electrico')
subplot(2,2,4)
mesh(x,y,E)
xlabel('x')
ylabel('y')
title('Campo Electrico')

Luego de ejecutar el programa por líneas de comando se obtiene la siguiente salida

Página 72 de 90
Bases de Matlab Alejandro Hayes

Potencial Lineas Equipotenciales


0.5
10 0.4

v(x,y)
0.3
5

y
0.2
0
0.5 0.1
1
0.5 0
y 0 0 x 0 0.5 1
x
Lineas de campo electrico Campo Electrico
0.6
4
0.4

2
0.2

0 0
0.5
1
-0.2 0.5
-0.5 0 0.5 1 1.5 y 0 0 x

Figura 40

Este ejemplo ilustra algunas aplicaciones de las funciones vistas. Matlab cuenta con una infinidad de otras
funciones para manejo de gráficos.

10.4. Otras funciones para manejo de graficas


La tabla 20 enuncia algunas de estas funciones y a continuación se dan algunos ejemplos.

errorbar(x,y,E) Muestra el nivel de confianza de los datos o


la desviación a lo largo de la curva
plotyy(x1,y1,x2,y2) Realiza una grafica de xi versus y1 con las
etiquetas del grafico en el eje y a la izquierda
y x2 versus y2 con la etiqueta a la derecha.
area(x,y) Realiza una grafica de área.
bar(x,y) Realiza un grafico de barras vertical
barh(x,y) Realiza un grafico de barras horizontal
bar3(z) Realiza una grafica de barras 3D vertical
bar3(z)h Realiza una grafica de barras 3D horizontal
pie(x) Realiza un diagrama de tortas donde el
porcentaje a representar en cada porción es
aproximadamente 100*x/sum(x)
pie3(x) Realiza un diagrama de tortas 3D
pareto(x) Realiza diagramas de paretto.
stem(x,y) Realiza un diagrama discreto de puntos. Es
ideal para representar sucesiones.
stem3(z) Realiza un diagrama discreto de puntos en

Página 73 de 90
Bases de Matlab Alejandro Hayes

3D. Es ideal para representar sucesiones.


stairs(x) Realiza gráficos en escalera.
hist(x) Realiza un histograma
rose(x) Realiza un histograma polar
scatter(x,y) Realiza un diagrama de dispersión
scatter3(x,y) Realiza un diagrama de dispersión en 3D

Tabla 20

Ejemplo 10.4.1

Se disponen de dos funciones a saber f ( x ) = sen 2 x , g ( x ) = 20 sen 4 x y se desea visualizarlas sobre una misma
grafica.

x=0:0.01:2*pi;
>> f1=sin(2*x);
>> f2=20*sin(4*x);
>> plotyy(x,f1,x,f2)
>> grid on

Obtuvimos la siguiente salida

Figura 41

Ejemplo 10.4.2

f ( x ) = e − x hacer una grafica discreta con la función stem.


2
Dada la función

x=-4:0.2:4;
>> f=exp(-x.^2);

Página 74 de 90
Bases de Matlab Alejandro Hayes

>> stem(x,f)
>> help stem

Obtuvimos la siguiente salida

Figura 42

11. Ecuaciones diferenciales

11.1. Ecuaciones diferenciales ordinarias

Las ecuaciones diferenciales son un tema fundamental en la ingeniería que no puede faltar en ningún curso del
estilo del presente. Actualmente la mayor parte de las ecuaciones diferenciales que aparecen en los modelos de
ciencias e ingeniería no se resuelven por métodos analíticos sino por algoritmos iterativos que resultan ser muy
eficientes a la hora de implementarlos y llevan a soluciones aproximadas muy confiables.
Matlab cuenta con comandos para resolver ecuaciones diferenciales en forma simbólica así también como con
otros que nos dan una solución aproximada, estos últimos son los mas utilizados aunque no es el objetivo de
este curso enseñar los algoritmos de calculo numérico en base a los cuales funcionan estos comandos por lo
cual solo explicaremos los comandos para la resolución simbólica de ecuaciones diferenciales y sistemas de
ecuaciones diferenciales. La Tabla 6 lista algunos de los comandos para la resolución de ecuaciones
diferenciales ordinarias.

dsolve(‘eqn’) Devuelve la solución de la ecuación


diferencial eqn dada en forma simbólica.
dsolve(‘eqn1’, ‘eqn2’..) Devuelve la solución del sistema de
ecuaciones diferenciales.

Tabla 21
Ejemplo 11.1

Se desea resolver las siguientes ecuaciones diferenciales

Página 75 de 90
Bases de Matlab Alejandro Hayes

⎧ dx( t ) ⎧ d 2 x( t ) dx( t )
⎪ + x( t ) = 2 ⎪ + + x( t ) = e t
a) ⎨ dt b) ⎨ dt 2 dt
⎪ x( 0 ) = 0 ⎪ x( 0 ) = 0 , x' ( 0 ) = 0
⎩ ⎩

x=dsolve('Dx=-x+2','x(0)=0')
x=
2-2*exp(-t)

x=dsolve('D2x+Dx=-x+exp(t)','x(0)=0,Dx(0)=0','t')
x=
1/3*exp(t)-1/3*exp(-1/2*t)*cos(1/2*3^(1/2)*t)-1/3*exp(-1/2*t)*sin(1/2*3^(1/2)*t)*3^(1/2)

11.2. Ecuaciones diferenciales en derivadas parciales

Respecto a las ecuaciones diferenciales en derivadas parciales y dejando de lado los algoritmos de calculo
numérico Matlab cuenta con un Toolbox llamado Partial Differential Equation Toolbox. Se invoca por línea de
comando escribiendo pdetool. Dejamos al lector que lo investigue por su cuenta pero es por demás amigable y
muy fácil de utilizar y por otro lada tiene carácter de “caja negra” es decir se ingresan los datos de las
ecuaciones y nos devuelve las graficas de la solución aproximada y otra graficas o datos solicitados solicitadas
aun desconociendo los métodos empleados en su resolución. La figura 41 muestra la interfaz del usuario de
este toolbox.

Figura 41

Página 76 de 90
Bases de Matlab Alejandro Hayes

12. Manejo de listas y arreglos de datos.

12.1. Algunos comandos para manejo de datos


Frecuentemente nos encontramos con listas de datos que pueden provenir ya sea de una medición como del
registro de algún instrumento tales como señales meteorológicas, biomédicas, eléctricas entre otras y es
común querer procesar esa información ya sea ordenar los datos de mayor a menor, buscar máximos,
mínimos, interpolarlos o ajustarlos etc. Matlab cuenta con una gran cantidad de comandos por demás útiles
para el procesamiento de vectores y matrices entendiendo listas de datos como estos últimos. La tabla 7 lista
algunos de estos comandos.

cumprod(x) Devuelve un vector con los productos de


acumulación de x. Si x es una matriz
devuelve un vector que tiene en cada
posición el producto de acumulación de la
columna correspondiente.
cumsum(x) Devuelve un vector con las sumas de
acumulación de x. Si x es una matriz devuelve
un vector que tiene en cada posición la suma
de acumulación de la columna
correspondiente.
max(x) Devuelve el máximo valor de una lista de
elementos. Si x es una matriz devuelve un
vector que tiene en cada posición el máximo
valor de la columna correspondiente.
min(x) Devuelve el mínimo valor de una lista de
elementos. Si x es una matriz devuelve un
vector que tiene en cada posición el valor
mínimo de la columna correspondiente.
mean(x) Devuelve el promedio de una lista de
números. Si x es una matriz devuelve un
vector que tiene en cada posición el valor
promedio de la columna correspondiente.
median(x) Devuelve la mediana de un conjunto de
valores. Si x es una matriz devuelve un vector
que tiene en cada posición el valor de la
mediana de la columna correspondiente.
prod(x) Devuelve el producto de los elementos de un
array. Si x es una matriz devuelve un vector
que tiene en cada posición el producto de los
elementos de la columna correspondiente.
sum(x) Devuelve la suma de los elementos de un
array. Si x es una matriz devuelve un vector
que tiene en cada posición el producto de los
elementos de la columna correspondiente.
sort(x) Ordena en forma creciente los elementos de
un array. Si x es una matriz ordena en forma
creciente los elementos de cada columna .
sortrows(x) Ordena una matriz en orden ascendente por
la primera columna o la columna indicada .
std(x) Calcula la desviación estándar de un array. Si

Página 77 de 90
Bases de Matlab Alejandro Hayes

x es una matriz devuelve un vector que tiene


en cada posición la desviación estándar de la
columna correspondiente.
var(x) Calcula la varianza de un array. Si x es una
matriz devuelve un vector que tiene en cada
posición la varianza de la columna
correspondiente.
cov(x) Devuelve la matriz de covarianza de la matriz
x.
corrcoef(x) Devuelve los coeficientes de correlación de x
isempty(x) Devuelve un 1 lógico si la matriz esta vacía.
isequal(x,y) Devuelve un 1 lógico si los vectores x e y son
iguales.
islogical Devuelve un 1 si es un array lógico.
isnumeric(x) Devuelve un 1 si es un array numérico.
length(x) Devuelve el numero de elementos del vector
x
size(x) Devuelve el tamaño de la matriz x.
numel(x) Devuelve el numero de elementos de la
matriz x
ndims(x) Devuelve el numero de dimensiones de una
matriz o vector.
issparse(x) Devuelve un 1 si la matriz x es dispersa.
blkdiag(x,y,z ...) Reordena en una matriz grande en cuya
diagonal están las matrices x , y, z etc.
cat(dim,x,y) Concatena las matrices x e y en la dimensión
indicada en dim.
diag(x) Devuelve la diagonal de la matriz x o arma
una matriz diagonal con los elementos de x
end Indica el final de la lista
find(condicion) Devuelve los índices de donde se encuentran
los elementos que cumplen la condición
fliplr(x) Rota la matriz x de izquierda a derecha
flipud(x) Rota la matriz x de arriba hacia abajo
flipdim(x,dim) Rota la matriz según la dimensión indicada
horzcat(x,y) Concatena matrices en forma horizontal
repmat(x,n,m) Repite la matriz x en un arreglo de nxm
reshape(x,n,m) Redimensiona una matrix x a nxm
rot90(x,k) Rota la matrix x 90 grados k veces
tril(x) Devuelve la parte triangular inferior de x
triu(x) Devuelve la parte triangular superior de x
vertcat(x) Concatena matrices verticalmente

Tabla 22

Ejemplo 12.1:

Se dispone de la siguiente lista de datos proveniente de un registro:

Página 78 de 90
Bases de Matlab Alejandro Hayes

x 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
y 1 4 -4 8 7 11 2 -3 -6 9 0 5 7 33 29

Tabla 23
Se desea:

a) Calcular el valor promedio, la desviación estándar y la varianza de la variable y.

b) Ordenar de menor a mayor y de mayor a menor los valores del vector y.

c) Determinar los valores máximos y mínimos de y.

d) Determinar la suma y el producto de los elementos de y.

e) Hallar el valor del primero y ultimo elemento del vector y.

f) Encontrar las posiciones de los valores mayores a 3 y de los distintos de cero del vector y.

>> y=[1 4 -4 8 7 11 2 -3 -6 9 0 5 7 33 29];


>> v_medio=mean(y)
v_medio =
6.8667
>> d_sta=std(y)
d_sta =
10.9991
>> vari=var(y)
vari =
120.9810
>> or_min_max=sort(y)
or_min_max =
-6 -4 -3 0 1 2 4 5 7 7 8 9 11 29 33
>> or_max_min=fliplr(or_min_max)
or_max_min =
33 29 11 9 8 7 7 5 4 2 1 0 -3 -4 -6
>> v_max=max(y)
v_max =
33
>> v_min=min(y)
v_min =
-6
>> suma=sum(y)
suma =
103
>> producto=prod(y)
producto =
0
>> y(1)
ans =
1
>> y(end)
ans =
29
>> ind_may3=find(y>3)
ind_may3 =

Página 79 de 90
Bases de Matlab Alejandro Hayes

2 4 5 6 10 12 13 14 15
>> no_cero=find(y)
no_cero =
1 2 3 4 5 6 7 8 9 10 12 13 14 15
>>

Estas funciones y algunas otras presentadas en la tabla 7 son extensivas a matrices veamos el ejemplo 7.2
para visualizar mejor los resultados.

Ejemplo 12.2

Dada la siguiente matriz A realizaremos aplicaremos una serie de comandos que ilustren los resultados
correspondientes.

⎛ 1 2 3 4 5⎞ 0 0 0 0
⎜ ⎟
⎜ 6 7 8 9 10 0 0 0 0 ⎟
⎜ 11 12 13 14 15 0 0 0 0⎟
⎜ ⎟
⎜ 16 17 18 19 20 0 0 0 0⎟
⎜ ⎟
⎜ 21 22 23 24 25 26 27 28 29 ⎟
⎜ 30 31 32 33 34 35 36 37 38 ⎟
⎜ ⎟
⎜ 39 40 41 42 43 44 45 46 47 ⎟
⎜ 48 49 50 51 52 53 54 55 56 ⎟
⎜ ⎟
⎜ 57 58 59 60 61 62 63 64 65 ⎟
A = ⎜⎜ 66 67 68 69 70 71 72 73 74 ⎟⎟
⎜ 75 76 77 78 79 80 81 82 83 ⎟
⎜ ⎟
⎜ 84 85 86 87 88 89 90 91 92 ⎟
⎜ 93 94 95 96 97 98 99 100 101 ⎟
⎜ ⎟
⎜ 102 103 104 105 106 107 108 109 110 ⎟
⎜ 111 112 113 114 115 116 117 118 119 ⎟
⎜ ⎟
⎜ 120 121 122 123 124 125 126 127 128 ⎟
⎜ ⎟
⎜ 129 130 131 132 133 134 135 136 137 ⎟
⎜ 138 139 140 141 142 143 144 145 146 ⎟
⎜ ⎟
⎝ ⎠

A=
1 2 3 4 5 0 0 0 0
6 7 8 9 10 0 0 0 0
11 12 13 14 15 0 0 0 0
16 17 18 19 20 0 0 0 0
21 22 23 24 25 26 27 28 29
30 31 32 33 34 35 36 37 38
39 40 41 42 43 44 45 46 47
48 49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64 65
66 67 68 69 70 71 72 73 74
75 76 77 78 79 80 81 82 83
84 85 86 87 88 89 90 91 92
93 94 95 96 97 98 99 100 101

Página 80 de 90
Bases de Matlab Alejandro Hayes

102 103 104 105 106 107 108 109 110


111 112 113 114 115 116 117 118 119
120 121 122 123 124 125 126 127 128
129 130 131 132 133 134 135 136 137
138 139 140 141 142 143 144 145 146

>> flip_lr=fliplr(A)
flip_lr =
0 0 0 0 5 4 3 2 1
0 0 0 0 10 9 8 7 6
0 0 0 0 15 14 13 12 11
0 0 0 0 20 19 18 17 16
29 28 27 26 25 24 23 22 21
38 37 36 35 34 33 32 31 30
47 46 45 44 43 42 41 40 39
56 55 54 53 52 51 50 49 48
65 64 63 62 61 60 59 58 57
74 73 72 71 70 69 68 67 66
83 82 81 80 79 78 77 76 75
92 91 90 89 88 87 86 85 84
101 100 99 98 97 96 95 94 93
110 109 108 107 106 105 104 103 102
119 118 117 116 115 114 113 112 111
128 127 126 125 124 123 122 121 120
137 136 135 134 133 132 131 130 129
146 145 144 143 142 141 140 139 138

>> flip_arab=flipud(A)
flip_arab =
138 139 140 141 142 143 144 145 146
129 130 131 132 133 134 135 136 137
120 121 122 123 124 125 126 127 128
111 112 113 114 115 116 117 118 119
102 103 104 105 106 107 108 109 110
93 94 95 96 97 98 99 100 101
84 85 86 87 88 89 90 91 92
75 76 77 78 79 80 81 82 83
66 67 68 69 70 71 72 73 74
57 58 59 60 61 62 63 64 65
48 49 50 51 52 53 54 55 56
39 40 41 42 43 44 45 46 47
30 31 32 33 34 35 36 37 38
21 22 23 24 25 26 27 28 29
16 17 18 19 20 0 0 0 0
11 12 13 14 15 0 0 0 0
6 7 8 9 10 0 0 0 0
1 2 3 4 5 0 0 0 0

>> medio=mean(A)
medio =
63.7222 64.7222 65.7222 66.7222 67.7222 65.7222 66.5000 67.2778 68.0556

>> desvio=std(A)
desvio =
44.8760 44.8760 44.8760 44.8760 44.8760 48.8946 49.2117 49.5305 49.8509

>> ordena=sort(A)

Página 81 de 90
Bases de Matlab Alejandro Hayes

ordena =
1 2 3 4 5 0 0 0 0
6 7 8 9 10 0 0 0 0
11 12 13 14 15 0 0 0 0
16 17 18 19 20 0 0 0 0
21 22 23 24 25 26 27 28 29
30 31 32 33 34 35 36 37 38
39 40 41 42 43 44 45 46 47
48 49 50 51 52 53 54 55 56
57 58 59 60 61 62 63 64 65
66 67 68 69 70 71 72 73 74
75 76 77 78 79 80 81 82 83
84 85 86 87 88 89 90 91 92
93 94 95 96 97 98 99 100 101
102 103 104 105 106 107 108 109 110
111 112 113 114 115 116 117 118 119
120 121 122 123 124 125 126 127 128
129 130 131 132 133 134 135 136 137
138 139 140 141 142 143 144 145 146

>> A(end)
ans =
146

>> tu=triu(A)
tu =
1 2 3 4 5 0 0 0 0
0 7 8 9 10 0 0 0 0
0 0 13 14 15 0 0 0 0
0 0 0 19 20 0 0 0 0
0 0 0 0 25 26 27 28 29
0 0 0 0 0 35 36 37 38
0 0 0 0 0 0 45 46 47
0 0 0 0 0 0 0 55 56
0 0 0 0 0 0 0 0 65
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0

>> tl=tril(A)
tl =
1 0 0 0 0 0 0 0 0
6 7 0 0 0 0 0 0 0
11 12 13 0 0 0 0 0 0
16 17 18 19 0 0 0 0 0
21 22 23 24 25 0 0 0 0
30 31 32 33 34 35 0 0 0
39 40 41 42 43 44 45 0 0
48 49 50 51 52 53 54 55 0
57 58 59 60 61 62 63 64 65
66 67 68 69 70 71 72 73 74

Página 82 de 90
Bases de Matlab Alejandro Hayes

75 76 77 78 79 80 81 82 83
84 85 86 87 88 89 90 91 92
93 94 95 96 97 98 99 100 101
102 103 104 105 106 107 108 109 110
111 112 113 114 115 116 117 118 119
120 121 122 123 124 125 126 127 128
129 130 131 132 133 134 135 136 137
138 139 140 141 142 143 144 145 146

>> tamano=size(A)
tamano =
18 9
>> R=reshape(A,3,54)
R=
Columns 1 through 18
1 16 39 66 93 120 2 17 40 67 94 121 3 18 41 68 95 122
6 21 48 75 102 129 7 22 49 76 103 130 8 23 50 77 104 131
11 30 57 84 111 138 12 31 58 85 112 139 13 32 59 86 113 140
Columns 19 through 36
4 19 42 69 96 123 5 20 43 70 97 124 0 0 44 71 98 125
9 24 51 78 105 132 10 25 52 79 106 133 0 26 53 80 107 134
14 33 60 87 114 141 15 34 61 88 115 142 0 35 62 89 116 143
Columns 37 through 54
0 0 45 72 99 126 0 0 46 73 100 127 0 0 47 74 101 128
0 27 54 81 108 135 0 28 55 82 109 136 0 29 56 83 110 137
0 36 63 90 117 144 0 37 64 91 118 145 0 38 65 92 119 146

>> R90=rot90(A)
R90 =
0 0 0 0 29 38 47 56 65 74 83 92 101 110 119 128 137 146
0 0 0 0 28 37 46 55 64 73 82 91 100 109 118 127 136 145
0 0 0 0 27 36 45 54 63 72 81 90 99 108 117 126 135 144
0 0 0 0 26 35 44 53 62 71 80 89 98 107 116 125 134 143
5 10 15 20 25 34 43 52 61 70 79 88 97 106 115 124 133 142
4 9 14 19 24 33 42 51 60 69 78 87 96 105 114 123 132 141
3 8 13 18 23 32 41 50 59 68 77 86 95 104 113 122 131 140
2 7 12 17 22 31 40 49 58 67 76 85 94 103 112 121 130 139
1 6 11 16 21 30 39 48 57 66 75 84 93 102 111 120 129 138

12.2. Interpolación y ajuste de datos


Tanto en ingeniería como en distintas ciencias el ajuste e interpolación de datos ha alcanzado un nivel muy
importante toda vez que se disponga solo de un conjunto de registros sin tener una expresión analítica de la
relación entre los datos. En esta sección presentaremos las funciones que presenta Matlab para realizar
interpolación y ajuste así como realizaremos algunos programas para tales fines.

12.2.1. Interpolación polinómica


Matlab cuenta con varias funciones muy útiles para realizar interpolación polinómica. La tabla 8 lista algunas de
estas funciones.

Página 83 de 90
Bases de Matlab Alejandro Hayes

interp1(x,y,xi,’metodo’) Devuelve un vector con los valores de y


interpolados según los datos del vector xi a
partir de los datos de los vectores x e y y
con el método indicado por ‘método’
interp2(x,y,z,xi,yi,’metodo’) Devuelve un vector con los valores de z
interpolados según los datos de los
vectores xi e yi a partir de los datos de los
vectores x e y y z con el método indicado
por, ‘método’
interp3(x,y,z,v,xi,yi,zi ,’metodo’) Devuelve un vector con los valores de z
interpolados según los datos de los
vectores xi , yi, zi a partir de los datos de
los vectores x e y z v con el método
indicado por, ‘método’
interpn(xi,...xn,xi1,...xin-1 ,’metodo’) Interpolación multidimensional.
pchip(x,y,xi) Devuelve un vector yi con los datos de x e
y interpolados según un esquema cúbico
de Hermite.
spline(x,y,xi) Devuelve un vector que es la interpolación
de los valores de x e y según xi con un
esquema de spline cúbicas.

Tabla 24

Ejemplo 12.2.1

>> x=[-1 0 3 5];


>> y=[1 3 4 -2];
>> plot(x,y,'o')
>> grid on
>> xi=-1:0.1:5;
>> yi=interp1(x,y,xi);
>> hold on
>> plot(xi,yi,'-.r')
>> yi=interp1(x,y,xi,'spline');
>> plot(xi,yi,'--k')
>> yi=interp1(x,y,xi,'pchip');
>> plot(xi,yi,'-g')
>> xlabel('x')
>> ylabel('P(x)')
>> title('Interpolación de datos según distintos métodos')

Al realizar las graficas obtenemos la siguiente salida:

Página 84 de 90
Bases de Matlab Alejandro Hayes

Interpolacion de datos segun distintos metodos


5

P(x)
1

0
Datos Originales
Interpolacion Lineal
-1 Interpolacion por Spline Cubica
Interpolacion por Hermite Cubica

-2
-1 0 1 2 3 4 5
x

Figura 42

Ejemplo 12.2

Dada la función f ( x , y ) = ( x + y ) e −( x + y2 )
2
realizaremos su grafica usando las funciones de interpolación
mostradas en la tabla 8.

>> xa=-2:0.4:2;
>> ya=-2:0.4:2;
>> [x y]=meshgrid(xa,ya);
>> z=(x+y).*exp(-(x.^2+y.^2));
>> xaa=-2:0.1:2;
>> yaa=-2:0.1:2;
>> [xi yi]=meshgrid(xaa,yaa);
>> zi=interp2(x,y,z,xi,yi,'spline');
>> mesh(x,y,z)
>> hold on
>> mesh(xi,yi,zi+2)

Obtuvimos los siguientes gráficos

Página 85 de 90
Bases de Matlab Alejandro Hayes

-1
2
1
0 2
1
-1 0
-1
-2 -2

Figura 43

12.2.2. Ajuste de curvas

12.2.2.1. Ajuste de curvas por polinomios

En esta sección recordaremos algunas de las funciones asociadas al manejo de polinomios así como
presentaremos otras que incluye Matlab para realizar un ajuste de datos por mínimos cuadrados mediante
funciones Polinomicas. En la siguiente sección mostraremos los casos de ajuste por funciones no Polinomicas
llevando los datos a la forma adecuada. La tabla 9 lista las funciones de las que se dispone para el manejo de
polinomios.

conv(p1,p2) Nos devuelve un vector con los coeficientes


del polinomio producto entre p1 y p2.
deconv(p1,p2) Nos devuelve dos vectores con los
coeficientes del polinomio cociente y del resto
respectivamente de dividir p1 por p2.
poly(r), poly(A) Nos devuelve un vector con los coeficientes
del polinomio cuyas raíces son los elementos
del vector r.
En el caso de que el argumento sea una
matriz A de nxn el comando nos devuelve el
un vector con los coeficientes del polinomio
característico de A
polyder(p) Nos devuelve los coeficientes del polinomio
derivado de p.
polyint(p,k), polyint(p) Nos devuelve los coeficientes del polinomio
integrado de p. El argumento k es la
constante de integración, si no ingresamos
este valor, Matlab lo considera cero.
polyval(p,v) Evalúa al polinomio p en el o los valores
indicados en v que puede ser un escalar o un

Página 86 de 90
Bases de Matlab Alejandro Hayes

vector
polyvalm(p,A) Evalúa al polinomio p en la matriz A
residue(n,d) Nos da la descomposición en fracciones
simples del cociente de polinomios cuyo
numerador es n y cuyo denominador es d.
roots(p) Nos devuelve un vector con las raíces del
polinomio dado en p.
polyfit(x,y,n) Devuelve los coeficientes del polinomio de
grado n que mejor ajusta los datos de los
vectores x e y por mínimos cuadrados.

Tabla 25
Ejemplo 12.2.2.1.1

Se ha medido una resistencia no lineal con voltímetro y amperímetro y se obtuvieron los siguientes valores:

V 220 200 175 150 125 110 100 75 50 25 15 10 5


I 25,96 22,4 18,02 14,1 10,5 8,58 7,40 4,65 2,45 0,8 0,36 0,18 0,06

Tabla 26
Se desea ajustar los datos mediante una recta, y una parábola.

>> i=rnolin(:,1);
>> v=rnolin(:,2);
>> plot(i,v,'*')
>> grid on
>> hold on
>> p1=polyfit(i,v,1)
p1 =
8.2525 23.6281
>> xi=0:0.1:30;
>> pp1=polyval(p1,x);
>> plot(xi,pp1,'k')
>> p2=polyfit(i,v,2)
p2 =
-0.1942 12.8419 12.2369
>> pp2=polyval(p2,x);
>> plot(xi,pp2,'r')
>> xlabel('i')
>> ylabel('v')
>> title('Resistencia no lineal')

Obtuvimos la siguiente salida

Página 87 de 90
Bases de Matlab Alejandro Hayes

Resistencia no lineal
300

250

200

150
v

100
Datos Medidos
Ajuste Lineal
Ajuste Cuadratico
50

0
0 5 10 15 20 25 30
i

Figura 44

12.2.2.2. Ajuste de curvas por funciones no Polinomicas

En esta sección solo trataremos aquellas funciones llamadas intrínsecamente lineales esto es aquellas funciones
^ ^
que mediante una transformación conveniente se pueden llevar a la forma y = a x + b . La tabla 9 muestra
algunos casos de funciones intrínsecamente lineales y las respectivas transformaciones.

Función Transformación Forma Lineal


y = ae bx ln y ln y = b x + ln a

y = a xb ln y ln x ln y = ln a + b ln x
y = a + b ln x ln x y = a + b ln x
b 1 b
y =a+ y =a+
x x x

Tabla 26
Ejemplo 12.2.2.2.1

En el articulo “ Thermal Conductivity of Polyethylene: The effects of Crystal Size, Density, and Orientation on
the Thermal Conductivity ” (Polymer Eng. And Science, 1972,pp. 204-208) sugiere que la conductividad térmica
en función del grosor laminar esta dada por:

b
C( x ) = a + 10 4
x

a partir de mediciones experimentales se obtuvo la siguiente tabla de valores.

Página 88 de 90
Bases de Matlab Alejandro Hayes

x 240 410 460 490 520 590 745 8300


C 12 14.7 14.7 15.2 15.2 15.6 16 18.1

>> x=[240 410 460 490 520 590 745 830];


>> C=[12 14.7 14.7 15.2 15.2 15.6 16 18.1];
>> xx=1./x;
>> p=polyfit(xx,C,1)

p=

1.0e+003 *

-1.7079 0.0188

>> plot(x,C,'*')
>> xi=240:830;
>> yi=1./xi;
>> pp=polyval(p,yi);
>> hold on
>> plot(xi,pp,'k')
>> grid on
>> xlabel('Espesor')
>> ylabel('Conductividad Termica')

Se obtuvo la siguiente salida:

Figura 45

Página 89 de 90
Bases de Matlab Alejandro Hayes

13.Referencias:

[1] Mark Austin, and David Chancogne : ’’Engineering Programming C , MATLAB , JAVA’’.John Wiley & Sons.
Inc. 1999.
[2] Delores M. Etter: “Solucion de Problemas de Ingeniería con Matlab 2da Edición ”. Prentice Hall 1998.
[3] Cesar Perez: “ Análisis Matemático y Álgebra Lineal con Matlab”. Ra-Ma 1999.
[4] Shoichiro Nakamura: “Análisis Numerico y Visualizacion Grafica con Matlab”. Prentice Hall 1999.
[5] Juan Carlos Lescarboura: “Bases de la Programacion”.

Página 90 de 90

You might also like