Manual Matlab I

Curso de Programaci
on en Matlab y Simulink
Alberto Herreros (albher@eis.uva.es)
Enrique Baeyens (enrbae@eis.uva.es)
Departamento de Ingeniera de Sistemas y Automatica (DISA)
Escuela de Ingenieras Industriales (EII)
Universidad de Valladolid (UVa)
Curso 2012/2013
A. Herreros, E. Baeyens, DISA/EII (UVa) Curso de Programacion en Matlab y Simulink Curso 2012/2013 1/230
Contenidos
1
Introduccion
2
Programaci on con Matlab
3
Optimizaci on del c odigo de programacion
4
Gracas en dos y tres dimensiones
5
Programaci on orientada a objetos
6
Simulaci on en Matlab y Simulink
7
GUIDE: Interface Graco de Matlab
8
Funciones para tratamiento de datos
9
Funciones para algebra de matrices
10
Filtros y analisis en frecuencia
11
Funciones para polinomios e interpolaci on de datos
12
Funciones de funciones: Optimizaci on e integraci on
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Qu
e es MATLAB?
Es un lenguaje de alto nivel para computaci on e ingeniera. Integra
computaci on, visualizaci on y programaci on.
Aplicaciones tpicas de MATLAB son:
Matematicas y computacion
Desarrollo de algoritmos
Modelado, simulaci on y prototipado
Analisis de datos, exploraci on y visualizaci on
Gracos cientcos y de ingeniera.
Desarrollo de aplicaciones
Matlab es un sistema interactivo cuyo elemento basico son las matrices y
no requiere dimensionamiento.
El nombre proviene de laboratorio de matrices.
Originalmente fue escrito en FORTRAN y haca uso de las libreras
LINPACK y EISPACK
Las ultimas versiones estan desarrolladas en C y utilizan las libreras
LAPACK y BLAS.
Sobre la base de MATLAB se han construido conjuntos de funciones
especcas para diferentes problemas, denominadas toolboxes.
Formas de introducir matrices en MATLAB
Lista explcita de elementos.
Desde un chero de datos externo.
Utilizando funciones propias.
Creando un chero .m
Comenzaremos introduciendo manualmente la matriz de D urer.
Para ello utilizamos las siguientes reglas:
Separar elementos de una la con espacios o comas.
Usar punto y coma; para indicar nal de la.
Incluir la lista completa de elementos dentro de corchetes, [ ].
Trabajando con matrices
Para introducir la matriz de D urer hacemos:
A = [ 16 3 2 13; 5 10 11 8; 9 6 7 12; 4 15 14 1]
Como resultado se obtiene
A =
16 3 2 13
5 10 11 8
9 6 7 12
4 15 14 1
Una vez introducida una matriz, queda guardada en el entorno de
trabajo de MATLAB.
La matriz A es un cuadrado magico: Todas sus las, columnas y
diagonales suman lo mismo. Para comprobarlo hacemos
sum(A)
ans =
34 34 34 34
El comando sum(A) calcula la suma de las columnas de la matriz
A, obteniendose un vector de dimension el n umero de columnas.
Para calcular la suma de las las, podemos calcular la transpuesta
de la matriz.
A
obteniendo
ans =
16 5 9 4
3 10 6 15
2 11 7 14
13 8 12 1
la suma de las las, en formato vector columna es
sum(A )
ans =
34
34
34
34
La funcion diag permite obtener un vector con los elementos de la
diagonal principal.
di ag (A)
Se obtiene
ans =
16
10
7
1
y la suma de los elementos de la diagonal principal es
sum( di ag (A) )
obteniendose
ans =
34
La antidiagonal de una matriz no suele ser muy importante, por lo
que no hay ninguna funcion para extraerla. No obstante, puede
invertirse la disposicion de las columnas de la matriz con la funcion
fliplr, as la suma de la antidiagonal es
sum( di ag ( f l i p l r (A) ) )
ans =
34
Otra forma de obtener la suma de los elemento de la antidiagonal
es sumando elemento a elemento.
Un elemento de la matriz A se referencia como A(i,j), siendo i la
la y j la columna. La suma de la antidiagonal podra haberse
obtenido tambien como sigue:
A( 1 , 4)+A( 2 , 3)+A( 3 , 2)+A( 4 , 1)
ans =
34
Tambien es posible acceder a cada elemento de una matriz con un
solo ndice, as A(k) corresponde al elemento k de un vector
cticio que se formara colocando las columnas de la matrix A una
debajo de otra: Comprobar que A(4,2) y A(8) corresponden al
mismo elemento de la matriz A.
Si se intenta acceder a un elemento que excede las dimensiones de
la matriz, se obtiene un error
t = A( 4 , 5)
I ndex exceeds mat r i x di me ns i ons .
Si se inicializa un elemento que excede las dimensiones de la
matriz, la matriz se acomoda en dimension al nuevo elemento, con
el resto de nuevos elementos inicializados a cero.
X = A;
X( 4 , 5) = 17
X =
16 3 2 13 0
5 10 11 8 0
9 6 7 12 0
4 15 14 1 17
El operador :
El operador : es uno de los mas importantes de MATLAB. Tiene
diferentes utilidades. La expresion
1: 10
indica un vector que contiene los n umeros enteros desde 1 hasta
10.
1 2 3 4 5 6 7 8 9 10
Para obtener un espaciado no unitario, se utiliza un incremento.
100: 7: 50
es
100 93 86 79 72 65 58 51
y
0: pi /4: pi
es
0 0. 7854 1. 5708 2. 3562 3. 1416
El operador :
Cuando el operador : aparece en los subndices de una matriz se
reere a las las o columnas y permite extraer submatrices. Por
ejemplo, A(1:k,j) es el vector formado por los primeros k
elementos de la columna j de la matriz A y
sum(A( 1 : 4 , 4 ) )
calcula la suma de todos los elementos de la cuarta columna. Otra
forma mas compacta y elegante de hacer lo mismo es
sum(A( : , end ) )
los dos puntos : (sin otros n umeros) signican todas las las y end
se reer a la ultima columna.
Pregunta: Que esta calculando la siguiente expresion?
sum(A( end , : ) )
La funci
on magic
Matlab dispone de una funcion magic que permite calcular
cuadrados magicos
Haciendo
B = magi c ( 4)
B =
16 2 3 13
5 11 10 8
9 7 6 12
4 14 15 1
La matriz obtenida es casi la misma que la matriz de D urer, solo se
diferencia en que las columnas 2 y 3 estan intercambiadas. Se pude
obtener de nuevo la matriz de D urer haciendo la siguiente
operacion
A = B( : , [ 1 3 2 4 ] )
A =
16 3 2 13
5 10 11 8
9 6 7 12
4 15 14 1
Expresiones
Al igual que muchos otros lenguajes de programacion, MATLAB
dispone de expresiones matematicas, pero al contrario que en la
mayora de los lenguajes de programacion, estas expresiones hacen
referencia a matrices.
Los bloques constructivos de las expresiones son
Variables
N umeros
Operadores
Funciones
Variables
MATLAB no requiere ning un tipo de declaraci on o indicaci on de la
dimensi on. Cuando MATLAB encuentra un nuevo nombre de variable la
crea automaticamente y reserva la cantidad de memoria necesaria. Si la
variable ya existe, MATLAB cambia su contenido y si es necesario
modica la reserva de memoria.
Por ejemplo, la expresi on
num est = 15
crea una matriz 1 por 1 llamada num_est y almacena el valor 25 en su
unico elemento.
Los nombres de variables deben comenzar siempre por una letra y pueden
incluir otras letras, n umeros y el smbolo de subrayado, hasta un total de
31 caracteres.
Se distingue entre may usculas y min usculas. A y a no son la misma
variable.
Para ver el contenido de una variable, simplemente escribir el nombre de
la variable.
N
umeros
MATLAB utiliza notaci on decimal convencional, con punto decimal
opcional y signo + o -
Es posible utilizar notaci on cientca. La letra e especica un factor de
escala de potencia de 10.
Los n umeros imaginarios puros se especican con la letra i o j
Los siguientes ejemplos son todos n umeros validos en MATLAB
3 99 0. 0001
9. 6397238 1. 60210 e20 6. 02252 e23
1 i 3.14159 j 3 e 5 i
Internamente, los n umeros se almacenan en formato largo utilizando la
norma IEEE de punto otante. La precisi on es aproximadamente de 16
cifras decimales signicativas y el rango esta entre 10
308
y 10
+308
.
Operadores
Las expresiones de MATLAB utilizan los operadores aritmeticos
usuales, as como sus reglas de precedencia
+ Suma
- Resta
* Producto
/ Division
\ Division por la izquierda
(se explicara)
^ Potencia
Transposicion y conjugacion compleja
( ) Orden de evaluacion
Funciones
MATLAB proporciona un gran n umero de funciones matematicas
elementales, por ejemplo, abs, sqrt, exp, sin, cos, etc.
Por defecto, MATLAB utiliza n umeros complejos:
La raz cuadrada o el logaritmo de un n umero negativo no producen error,
sino que dan como resultado u n umero complejo.
Los argumentos de las funciones pueden ser n umeros complejos
MATLAB proporciona tambien funciones avanzadas: Funciones de Bessel
o funciones gamma.
Una lista de todas las funciones elementales puede obtenerse con el
comando
he l p e l f u n
Funciones mas avanzadas y funciones de matrices se obtienen con
he l p s pe c f un
he l p el mat
Funciones
Algunas funciones estan compiladas con el n ucleo de MATLAB y son muy
rapidas y ecientes. Ej. sqrt, sin
Otras funciones estan programadas en lenguaje de MATLAB (cheros
m). Pueden verse y modicarse
Algunas funciones proporcionan el valor de ciertas constantes utiles.
pi 3.14159265
i
1
j
1
eps Precisi on relativa de punto otante 2
52
realmin N umero en punto otante mas peque no 2
1022
realmax N umero en punto otante mas grande (2 )2
+1023
Inf Innito
NaN Not-a-Number (no es un n umero)
Innito se obtiene al dividir un n umero no nulo por cero, o como
resultado de evaluar expresiones matematicas bien denidas.
NaN se obtiene al tratar de evaluar expresiones como 0/0 o Inf-Inf que no
tienen valores bien denidos
Los nombres de las funciones no estan reservados. Puede denirse una
variable eps=1e-6 y utilizarla. Para restaurar su valor original
c l e a r eps
Expresiones
Ya se han visto varios ejemplos de expresiones. Algunos otros
ejemplos son los siguientes:
r ho = (1+s q r t ( 5) ) /2
r ho =
1. 6180
a = abs (3+4 i )
a =
5
z = s q r t ( b e s s e l k ( 4/3 , rhoi ) )
z =
0.3730+ 0. 3214 i
huge = exp ( l og ( r eal max ) )
huge =
1. 7977 e+308
t oobi g = pi huge
t oobi g =
I n f
Funciones para crear matrices
MATLAB proporciona cuatro funciones para generar matrices
zeros Matriz de ceros
ones Matriz de unos
rand Matriz de elementos uniformemente distribuidos
randn Matriz de elementos normalmente distribuidos
Funciones para crear matrices
Ejemplos
Z = z e r os ( 2 , 4)
Z =
0 0 0 0
0 0 0 0
F = 5 ones ( 3 , 3)
F =
5 5 5
5 5 5
5 5 5
N = f i x (10 r and ( 1 , 10) )
N =
4 9 4 4 8 5 2 6
8 0
R = r andn ( 4 , 4)
R =
1. 0668 0. 2944 0.6918 1.4410
0. 0593 1.3362 0. 8580 0. 5711
0.0956 0. 7143 1. 2540 0.3999
0.8323 1. 6236 1.5937 0. 6900
El comando load
El comando load permite leer cheros binarios que contienen matrices
generadas en sesiones anteriores de MATLAB
Tambien permite leer cheros de texto que contienen datos.
El chero debe estar organizado como una tabla de numeros separados
por espacios, una lnea por cada la, e igual n umero de elementos en
cada la.
Ejemplo: Crear utilizando un editor de texto un chero llamado
magik.dat que contenga los siguientes datos
16. 0 3. 0 2. 0 13. 0
5. 0 10. 0 11. 0 8. 0
9. 0 6. 0 7. 0 12. 0
4. 0 15. 0 14. 0 1. 0
El comando
l oad magi k . dat
crea una variable llamada magik conteniendo la matriz.
Ficheros m
Los cheros m son cheros de texto que contienen c odigo de MATLAB.
Para crear una matriz haciendo uso de un chero m, editar un chero
llamado magik.m con el siguiente texto
A = [ . . .
16. 0 3. 0 2. 0 13. 0
5. 0 10. 0 11. 0 8. 0
9. 0 6. 0 7. 0 12. 0
4. 0 15. 0 14. 0 1. 0 ] ;
Ejecutar ahora el comando
magi k
Comprobar que se ha creado la matriz A.
Concatenaci
on
Es el proceso de unir dos o mas matrices para formar otra matriz de
mayor dimensi on
El operador concatenaci on es []
Ejemplo:
B = [ A A+32; A+48 A+16]
B =
16 3 2 13 48 35 34 45
5 10 11 8 37 42 43 40
9 6 7 12 41 38 39 44
4 15 14 1 36 47 46 33
64 51 50 61 32 19 18 29
53 58 59 56 21 26 27 24
57 54 55 60 25 22 23 28
52 63 62 49 20 31 30 17
Comprobar que las columnas de esta matriz suman todas lo mismo, pero
no ocurre lo mismo con sus las.
Borrado de filas y columnas
Se pueden borrar las y columnas utilizando el operador [].
es la matriz vaca (concatenaci on de nada).
El proceso es sustituir una la o una columna por la matriz vaca [].
Ejemplo: Borrado de la segunda columna de una matriz
X = A;
X( : , 2 ) = [ ]
X =
16 2 13
5 11 8
9 7 12
4 14 1
No se pueden borrar elementos, por que el resultado ya no sera una
matriz
X( 1 , 2) = [ ]
producira un error.
Sin embargo, utilizando un unico subndice es posible borrar elementos,
aunque el resultado ya no sera una matriz, sino un vector.
X( 2 : 2 : 1 0 ) = [ ]
X =
16 9 2 7 13 12 1
El comando format
Este comando controla el formato numerico de los resultados que muestra
MATLAB.
Afecta s olo a la presentaci on en pantalla, no al formato interno ni a los
calculos.
Ejemplos:
x = [ 4/3 1. 2345 e 6]
f or mat s hor t
1. 3333 0. 0000
f or mat s hor t e
1. 3333 e+000 1. 2345 e006
f or mat s hor t g
1. 3333 1. 2345 e006
f or mat l ong
1. 33333333333333 0. 00000123450000
f or mat l ong e
1. 333333333333333 e+000 1. 234500000000000 e
006
f or mat l ong g
1. 33333333333333 1. 2345 e006
El comando format
f or mat bank
1. 33 0. 00
f or mat r a t
4/3 1/810045
f or mat hex
3 f f 5555555555555 3 eb4b6231abf d271
Ademas format compact suprime espacios y lneas en blanco. Para
obtener mas control sobre la presentacin en pantalla se pueden utilizar
las funciones sprintf y fprintf.
Para que no aparezca el resultado de un calculo en la pantalla, se utiliza ;
A = magi c ( 100) ;
Para dividir expresiones que no caben en una unica lnea, se usan tres
puntos ...
s = 1 1/2 + 1/3 1/4 + 1/5 1/6 + 1/7 . . .
1/8 + 1/9 1/10 + 1/11 1/12;
Comandos de edici
on en pantalla
ctrl-p Comando anterior
ctrl-n Comando siguiente
ctrl-b Caracter atras
ctrl-f Caracter adelante
ctrl- ctrl-r Palabra adelante
ctrl- ctrl-l Patabra atras
home ctrl-a Ir a comienzo de lnea
end ctrl-e Ir a n de lnea
esc ctrl-u Borrar lnea
del ctrl-d Borrar caracter actual
backspace ctrl-h Borrar caracter anterior
ctrl-k Borrar hasta n de lnea
Gr
aficos
MATLAB dispone de recursos para mostrar vectores y matrices en
gracos, as como para incluir texto en los gracos e imprimirlos.
La funcion basica de creaci on de gracos es plot.
Si y es un vector, plot(y) dibuja un graco de los valores de los
elementos de y frente a sus ndices.
Si x e y son dos vectores de igual tama no, plot(x,y) dibuja un graco
de los valores de los elementos de y frente a los de x.
Ejemplo:
t = 0: pi /100: 2 pi ;
y = s i n ( t ) ;
p l o t ( t , y )
Gr
aficos
Se pueden crear gracos m ultiples con una unica llamada a plot.
MATLAB elige los colores automaticamente siguiendo una tabla
predenida.
Ejemplo:
y2 = s i n ( t . 25) ;
y3 = s i n ( t . 5) ;
p l o t ( t , y , t , y2 , t , y3 )
Gr
aficos
Se puede especicar el color, tipo de lnea, y marcas con el comando
p l o t ( x , y , c o l o r s t y l e ma r k e r )
color_style_marker es una cadena de tres caracteres, que indican
respectivamente el color, tipo de lnea y marca.
La letra que indica el color puede ser: c, m, y, r, g, b, w,
k, que indican cyan, magenta, amarillo, rojo, verde, azul, blanco y
negro.
La letra que indica el tipo de lnea puede ser: - para lnea continua,
-- para lnea de trazos, : para lnea de puntos, -. para punto y
raya, none sin lnea.
Las marcas mas comunes son +, o, * y x.
Ejemplo: El comando
p l o t ( x , y , y:+ )
dibuja el graco en lnea continua amarilla y situa marcas + en cada
punto.
Ayuda en MATLAB
Existen varias formas de obtener ayuda en lnea de MATLAB.
El comando help
La ventana de ayuda
El escritorio de ayuda (MATLAB help desk)
Paginas de referencia en lnea
Pagina Web de The Mathworks, Inc. (www.mathworks.com)
El comando help
Es el comando mas basico para obtener informaci on de la sintaxis y
actuaci on de una funci on.
La informaci on aparece directamente sobre la ventana de comandos.
Ejemplo:
he l p magi c
MAGIC Magi c s quar e .
MAGIC(N) i s an NbyN mat r i x c ons t r uc t e d f rom
t he i n t e g e r s 1 t hr ough N2 wi t h e qual row ,
col umn , and di a gona l sums .
Pr oduces v a l i d magi c s quar e s f o r N =
1 , 3 , 4 , 5 . . . .
El nombre de la funcion siempre aparece en may usculas, pero en realidad
debe escribirse en min usculas al llamar a la funci on
Las funciones estan organizadas en grupos l ogicos, as como la estructura
de directorios de MATLAB.
Las funciones de algebra lineal estan en el directorio matfun. Para listar
todas las funciones de este grupo
he l p matfun
Mat r i x f u n c t i o n s nume r i c al l i n e a r a l ge br a .
Mat r i x a n a l y s i s .
norm Mat r i x or v e c t or norm .
nor mest Es t i mat e t he mat r i x 2norm
. . .
El comando help lista todos los grupos de funciones
he l p
matl ab / g e n e r a l
matl ab / ops
. . .
La ventana de ayuda
Disponible seleccionando la opci on Help Window del men u Help o bien
pulsando la interrogaci on de la barra de men u.
Puede invocarse desde la ventana de comandos con helpwin
Para obtener ayuda sobre un comando helpwin comando
La informaci on obtenida es la misma que con el comando help pero
permite hipertexto y navegacion
El comando lookfor
Conveniente cuando buscamos una funci on pero no recordamos su
nombre.
Busca todas las funciones que en la primera lnea de texto de la ayuda
(lnea H1) contienen la palabra clave.
Ejemplo: Estamos buscando una funci on para invertir matrices, hacemos
he l p i n v e r s e
i n v e r s e .m not f ound .
entonces bucamos con lookfor
l o o k f o r i n v e r s e
INVHILB I n v e r s e Hi l b e r t mat r i x .
ACOSH I n v e r s e h y p e r b o l i c c o s i ne .
ERFINV I n v e r s e of t he e r r o r f u n c t i o n .
INV Mat r i x i n v e r s e .
PINV Ps e udoi nv e r s e .
IFFT I n v e r s e d i s c r e t e Fo u r i e r t r ans f or m .
IFFT2 Twodi me ns i ona l i n v e r s e d i s c r e t e Fo u r i e r
t r ans f or m .
ICCEPS I n v e r s e compl ex cepst r um .
IDCT I n v e r s e d i s c r e t e c o s i ne t r ans f or m .
Con la opci on -all busca en todo el texto de la ayuda, no solo en H1.
El escritorio de ayuda (help desk)
El escritorio de ayuda de MATLAB permite acceder a mucha informaci on
de referencia almacenada en el disco duro o en el CD-ROM en formato
HTML mediante un navegador.
Se accede a traves de la opci on Help Desk del men u Help.
Tambien se accede escribiendo helpdesk en la ventana de comandos.
Para acceder a la pagina de referencia en formato HTML de un comando
especco, se utiliza el comando doc. Ejemplo: doc eval.
Las paginas de referencia se encuentran tambien disponibles en formato
PDF y pueden ser consultadas e impresas con Acrobat Reader.
Finalmente, desde el escritorio de ayuda se puede acceder a la Pagina
Web the The MathWorks, Inc.
El Entorno de MATLAB
El entorno de MATLAB incluye el conjunto de variables denidas durante
una sesion de MATLAB y el conjunto de cheros del disco que contienen
programas y datos y que permanecen entre sesiones.
El espacio de trabajo (workspace) es el area de memoria accesible desde
la lnea de comandos de MATLAB.
Los comandos who y whos muestran el contenido del espacio de trabajo,
who proporciona una lista reducida, whos incluye ademas informaci on
sobre tama no y almacenamiento.
whos
Name Si z e Byt es Cl a s s
A 4x4 128 doubl e a r r a y
D 5x3 120 doubl e a r r a y
M 10x1 3816 c e l l a r r a y
S 1x3 442 s t r u c t a r r a y
h 1x11 22 char a r r a y
n 1x1 8 doubl e a r r a y
s 1x5 10 char a r r a y
v 2x5 20 char a r r a y
Grand t o t a l i s 471 el ement s us i ng 4566 by t e s .
Para borrar variables del espacio de trabajo, usar el comando clear.
c l e a r nombr e v a r i a bl e A. Herreros, E. Baeyens, DISA/EII (UVa) Curso de Programacion en Matlab y Simulink Curso 2012/2013 40/230
El comando save
Permite almacenar los contenidos del espacio de trabajo en un chero
MAT (binario).
s ave 15 oct 02
salva el espacio de trabajo en el chero 15oct02.mat. Para salvar
unicamente ciertas variables
s ave 15 oct 02 no mbr e s v a r i a bl e s
Para recuperar el espacio de trabajo se utiliza el comando load.
l oad 15 oct 02
El formato MAT es binario y no puede leerse, si se desea un chero que
pueda leerse pueden utilizarse las siguientes alternativas
-ascii Formato de texto de 8 bits.
-ascii -double Use Formato de texto de 16 bits.
-ascii -double -tabs Delimita los elementos de una matriz con tabuladores
-v4 Crea un chero MAT de la versi on 4
-append A nade datos a un chero MAT ya existente
En formato texto no puede salvarse todo el espacio de trabajo de una vez,
y debe hacerse indicando el nombre de las variables.
La trayectoria de b
usqueda
La trayectoria de b usqueda (search path) es la lista ordenada de
directorios en los que MATLAB va buscando las funciones.
El comando path muestra la trayectoria de b usqueda.
Si hubiera varios cheros con el mismo nombre de funcion en diferentes
directorios, MATLAB ejecuta el primero que encuentra al seguir la
trayectoria de b usqueda.
Para modicar la trayectoria de b usqueda, ir a Set Path en el
men u File.
Manipulaci
on de Ficheros
MATLAB dispone de los comandos dir, type, delete, cd, para
realizar las operaciones usuales de manipulacion de cheros de un
sistema operativo.
MATLAB MS-DOS UNIX VAX/VMS
dir dir ls dir
type type cat type
delete del o erase rm delete
cd chdir cd set default
El comando diary
Crea un diario de la sesi on MATLAB en un chero de texto.
El chero puede editarse con cualquier editor o procesador de textos.
Para crear un chero llamado midiario.txt que contenga todos los
comandos de la sesion y sus resultados en la ventana de comandos, hacer
d i a r y mi d i a r i o . t x t
si no se incluye ning un nombre de chero, el diario de la sesi on se
almacena por defecto en el chero diary.
Para parar la grabacion del diario
d i a r y o f f
Para volver a activar/desactivar la grabaci on del diario
d i a r y on/ o f f
Ejecuci
on de programas externos
Para ejecutar programas externos a MATLAB desde la lnea de
comandos, se antepone el caracter de escape !. Por ejemplo, en
UNIX
! v i
Ejecuta el editor de texto visual.
Ejercicios 1
Fichero Aejer1.m : Las siguientes expresiones describen las
tensiones principales de contacto en las direcciones x, y y z que
aparecen entre dos esferas que se presionan entre s con una fuerza
F.
x
=
y
= p
max
_
_
1
z
a
tan
1
_
a
z
__
(1 v
1
) 0,5
_
1 +
z
2
a
2
_
1
_
z
=
p
max
1 + z
2
/a
2
siendo
a =
_
3F
8
(1 v
2
1
)/E
1
+ (1 v
2
2
)/E
2
1/d
1
+ 1/d
2
_
1/3
p
max
=
3F
2a
2
v
j
son los coecientes de Poisson, E
j
los modulos de Young de
cada esfera y d
j
son los diametros de las dos esferas.
Escribir las ecuaciones en notacion de MATLAB y evaluarlas para
los siguientes valores: v
1
= v
2
= 0,3, E
1
= E
2
= 3 10
7
, d
1
= 1,5,
d
2
= 2,75, F = 100 lb. y z = 0,01 in.
Ejercicio 2
Fichero Aejer2.m : El n umero de carga de un rodamiento
hidrodinamico esta dado por la siguiente expresion:
N
L
=

2
(1
2
) + 16
2
(1
2
)
2
siendo el coeciente de excentricidad. Escribir la ecuacion en
notacion de Matlab y evaluarla para = 0,8.
Ejercicio 3
Fichero Aejer3.m : Un tubo largo con radio interior a y radio
exterior b y diferentes temperaturas en la supercie interior T
a
y
en la exterior T
b
esta sometido a tensiones.
Las tensiones radial y tangencial se obtienen mediante las
siguientes ecuaciones:
r
=
E(T
a
T
b
)
2(1 v) ln(b/a)
_
a
2
b
2
a
2
_
b
2
r
2
1
_
ln
_
b
a
_
ln
_
b
r
__
t
=
E(T
a
T
b
)
2(1 v) ln(b/a)
_
1
a
2
b
2
a
2
_
b
2
r
2
+ 1
_
ln
_
b
a
_
ln
_
b
r
__
siendo r la coordenada radial del tubo, E el modulo de Young del
material del tubo y el coeciente de dilatacion. La distribucion
de temperaturas a lo largo de la pared del tubo en la direccion
radial es:
T = T
b
+
(T
a
T
b
) ln(b/r )
ln(b/a)
Escribir las ecuaciones en notacion de Matlab y evaluarlas para
los siguientes valores: = 1,2 10
5
, E = 3 10
7
, v = 0,3, T
a
= 500,
T
b
= 300, a = 0,25, b = 0,5, r = 0,375.
Ejercicio 4
Fichero Aejer4.m : La formula siguiente, propuesta por el
matematico S. Ramanujan permite aproximar el valor de .
1
8
9801
N
n=0
(4n)!(1103 + 26390n)
(n!)
4
396
4n
Evaluar la formula anterior para N = 0, 1, 2, 3 y comparar el
resultado obtenido con el valor de que proporciona Matlab.
Para calcular el factorial, utilizar la funcion gamma que satisface
gamma(n+1)=n!.
Ejercicio 5
Fichero Aejer5.m : Introducir en el espacio de trabajo de
Matlab dos vectores a y b siendo a
j
= 2j 1 y b
j
= 2j + 1,
j = 1, . . . , 7. Se pide:
1
Calcular la suma de a y b
2
Calcular la diferencia de a y b.
3
Calcular el producto a
T
b y el valor de su traza y determinante.
4
Calcular el producto ab
T
.
Ejercicio 6
Fichero Aejer6.m : Sea z=magic(5). Realizar las siguientes
operaciones ordenadamente y mostrar los resultados:
1
Dividir todos los elementos de la segunda columna por
3.
2
Sustituir la ultima la por el resultado de sumarle los elementos de la
tercera la.
3
Sustituir la primera columna por el resultado de multiplicarle los
elementos de la cuarta columna.
4
Hacer que todos los elementos de la diagonal principal sean 2.
5
Asignar el resultado obtenido a la variable q y mostrarla por pantalla.
6
Mostrar la diagonal principal de qq
T
.
7
Mostar el cuadrado de todos los elementos de la matriz q.
Ejercicio 7
Fichero Aejer7.m : En analisis de regresion lineal multivariante
aparece la siguiente cantidad:
H = X(X
T
X)
1
X
T
Sea
X =
17 31 5
6 5 4
19 28 9
12 11 10
Calcular la diagonal de H.
Ejercicio 8
Fichero Aejer8.m : Dibujar el resultado de la suma de las
siguientes series para los rangos indicados de valores de . Utilizar
200 puntos para realizar la graca.
1
Onda cuadrada
f () =
4
k=1,3,...
1
k
sin(2(2k 1)),
1
2

1
2
2
Diente de sierra
f () =
1
2
+
1
k=1
1
n
sin(2k), 1 1
3
Diente de sierra
f () =
1
2

1
k=1
1
n
sin(2k), 1 1
4
Onda triangular
f () =

2

4
k=1
1
(2k 1)
2
cos((2k 1)), 1 1
Ejercicio 9
Fichero Aejer9.m : Dibujar las siguientes curvas. Utilizar axis
equal para una correcta visualizacion.
1
Cicloide ( 3, r = 0,5, 1, 1,5)
x = r sin
y = r cos
2
Lemniscata (/4 /4)
x = cos
_
2 cos(2)
y = sin
_
2 cos(2)
3
Espiral (0 6)
de Arqumedes
x = cos
y = sin
Logartmica (k = 0,1)
x = e
k
cos
y = e
k
sin
Ejercicio 10
Fichero Aejer10.m : Dibujar las siguientes curvas. Utilizar axis
equal para una correcta visualizacion.
1
Cardioide (0 2)
x = 2 cos cos 2
y = 2 sin sin 2
2
Astroide (0 2)
x = 4 cos
3
y = 4 sin
3
3
Epicicloide (R = 3, a = 0,5, 1 o2, y 0 2)
x = (R + 1) cos a cos((R + 1))
y = (R + 1) sin a sin((R + 1))
4
Epicicloide (R = 2,5, a = 2, y 0 6)
x = (R + 1) cos a cos((R + 1))
y = (R + 1) sin a sin((R + 1))
Ejercicio 11
Fichero Aejer11.m : Dibujar las siguientes curvas
tridimensionales. Utilizar axis equal para visualizar
correctamente.
1
Helice esferica (c = 5,0,
0 t 10)
x = sin(t/2c) cos(t)
y = sin(t/2c) sin(t)
z = cos(t/2c)
2
Senoide sobre cilindro (a = 10,0,
b = 1,0, c = 0,3, 0 t 2)
x = b cos(t)
y = b sin(t)
z = c cos(at)
3
Senoide sobre esfera (a = 10,0,
b = 1,0, c = 0,3, 0 t 2)
x = cos(t)
_
b
2
c
2
cos
2
(at)
y = sin(t)
_
b
2
c
2
cos
2
(at)
z = c cos(at)
4
Espiral toroidal (a = 0,2, b = 0,8,
c = 20,0, 0 t 2)
x = [b + a sin(ct)] cos(t)
y = [b + a sin(ct)] sin(t)
z = a cos(ct)
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Introducci
on a entornos de trabajo (I)

Entornos de trabajo con Matlab:
Espacio de trabajo workspace.
Ficheros de escritura scripts (*.m).
Ficheros de funciones de Matlab (*.m) y compiladas.
Objetos desarrollados en Matlab y en Java.
Workspace en Matlab.
Uso de variables globales, scripts, funciones y objetos.
Ejemplo:
>> a =[ 1 , 2 ; 3 , 4 ] ;
>> whos
>> i nv ( a ) ;
Ficheros de escritura scripts:
Ficheros (*.m) con ordenes iguales a las dadas en el workspace.
Las variables que utiliza son las globales del workspace.
Utiles para repetir la misma operacion varias veces.

Introducci
on a entornos de trabajo (II)

Ficheros (*.m) de funciones:
Son cheros en lenguaje interpretado de Matlab.
Sus variables son locales por defecto.
Paso a la funcion del valor de las variables.
Funciones propias de Matlab y Toolbox.
Ejemplo:
f u n c t i o n c = my f i l e 1 ( a , b)
c = s q r t ( ( a . 2) +(b . 2) )
Uso desde el workspace:
>> x = 7. 5
>> y = 3. 342
>> z = my f i l e ( x , y )
>> whos
. . .
Ficheros de funciones compilador en C/C++ o FORTRAN. Contienen
cabecera especial para conexi on con Matlab.
Clases y objetos denidos en Matlab y Java. Una clase es un tipo de dato
al que se puede asociar funciones propias y redenir operadores.
>> s = t f ( s ) ; get ( s )
>> P= 1/( s +1) ; bode (P) ;
Tipos de datos (I)
Tipos de variables:
Clase Ejemplo Descripcion
array [1,2;3,4]; 5+6i Datos virtual ordenado por ndices
cuyos componentes son datos del
mismo tipo.
char Hola Array de caracteres (cada caracter
tiene 16 bits).
celda {17, hola, eye(2)} Dato virtual ordenado por ndices
cuyos componentes son arrays de dis-
tinto tipo.
struct a.dia=1; a.mes=julio Dato virtual para almacenar datos
por campos (estructura). Cada cam-
po es un array o celda.
objeto tf(1,[1,1]) Datos denido por el usuario con base
a una estructura y con funciones aso-
ciadas.
Tipos de datos (II)
Operadores:
Oper. aritmeticos
+ Suma.
- Resta.
.* Multiplicaci on.
./ Divisi on derecha.
.\ Divisi on izquierda.
: Operador dos puntos.
.^ Potencia.
. Transpuesta.
Conjugada transpuesta.
* Multiplicaci on de matrices.
/ Divisi on derecha de matrices.
\ Divisi on izquierda de matrices.
^ Potencia de matrices.
Oper. de relacion
> Menor que
> Mayor que
<= Menor que o igual a
>= Mayor que o igual a
== Igual a
= No igual a
Operadores logicos.
& Y
| OR
~ NO
Tipos de datos (III)
Operaciones aritmeticas en el workspace o Ascript1.m:
>> a =[ 1 , 2 ; 3 , 4 ] ; b =[ 4 , 5 ; 6 , 7 ] ; >> c= ab
>> c= 3a . . .
. . . >> c= a . b
>> a ( 1 , : ) b ( : , 1 )
. . .
Operaciones de relaci on en el workspace o Ascript1.m:
>> a =[ 1 , 2 , 3] ; b =[ 1 , 3 , 2] ; >> a > b
>> a==b . . .
. . . >> a =[ ] ; i s empt y ( a )
...
Operaciones l ogicas en el workspace o Ascript1.m:
>> a =[ 1 , 2 , 3] ; b =[ 1 , 0 , 3] ; >> a&b
>> a==b . . .
. . . >> a
>> a | b . . .
. . .
Tipo de datos (IV): Valores especiales
Funciones del directorio elmat que devuelven valores importantes,
ans Variable a la que se asigna el resultado de una ex-
presi on que no ha sido asignada.
eps Tolerancia con la que trabaja Matlab en sus calculos.
realmax Mayor n umero en coma otante que puede represen-
tar el computador.
realmin Menor n umero en coma otante que puede repre-
sentar el computador.
pi 3.1415926535897...
i, j N umeros imaginarios puros.
Inf Innito. Se obtiene de divisiones entre cero.
NaN Indeterminaci on. Se obtiene de divisiones 0/0,
inf/inf o n/0 cuando n es imaginario.
flop Cuenta las operaciones en coma otante realizadas.
version Indica la versi on de Matlab usada.
Tipo de datos (V): Valores especiales
En el workspace:
>> 3+2
. . .
>> pi 3
. . .
>> r eal max
. . .
>> a= 5+3 i
. . .
>> a= i (4+3 i )
. . .
>> a= 3/0
. . .
>> a= 0/0
. . .
>> a= NaN3
. . .
>> a= 3 I n f
. . .
Sentencias de control.
Sentencias de control en Matlab:
if, else y elseif: Ejecuta un grupo de sentencias basandose en
condiciones logicas.
switch, case y otherwise: Ejecuta diferentes grupos de sentencias en
funcion de condiciones logicas.
while: Ejecuta un n umero de sentencias de forma indenida en funcion de
una sentencia logica.
for: Ejecuta un n umero de sentencias un n umero determinado de veces.
try...catch: Cambia el control de ujo en funcion de los posibles errores
producidos.
break: Termina de forma directa la realizacion de un bucle for o while.
return: Sale de la funci on.
Nota: Los bucles for y while pueden ser modicados por codigo
vectorizado para aumentar la velocidad de ejecuci on.
Sentencia de control if, else y elseif.
Forma general Asript2.m,
i f s e nt l o g 1 ,
% bl oque 1
e l s e i f s e nt l o g 2
,
% bl oque 2
e l s e
% bl oque 3
end
i f n < 0
% Si n ne ga t i v o e r r o r .
di s p ( Ent r ada debe s e p o s i t i v a ) ;
e l s e i f rem( n , 2 ) == 0
% Si es par s e d i v i d e e nt r e 2.
A = n /2;
e l s e
% Si es i mpar s e i ncr ement a y d i v i d e
.
A = ( n+1) /2;
end
Sentencia de control switch, case y otherwise.
Formulaci on general Ascript3.m,
s wi t c h e x p r e s s i o n
cas e val ue 1
% bl oque 1
cas e val ue 2
% bl oque 2
. . .
ot he r wi s e
% bl oquen
end
s wi t c h i nput num
cas e {1, 2, 3}
di s p ( 1 o 2 o 3 ) ;
cas e 0
di s p ( c e r o ) ;
cas e {1 , 2 , 3}
di s p ( 1 o 2 o 3 ) ;
ot he r wi s e
di s p ( ot r o v a l o r ) ;
end
Sentencia de control while y for.
whi l e e x p r e s i o n
% bl oque
end
n = 1;
whi l e pr od ( 1 : n) < 1e100 ,
n = n + 1;
end
f o r n d i c e= i n i c i o : paso : f i n ,
% bl oque
end
f o r i i = 2: 6 ,
x ( i i ) = 2x ( i i 1) ;
end
Sentencia de control: break, try-catch y return
Sentencia break:
Sirve para salir de forma automatica del ultimo bucle while o for abierto
sin tener en cuenta la condicion o ndice de salida.
Sentencia de control try, catch:
Formulacion general,
try bloque-1 catch bloque-2 end
Ejecuta el bloque-1 mientras no haya un error. Si se produce un error en
bloque-1 se ejecuta bloque-2.
Sentencia return:
Se sale de la funci on en la que se trabaja.
Si se llega al nal de la funcion (*.m), Matlab sale de ella
automaticamente.
Funciones en matlab (I): Cabecera
Se dene el nombre y las variables de entrada y salida:
f u n c t i o n c = my f i l e ( a , b)
Las lneas de comentario se inician con el caracter %.
Las lneas de comentario posteriores a la funci on son de ayuda.
f u n c t i o n c = my f i l e ( a , b)
% Output : c . I nput : a y b
Usando la funci on help.
>> he l p my f i l e
Output : c . I nput : a y b
Funciones en matlab (II): Variables de entrada
Variables de entrada-salida:
Libertad en su n umero. La variable nargin y nargout indican su n umero.
Variables locales por defecto sin tipo determinado.
Ejemplo: a, b y c pueden ser double o array myfile2.m.
f u n c t i o n c = my f i l e 2 ( a , b , c )
% Output : c . I nput : a , b y c
i f nar gi n <2,
e r r o r ( c = my f i l e ( a , b , [ c ] ) ) ;
e l s e i f na r gi n ==2,
c= s q r t ( a.2+b . 2) ;
e l s e
c= s q r t ( a.2+b.2+c . 2) ;
end
Funciones en matlab (III): Celdas como Variables de entrada
Una celda varargin como variable de entrada y otra varargout como
salida. Ejemplo myfile3.m:
f u n c t i o n c = my f i l e 3 ( v a r a r g i n )
% Output : c . I nput : a , b y c
i f nar gi n <2,
e r r o r ( c = my f i l e ( a , b , [ c ] ) ) ;
e l s e i f na r gi n ==2,
c= s q r t ( v a r a r g i n {1}.2+ v a r a r g i n {2}. 2) ;
e l s e
c= s q r t ( v a r a r g i n {1}.2+ v a r a r g i n {2}.2+ v a r a r g i n
{3}. 2) ;
end
Funciones en matlab (IV): Variables globales y est
aticas
Variable estatica: No se pierde su valor y s olo se puede usar en la funci on
denida.
Variable global: No se pierde su valor y se puede usar en todas las
funciones donde este denida. Debe estar denida en el workspace.
Ejemplo funci on myfile4.m:
f u n c t i o n c = my f i l e 4 ( a )
% Output : c . I nput : a
g l o b a l P;
i f i s empt y (P) , P=1; end
c= Pa ; P= P+1;
Variable estatica:
>> P= 10; z= my f i l e ( 3) ; % r e p e t i r
Variable global:
>> g l o b a l P; P=10; z= my f i l e ( 3) ; % r e p e t i r
Funciones en matlab (V): Sub-funciones y funciones privadas
Varias funciones contenidas en un mismo chero.
La funcion principal es la primera. Equivalente a la funcion main del
lenguaje C.
Ejemplo myfile5.m:
f u n c t i o n c = my f i l e 5 ( a , b)
% Output : c . I nput : a y b
c= f un ( a , b) ;
f u n c t i o n z= f un ( x , y )
z=s q r t ( x .2+y . 2) ;
Funciones privadas: Estan en sub-carpeta private y s olo se pueden usar
por las funciones de la carpeta.
Prioridades en la llamada a funciones: Sub-funci on, funci on en misma
carpeta, funcion en carpeta private,funci on en las carpetas del path.
Funciones en matlab (VI):Evaluaci
on de cadenas eval() y feval()

Son el equivalente a los punteros a funciones de lenguaje C.
eval(): Una cadena de caracteres es interpretada como orden,
>> cad= my f i l e ; a= 1;
>> c= e v a l ( [ cad , ( a , , i n t 2 s t r ( 2) , ) ] ) ;
feval: Se llama a una funci on por su nombre o comodn Ascript6.m,
>> cad= my f i l e ; a= 1 , b=2;
>> c= f e v a l ( cad , a , b) ;
>> cad= @myf i l e ; a=1, b=1;
>> c= f e v a l ( cad , a , b) ;
>> cad= @( x , y ) s q r t ( x .2+y . 2) ;
>> c= f e v a l ( cad , a , b) ;
Entrada de datos, pausas y llamadas a la shell.
input(): Introducci on de datos Ascript7.m,
n= i nput ( I n t r . dat o : ) ; % Doubl e .
n= i nput ( I n t r . dat o : , s ) ; % Cadena de c a r a c t e r e s .
ginput(): Localizar puntos en una graca con el rat on,
f i g u r e ; p l o t ( 1: 1000) ;
[ x , y]= gi nput ( 1) % l o c a l i z a r un punto x , y en g r a f i c a .
[ x , y , t e c l a ]= gi nput ( 1) % t e c l a da l a t e c l a de l r at on
usada .
pause(): La funci on para el programa durante un periodo de tiempo,
pause ( n) ; % Para e l programa dur ant e n s egundos .
pause ; % Para e l programa has t a que s e pul s e una t e c l a .
Llamada a la shell (MS-DOS o LINUX): Iniciar sentencia con !,
! copy f i c h 1 . c f i c h 2 c . % Si e l s i s t e ma f ue r a msdos
Funciones save y load.
save: Grabar datos en cheros Ascript8.m,
-mat: Codigo binario (por defecto).
-ascii: Codigo ASCII.
-append: Graba al nal del chero.
>> s ave dat os . dat a b c % Graba dat os . dat l a s
v a r i a b l e s a b c
>> a= r and ( 10 , 5) ;
>> s ave a s c i i append dat os . dat a %Graba a l f i n a l de l
f i c h e r o en c odi go ASCI I .
load: Recupera las variables guardadas con la sentencia save.
>> l oad dat os . dat % Recuper a l a s v a r i a b l e s de dat os . dat
Funciones de librer
a entrada/salida de lenguaje C (I)

Algunas de las funciones de entrada/salida:
Clase Funcion Descripcion
Abrir/Cerrar fopen() Abrir chero.
fclose() Cerrar chero.
Binarios I/O fread() Lectura binaria de chero (defecto enteros).
fwrite() Escritura binaria en chero (defecto enteros).
Con formato fscanf() Lectura con formato de chero.
fprintf() Escritura con formato en chero.
Conversi on cadenas sscanf() Lee de cadena con un determinado formato.
sprintf() Escribe en cadena con formato.
Funciones de librer
a entrada/salida de lenguaje C (II)

Ejemplos de apertura y cierre. Permisos:
r: Lectura. Puntero al inicio del chero.
w: Escritura. Se borra el chero si existe.
a: A nadir. Puntero al nal del chero.
r+: Lectura/escritura. Puntero al inicio.
>> f i c= f open ( f i c h . dat , r ) ; % Abre f i c h e r o par a
l e c t u r a .
>> f c l o s e ( f i c ) ; % Ci e r r a f i c h e r o f i c h . dat .
>> f c l o s e ( a l l ) ; % Ci e r r a t odos l o s f i c h e r o s .
Principales usos:
Ficheros de texto con formato
Ficheros binarios para guardar o extraer matrices en su forma vectorial.
Funciones de librer
a entrada/salida de lenguaje C (III)

Ejemplo Ascript9.m:
>> a= r and ( 3 , 3)
>> f i c h= f open ( dat os . t x t , w ) ; % Guar dar en t e x t o
>> f p r i n t f ( f i c h , %.2 f %.2 f %.2 f \n , a ) ;
>> f c l o s e ( f i c h ) ;
>> f i c h= f open ( dat os . t x t , r ) ; % Recuper ar de f i c h e r o
t e x t o
>> b= f s c a n f ( f i c h , %f )
>> f c l o s e ( f i c h ) ;
>> f i c h= f open ( dat os . t x t , w ) ; % Guar dar en bi na r i o ,
f or mat o r e a l 4
>> f wr i t e ( f i c h , a , r e a l 4 ) ;
>> f c l o s e ( f i c h ) ;
>> f i c h= f open ( dat os . t x t , r ) ; % Recuper ar en b i n a r i o
>> b= f r e a d ( f i c h , i nf , r e a l 4 )
>> f c l o s e ( f i c h ) ;
Pr
acticas de funciones y sentencias de control (I).

Fichero Bejer1.m : Generar una funci on (*.m) para obtener las
siguientes series matematicas. Los argumentos son tres: El primero es el
nombre de la serie deseada (obligatorio). El segundo es el n umero de
datos de , por defecto 200 (opcional). El tercero es lmite superior de
sumatorio, por defecto 1000 (opcional). Si el n umero de argumentos de
salida es uno se devuelve los datos, si es cero se dibuja la graca
correspondiente.
Se nal cuadrada:
f () =
4
n=1,3,5,...
1
n
sin(2n)
1
2

1
2
.
Dientes de sierra:
f () =
1
2
+
1
n=1
1
n
sin(2n) 1 1
.
Se nal triangular:
f () =

2
n=1
1
(2n 1)
2
cos((2n 1)) 1 1
.
Pr
acticas de funciones y sentencias de control (II)

Fichero Bejer2.m : El desplazamiento de una onda propagada a lo
largo de una cuerda tiene una velocidad inicial cero y un deplazamiento
inicial,
{u(, 0) =

a
| 0 a} {u(, 0) =
1
1a
| a 1},
siendo su ecuaci on,
u(, ) =
2
a(1a)
N
n=1
sin na
n
3
sin(n) cos(n).
Crear una funcion *.m para mostrar en graco u(, ). La entrada de la
funci on sera el valor de a, opcional defecto a = 0,25, el de N, opcional
defecto N = 50, y el de , opcional defecto = 0,05, donde
0 2. La funci on dibuja la graca si el usuario no pide variables de
salida y devuelve el valor de u(, ) sin dibujar la graca en caso
contrario.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Optimizaci
on de programas: Indexado de arrays y celdas (I)

Para la optimizaci on de un programa con matlab se debe reducir el
n umero de bucles y cambiarlo por algebra matricial.
Formato externo: Filas y columnas. Formato interno: vector de columnas,
Ascript10.m.
>> a= [ 1 , 2 , 3 ; 4 , 5 , 6 ] ;
>> a ( 2 , 1) , a ( 2) ,
Llamada parcial a un array, end cuenta el n umero de las o columnas,
>> i i = 1 : 2 : 3 ; % v e c t or de 1 a 3 con paso 2.
>> a ( 1 , i i ) % pr i mer a f i l a , col umnas i i
>> a ( 1 , 2 : end ) % pr i mer a f i l a , col umnas de 2 a l f i n a l
>> a ( 1 , : ) % pr i mer a f i l a , t odas l a s col umnas
Composici on de arrays,
>> b= [ a ( : , 1 ) , [ 5 , 7 ] ] % Pr i mer a col umna de a y [ 5 , 7 ]
v e c t or col umna .
Optimizaci
on de programas: Indexado de arrays y celdas (II)

Borrado de matrices,
>> b ( : , 1 ) =[ ] ; % Bor r ado de l a pr i mer a col umna .
Matrices ceros, unos y aleatorias,
>> a= z e r os ( 2 , 3) ; b= ones ( 3 , 2) ; c= r and ( 2 , 3) ;
Espacios lineales y logartmicos,
>> a= l i n s p a c e ( 1 , 10 , 100) ; % De 1 a 10 , 100 puntos , paso
l i n e a l
>> a= l ogs pac e ( 1 , 5 , 100) ; % De 1e1 a 1e5 , 100 puntos ,
paso l og .
Funciones de tama no y repetici on.
>> [ n f i l , nc ol ]= s i z e ( a ) ; % Tama no f i l a col umna ,
>> n f i l = s i z e ( a , 1 ) ; % Tama no f i l a .
>> ncomp= s i z e ( a ( : ) , 1) ; % N umero de componentes ,
f or mat o i n t e r n o .
>> b= repmat ( a , [ 3 , 1 ] ) ; % Re pe t i r mat r i z a t r e s ve c e s
en col umna .
Optimizaci
on del c
odigo de programas (I)

Inicializaci on de matrices como matrices cero.
Sustituci on de bucles por productos matriciales, Ascript11.m
Funci on en diferentes puntos, y(n) = sin(n) n, 0 < n < 10, 100 puntos:
>> n=l i n s p a c e ( 0 , 10 , 100) ; y= s i n ( n) . n ;
Sumatorio de funci on, y =
10
n=0
sin(n) n.
>> n= [ 0 : 1 0 ] ; y= sum( s i n ( n) . n) ;
Funci on de dos dimensiones en varios puntos,
y(i , j ) = i
2
+ j
2
+ i j , i [0, 5], j [0, 7],
>> i i =0: 5; j j =[ 0 : 7 ] ;
>> s i i = s i z e ( i i , 2 ) ; s j j = s i z e ( j j , 1 ) ;
>> i i = repmat ( i i , [ s j j , 1 ] ) ; j j = repmat ( j j , [ 1 , s i i ] ) ;
>> [ i i , j j ]= mes hgr i d ( i i , j j ) ; % e q u i v a l e n t e
>> y= i i .2+ j j .2+ i i . j j ;
Optimizaci
on del c
odigo de programas (II)

Sustituci on de bucles por productos matriciales, Ascript11.m
Funci on de una dimensiones con sumatorio,
y(i ) =
10
n=1
n i
2
+ i , i [0, 5],
>> i i =0: 5; n =[ 1 : 1 0 ] ;
>> y= n ones ( s i z e ( n) ) i i .2+ i i ;
Pr actica de optimizacion de programas: Volver a escribir el codigo
de las practica de generaci on de se nales sin usar bucles, Ficheros
Bejer1bis.m, Bejer2bis.m.
Matrices tri-dimensionales (I)
Se componen de las, columnas y paginas.
Generaci on de matrices tridimensionales, Ascript12.m
>> a =[ 1 , 2 ; 3 , 4 ] ; % Mat r i z de dos di me ns i one s .
>> a ( : , : , 2 )= [ 5 , 6 ; 7 , 8 ] ; % Mat r i z de t r e s di me ns i one s .
>> a= cat ( 3 , [ 2 , 3 ; 4 , 5 ] , [ 5 , 6 ; 7 , 8 ] ) ; % encadena en dim 3
>> a= repmat ( [ 2 , 3 ; 4 , 5 ] , [ 1 , 1 , 2 ] ) ; % r e p i t e en pagi nas
Re-dimensi on: El array es tomado como vector y re-dimesionado,
>> a= r e s hape ( a , [ 2 , 4 ] ) ; % Conv i e r t e dos pagi nas a
c uat r o col umnas .
Borrado de parte de la matriz,
>> a ( : , : , 2 ) =[ ] ; % Bor r ado de l a pagi na 3.
Matrices tri-dimensionales (II)
Eliminaci on de dimensiones,
>> b= s queeze ( a ( : , 1 , 1 ) ) ; % Se obt i e ne un v e c t or dim
( 21)
>> b= s queeze ( a ( 1 , : , 1 ) ) ; % Se obt i e ne un v e c t or dim
( 12)
>> b= s queeze ( a ( 1 , 1 , : ) ) ; % Se obt i e ne un v e c t or dim
( 21)
Cambio de ndices en dimensiones,
>> b= permute ( a , [ 2 , 1 , 3 ] ) ; % Las f i l a s pasan a s e r
col umnas .
>> a= i per mut e ( b , [ 2 , 1 , 3 ] ) ; % Es l a i n v e r s a de permute .
Matrices multidimensionales (III)
Celdas multidimensionales: Se puede trabajar con ellas de forma similar a
como se trabaja con las matrices.
>> A= { [ 1 , 2 ; 3 , 4 ] , hol a ; [ 1 , 2 , 3 ] , 2 }; % c e l da de dim
( 22)
>> B= { hol a , [ 1 , 2 , 3 ] ; 2 , 2}; % c e l da de dim ( 22)
>> C= cat ( 3 , A, B) ; % c e l da de dim (222)
Estructuras multidimensionales: Se puede trabajar con ellas de la forma
similar a como se trabaja con matrices.
>> c l a s e ( 1 , 1 , 1) . al um= pepe ; c l a s e ( 1 , 1 , 1) . not a =10;
>> c l a s e ( 1 , 1 , 2) . al um= j uan ; c l a s e ( 1 , 1 , 2) . not a =10;
>> c l a s e= s queeze ( c l a s e ) ; % Se r educe a dos di me ns i one s
.
>> c l a s e . al um % Muestra l o s nombres de t odos l o s
al umnos .
Funciones para estructuras y celdas (I)
Funciones especicas para structuras.
Funcion Descripcion
getfield() Muestra los campos de la estructura.
isfield() Verdadero si un campo de la estructura.
isstruct() Verdadero si es una estructura.
rmfield() Borra el campo marcado de la estructura.
setfield() Cambia los contenidos de campo.
struct() Crea o convierte en una matriz de estructuras.
struct2cell() Convierte una matriz de estructuras en celdas.
Funciones para estructuras y celdas (II)
Ejemplos de funciones para estructuras,
>> c l a s e ( 1) . al um= pepe ; c l a s e ( 1) . not a =10;
>> c l a s e ( 2) . al um= j uan ; c l a s e ( 2) . not a =10;
>> c l a s e ( 3)= s t r u c t ( al um , j o s e , not a , 7) % Otra
f orma de d e f i n i r
>> g e t f i e l d ( c l a s e ) % Muestra l o s campos de c l a s e
>> i s s t r u c t ( c l a s e ) % Af i r ma t i v o
>> i s f i e l d ( c l a s e , not a ) % Af i r ma t i v o
>> r mf i e l d ( c l a s e , not a ) % El i mi na campo not a .
>> s e t f i e l d ( c l a s e , al um , pepe ) ; % I nt r oduc e pepe
en campo al um
>> p= s t r u c 2 c e l l ( c l a s e )
>> % Pone un el ement o de s t r u c t en una col umna de l a
c e l da .
>> % De un v e c t or e s t r u c t u r a s a l e una mat r i z de c e l d a s
Funciones para estructuras y celdas (III)
Funciones especicas de celdas.
Funcion Descripcion
cell() Crea una matriz de celda.
cell2struct() Convierte celdas en estructuras.
celldisp() Muestra el contenido de la celda.
cellfun() Aplica una celda funcion a matriz.
cellplot() Muestra una graca de la celda.
iscell() Verdadero en caso de que sea celda.
num2cell() Conversi on de matriz numerica en celda.
Funciones para estructuras y celdas (IV)
Ejemplos de funciones de estructuras.
>> a= c e l l ( 2 , 2) % Se c r e a una c e l da v a c a .
>> a={ pepe , j uan ; 10 , 10}; %Se l l e n a c e l da
>> i s c e l l ( a ) % Af i r ma t i v o
>> c e l l d i s p ( a ) % Muestra e l c ont e ni do de l a c e l da
>> c e l l p l o t ( a ) % Muestra e l c ont e ni do en vent ana .
>> c e l l f u n ( i s r e a l , a ) % Di f e r e n t e s f unc i o ne s
a p l i c a d a s a c e l d a s .
>> c e l l 2 s t r u c ( a , { al um , not a }) % Pasa de c e l da a
e s t r u c t u r a .
>> %Toma l o s campos por f i l a s .
>> num2cel l ( [ 1 , 2 ; 3 , 4 ] ) % Conv i e r t e mat r i z en c e l da .
Pr
acticas con matrices, celdas, estructuras y ficheros

Escribir un chero Fichero Bejer3.m las siguientes operaciones:
Generar una matriz aleatoria de dimensiones {10 5 20}.
Obtener la matriz correspondiente a la segunda pagina.
Obtener el vector correspondiente a la la 2, columna 3.
Obtener una celda cuyos componentes sean los elementos de la matriz.
Agregar dicha celda al campo datos de una estructura. Introducir otro
campo llamado nombre que corresponda a una cadena de caracteres.
Salvar la matriz, celda y estructura en un chero de nombre datos.dat.
Salvar los elementos de la matriz en un chero binario usando fwrite().
Recuperar dichos datos e introducirlos en una matriz de dimension
{5 10 20}.
Meter la primera pagina de esta matriz en un chero de texto con formato
5 datos por lnea.
Recoger estos datos lnea a lnea y reconstruir la matriz.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones para gr
aficas en dos dimensiones (I)

Funcion Comentario
figure Crea una gura
subplot Crea varios ejes en la misma gura
hold Superpone diferentes plots
plot Plot lineal
loglog Plot logartmico
semilogx, semilogy Plot semilogartmico en eje x e y
xlim, ylim , zlim Margenes en cada uno de los ejes
tit, xlabel, ylabel Texto en ttulo y ejes
legend, text, gtext A nadir texto en gura
ginput Marcar posicion en gura
grid, box Mallado y caja en gura
Funciones para gr
aficas en dos dimensiones (II)

Funcion Comentario
bar, bar3, bar3h Gracas de barras
errorbar Gracas con barras que marcan el error
compass Gracas en forma de compas
ezplot, ezpolar Graca sencillas de funciones
fplot Gracas de funciones
hist, pareto Histograma y carta de pareto
pie, pie3 Pastel de dos o tres dimensiones
stem, stairts Gracas con impulsos y escaleras
scatter, plotmatrix Gracas de dispersion de datos y matrices
Ejemplos con gr
aficos de dos dimensiones, Escript1.m (I)

Barras:
>> x= 2 . 9 : 0 . 2 : 2 . 9 ; bar ( x , exp(x . x ) ) ;
>> bar h ( x , exp(x . x ) ) ;
>> y= round ( r and ( 5 , 3) 10) ;
>> bar ( y , gr oup ) ; bar ( y , s t ac k ) ;
Histogramas:
>> y= r andn (1 e4 , 1) ; h i s t ( y ) ; h i s t ( y , 20) ;
Pasteles:
>> x =[ 1 , 3 , 0 . 5 , 2 . 5 , 2 ] ; pi e ( x ) ;
Escaleras:
>> x= 3: 0. 1: 3; s t a i r s ( x , exp(x . 2) ) ;
Barras con error:
>> x= 4: . 2: 4; y= (1/ s q r t (2 pi ) ) exp(( x . 2) /2) ;
>> e=r and ( s i z e ( x ) ) /10;
>> e r r o r b a r ( x , y , e ) ;
Ejemplos con gr
aficos de dos dimensiones, Escript1.m (II)

Puntos:
>> y=r andn ( 50 , 1) ; stem( y ) ;
Histograma de los angulos.
>> y= r andn ( 1000 , 1) pi ; r os e ( y ) ;
Representaci on de n umeros complejos:
>> z= e i g ( r andn ( 20 , 20) ) ; compass ( z ) ;
>> f e a t h e r ( z ) ;
Gr
aficas para funciones y complementos (I), Escript2.m.

Gracas funciones: plot() para n umeros, ezplot(), fplot() para
funciones:
>> x= 0 : 0 . 0 5 : 1 0 ; y= s i n ( x ) . exp ( 0.4 x ) ;
>> f i g u r e ;
>> s ubpl ot ( 3 , 1 , 1) ; p l o t ( x , y ) ; t i t l e ( p l o t ) ;
>> s ubpl ot ( 3 , 1 , 2) ;
>> e z p l o t ( s i n ( x ) . exp ( 0.4 x ) , [ 0 , 1 0 ] ) ; t i t l e ( e z p l o t
) ;
>> s ubpl ot ( 3 , 1 , 3) ;
>> f p l o t ( s i n ( x ) . exp ( 0.4 x ) , [ 0 , 1 0 ] ) ; t i t l e ( f p l o t )
;
subplot(n,m,p) divide la graca en n m partes y va a la p.
Texto y ejes en las gracas: Ttulos, legendas, cajas, mallado:
>> di s p ( Texto y e j e s en g r a f i c a s : )
>> t= 0 : 0 . 1 : 2 pi ; r=s i n (2 t ) . cos (2 t ) ;
>> f i g u r e ; s ubpl ot ( 2 , 1 , 1) ; p o l a r ( t , r ) ;
>> t i t l e ( p o l a r )
>> s ubpl ot ( 2 , 1 , 2) ;
>> f p l o t ( [ s i n ( x ) , s i n (2 x ) , s i n (3 x ) ] , [ 0 , 2 pi ] , ,
o , ) ;
>> t i t l e ( f p l o t )
>> l e ge nd ( s i n ( x ) , s i n (2 x ) , s i n (3 x ) ) ;
Gr
aficas para funciones y complementos (II), Escript2.m.

>> di s p ( T t ul o , nombre en e j e s , l egenda : )
>> x= l i n s p a c e ( 0 , 2 , 30) ; y= s i n ( x . 2) ; f i g u r e ; p l o t ( x , y ) ;
>> t e x t ( 1 , . 8 , y=s i n ( x 2) ) ; x l a b e l ( Ej e X ) ; y l a b e l ( Ej e Y )
;
>> t i t l e ( Gr a f i c o s e n o i d a l ) ;
>> di s p ( Subpl ot , tama no de l e t r a , tama no e j e s , caj a , g r i d :
)
>> x =0: . 1: 4 pi ; y= s i n ( x ) ; z=cos ( x ) ;
>> f i g u r e ; s ubpl ot ( 1 , 2 , 1) ; p l o t ( x , y ) ;
>> a x i s ( [ 0 , 2 pi , 1 , 1] ) ;
>> s e t ( gca , Font Si z e , 12) ;
>> g r i d on ; box on ;
>> t i t l e ( s i n ( x ) , FontWei ght , bol d , Font Si z e , 12) ;
>> s ubpl ot ( 1 , 2 , 2) ; p l o t ( x , z ) ;
>> a x i s ( [ 0 , 2 pi , 1 , 1] ) ; g r i d on ; box on
>> s e t ( gca , Font Si z e , 12) ;
>> t i t l e ( cos ( x ) , FontWei ght , bol d , Font Si z e , 12) ;
Funciones para gr
aficas en tres dimensiones.

Funcion Comentario
plot3 Plot lineal en tres dimensiones
mesh, meshc, meshz Plot de mallados en tres dimensiones
surf, surfc, surfl Plot de superecie en tres dimensiones
meshgrid, ndgrid Preparacion de datos para gracas de supercie
hidden Ocultar lneas y supercies ocultas
contour, contour3 Curvas de nivel
trimesh, trisurf Plot de mallado triangular
scatter3, stem3 Diagramas de dispersi on y impulsos en 3 dimensiones
slice Gracos de volumen
surfnorm Normales de las supercies
quiver3 Puntos y normales en vectores
patch Parches de supercies
Ejemplos de gr
aficas en tres dimensiones, Escript3.m (I)

Graca de tres dimensiones por puntos:
>> t= 0: pi /50: 10 pi ;
>> f i g u r e ; pl ot 3 ( s i n ( t ) , cos ( t ) , t ) ; g r i d on ; a x i s s quar e
>> f i g u r e ; pl ot 3 ( s i n ( t ) , cos ( t ) , t , , cos ( t ) , s i n ( t ) , t ,
) ;
Graca de tres dimensiones por polgonos:
>> z =0: 0. 01: 8; x=cos ( z ) ; y=s i n ( z ) ;
>> f i g u r e ; f i l l 3 ( x , y , z , r ) ;
Gracas de tres dimensiones con barras:
>> f i g u r e ; y= c ool ( 7) ;
>> s ubpl ot ( 1 , 3 , 1) ; bar 3 ( y , 0 . 2 , det ached ) ;
>> s ubpl ot ( 1 , 3 , 2) ; bar 3 ( y , gr ouped ) ;
>> s ubpl ot ( 1 , 3 , 3) ; bar 3 ( y , 0 . 1 , s t ac ke d ) ;
Gracas de tres dimensiones con puntos con base:
>> f i g u r e ; x= l i n s p a c e ( 0 , 1 , 10) ;
>> y=x . / 2 ; z=s i n ( x )+s i n ( y ) ;
>> stem3 ( x , y , z , f i l l ) ;
Ejemplos de gr
aficas en tres dimensiones, Escript3.m (II)

Supercies tres dimensiones y contornos en dos y tres:
>> [ X, Y]= mes hgr i d ( 7 . 5 : . 5 : 7 . 5 ) ;
>> Z= s i n ( s q r t (X.2+Y. 2) ) . / s q r t (X.2+Y. 2) ;
>> s u r f (X, Y, Z) ; f i g u r e ; s u r f c (X, Y, Z) ;
>> f i g u r e ; s u r f l (X, Y, Z) ;
>> cont our (Z) ; cont our 3 (Z, 50) ;
Supercie con velocidad:
>> f i g u r e ; [ U, V,W]= s ur f nor m (X, Y, Z) ;
>> qui v e r 3 (X, Y, Z, U, V,W, 0 . 5 ) ;
Contornos:
>> [ X, Y]= mes hgr i d ( 2: . 2: 2 , 2: . 2: 3) ; Z= X. exp(X.2Y
. 2) ;
>> cont our (X, Y, Z) ; f i g u r e ; cont our (X, Y, Z, 50) ;
>> f i g u r e ; c ont our f (X, Y, Z) ;
Cambio de color y perspectiva:
>> f i g u r e ; s phe r e ( 16) ; a x i s s quar e ; s hadi ng f l a t ;
>> s e t ( gca , Zl i m , [ 0. 6 , 0. 6] ) ; s e t ( gcf , Col or , w ) ;
Ejemplos de gr
aficas en tres dimensiones, Escript3.m (III)

Rotaci on de la gura:
>> h= s u r f ( peaks ( 20) ) ; r o t a t e ( h , [ 1 , 0 , 0 ] , 1 5 ) ;
>> vi ew ( [ 1 0 , 1 0 ] ) ;
Mallado triangular de la base, no homogeneo. Supercie en funci on de
ese mallado:
>> f i g u r e ; x= r and ( 1 , 50) ; y= r and ( 1 , 50) ;
>> z= peaks (6x 3, 6x3) ;
>> t r i = del aunay ( x , y ) ; t r i me s h ( t r i , x , y , z ) ;
>> f i g u r e ; t r i s u r f ( t r i , x , y , z ) ;
Representaci on en cuatro dimensiones, la cuarta es el color (ttulo con
lenguaje latex): Cortes por planos perpendicular al eje x en 90 y 134,
perpendicular al eje y en 59 y perpendicular al z en 0.
>> f i g u r e ; l oad wi nd ; cav= c u r l ( x , y , z , u , v , w) ;
>> s l i c e ( x , y , z , cav , [ 9 0 , 1 3 4 ] , [ 5 9 ] , [ 0 ] ) ;
>> t i t l e ( $f 1 ( x ) $ , I n t e r p r e t e r , l a t e x , Font Si z e ,
14) ;
Pr
acticas funciones para gr
aficas
Escribir en un chero Fichero Cejer1.m el c odigo para obtener las
siguientes gracas,
Visualizar sobre el rango 2 a 2 la funci on v = e
x
2
y
2
z
2
.
Representar en el intervalo [8, 8] la funcion f (x) =
x
3
x
2
4
.
Gracar sobre los mismos ejes las funciones bessel (1, x), bessel (2, x) y
bessel (3, x) para valores entre 0 y 12, separados uniformemente entre
s dos decimas. Colocar tres leyendas y tres tipos de trazo diferentes
(normal, asteriscos y crculos) respectivamente para las tres funciones.
Representar la curva en polares r = 4(1 + cos(a)) para a entre 0 y 2
(cardiode). Representar tambien la curva en polares r = 3a para a entre
4 y 4 (espiral).
Representar la curva alabeada de coordenadas parametricas x = cos
2
(t),
y = sin(t) cos(t) y z = sin(t) para t entre 4 y 4.
Escribir en un chero Fichero Cejer2.m el c odigo para obtener las
siguientes gracas,
Representar la supercie, su graco de malla y su graco de contorno
cuya ecuacion es la siguiente:
z = xe
x
2
y
2
2 < x, y < 2
Representar en un graco de curvas de nivel con 20 lneas la supercie de
la ecuacion z = sin(x) sin(y) con 2 < x, y < 2.
Representar el paraboloide x
2
+ y
2
seccionado por el plano z = 2.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Definici
on de clase y objeto
Una clase es un nuevo tipo de dato, a una estructura, para el que se
pueden denir funciones especicas y redenir los operadores.
Un objeto es un caso particular de una clase.
Los campos de la estructura asociada a una clase se llamaran propiedades
de la clase, y las funciones asociadas a una clase funciones metodo.
>> s= t f ( s ) ; % Cl as e t f , obj e t o s .
>> P= 1/( s +1) ; % Oper ador + y / r e d e f i n i d o s par a P
>> K= zpk ( [ ] , [ 1 , 2] , 1) ; % Cl as e zpk , obj e t o K
>> bode (P) ; % bode metodo de l a c l a s e t f
Caractersticas de la programaci on a objeto:
Redenicion de operadores especcos para la clase.
Datos encapsulados: Las propiedades de un objeto no son visibles y solo
se puede acceder a ellas desde las funciones metodo de la clase.
Herencia: Una clase se puede crear a partir de otra, heredando todas sus
funciones metodo. Las clases tf, zpk y ss derivan de la clase lti.
Agregacion: Un objeto puede contener otros objetos.
Toda la informaci on de una clase, tf, esta en el directorio asociado @tf.
Las propiedades de clase usada quedan en memoria. Se deben limpiar
para poder modicarlas,
>> c l e a r t f
Funciones m
etodo principales (I)

Constructor: Genera un objeto a partir de datos.
>> P= t f ( 1 , [ 1 , 2 , 3 ] ) ; % Cons t r uc t or t f , obj e t o P.
>> K= zpk ( [ ] , [ 1 , 2] , 1) ; % Cons t r uc t or zpk , obj e t o K
>> Pzpk= zpk (P) ; %P obj e t o t f , Pzpk obj e t o zpk
>> i s a (P, t f ) % a f i r ma t i v o
>> i s a (P, zpk ) % ne ga t i v o
>> P % Ll ama a f unc i on di s pl a y
Visualizador: Metodo display que muestra la informaci on del objeto.
>> P % Ll ama a f unc i on di s pl a y de t f
>> Pzpk % Ll ama a f unc i on di s pl a y de zpk
Funciones m
etodo principales (II)

Obtenci on de informaci on:
General: Metodo get(), muestra propiedades del objeto.
>> get (P)
Por ndices: Metodo B=subref(A,S)
>> P. num{1} %A=P, S( 1) . t ype = . , S( 1) . t ype = {} ,
>> %S( 1) . s ubs ={num } , S( 2) . s ubs ={1}
Introducci on de informaci on:
General: Metodo set(), cambia propiedades del objeto.
>> s e t (P, num , [ 1 , 2 ] )
Por ndices: Metodo A= subsasign(A,S,B)
>> P. num{1}= 1 %A=P, S( 1) . t ype = . , S( 2) . t ype ={}
>> %S( 1) . s ubs ={num } , S( 2) . s ubs ={1}, B=1
Redefinici
on de operadores (I)
Operacion M-chero Descripcion
a + b plus(a,b) Suma
a - b minus(a,b) Resta
-a uminus(a) Menos unitario
+a uplus(a) Mas unitario
a.*b times(a,b) Multiplicaci on por elemento
a*b mtimes(a,b) Multiplicaci on matricial
a./b rdivide(a,b) Divisi on derecha por elemento
a.\b ldivide(a,b) Divisi on izquierda por elemento
a/b mrdivide(a,b) Divisi on matricial derecha
Redefinici
on de operadores (II)
a\b mldivide(a,b) Divisi on matricial izquierda
a.^b power(a,b) Potencia por elemento
a^b mpower(a,b) Potencia matricial
a < b lt(a,b) Menor que
a > b gt(a,b) Mayor que
a <= b le(a,b) Menor que o igual a
a >= b ge(a,b) Mayor que o igual a
a ~= b ne(a,b) Distinto de
a == b eq(a,b) Igual a
a & b and(a,b) Y l ogico
a | b or(a,b) O logico
Redefinici
on de operadores (III)
~a not(a) NO l ogico
a:d:b colon(a,d,b) Operador dos puntos
a:b colon(a,b)
a ctranspose(a) Traspuesta conjugada compleja
a. transpose(a) Matriz transpuesta
display(a) Visualizaci on pantalla
[a b] horzcat(a,b,...) Concatenaci on horizontal
[a; b] vertcat(a,b,...) Concatenaci on vertical
a(s1,s2,...sn) subsref(a,s) Referencia por subndices
a(s1,...,sn) = b subsasgn(a,s,b) Asignamiento por subndices
(a) subsindex(a) Conversi on al ser ndice
Prioridades y ejemplos
Prioridades entre objetos ante metodos y operadores:
Un objeto creado tiene prioridad sobre una variable de Matlab,
>> P= 1/( s +1) ; % oper ador / y + de c l a s e t f .
Entre dos objetos creados hay que asignar prioridades,
>> i n f e r i o r t o ( c l a s s 1 , c l a s s 2 , . . . )
>> s u p e r i o r t o ( c l a s s 1 , c l a s s 2 , . . . )
Ejemplo de objetos, metodos y operadores:
>> s= t f ( s ) % Cons t r uc t or
>> P( 1)= 1/( s +1) ; % Oper ador es / , + , metodo
s ubs as i gn
>> P( 2)= 1/( s +2) ;
>> K= P( 1) % metodo s ubs r e f
Ejemplo: Una clase de polinomios (I)
Objetivos: Se pretende realizar una clase para trabajar con polinomios.
Para ello se denen las siguientes funciones metodo:
Metodo constructor polynom: Se crea un objeto a partir de los
coecientes del polinomio.
Metodo double: El polinomio se podra convertir a un vector.
Metodo display: El objeto se vera en la pantalla en forma de cadena de
caracteres.
Sobrecarga de operadores: Los operadores suma (+), resta (-) y
multiplicacion (*) son redenidos para polinomios.
Ejemplo: Una clase de polinomios (II)
Metodo constructor,
f u n c t i o n p = pol ynom( a )
% pol ynom Cons t r uc t or de l a c l a s e pol ynom .
% p = pol ynom( v ) c r e a un pol i nomi o de un v e c t or .
% Los c o e f i c i e n t e e s t an en or den d e c r e c i e n t e
% de l a s po t e nc i a s de x .
i f na r gi n == 0
p . c = [ ] ;
p = c l a s s ( p , pol ynom ) ;
e l s e i f i s a ( a , pol ynom )
p = a ;
e l s e
p . c = a ( : ) . ;
p = c l a s s ( p , pol ynom ) ;
end
Ejemplo: Una clase de polinomios (III)
Metodo display:
f u n c t i o n d i s p l a y ( p)
% pol ynom\ d i s p l a y . Comando vent ana par a v e r e l obj e t o .
di s p ( i n t 2 s t r ( p . c ) ) ;
Metodo double:
f u n c t i o n c = doubl e ( p)
% pol ynom\ doubl e . Conv i e r t e pol ynom a un v e c t or doubl e .
% c = doubl e ( p) . Conv i e r t e un pol i nomi o en v e c t or .
c = p . c ;
Operador +:
f u n c t i o n r = pl us ( p , q)
% pol ynom\ pl us . Def i ne p + q par a pol i nomi os .
p = pol ynom( p) ; q = pol ynom( q) ;
k = l e ngt h ( q . c ) l e ngt h ( p . c ) ;
r = pol ynom ( [ z e r os ( 1 , k ) p . c ] + [ z e r os (1, k ) q . c ] ) ;
Ejemplo: Una clase de polinomios (IV)
Operador -:
f u n c t i o n r = mi nus ( p , q)
% pol ynom\mi nus . I mpl ementa p q e nt r e pol i nomi os .
p = pol ynom( p) ; q = pol ynom( q) ;
k = l e ngt h ( q . c ) l e ngt h ( p . c ) ;
r = pol ynom ( [ z e r os ( 1 , k ) p . c ] [ z e r os (1, k ) q . c ] ) ;
Operador *:
f u n c t i o n r = mti mes ( p , q)
% pol ynom\mti mes . I mpl ementa p q e nt r e pol i nomi os .
p = pol ynom( p) ;
q = pol ynom( q) ;
r = pol ynom( conv ( p . c , q . c ) ) ;
Ejemplo de su uso en workspace:
>> p= pol ynom % Crea un obj e t o v a c i o
>> p= pol ynom( p) % Devuel ve e l obj e t o que s e manda
>> p= pol ynom ( [ 1 , 2 , 3 ] ) % Crea un obj e t o p l l e n o
>> q= p+p
>> t= qp
>> a= doubl e ( p)
Clases derivadas: Herencia (I)
Muchas veces se desea crear una nueva clase con las mismas propiedades
y funciones metodos que otra ya existente a la que se a naden nuevas
propiedades y funciones metodo.
Esto se puede conseguir a nadiendo un objeto de la clase existente
ClasePadre en la denici on de la nueva clase.
Los objetos de la nueva clase seran ObjetoHijo, y los de la clase
existente ObjetoPadre.
Un ObjetoHijo puede acceder a todos las funciones metodo de la
ClasePadre que no esten denidos en su clase.
La forma de denir un objeto hijo es la siguiente:
Obj et oHi j o= c l a s s ( Obj et oHi j o , Cl a s e Hi j o , Obj et oPadr e ) ;
Con esta denici on Matlab crea un componente
ObjetoHijo.ClasePadre donde se guardara la informacion de la parte
del ObjetoHijo con las mismas propiedades que el ObjetoPadre.
Clases derivadas: Herencia (II)
Un objeto hijo puede recibir herencia de varios objetos padres,
Obj et oHi j o= c l a s s ( Obj et oHi j o , Cl a s e Hi j o , Obj etoPadr e1 ,
Obj et oPadr e2 ) ;
Una funcion metodo que no posea la ClaseHijo sera buscada en las
funciones de la clase ClasePadre1 y de no ser encontrada entre las de la
clase ClasePadre2.
Un ejemplo muy sencillo de una clase derivada es el de una clase de
funciones, cuyas propiedades son:
Nombre de la funcion.
Polinomio caracterstico.
Esta claro que esta clase funcion puede ser propuesta como derivada de
la clase polinomio polymon, a nadiendo a la misma una propiedad donde
se escriba el nombre de la funci on.
Todas las funciones metodo de la clase polynom pueden ser usadas en la
clase funcion excepto el metodo constructor, el metodo display y el
subsref, que van a ser redenidos.
Cuando los objetos funcion use funciones metodo de la clase polynom,
se esta trabajando con la parte del objeto funcion heredada, y el
resultado de la operaci on podra ser un objeto polynom o de otra clase ya
denida, pero nunca de la clase funcion.
Clases derivadas: Herencia (III)
Funci on metodo constructor de funcion. C odigo.
f u n c t i o n p = f unc i on ( v a r a r g i n )
%FUNCION Cons t r ut or de l a c l a s e f unc i on .
s wi t c h nar gi n
cas e 0
pol y= pol ynom ;
p . nombre = ;
p = c l a s s ( p , f unc i on , pol y ) ;
cas e 1
i f i s a ( v a r a r g i n {1} , f unc i on )
p = v a r a r g i n {1};
e l s e
e r r o r ( Ti po de argumento e r r one o ) ; end
cas e 2
i f i s c h a r ( v a r a r g i n {1}) ,
p . nombre= v a r a r g i n {1};
e l s e
e r r o r ( Arg : nombre , pol i nomi o ) ; end
pol y = pol ynom( v a r a r g i n {2}) ;
p = c l a s s ( p , f unc i on , pol y ) ;
ot he r wi s e
e r r o r ( N umero de ar gumentos e r r one o ) ; end
Clases derivadas: Herencia (IV)
Funci on metodo display. C odigo.
%POLYNOM/DISPLAY Comando vent ana par a v e r e l obj e t o .
di s p ( ) ;
di s p ( [ Funci on , p . nombre , = ] )
di s p ( ) ;
di s p ( [ char ( p) ] ) ;
Ejemplos en el workspace:
>> p= f unc i on % Obj et o f unc i on nul o
>> p1= f unc i on ( z e t a , [ 1 , 2 , 3 ] )
>> % Obj et o f unc i on con nombre y par amet r os .
>> p2= f unc i on ( et a , [ 2 , 3 , 4 ] )
>> p3= p1+p2
>> % Se usa un metodo de l padr e . El r e s u l t a d o en un
obj e t o pol ynom .
Clases derivadas: Herencia (V)
Funci on metodo subsref: Muestra por campos el nombre y polinomio de
la funcion, y por ndice el valor de la funci on en un punto. C odigo.
f u n c t i o n b = s u b s r e f ( a , s )
%SUBSREF Muestra , por campos e l c ont e ni do de l
% obj et o , por n d i c e s e l v a l o r en un c i e r t o punto .
s wi t c h s . type ,
cas e . ,
s wi t c h s . s ubs
cas e nombre ,
b= a . nombre ;
cas e pol y ,
b= char ( a . pol ynom) ;
ot he r wi s e
e r r o r ( Campos : nombre , pol y . ) ;
end
cas e ( ) ,
i nd= s . s ubs { : } ;
b= a . pol ynom( i nd ) ;
ot he r wi s e
e r r o r ( Campo o n d i c e e r r one o . ) ;
end
Clases agregadas (I)
Una clase puede tener de componentes objetos de otras clases ya
denidas.
Con ello, no se heredan directamente sus funciones metodo, pero estas
funciones podran ser usadas en la denici on de las nuevas funciones
metodo.
Ejemplo: La clase transfer tiene las siguientes propiedades:
Polinomio del numerador.
Polinomio del denominador.
Esta claro que se puede aprovechar la clase polynom para crear esta
nueva clase ya que sus dos componentes son polinomios.
Las funciones metodo de la nueva clase no tienen nada que ver con las de
polynom, pero en su construccion seran empleadas.
Las funciones metodo de la nueva clase son la funci on constructora,
display, subsref, plus, minus, mtimes y mrdivide.
Clases agregadas (II)
Funci on metodo constructor. C odigo.
f u n c t i o n p = t r a n s f e r ( v a r a r g i n )
%FUNCION Cons t r ut or de l a c l a s e t r a n s f e r
% Crea una f unc i on de t r a n s f e r e n c i a compuesta de
% dos pol i nomi os , uno en numerador y ot r o en
denomi nador .
s wi t c h nar gi n
cas e 0
p . num= pol ynom ; p . den= pol ynom ;
p = c l a s s ( p , t r a n s f e r ) ; % Obj et o nul o
cas e 1
i f i s a ( v a r a r g i n {1} , t r a n s f e r )
p = v a r a r g i n {1}; % Obj et o f unc i on
e l s e
p . num= pol ynom( v a r a r g i n {1}) ; p . den= pol ynom ( 1) ;
p= c l a s s ( p , t r a n s f e r ) ; % Obj et o s o l o numerador
end
cas e 2
p . num= pol ynom( v a r a r g i n {1}) ; p . den= pol ynom( v a r a r g i n
{2}) ;
p = c l a s s ( p , t r a n s f e r ) ; % Obj et o numerador y
denomi nador
ot he r wi s e
e r r o r ( N umero de ar gumentos e r r one o ) ;
end
Clases agregadas (III)
Funci on metodo display. C odigo:
% t r a n s f e r \ d i s p l a y . Comando vent ana par a v e r e l obj e t o .
num= char ( p . num) ;
den= char ( p . den ) ;
di s p ( ) ;
di s p ( [ i nputname ( 1) , = ] )
di s p ( ) ;
di s p ( [ num] ) ;
di s p ( repmat ( , [ 1 , max ( [ s i z e (num, 2 ) , s i z e ( den , 2 ) ] ) ] ) ) ;
di s p ( den ) ;
>> g= t r a n s f e r ; % Obj et o nul o
>> g= t r a n s f e r ( [ 1 , 2 , 3 ] ) % Obj et o con num y den= 1.
>> p= pol ynom ( [ 1 , 2 , 3 ] ) % Obj et o pol ynom
>> g= t r a n s f e r ( [ 1 , 2 , 3 ] , [ 3 , 4 , 5 ] ) ; % Obj et o con num y den
>> g= t r a n s f e r ( p , [ 1 , 2 , 3 ] ) ; % Obj et o con num y den
Clases agregadas (IV)
Funci on metodo subsref. C odigo:
f u n c t i o n b = s u b s r e f ( a , s )
% t r a n s f e r \ s u b s r e f . Por campos , l a r e p r e s e n t a c i o n de l
obj e t o .
% Por n d i c e s , e l v a l o r de l a f unc i on en un punto .
s wi t c h s . type ,
cas e . ,
s wi t c h s . subs ,
cas e num ,
b= char ( a . num) ; % pol i nomi o num
cas e den ,
b= char ( a . den ) ; % pol i nomi o den
ot he r wi s e
e r r o r ( Campos : num, den ) ;
end
cas e ( ) ,
i nd = s . s ubs { : } ;
b= a . num( i nd ) . / a . den ( i nd ) ; % Val or en x
ot he r wi s e
e r r o r ( Dar campo o v a l o r de x en p( x ) )
end
Clases agregadas (V)
Sobrecarga de operadores. C odigo:
f u n c t i o n r = pl us ( p , q)
% t r a n s f e r \ pl us . Def i ne p + q par a t r a n s f e r .
p = t r a n s f e r ( p) ;
q = t r a n s f e r ( q) ;
r . num= p . numq . den + p . denq . num;
r . den= p . denq . den ;
r= c l a s s ( r , t r a n s f e r ) ;
f u n c t i o n r = mi nus ( p , q)
% t r a n s f e r \mi nus . Def i ne p q par a t r a n s f e r .
p = t r a n s f e r ( p) ;
q = t r a n s f e r ( q) ;
r . num= p . numq . den p . denq . num;
% t r a n s f e r \mtime . Def i ne p q par a t r a n s f e r .
p = t r a n s f e r ( p) ;
q = t r a n s f e r ( q) ;
r . num= p . numq . num;
Clases agregadas (VI)
Sobrecarga de operadores. C odigo:
% t r a n s f e r \ mr di v i de Def i ne p / q par a t r a n s f e r .
p = t r a n s f e r ( p) ;
q = t r a n s f e r ( q) ;
r . num= p . numq . den ;
r . den= p . denq . num;
>> g1= t r a n s f e r ( [ 1 , 2 , 3 ] , [ 2 , 3 , 4 ] )
>> g2= t r a n s f e r ( [ 1 , 4 , 3 ] ) % den=1
>> g3= g1+g2 ; % Obj et o t r a n s f e r
>> g3= g1/g2 % Obj et o t r a n s f e r
>> g3 . num % Cadena de c a r a c t e r e s
>> g3 ( 10) % Val or de c o c i e n t e en x=10
Pr
acticas de la programaci
on orientada a objeto
Modicar la funci on metodo subsref, Fichero Dejer1.m de la clase
funcion, de forma que los ndices sirva para devolver el valor del
coeciente correspondiente. Por ejemplo, p(3) debe devolver el tercer
coeciente.
Modicar la funci on metodo subsref, Fichero Dejer2.m, de la clase
transfer de forma que devuelva los ndices de numerador y denominador
correspondientes. Por ejemplo, g(1,2) debe devolver el primer coeciente
del numerador, y segundo del denominador.
Denir una funci on metodo subasgn, de las clases funcion y transfer,
Fichero Dejer3.m y Dejer4.m con un criterio similar a los empleados
en los dos apartados anteriores. Ejemplo en la clase funcion, p(3)=5,
introduce un 5 en la posicion tercera del polinomio. Ejemplo en la clase
transfer, g(2,3)=[1,2], introduce un 1 en la posicion segunda del
numerador, y un 2 en la posici on tercera de denominador.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Definici
on de sistema continuos.
Un sistema es la relaci on entre una se nal de entrada y una de salida,
y(t) = F(u(t)).
Todo sistema fsico es causal, es decir, la se nal de salida depende en el
tiempo de la se nal de entrada.
Un sistema continuo en el tiempo puede ser representado
matematicamente mediante una ecuaci on diferencial ordinaria (ODE),
y
(n)
= f (t, y, y
, . . . , y
(n1)
).
Nota: La entrada es una funci on del tiempo u(t).
Definici
on de sistemas continuos lineales

Sistema lineal:
Si u(t) y(t), entonces u(t) y(t).
Si {u
1
(t), u
2
(t)} {y
1
(t), y
2
(t)}, entonces
{u
1
(t) + u
2
(t)} {y
1
(t) + y
2
(t)}.
Un sistema lineal se rige por una ecuaci on diferencial lineal,
y
(n)
+ a
n1
y
(n1)
+. . . + a
0
y = b
n
u
(n)
+ b
n1
u
(n1)
+. . . + b
0
u.
Nota: Ver que de esta forma se cumple con su denici on.
Funci on de transferencia de un sistema lineal es la transformada de
Laplace de su ecuacion diferencial,
Y(s)
U(s)
=
s
n
+ a
n1
s
n1
+. . . + a
0
b
n
s
n
+ b
n1
s
n1
+. . . + b
0
.
Definici
on de sistema muestreados.
Un sistema muestreado puede ser representado por una ecuacion en
diferencias,
y(k) = f (k, y(k), y(k 1), . . . , y(k n)).
Un sistema muestreado lineal puede ser representado por un una ecuaci on
en diferencias lineal,
y(k+n)+a
1
y(k+n1)+. . .+a
0
y(k) = b
n
u(k+n)+b
n1
u(k+n1)+. . .+b
0
u(k).
Funci on de transferencia de un sistema muestreado lineal es la
transformada Z de su ecuaci on en diferencias,
Y(z)
U(z)
=
z
n
+ a
1
z
n1
+. . . + a
0
b
n
z
n
+ b
n1
z
n1
+. . . + b
0
.
Un sistema, en general puede estar compuesto por partes continuas,
muestreadas, lineales y no lineales.
Simulaci
on de Sistemas Lineales (I)

Principio: Un ordenador s olo puede simular sistemas discretos. Los
sistemas continuos deben ser discretizados para poder ser simulados.
Paso de continuo a discreto: Existen diferentes formas de aproximar
la derivada (s) a incrementos (z). La mas conocida es el metodo de Euler
s
1z
1
t
.
Tiempo de muestreo t: Debe ser elegido de lo sucientemente
peque no para no perder las dinamicas de continuo. Teorema de Shanon:
Todo dinamica mas rapida que la frecuencia de Nyquist (w
N
= /t) se
pierde al pasar a discreto.
Simulacion de sistemas discretos: Se puede realizar con ayuda de
la function filter(),
%% Si mul ac i on de una pl a nt a d i s c r e t a
% b : Co e f i c i e n t e s de l numerador
% a : Co e f i c i e n t e s de l denomi nador
b= [ 1 , 0 ] ; a= [ 1 , 0. 9] ;
% Ent r ada
u= ones ( 100 , 1) ;
% Sa l i d a
y2= f i l t e r ( b , a , u)
Simulaci
on de Sistemas Lineales (II)

Codigo de la funcion: La funcion simP() tiene un c odigo similar a
filter(),
f u n c t i o n [ y]= SimP( b , a , u)
% [ y]= SimP( b , a , u)
% Si mul ac i on de una pl a nt a en z{1}
% b : c o e f i c i e n t e s de l numerador
% a : c o e f i c i e n t e s de l denomi nador
% Longi t ude s
a= a ( 2 : end ) /a ( 1) ;
nb= l e ngt h ( b) ; na= l e ngt h ( a ) ; N= l e ngt h ( u) ;
% Val or e s a n t e r i o r e s y s a l i d a
yol d= z e r os ( na , 1 ) ; uol d= z e r os ( nb , 1 ) ;
y= z e r os (N, 1 ) ;
% Bucl e de s i mul a c i on
f o r k= 1: N,
uol d ( 2 : end )= uol d ( 1 : end 1) ; uol d ( 1)= u( k ) ;
y ( k )= a yol d+ b uol d ; % model o
yol d ( 2 : end )= yol d ( 1 : end 1) ; yol d ( 1)= y ( k ) ;
end
r e t u r n
Funciones de toolbox: Diferentes toolbox tienen funciones para
simular sistemas lineales con sus objetos correspondientes, por ejemplo
lsim() en control.
Simulaci
on de Sistemas no Lineales (I)

Principio: La simulaci on de sistemas no lineales requiere en muchos
casos tecnicas mas complejas basadas en varios factores,
Reducir el sistema a variables de estado: La ecuacion diferencial
de orden n debe formularse como n ecuaciones diferenciales de primer
orden de las variables de estado elegidas.
Aplicaci on de t ecnicas complejas de discretizacion: La simple
aproximacion por Euler no es suciente para muchas de estos sistemas
Periodo de muestreo variable: El periodo de muestreo se puede
ajustar en funcion del valor de las derivadas, a mayor pendiente, menor
periodo de muestreo.
Sistemas con cambios de alta frecuencia (stiff): Son
sistemas que precisan un periodo de muestreo muy peque no ya que se
vuelven inestables.
Algoritmos de simulacion:
Euler: Computa la derivada con un salto.
Runger-Kutta (r23): Computa la derivada con 3 saltos.
Runger-Kutta (r45): Computa la derivada con 6 saltos internos.
Gear, Adams: Metodos correctores que aseguran estabilidad en sistemas
sti.
Simulaci
on en Matlab y Simulink: Comparaci
on
La simulacion de un sistema consiste en predecir los datos de salida del
mismo frente a los datos de entrada.
Simulaci on desde Matlab:
Creacion de un chero con la ecuacion diferencial del sistema en forma de
derivadas de primer orden.
Resolucion del ODE por metodos similares a los de Runge-Kutta.
Simulaci on desde Simulink (interface graco):
Dibujo del sistema en un entorno graco, donde se dispone de iconos para
sus partes lineales, no lineales, continuas y discretas.
Creacion de un chero con la informacion de la planta y uso de las
funciones de simulacion de matlab.
Simulaci
on con Matlab
La ecuacion ODE del sistema y
(n)
= f (t, y, y
, . . . , y
(n1)
) se debe
transformar a una ecuaci on ODE vectorial de primer orden y
= F(t, y).
Una forma sencilla de conseguirlo es mediante el cambio,
y
1
= y, y
2
= y
, . . . , y
n
= y
(n1)
,
y por tanto
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
=
_
_
_
_
_
y
2
y
3
.
.
.
f (t, y
1
, y
2
, . . . , y
n
)
_
_
.
Condiciones iniciales: Valores iniciales de
_
y
1
(t
0
), . . . , y
n
(t
0
)
_
T
.
ODE de la funci
on de Val der Pol

Ejemplo: Funci on de Val der Pol, (dinamica no lineal
masa-muelle-amortiguador)
y
1
(1 y
2
1
)y
1
+ y
1
= 0,
en ecuaciones de estado,
_
y
1
y
2
_
=
_
y
2
(1 y
2
1
)y
2
y
1
_
.
Fichero con la relacion de las ecuaciones de estado,
f u n c t i o n dy= pol ( t , y , nu )
% t es e l ti empo
% y es e l v a l o r de l v e c t or par a un t .
% dy es l a de r i v a da de y par a un t dado .
% nu par amet r os de l s i s t e ma
dy = [ y ( 2) ; nu(1y ( 1) 2) y ( 2)y ( 1) ] ; % Columna
Esta funcion sera llamada por el programa ODE en los sucesivo puntos t
para obtener la derivada.
La entrada se debe poner en funci on de t.
Clasificaci
on de ODEs y formulaci
on
Funciones ODE para sistema suaves basados en metodos de Ruge-Kutta:
ode45, ode23 y ode113.
Funciones ODE para problema con cambios de alta frecuencia:
ode15s, ode23s y ode23t.
Formato de la llamada a la funci on ODE:
s o l = s o l v e r (@F, tspan , y0 , opt i on )
t= l i n s p a c e ( t s ( 1) , t s ( 2) , 1000) ; % ti empo s a l i d a
y= de v a l ( s ol , t ) ; % e v a l ua c i o n s a l i d a
@F: Nombre o puntero del chero .m donde se guarda la funcion.
tspan= [ti,tf]: Lmite inferior y superior.
y0: Valores iniciales deseados (vector columna).
option: Especicaciones del algoritmo. Si se pone [] se toman por
defecto.
Opciones de las funciones ODE
Consultar con la ayuda:
he l p ode s e t
opt i on= ode s e t ; % dat os por de f e c t o .
x0= [ 1 . 1 , 1 . 1 ] ; % dos e s t ados
t s= [ 0 , 1 0 0 ] ; % Ti empos
nu= 0 . 1 ; % par amet r o
F= @( t , y ) pol ( t , y , nu ) ; % a j u s t a r f unc i on
s o l = ode45 (F , t s , x0 ) % Ve r s i on 7
% s o l . en punt os marcados
y= de v a l ( s ol , l i n s p a c e ( t s ( 1) , t s ( 2) , 1000) ) ;
f i g u r e ; p l o t ( y ( : , 1 ) , y ( : , 2 ) )
Ejemplos:
N umero de datos de salida:
>> opt i on= ode s e t ( Re f i ne , 4) ; % por de f e c t o .
Jacobiano del ODE en funci on jacpol.m:
>> opt i on= ode s e t ( Jacobi an , @j ac pol ) ;
Se precisa una funcion de la forma,
f u n c t i o n j a c= j a c p o l ( t , y )
j a c = [ 0 , 1 , 0;
2y ( 1) y ( 2) , 1y ( 1) 2 , (1y ( 1) 2) y ( 2) ;
0 , 0 , 0 ] ;
Ecuaciones diferenciales con valores de frontera (I)
El problema puede ser planteado por las ecuaciones como para a < t < b,
y
= f (t, y, p)
g(y(a), y(b), p) = 0
Se resuelve con la funci on:
>> s o l = bvp4c (@F, @bc , s o l i n i t , opt i on , p1 , p2 , . . . )
@F nombre o puntero a funcion que dene el problema.
@bc nombre o puntero a funcion que dene los valores frontera.
solinit: Fijar el mallado en t y puntos iniciales para y.
option opciones de resolucion bvpset, bvpget.
pi parametros extras.
Ecuaciones diferenciales con valores de frontera (II)
Ejemplo: Soluci on de la ecuaci on y
+|y| = 0, sabiendo que y(0) = 0 e

y(4) = 2.
Funci on diferencial:
f u n c t i o n dydx= F( t , y )
dydx= [ y ( 2) ; abs ( y ( 1) ) ] ;
Funci on frontera:
f u n c t i o n r e s= bc ( ya , yb )
r e c= [ ya ( 1) ; yb ( 1) +2] ;
Operaciones a realizar:
>> s o l i n i t = b v p i n i t ( l i n s p a c e ( 0 , 4 , 5) , [ 1 , 0 ] ) ;
>> s o l = bvp4c (@F, @bc , s o l i n i t ) ;
>> t=l i n s p a c e ( 0 , 4) ; y= de v al ( s ol , t ) ;
>> p l o t ( t , y ) ;
Ecuaciones diferenciales en derivadas parciales (I)
Una ecuacion en derivadas parciales puede formularse como:
c
_
x, t, u,
u
x
_
u
t
= x
m

x
_
x
m
f
_
x, t, u,
u
x
__
+ s
_
x, t, u,
u
x
_
donde a x b, t
0
t t
f
.
Condiciones iniciales: Para t = T
0
,
u(x, t
0
) = u
0
(x).
Condiciones frontera: Para x = a o x = b,
p(x, t, u) + q(x, t)f
_
x, t, u,
u
x
_
= 0.
Ecuaciones diferenciales en derivadas parciales (II)
Se resuelve con la funci on:
>> s o l = pdepe (m, @F, @i ni t , @f r ont , xmesh , tspan ,
opt i ons , p1 , p2 , . . . )
m: Simetra de la ec. diferencial, bloques (m=1), cilndrica (m=2) y esferica
(m=3).
F Nombre o puntero a la denicion de funcion.
>> [ c , f , s ]= F( x , t , u , dudx )
init: Nombre o puntero a las condiciones iniciales.
>> u= i n i t ( x )
front: Nombre o puntero a las condiciones frontera.
>> [ pl , ql , pr , pr ]= f r o n t ( xl , ul , xr , ur , t )
xmesh: Mallado de los valores de x.
tspan: Mallado de los valores de t.
Ecuaciones diferenciales en derivadas parciales (III)
Ejemplo: Resolver la ecuaci on diferencial
2
u
t
=

x
_
u
x
_
,
sujeto a las condiciones iniciales u(x, 0) = sin(x) y condiciones frontera
u(0, t) = 0, e
t
+
u
x
(1, t) = 0
f u n c t i o n [ c , f , s ]= F( x , t , u , dxdu )
c= pi 2; f= dxdu ; s =0;
f u n c t i o n u0= i n i t ( x )
u0= s i n ( pi x ) ;
f u n c t i o n [ pl , ql , pr , qr ]= f r o n t ( xl , ul , xr , ur , t )
pl=ul ; ql =0; pr= pi exp(t ) ; qr= 1;
>> m= 0; x= l i n s p a c e ( 0 , 1 , 20) ; t= l i n s p a c e ( 0 , 2 , 5) ;
>> s o l = pdepe (m, @F, @i ni t , @f r ont , x , t ) ;
>> u= s o l ( : , : , 1 ) ;
>> f i g u r e ; s u r f ( x , t , u) ;
>> f i g u r e ; p l o t ( x , u( end , : ) ) ;
Pr
acticas de simulaci
on con matlab
Resolver la ecuaci on de Van del Pol y
+(1 y
2
)y
+ y = 0 para
= 1, con valores iniciales y(0) = 2 e y
(0) = 0, en el intervalo
t = [0, 20] (usando su Jacobiano) por el ode45 y ode23. Generalizar el
resultado para una cualquiera. El chero script con la resoluci on del
problema se llamara Eejer1.m.
Resolver la ecuaci on de Lorenz, usadas en la descripci on de sistemas
ca oticos, para los puntos iniciales y valores de , r y b que el usuario
desee, por ejemplo = 10, r = 28 y b = 8/3. El chero script con la
resoluci on del problema se llamara Eejer2.m.
x
= (y x)
y
= x(r z) y
z
= xy bz
Dada la ecuaci on y
+( 2q cos(2t))y = 0, con condiciones de frontera

y(0) = 1, y
(0) + y
() = 0 encontrar una soluci on para q = 15 y

= 15, basandose en una solucion inicial para diez puntos de t en el
intervalo [0, ]. Dibujar la graca de la primera componente en 100
puntos igualmente espaciados entre [0, ]. El chero script con la
resoluci on del problema se llamara Eejer3.m.
Simulink: Tabla de bloques propios
Bloques especcos de Simulink:
Continuous: Bloques de sistemas continuos escritos en base a su
funciones de transferencia; sus polos, ceros y ganancias; y sus ecuaciones
en espacio de estado.
Discrete: Bloques de sistemas discretos escritos en base a su funciones
de transferencia; sus polos, ceros y ganancias; y sus ecuaciones en espacio
de estado.
Function & Tables: Funciones y tablas de Matlab. Especial importancia
las S-Function.
Math: Bloque de operaciones matematicas entre se nales.
Nonlinear: Bloque de no linealidades.
Signal & Systems: Entradas y salidas de datos hacia el espacio de
trabajo de Matlab (bloques in y out), y hacia cheros. Bloque subsystem
que permite generar un diagrama de bloque dentro de otro.
Sinks: Bloques que muestran los datos simulados en pantallas o los
guardan en cheros.
Sources: Bloques que generan diferentes tipos de se nales.
Simulink: Tabla de bloques pertenecientes a toolbox
Bloques de simulink propios o pertenecientes a toolbox de Matlab:
Control System Toolbox: Pertenece a la toolbox de matlab del mismo
nombre.
Sytem Identificacition: Pertenece a la toolbox de matlab del mismo
nombre.
Real-Time: Bloques de comunicacion entre el sistema y una tarjeta de
adquisicion de datos.
SimScape: Toolbox para realizar iconos de simulink que desarrolla
sistemas mecanicos, electricos, electronicos y mas.
SimElectricSystem: Librera con iconos especcos de sistemas electricos
de corriente continua y alterna.
StateFlow: Toolbox para realizar sistemas logicos.
En general, todas las toolbox de matlab han desarrollado funciones de
simulink en la version 7 o posterior.
Simulink: Simulaci
on de sistemas desde matlab

Interface graco para modelar un sistema.
Simulaci on desde Matlab: Entradas bloques in y salidas bloques out.
>> [ t , x , y]= si m ( FUN , tspan , opt i on , [ t , u ] )
FUN: Nombre del chero .mdl del chero Simulink.
tspan:
[ti,tf]: Lmite inferior y superior. Paso y n umero de valores de
salida variables.
linspace(ti,tf,Npuntos): Se ja el n umero de puntos y tiempo
cuya salida se desea conocer. El programa internamente tiene paso
variable.
x0: Valores iniciales de las variables de estado (vector columna).
option: Especicaciones del algoritmo. Si se pone [] se toman por
defecto.
[t,u]: Tiempo y entradas al modelo Simulink desde el espacio de trabajo.
Ejercicios de simulaci
on con matlab y simulink

Formular en un chero *.m los dos modelos planteados en Simulink y
demostrar que la simulaci on con la funci on ode45 y con Simulink es
equivalente. El nombre del chero script sera Eejer4.m.
1
Out1
s+1
1/100s+1
Transfer Fcn
Saturation
s
1
Integrator1
s
1
Integrator
1
In1
1
Out1
1
s+1
Transfer Fcn
Relay
s
1
Integrator1
s
1
Integrator
1
In1
Simulink: Creaci
on de iconos (subsistemas) (I)

Objetivo: Crear iconos (objeto) independientes. Ventajas:
Separa el sistema en partes mejor denidas
Crear una librera de iconos propia aislados
Proporcionar a simulink una herramienta de programaci on propia.
Iconos base: Se dispone de una serie de iconos base para elaborar el
sub-sistema.
Subsystem: Es un bloque compuesto de entradas y salidas donde se
puede formular un submodelo dinamico.
(Enable, Triger, function-call)-Subsystem: El submodelo se aplica
en funcion de unas variables adicionales o cuando son llamados desde otra
icono.
(If, for, while)-Subsystem: Permiten generar bucles condiciones y
llamadas a funciones como si se programara.
Simulink: Creaci
on de iconos (subsistemas) (II)

Subsistemas dinamicos: Un sistema dinamico puede ser modelado en
un subsistema con sus entradas (icono in), salidas (icono out) y los
iconos que se precisen para la desarrollo. Ejemplo: Sistema de primer
orden.
Diagrama con subsistema Subsistema Planta
Mascara de un subsistema: Para hacer al subsistema independiente
(objeto) que se pueda usar en varios cheros simulink se puede hacer una
mascara del subsistema.
Modicar el dise no graco del icono
Denir unas variables para el sistema con un valor por defecto.
Ejecutar instrucciones al inicio de la aplicaci on del subsistema.
Declarar ayudas y comentarios.
Simulink: Creaci
on de iconos (subsistemas) (III)

Ejemplo de mascara de un subsistema: En las propiedades del icono
se elige Mark Editor, con las siguiente posibilidades,
Modicar icono Denir variables icono
Ordenes de inicio Comentarios y ayuda
Simulink: Creaci
on de iconos (subsistemas) (IV)

Iniciacion de variables: En las propiedades del icono del subsistema
se marcan MarkParameter y se ponen las variables del sistema,
Variables iniciales
Cambio del valor de las variables:
Cada ver que se pulse al icono apareceran el valor de sus variables para su
posible cambio.
Desde matlab se deben cambiar nombrando el objeto a que pertenecen.
>> get par am ( ModSimKT/ Pl ant a ) % Ver
>> s et par am ( ModSimKT/ Pl ant a , P , 2 ) % Cambi ar
Subsistema con Mascara
Simulink: Llamadas a script de matlab
Definicion: Una sistema o sub-sistema puede llamar a diferentes
funciones al inicio, durante o al nalizar la simulaci on, ver File/Model
Properties/Callbacks.
Sub-sistema usando como botonera: Un sub-sistema puede llamar a
un script de matlab si se le asigna una funci on de apertura, OpenFcn. Al
apretar dos veces al sub-sistema se activa el script asignado a OpenFcn.
Uso:
Antes de la simulacion: Inicializar parametros.
Despu es de la simulaci on: Ver resultados.
Sintaxis:
>> s et par am ( NombreSubsi stema , OpenFcn ,
Nombr eScr i pt )
Simulink: Llamadas a funciones de matlab (S-function)
Origen: Desde la carpeta User-defned-function de simulink se puede
acceder a funciones denidas en matlab y a funciones especiales
s-function.
Funciones de matlab: Se llama a una funci on de matlab de forma que
las entrada al icono es la entrada a la funci on y la salida del icono la
salida de la funcion.
S-function: Son funciones de matlab donde se denen sistemas
dinamicos en c odigo .m, o en C/C++ o fortran.
Ventaja: Si la funcion se dene en C/C++ o fortran, la s-function
esta compilada y su ejecuci on es mucho mas rapida.
Inconvenientes: Son bastante difciles de hacer y los errores que se
puedan cometer no son faciles de detectar. Resta visibilidad al diagrama y
la funcion compilada depende el sistema operativo en el que se trabaje.
An
alisis de Sistemas (I)

Objetivo: Simulink puede ser usado como herramienta para el analisis
de sistemas,
Hallar el punto de equilibrio de un sistema no lineal.
Linealizacion del sistema en un punto de equilibrio.
Punto de equilibrio: Un punto de equilibrio de entradas (u
P.E.
),
salidas (y
P.E.
) y variables de estado (x
P.E.
) de un sistema es aquel para el
que el sistema permanece constante en el tiempo.
Hallar puntos de equilibrio con Simulink:
Dibujar el diagrama Simulink de la planta.
Planta PlantaLin
Funci on trim() para hallar los puntos de equilibrio a partir de unos
puntos iniciales datos.
An
alisis de Sistemas (II)

Uso de la funcion trim(): Los argumentos de entrada de la funci on
trim(),
Nombre: Nombre del chero simulink en el que se tenga la planta.
Puntos iniciales: Puntos iniciales x0, y0 y y0 desde donde se quiere
buscar el punto de equilibrio.
Indices de los puntos fijos:

Indices ix, iu e iy de los valores de los
puntos iniciales que se desean sean jos.
x0 =[ ] ; y0 =[ ] ; i x =[ ] ; i y =[ ] ; % I nde t e r mi nados
u0= [ 2 ] ; i u= [ 1 ] ; % Se des ea que upe= 2
[ xpe , upe , ype , dype ]= t r i m ( Pl ant aLi n , x0 , u0 , y0 , i x
, i u , i y )
Linealizacion de una planta: Una planta puede linealizarse a partir
de un punto de equilibrio. Si la planta es lineal no es preciso dar el punto
de equilibrio.
xpe =[ ] ; upe =[ ] ; %No s e p r e c i s a
[ A, B, C, D]= l i nmod ( Pl ant aLi n , xpe , upe ) ;
Herramienta GUIDE para la Linealizaci
on de Sistemas
Objetivo: La version Simulink R2010a dispone de una herramienta para
la linealizaci on y dise no de controladores para un modelo.
Linealizacion: El bot on Tool de la pantalla de simulink desarrolla
deferentes aplicaciones GUIDE, dentro de las opciones de Control
Design esta la linealizaci on de sistemas
Fases:
Fijar valor de variables en el punto de equilibrio.
Linealizar la planta en ese punto.
Herramienta GUIDE para la Estimaci
on de Par
ametros
Objetivo: La version Simulink R2010a dispone de una herramienta para
la estimaci on de parametros de una planta.
Pasos para la estimacion:
Introducci on datos de entrada-salida: En el apartado Transient
Data se introduciran los datos de entrada-salida a los que se quiere igualar
la planta.
Elecci on de par ametros: En el apartado Variables se elige las
variables que hay que modicar para que las salida estimada dn mel
modelo se parezca a la real.
Estimaci on: En el apartado Estimation se elige el algoritmo de
optimizacion y funcion de coste para obtener la estimacion.
Validaci on del modelo: En el apartado Validation se puede comparar
la estimacion de la planta para otros datos de entrada y salida con el n
de comprobar la bondad de la estimacion.
Utilidades: En identicaci on y control,
Modelar los parametros de una planta dada para conseguir que su
respuesta se parezca a una dada.
Modelar los parametros de un controlador para conseguir una respuesta
en lazo cerrado adecuada.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
GUIDE: Interface gr
afico de matlab (I)

Definicion: Es una herramienta para construir interfaces gracos con
botoneras, guras, texto, y mas elementos.
Construcci on de gr aficos: Se realiza con un interface del programa
que permite colocar cada elemento donde se desee. Tras ello se exporta la
informacion a un chero .m.
Programaci on de funciones: Cada elemento del graco tiene asociado
en el chero .m una funcion donde el programador escribe las
instrucciones de cada elemento.
Ejemplo: La siguiente graca muestra un inteface para el analisis de las
se nales cardacas. Se compone de,
Pantalla: para visualizar los datos.
Botones: para marcar las operaciones que se desean realizar.
Pantallas de texto: Para mandar mensajes al programa.
0.97 0.98 0.99 1 1.01 1.02 1.03 1.04
x 10
5
-500
0
500
1000
1500
2000
2500
GUIDE: Interface gr
afico de matlab (II)

Entorno grafico: El comando GUIDE abre una pantalla con la que se
puede dibujar el esquema graco del interface,
Cada elemento a nadido es un objeto con un nombre y propiedades que se
pueden modicar en la pantalla.
Los elementos se pueden alinear, formar bloques y otra serie de
operaciones para conseguir una graca bonita.
Cuando la gura se haya terminado se procede a exportar la informacion a
un chero .m.
Pantalla GUIDE y paleta de trabajo:

GUIDE: Interface gr
afico de matlab (III)

Programacion de los objetos: En el chero .m generado con el
interface cada objeto tiene asociado dos funciones, una de inicializaci on y
otra de llamada.
Variables de las funciones: Son dos objetos, hObject para los
gracos y handles para la informaci on.
Ejemplo: Barra para mandar datos (slider),
Funci on creaci on de un slider:
f u n c t i o n S Di m Cr eateFcn ( hObj ect , event dat a , handl e s )
% I nt r oduc e en e l obj e t o g r a f i c o l o s v a l o r e s i n i c i a l e s
s e t ( hObj ect , Val ue , 5) ; s e t ( hObj ect , Min , 0) ;
s e t ( hObj ect , Max , 10) ;
Funci on de llamada de un slider:
f u n c t i o n S Di m Cal l back ( hObj ect , event dat a , handl e s )
% Ext r ae de l obj e t o g r a f i c o e l v a l o r
N= get ( hObj ect , Val ue ) ;
% I nt r oduc e di cho v a l o r en ot r o obj e t o
% E Dim , c a s i l l a de t e x t o
s e t ( handl e s . E Dim , St r i n g , num2str ( f l o o r (N) ) ) ;
GUIDE: Ejercicios propuestos
Ejercicio: Realizar un interface de usuario con la herramienta GUIDE
que consiga mostrar en una pantalla gracas elegidas por el usuario en
diferentes formatos, supercie, mallado o contorno. La funci on donde
debe ser guardado el programa se llamara Fejer1.m
Ver las explicaciones del manual de matlab del interface de usuario,
builgui.pdf, donde se explica este ejemplo con detalle.

Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones matem
aticas b
asicas (I)
Funcion Comentario
abs Valor absoluto
acos, acosh Arco coseno y arco coseno hiperb olico
acot, acoth Arco cotangente y arco cotangente hiperbolico
acsc, acsch Arco cosecante y arco cosecante hiperbolico
angle Argumento
asec, asech Arco secante y arco secante hiperb olico
asin, asinh Arco seno y arco seno hiperbolico
atan, atanh Arco tangente y arco tangente hiperb olico
atan2 Arco tangente en el cuarto cuadrante
ceil Redondeo al entero mas pr oximo
complex Forma un n umero complejo
Funciones matem
aticas b
asicas (II)
Funcion Comentario
conj Complejo conjugado
cos,cosh Coseno y coseno hiperb olico
cot,coth Cotangente y cotangente hiperb olica
csc,csch Cosecante y cosecante hiperb olica
exp Exponencial
fix Elimina la parte decimal
floor Mayor entero menor o igual que un real dado
gcd Maximo com un divisor
imag Parte imaginaria de un n umero complejo
lcm Maximo com un m ultiplo
log Logaritmo neperiano
log2 Logaritmo base 2
log10 Logaritmo base 10
mod M odulo
Funciones matem
aticas b
asicas (III)
Funcion Comentario
nchoosek Coeciente binomial
real Parte real de un n umero complejo
rem Resto de la division
round Redondeo al entero mas cercano
sec,sech Secante y secante hiperb olica
sign Signo
sin,sinh Seno y seno hiperb olico
sqrt Raz cuadrada
tan,tanh Tangente y tangente hiperb olica
Pueden consultarse con
>> he l p e l f u n
MATLAB tiene tambien funciones matematicas especiales
>> he l p s pe c f un
Ejemplo de funciones matem
aticas b
asicas DElfun1.m
Combinaciones de 10 elementos tomadas de 4 en 4
_
10
4
_
:
>> nchoosek ( 10 , 4)
Seno y coseno de los angulos entre 0 y 2, incrementando de /2 en /2.
>> s i n ( 0 : pi /2: 2 pi )
>> cos ( 0 : pi /2: 2 pi )
Algunas propiedades de las funciones exponencial y logartmica
>> exp (2 pi i )
>> exp ( l og ( 2) )
>> 2 exp ( i pi )
>> 2( cos ( pi )+i s i n ( pi ) )
>> l og (3+2 i )
Algunas propiedades de las funciones trigonometricas
>> s i n ( pi /4)2+cos ( pi /4) 2
>> ( exp ( 5)+exp(5) ) /2
>> cosh ( 5)
>> cosh ( pi )2s i nh ( pi ) 2
>> 1+t an ( pi /4) 2
>> s ec ( pi /4) 2
Funciones de transformaci
on de coordenadas
Funcion Comentario
cart2pol,pol2cart Transforma cartesianas a polares (cilndricas 3D)
cart2sph,sph2cart Transforma cartesianas a esfericas
Ejemplo de transformacion de coordenadas DCoor1.m
Transforma el punto (3, 2, 5) de cilndricas a cartesianas:
>> [ x , y , z]= p o l 2 c a r t ( 3 , 2 , 5)
Transforma el punto (1, 1, 1) de cartesianas a cilndricas y a esfericas:
>> [ c1 , c2 , c3]= c a r t 2 p o l ( 1 , 1 , 1)
>> [ c1 , c2 , c3]=c ar t 2s ph ( 1 , 1 , 1)
Transforma el punto (5, /3) de cilndricas a cartesianas:
>> [ x , y]= p o l 2 c a r t ( 5 , pi /3)
Funciones estad
sticas b
asicas (I)
Funcion Comentario
max Maximo de vector
mean Media
median Mediana
min Maximo
perms Permuta las las de una matriz
sort Datos ordenados
sortrows Ordena las de una matriz
std Desviaci on estandar.
var Varianza
Funciones estad
sticas b
asicas (II)
Funcion Comentario
corr Correlaci on entre variables
cov Matriz de covarianzas
corrcoef Matriz de correlaciones
xcorr Correlaci on cruzada entre variables
xcov Covarianzas cruzadas entre variables
cumprod Producto acumulativo
cumsum Suma acumulativa
cumtrapz Integraci on acumulativa trapezoidal
diff Funci on diferencial y aproximaci on acumulativa
find Busca datos en vectores
hist,histc Histograma y contaje de histograma
Ejemplo funciones b
asicas estad
stica DStat1.m (I)

Generamos dos series de 1000 n umeros cada una que se almacenan en los
vectores x e y. Estos vectores representan un conjunto de medidas
obtenidas de muestrear dos variables aleatorias X e Y.
>> r andn ( s eed , 1) ;
>> x = r andn ( 1000 , 1) ;
>> y = r andn ( 1000 , 1) ;
El valor medio de x se calcula con el comando:
>> mean( x )
Si hubiera alg un valor NaN en el vector x, el comando mean(x) devuelve
NaN como media, para descontar estos valores se utiliza el comando NaN
>> xn=x ;
>> xn ( 200)=NaN;
>> mean( xn )
>> nanmean ( xn )
La mediana se calcula con el comando:
>> medi an ( x )
Ejemplo funciones b
asicas estad
stica DStat1.m (II)

La desviaci on tpica se calcula con el comando
>> s t d ( x )
La varianza se calcula con el comando
>> var ( x )
El valor mas grande de la serie se obtiene con el comando
>> max( x )
El valor mas peque no de la serie se obtiene con el comando
>> min ( x )
El rango de valores de la serie se obtiene con el comando
>> r ange ( x )
Ejemplo funciones b
asicas estad
stica DStat1.m (III)

La matriz de covarianza cruzada entre las dos variables aleatorias X e Y
se obtiene con el comando:
>> cov ( x , y )
La matriz de correlaci on cruzada entre las dos variables aleatorias X e Y
se obtiene con el comando:
>> c o r r c o e f ( x , y )
Para obtener la posici on o ndice del mayor o menor valor dentro del
vector x, se puede utilizar el comando max o min con argumentos de
salida.
>> [ a i ] = max( x )
El mayor valor es a, y su posici on dentro del vector x queda almacenado
en la posicion i.
Ejemplo funciones b
asicas estad
stica DStat1.m (IV)

Los valores del vector x pueden ordenarse con el comando sort
>> xs = s o r t ( x ) ;
Se puede obtener el ndice de ordenaci on utilizando sort con un segundo
argumento de salida
>> [ xs i ] = s o r t ( x ) ;
Tanto xs, como x(i) contienen los valores ordenados de menor a mayor,
para ver los que van de la posici on 201 a 210 se hace:
>> [ xs ( 201: 210) x ( i ( 201: 210) ) ]
El histograma de los datos se calcula con el comando
>> h i s t ( x )
Por defecto el comando hist utiliza 10 intervalos. Para utilizar un n umero
diferente de intervalos, por ejemplo 50, hacer
>> h i s t ( x , 50)
La cuenta de elementos h por intervalo i se obtiene con el comando
>> [ h i ] = h i s t ( x , 50) ;
i contiene el valor medio del intervalo y h la cuenta de elementos
Ejercicios de tratamiento de datos
En un chero script de nombre Gejer1.m realizar las siguientes
operaciones:
Generar una variable aleatoria x con distribucion normal y otra y con
distribucion uniforme, ambas con 1000 elementos.
Hallar la media, varianza y mediana de ambas variables.
Hallar el histograma de ambas variables.
Representar la funcion de distribucion acumulada de ambas variables a
partir de los datos ordenados.
Representar la funcion de distribucion de ambas variables a partir de la
diferencia de los datos obtenidos en el apartado anterior.
Hallar el diagrama Q-Q entre ambas variables, es decir, el diagrama de los
datos ordenados de una variable con respecto a la otra.
Hallar la correlacion y convarianza entre ambas variables.
Hallar la correlaci on y covarianza cruzadas de las variables consigo mismas
y entre ellas para un tiempo de [, ].
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones b
asicas de

algebra matricial (I)
Funcion Comentario
expm Exponencial de una matriz e
A
logm Logaritmo neperiano de una matriz
sqrtm Raz cuadrada de una matriz
funm Cualquier funci on matematica aplicada a una matriz
transpose, () Transpuesta de una matriz
inv Inversa de una matriz
det Determinante de una matriz
rank Rango de una matriz
trace Traza de una matriz
Funciones b
asicas de

algebra matricial (II)
Funcion Comentario
eig Valores propios de una matriz
svd Valores singulares de una matriz
cond N umero de condici on de una matriz
rcond Recproco del n umero de condici on (estimado)
norm Norma de una matriz
null Base ortonormal del n ucleo de una matriz
orth Base ortonormal de la imagen de una matriz
subspace

Angulo entre los subespacios de dos matrices
Ejemplo de Matlab de funciones de

algebra de matrices DAlg1.m (I)
Formamos una matriz cuadrada aletoria de dimensi on 3
>> A=r andn ( 3)
Calculamos su traspuesta
>> A
Calculamos su rango con rank
>> r ank (A)
Calculamos su determinante con det
>> det (A)
Calculamos sus autovalores con eig
>> e i g (A)
Calculamos su traza con eig
>> e i g (A)
Comprobamos que la traza es la suma de los autovalores
>> [ sum( e i g (A) ) t r a c e (A) ]

algebra de matrices DAlg1.m (II)
Comprobamos que el determinante es el producto de los autovalores
>> [ pr od ( e i g (A) ) det (A) ]
Calculamos el n umero de condici on
>> cond (A)
Comprobamos que el n umero de condici on es el cociente entre el maximo
y el mnimo autovalor
>> s q r t ( max( e i g (A A) ) /min ( e i g (A A) ) )
>> max( svd (A) ) /min ( svd (A) )
Estimamos el recproco del n umero de condici on con rcond
>> r cond (A)
Obtenemos el error relativo de estimaci on obtenido con rcond)
>> abs ( cond (A)1/r cond (A) ) /cond (A)

algebra de matrices DAlg2.m (I)
Formamos una matriz cuadrada compleja aleatoria de dimensi on 3
>> B=r andn ( 3)+j r andn ( 3)
Calculamos B elevada al cubo
>> B3
Calculamos 2 elevado a B
>> 2B
Calculamos la exponencial de B por dos metodos
>> expm(B)
>> exp ( 1) B

algebra de matrices DAlg2.m (II)
Calculamos el logaritmo neperiano de B por dos metodos
>> l ogm(B)
>> funm(B, l og )
Calculamos la raz cuadrada de B por tres metodos
>> sqrtm (B)
>> funm(B, s q r t )
>> B. 5
Calculamos el seno y coseno de B
>> funm(B, s i n )
>> funm(B, cos )
Descomposici
on de matrices
Funcion Comentario
[V,D]=eig(A) AV = VD, D diagonal
[T,B]=balance(A) TB = AT, eig(A) eig(B)
[U,T]=schur(A) UT = AU, U
U = I , T triangular superior
[L,U,P]=lu(A) PA = LU, P permutaci on, L triangular inferior,
U triangular superior
R=chol(A) R
R = A para A denida positiva, R triangular superior

[Q,R,P]=qr(A) AP = QR, P permutaci on, Q ortogonal,
R triangular superior
[V,J]=jordan(A) AV = VJ, J matriz de Jordan
pinv Pseudoinversa de una matriz
poly Polinomio caracterstico de una matriz
Ejemplo de descomposici
on de matrices DAlg3.m (I)

Formamos una matriz cuadrada aletoria de dimensi on 3
>> A=r andn ( 3)
Calculamos su descomposici on en valores singulares con svd
>> [ V, D]=svd (A)
Comprobamos la descomposici on:
>> AVVD
Calculamos la matriz balanceada de A
>> [ T, B]=bal anc e (A)
Comprobamos la descomposici on
>> [ B T\AT]
>> e i g (A)
>> e i g (B)
on de matrices DAlg3.m (II)

Calculamos la descomposicion de Schur de A
>> [ U, T]=s chur (A)
>> [ UTU A]
>> UU
Calculamos la descomposicion QR de A
>> [ Q, R, E]=qr (A)
>> [QR AE]
>> QQ
Calculamos la descomposicion LU de A
>> [ L , U, P]=l u (A)
>> [ LU PA]
on de matrices DAlg3.m (III)

Calculamos la descomposicion SVD de A
>> [ U, S , V]=svd (A)
>> [ USV A]
>> U U
>> VV
Para calcular el factor de Choleski necesitamos una matriz denida
positiva que calculamos premultiplicando A por su transpuesta
>> AA=A A
>> R=c hol (AA)
>> [ R R AA]
Comprobamos que si la matriz no es denida positiva no tiene factor de
Choleski y se obtiene un error
>> R=c hol (A)
Soluci
on de sistemas de ecuaciones
Funcion Comentario
X=A/B Resuelve XA = B
X=A\B Resuelve AX = B por mnimos cuadrados
X=lsqnonneg(A,b) Soluci on de mnimos cuadrados de Ax = b, x 0
X=linsolve(A,B) Resuelve AX = B, A matriz cuadrada, B matriz
r=roots(p) Races de un polinomio p
p=poly(r) Polinomio de races v
x=fzero(fun,x0) Calcula un cero de la funci on fun pr oximo a x0
Ejemplo soluci
on de sistemas DAlg4.m (I)

Obtenemos las races del polinomio p(x) = x
3
+ 2x
2
3x + 1
>> v = r o o t s ( [ 1 2 3 1 ] )
Obtenemos el polinomio que tiene races 1, +2, +j y j
>> p = pol y ([ 1 2 j j ] )
Sea el sistema de ecuaciones lineales
x + 2y + 3z = 3
2x + 3y + z = 1
x + y + 5z = 5
Para resolverlo se forman las matrices A y b
>> A = [ 1 2 3; 2 3 1; 1 1 5]
>> b = [ 3 1 5]
La soluci on es:
>> X=A\b
Ejemplo soluci
on de sistemas DAlg4.m (II)

La soluci on de mnimos cuadrados no negativa es:
>> Xn=nl s qnoneg (A, b)
La ecuacion x sin(x) = 1/2 puede resolverse con fzero en el entorno de
los puntos 2, 4 y 6:
>> [ f z e r o ( x s i n ( x ) .5 , 2) f z e r o ( x s i n ( x ) .5 , 4) . . .
>> f z e r o ( x s i n ( x ) .5 , 6) ]
Ejercicios de

algebra de matrices
En un chero script de nombre Gejer2.m realizar el siguiente ejercicio.
Dada la siguiente matriz:
A =
2/3 2/5 2/7 2/9 2/11

2/5 2/7 2/9 2/11 2/13
2/7 2/9 2/11 2/13 1/15
2/9 2/11 2/13 2/15 2/17
2/11 2/13 2/15 2/17 1/19
Autovalores, autovectores, polinomio caracterstico y n umero de la

condicion.
Hallar al inversa de la matriz.
Hallar la descomposicion por los siguientes metodos: Jordan, Schur, LU,
QR, Choleski y SVD. Comprobar si es posible la descomposiciony si los
valores obtenidos son ciertos.
Si b = [1, 3, 5, 7, 9]
resolver el valor de debe tener x para que se cumpla

la ecuacion Ax = b.
En un chero script de nombre Gejer3.m realizar el siguiente ejercicio.
Sea x y n dos vectores aleatorios de distribuci on uniforme entre [0, 1] de
100 elementos.
Fijar un valor para los parametros [a, b, c].
Obtener el valor de y de la formula y = a x + b x
2
+ c x
3
+ 0,1 n.
Estimar el valor de los parametros [a, b, c] a partir del valor de x e y
usando mnimos cuadrados. Se considera que n es un ruido.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones de relaci
on y filtros.
Funcion Comentario
cov Varianza de un vector
corrcoef Coecientes de correlaci on (normalizados)
conv Convoluci on de datos, producto de polinomios
diff Diferencias entre elementos de un vector
gradient Derivadas parciales numericas de una matriz
del2 Laplaciano discreto de una matriz
filter Filtro FIR y IIR de datos
ltitr Respuesta lineal
Pr
acticas con funciones de relaci
on y filtros, Bscript2.m (I)

Varianza de un vector
>> l oad count . dat
>> a= cov ( count ( : , 1 ) ) ;
Coeciente de correlaci on:
>> b= c o r r c o e f ( count ) ;
Convoluci on entre dos vectores:
>> c= conv ( [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ) ;
>> d= conv ( count ( : , 1 ) , count ( : , 2 ) ) ;
Diferencial., Derivada aproximada:
>> a=d i f f ( count ) ;
>> s i z e ( a ) , s i z e ( count )
Pr
acticas con funciones de relaci
on y filtros, Bscript2.m (II)

Gradientes, derivada parcial aproximada:
>> [ px , py]= g r a d i e n t ( count ) ;
Laplaciano discreto de un vector del
2
u = (d
2
u/dx
2
+ d
2
/dy
2
):
>> l p= de l 2 ( count )
Filtro FIR y IIR de vectores:
>> b =[ 1 , 1 , 1] /3; a=1;
>> f= f i l t e r ( b , a , count ) ;
Simulaci on de un sistema lineal en ecuaciones de estado:
>> A= [ 0 . 9 , 0 ; 0 , 0 . 9 ] ; B=[ 0 , 1] ;
>> x= l t i t r (A, B, ones ( 100 , 1) ) ;
An
alisis en frecuencia
Funcion Comentario
fft Transformada de Fourier discreta
fft2 Transformada de Fourier en dos dimensiones
ifft Inversa transformada de Fourier
ifft2 Inversa transformada de Fourier en dos dimensiones
abs Magnitud
angle

Angulo
fftshift Mueve el retraso cero al centro del espectro
Pr
acticas de an
alisis en frecuencia,Bscript3.m
Toma de datos:
>> l oad s uns pot . dat ;
>> ye ar= s uns pot ( : , 1 ) ; wo l f e r= s uns pot ( : , 2 ) ;
Transformada de Fourier, se le quita el primer dato:
>> y= f f t ( wo l f e r ) ; y ( 1) =[ ] ;
Gracas con eje frecuencia [0, nf, 0] y [nf, 0,nf]:
>> f i g u r e ; s ubpl ot ( 2 , 1 , 1) ; p l o t ( abs ( y ) )
>> s ubpl ot ( 2 , 1 , 2) ; p l o t ( f f t s h i f t ( abs ( y ) ) ) ;
Gracas en funci on de la frecuencia de Nyquist:
>> N= l e nght ( y ) ; power = abs (Y( 1 : N/2) ) . 2 ;
>> ny qui s t = 1/2; f r e q = ( 1 : N/2) /(N/2) ny qui s t ;
>> f i g u r e ; s ubpl ot ( 2 , 1 , 1) ; p l o t ( f r eq , power ) ;
>> s ubpl ot ( 2 , 1 , 2) ; p l o t ( f r eq , unwrap ( angl e ( y ( 1 : N/2) ) ) ) ;
Ejercicios de filtro y transformada de Fourier
En un chero script de nombre Hejer1.m responder a las siguientes
preguntas.
Obtener una se nal de [0, 3] segundos con periodo de muestreo 0,001 s.
y = sin(2 2 t) +0,5 sin(2 5 t +/3) +0,1 sin(2 50 t)
Filtrar la se nal para eliminar el componente de alta frecuencia, producto
del acoplamiento con la red a 50 Hz. Proponer para ello diferentes tipos
de ltros.
Obtener la transformada de Fourier de la se nal ltrada y sin ltrar viendo
las diferencias. Se precisa que la frecuencia cero este en el centro de la
graca.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones para polinomios
Funcion Comentario
conv Producto de polinomios
deconv Divisi on de polinomios
poly Denici on de polinomios por races
polyder Derivada de polinomios
polyfit Interpola por mnimos cuadrados
polyval Valor polinomio en un punto
polyvalm Valor polinomio con matrices
residue Fracciones parciales
roots Races de un polinomio
Pr
acticas con funciones de polinomios, Cscript1.m (I)

Polinomio y sus races. Coecientes a partir de races:
>> p = [ 1 0 2 5] ; r= r o o t s ( p) ;
>> pol y ( r )
Polinomio caracterstico:
>> A = [ 1 . 2 3 0. 9; 5 1. 75 6; 9 0 1 ] ;
>> pol y (A)
Valor del polinomio en un n umero o matriz:
>> p o l y v a l ( p , 5 )
>> pol yval m ( p , A) % p(A)= A32A5 I
Convoluci on (producto) y deconvoluci on:
>> a= [ 1 , 2 , 3 ] ; b= ones ( 1 , 5) ; c= conv ( a , b) ;
>> [ q , r ]= deconv ( c , a ) ;
Pr
acticas con funciones de polinomios, Cscript1.m (II)

Derivada de un polinomio, del producto y de la divisi on:
>> q = pol y de r ( p)
>> c = pol y de r ( a , b) % de r i v a da de l pr oduct o
>> [ q , d ] = pol y de r ( a , b) % de r i v a d a s de l a d i v i s i o n
Residuos de un polinomio:
>> b = [ 4 8 ] ; a = [ 1 6 8 ] ;
>> [ r , p , k ] = r e s i d u e ( b , a )
Pr
acticas regresiones basadas m
nimos cuadrados, Cscript2.m (I)

Datos para la regresi on:
>> t = [ 0 . 3 . 8 1. 1 1. 6 2 . 3 ] ; y = [ 0 . 5 0. 82 1. 14 1. 25
1. 35 1 . 4 0 ] ;
>> p l o t ( t , y , o ) , g r i d on ;
Regresi on, y = a(0) + a(1) t + a(2) t
2
:
>> X= [ ones ( s i z e ( t ) ) , t , t . 2 ] ; a= X\y ;
>> t hat = ( 0 : 0 . 1 : 2 . 5 ) ; yhat = [ ones ( s i z e ( t hat ) ) t hat
t hat . 2 ] a ;
>> p l o t ( t hat , yhat , , t , y , o ) , g r i d on ;
Soluci on: a = inv(X
X) X
y
Regresi on exponencial: y = a(0) + a(1) exp(t) + a(2) t exp(t):
>> X = [ ones ( s i z e ( t ) ) exp(t ) t . exp(t ) ] ; a = X\y ;
>> t hat = ( 0 : 0 . 1 : 2 . 5 ) ;
>> yhat = [ ones ( s i z e ( t hat ) ) exp(t hat ) t hat . exp(t hat )
] a ;
>> f i g u r e ; p l o t ( t hat , yhat , , t , y , o ) , g r i d on ;
Pr
acticas regresiones basadas m
nimos cuadrados, Cscript2.m (II)

Regresiones multiples: y = a(0) + a(1) x1 + a2 x2:
>> x1 = [ . 2 . 5 . 6 . 8 1. 0 1 . 1 ] ; x2 = [ . 1 . 3 . 4 . 9 1. 1
1 . 4 ] ;
>> y = [ . 1 7 . 26 . 28 . 23 . 27 . 2 4 ] ;
>> X = [ ones ( s i z e ( x1 ) ) x1 x2 ] ; a = X\y ;
y estimada y error maximo:
>> yhat = Xa ; MaxErr = max( abs ( yhat y ) )
Obtenci on de los coecientes de un polinomio que se aproxime:
>> x = [ 1 2 3 4 5 ] ; y = [ 5 . 5 43. 1 128 290. 7 4 9 8 . 4 ] ;
>> p = p o l y f i t ( x , y , 3 )
>> x2 = 1 : . 1 : 5 ; y2 = p o l y v a l ( p , x2 ) ;
>> p l o t ( x , y , o , x2 , y2 ) ; g r i d on
Ejercicios de polin
omios y regresi
on
Sea x un vector aleatorio uniforme de 1000 componentes. Comprobar en
un chero script de nombre Iejer1.m que la convoluci on de ese vector
con el polinomio [1, 1, 1]/3 da el mismo resultado que la se nal obtenida
con y= filter([1,1,1]/3,1,x). Dar una explicaci on a este hecho.
En un chero script de nombre Iejer2.m realizar el siguiente ejercicio.
Sea t un intervalo de tiempo entre [0, 3] con un periodo de muestreo de
0,1 s y n un vector aleatorio de distribuci on uniforme entre [0, 1] del
mismo n umero de elementos.
Fijar un valor para los parametros [a, b, c].
Obtener el valor de y de la formula y = a + b x + c x
2
+ 0,1 n.
Estimar el valor de los parametros [a, b, c] a partir de la funcion polyfit
y con mnimos cuadrados.
Funciones para interpolar datos, splines
Funcion Comentario
interp1 Interpolacion en una dimensi on
inter2, inter3 Interpolacion en dos y tres dimensiones
interpft Interpolacion una dimension t.
mkpp Compone un spline a partir de propiedades
spline Genera splines cubicos
pchip Genera splines c ubico de Hermite
ppval Valor de un spline en puntos
unmkpp Propiedades de un spline
mmppint, mmppder Spline integral y derivada
Pr
acticas con funciones para interpolar datos

Interpolaci on de datos en una dimensi on por distintos metodos:
>> x = [ 1 2 3 4 5 ] ; y = [ 5 . 5 43. 1 128 290. 7 4 9 8 . 4 ] ;
>> s= i n t e r p 1 ( x , y , 2. 5 , l i n e a r )
>> s= i n t e r p 1 ( x , y , 2. 5 , c ubi c )
>> s= i n t e r p 1 ( x , y , 2. 5 , s p l i n e )
>> s= i n t e r p 1 ( x , y , 2. 5 , ne a r e s t )
>> xhat= l i n s p a c e ( 1 , 5 , 100) ;
>> yhat= i n t e r p 1 ( x , y , xhat , s p l i n e ) ;
>> p l o t ( xhat , yhat , , x , y , o ) ;
Interpolaci on de datos en dos dimensiones por distintos metodos:
>> [ x , y ] = mes hgr i d ( 3: 1: 3) ;
>> z = peaks ( x , y ) ; s u r f ( x , y , z )
>> [ xi , y i ] = mes hgr i d ( 3: 0. 25: 3) ;
>> z i 1 = i n t e r p 2 ( x , y , z , xi , yi , ne a r e s t ) ;
>> s u r f ( xi , yi , z i 1 ) ;
>> z i 2 = i n t e r p 2 ( x , y , z , xi , yi , b i l i n e a r ) ;
>> s u r f ( xi , yi , z i 2 ) ;
>> z i 3 = i n t e r p 2 ( x , y , z , xi , yi , b i c u b i c ) ;
>> s u r f ( xi , yi , z i 1 ) ;
Pr
acticas splines, Cscript3.m (I)

Datos:
>> x= 0 : 1 2 ; y= t an ( pi x /25) ;
>> x i = l i n s p a c e ( 0 , 12 , 100) ;
Interpola datos:
>> yp= s p l i n e ( x , y , x i ) ;
>> p l o t ( x , y , o , xi , yp ) ;
Genera los coecientes de spline, interpola y propiedades:
>> pp= s p l i n e ( x , y )
>> yp= ppval ( pp , x i ) ;
>> [ br eak , coef s , npol ys , ncoef s , dim]= unmkpp( pp )
>> pp= mkpp( br eaks , c o e f s ) % compos i ci on
Spline con el metodo de Hermite:
>> x =[ 0 , 2 , 4 , 5 , 7. 5 , 10] ; y= exp(x /6) . cos ( x ) ;
>> ch= pchi p ( x , y ) ; ych= ppval ( ch , x i ) ;
>> p l o t ( x , y , o , xi , yp , : , xi , ych ) ;
Pr
acticas splines, Cscript3.m (II)

Spline integral y derivada de otro:
>> ppi= mmppint ( pp ) ; ppd= mmppder ( pp ) ;
>> y i = ppval ( ppi , x i ) ; yd= ppval ( ppd , x i ) ;
>> p l o t ( x , y , o , xi , yp , , xi , yi , , xi , yd ,
. ) ;
Splines para dos dimensiones:
>> t= l i n s p a c e ( 0 , 3 pi , 15) ;
>> x= s q r t ( t ) . cos ( t ) ; y= s q r t ( t ) . s i n ( t ) ;
>> ppxy= s p l i n e ( t , [ x ; y ] )
>> t i = l i n s p a c e ( 0 , 3 pi , 1000) ;
>> xy= ppval ( ppxy , t i ) ;
>> p l o t ( x , y , d , xy ( 1 , : ) , xy ( 2 , : ) ) ;
Funciones para interpolar superficies e hiperplanos
Funcion Comentario
meshgrid Mallado de dos o tres dimensiones
ndgrid Mallado de dimensi on n
surf, mesh Dibuja supercies y mallados
slide Dibuja cortes dentro de un volumen
griddata Interpolaci on una supercie
griddata3 Interpolaci on una hipersupercie, datos orden 3
griddatan Interpolaci on una hipersupercie, datos orden n
interpn Interpolaci on en n dimensiones
Pr
acticas para interpolar superficies e hiperplanos, Cscript5.m

Datos X, Y reales e interpolados:
>> x1 = 2: 0. 2: 2; x2 = 2: 0. 25: 2;
>> [ X1 , X2 ] = ndgr i d ( x1 , x2 ) ;
>> x i 1 = 2: 0. 1: 2; x i 2 = 2: 0. 1: 2;
>> [ Xi 1 , Xi 2 ] = ndgr i d ( xi 1 , x i 2 ) ;
Z real e interpolada:
>> Z = X2 . exp(X1. 2 X2 . 2) ;
>> Zi = g r i dda t a (X1 , X2 , Z, Xi 1 , Xi 2 )
>> s ubpl ot ( 2 , 1 , 1) ; mesh (X1 , X2 , Z) ;
>> s ubpl ot ( 2 , 1 , 2) ; mesh ( Xi 1 , Xi 2 , Zi ) ;
Pr
acticas de interpolaci
on de datos.
Representar en un script de nombre Iejer3.m la diferencia entre el
polinomio interpolador c ubico hermitiano a trozos y el polinomio
interpolador spline cuando t vara entre 3 y 3 de decima en decima. Se
conoce que en los puntos t = [3, 1, 0,5, 0, 2, 3] el valor de x es
x = [1, 1, 1, 0, 1, 1].
Se considera un conjunto de temperaturas medidas sobre las cabezas de
los cilindros de un motor que se encuentra en perodo de pruebas para
utilizar en coches de carreras. Los tiempos de funcionamiento del motor
en segundos y las temperaturas en grados Fahrenheit son las siguientes:
Tiempo = [0, 1, 2, 3, 4, 5]
Temperaturas = [0, 20, 60, 68, 77, 110]
Realizar una regresi on lineal en un chero Iejer4.m que ajuste las
temperaturas en funci on de los tiempos. Realizar tambien el ajuste
mediante regresiones polin omicas de grados 2, 3 y 4 representando los
resultados.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Funciones de optimizaci
on e integraci
on
Funcion Comentario
fplot Dibuja la funci on
fminbnd Minimiza funcion con una variable con restricciones
fminsearch Minimiza funcion con varias variables
fzero Encuentra el cero en funci on con una variable
optimset, optimget Parametros de resoluci on
quad Integraci on numerica, Simpson
quadl Integraci on numerica, Lobatto
dblquad Integraci on numerica, doble integral
triplequad integraci on numerica, triple integral
Pr
acticas funciones de optimizaci
on, Dscript1.m (I)

Parametros de la optimizaci on:
>> he l p opt i ms et
Funci on denida como an onima (versi on 7):
>> humps= @( x ) 1 . / ( ( x 0. 3) . 2+0. 01) +1. /(( x 0. 9)
. 2+0. 04) 6;
Funci on denida como an onima (versiones anteriores):
>> humps= i n l i n e ( 1 . / ( ( x 0. 3) . 2+0. 01) +1. /(( x 0. 9)
. 2+0. 04)6 ) ;
Entradas y salida de la funci on, representacion:
>> x= l i n s p a c e ( . 5 , 1. 5 , 100) ; y= humps ( x ) ;
>> f p l o t ( humps , [ 5 5 ] ) ; g r i d on ;
Ejemplo de modicaci on de parametros (ver valor en cada iteraci on):
>> opt i on= opt i ms e t ( Di s pl a y , i t e r ) ; opt i mget
Pr
on, Dscript1.m (II)

Algorithmo: Nelder-Mead simplex, x [0,3 < x < 1], espacio de
b usqueda de una dimensi on:
>> x = f mi nbnd ( humps , 0. 3 , 1 , opt i on ) ;
Espacio de b usqueda de varias dimensiones:
>> t v a r= @( x ) x ( 1) . 2 + 2. 5 s i n ( x ( 2) ) x ( 3) 2x ( 1) 2
x ( 2) 2;
Mnimo cercano a v, valor desde donde se empieza a buscar:
>> v = [ 0. 6 1.2 0 . 1 3 5 ] ;
>> [ vmin , val ue s , f l a g , out put ] = f mi ns e ar c h ( t v ar , v )
Punto f (x) = sin(3 x) = 0 cercano a x = 2, donde se empieza a buscar:
>> x = f z e r o (@( x ) s i n (3 x ) , 2)
Pr
on, Dscript1.m (III)

Funci on de control del algoritmo:
>> opt i ons = opt i ms et ( OutputFcn , @outf un ) ;
Forma de la funci on de control, saca gracos en cada iteracion:
f u n c t i o n s t op = out f un ( x , opt val , s t a t e )
% opt v a l campos : f uncount , f v a l , i n t e r a t i o n , pr oc e dur e
% s t a t e : i n i t , i n t e r r u p t , i t e r , done
% s t op : f a l s e , t r ue
s t op = [ ] ; hol d on ;
p l o t ( x ( 1) , x ( 2) , . ) ;
drawnow
Prueba con la minimizacion anterior:
>> v = [ 0. 6 1.2 0 . 1 3 5 ] ; % Empi eza a bus car en v
>> [ vmin , val ue s , f l a g , out put ] = f mi ns e ar c h ( t v ar , v ,
opt i ons )
Pr
acticas funciones de integraci
on, Dscript1.m
Integral simple:
>> quad ( humps , 1, 2) %I n t e g r a c i o n s i mpl e
>> quadl ( humps , 1, 2) %I nt e g r a c i o n , mayor e x a c t i t u d
Integral doble:
>> out= @( x , y ) y s i n ( x ) + x cos ( y ) ;
>> xmi n= pi ; xmax= 2 pi ; ymi n= 0; ymax= pi ;
>> r e s u l t = dbl quad ( out , xmin , xmax , ymin , ymax )
Ejemplo de estimaci
on de par
ametros de modelo Simulink (I)

Objetivo: Optimizar los parametros de un sistema de forma que la salida
de la se nal simulada se parezca lo mas posible a una salida de referencia.
Pasos:
Se dispone de un modelo Simulink para estimar la se nal de salida del
sistema, modelo PlantaLin (ver captulo Simulink).
Planta PlantaLin
Se crea una funci on de coste que compare la se nal real con la estimada
con alguna norma (Euclidea, por ejemplo), devolviendo dicho valor.
Se optimiza la funcion de coste modicando los parametros de la planta
con el n de minimizar la norma.
Funcion de coste:
Entrada: parametros a optimizar y se nales de referencia.
Salida: norma entre la se nal estimada y real.
Ejemplo de estimaci
on de par
ametros de modelo Simulink (II)

Funcion de coste: El c odigo de la funci on de coste,
f u n c t i o n c os t= f c o s t ( par , mod , y , u , t )
g l o b a l K;
K= par ; % Parametr o pl a nt a s i mul i n k
[ , , yhat ]= si m (mod , t , [ ] , [ t , u ] ) ;
e r r= y yhat ; % Er r or
c os t= s q r t ( e r r ( : ) e r r ( : ) ) ; % Norma Euc l de a
r e t u r n
Script con la simulacion y estimacion:
%% Si mul ac i on pl a nt a
g l o b a l K;
mod= Pl ant aLi n ;
t= l i n s p a c e ( 0 , 30 , 1000) ;
u= s i n (5 t )+ cos (10 t ) ;
K= 1;
[ , , y]= si m (mod , t , [ ] , [ t , u ] ) ;
f i g u r e ; p l o t ( t , y )
%% Es t i maci on de par amet r os
% Funci on an oni ma con e l par amet r o a opt i mi z a r
F= @( par ) f c o s t ( par , mod , y , u , t ) ;
K0= 10;
% Opt i mi z aci on
Kf= f mi ns e ar c h (F , K0)
Optimizaci
on con restricciones: Funciones peso

Restricci on del problema: mn
x
{f (x)}, g(x) > 0,
if g(x) < 0, cost = f (x),
else cost = f (x) P(g(x)), P(g(x)) > 0.
Problema minimax: mn
x
{max
f
{[f
1
(x), . . . , f
n
(x)]}},
cost = max([f
1
(x), . . . , f
n
(x)]).
Sistema de ecuaciones no lineales: {f
1
(x) = 0, . . . , f
n
(x) = 0}:
cost = max(abs([f
1
(x), . . . , f
n
(x)])).
Problema multiobjetivo: mn
x
[f
1
(x), . . . , f
n
(x)].
cost =
i
p
i
f
i
(x).
La solucion depende de los p
i
elegidos.
Pr
acticas con funciones de optimizaci
on (I)
Minimizar la funci on f (x) = (x 3)
2
1 en el intervalo (0, 5) en un
chero script de nombre Jejer1.m.
Encontrar el valor de x que minimiza el valor maximo de [f
1
(x), . . . , f
5
(x)]
en un chero script de nombre Jejer2.m,
f
1
(x) = 2x
2
1
+ x
2
2
48 x
1
40x
2
+ 304
f
2
(x) = x
2
2
3x
2
2
f
3
(x) = x
1
+ 2x
2
18
f
4
(x) = x
1
x
2
f
5
(x) = x
1
+ x
2
8
Minimizar la funci on siguiente f (x) = 3x
2
1
+ 2x
1
x
2
2
en un chero
script de nombre Jejer3.m.
Pr
acticas con funciones de optimizaci
on (II)
Encontrar en un chero script de nombre Jejer4.m los valores de x
que minimizan la funcion f (x) sujeta a las restricciones k
1
(x, w
1
) y
k
2
(x, w
2
) con w
1
= 25 y w
2
= 50. La funci on y las restricciones se denen
en el problema y el punto inicial es (0,5, 0,2, 0,3),
f (x) = (x
1
0,5)
2
+ (x
2
0,5)
2
+ (x
3
0,5)
2
k(x, w
1
) = sin(w
1
x
1
) cos(w
2
x
2
) 1/100(w
1
50)
2
sin(w
1
x
3
) x
3
1
k(x, w
2
) = sin(w
2
x
2
) cos(w
2
x
1
) 1/100(w
2
50)
2
sin(w
2
x
3
) x
3
1
Dado el conjunto de datos:
xdata = [3,6, 7,7, 9,3, 4,1, 8,6, 2,8, 1,3, 7,9, 10,0, 5,4]
ydata = [16,5, 150,6, 263,1, 24,7, 208,5, 9,9, 2,7, 163,9, 325,0, 54,3]
se trata de encontrar los coecientes x que minimizan la funci on ydata(i )
del tipo,
ydata(i ) = x(1)xdata(i )
2
+ x(2) sin(xdata(i )) + x(3)xdata(i )
2
Los resultados se escribiran en un chero script de nombre Jejer5.m.
Contenidos
1
Introduccion
2
3
4
5
6
7
8
9
10
11
12
Bibliograf
a
Matlab y sus aplicaciones en la ciencia y la ingeniera, (Cesar Perez).
Prentice Hall.
Mastering Matlab 7, (Duane Hanselman, Bruce Littleeld). Prentice Hall,
Internaltional Edition.
Matlab Mathematic Manual
Matlab Graphical User Interfaces Manual
Matlab Programming Manual

Manual Matlab I

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Manual Matlab I

Transféré par

Droits d'auteur :

Formats disponibles

Curso de Programaci

on a entornos de trabajo (I)

Utiles para repetir la misma operacion varias veces.

on a entornos de trabajo (II)

on de cadenas eval() y feval()

a entrada/salida de lenguaje C (I)

a entrada/salida de lenguaje C (II)

a entrada/salida de lenguaje C (III)

acticas de funciones y sentencias de control (I).

acticas de funciones y sentencias de control (II)

on de programas: Indexado de arrays y celdas (I)

on de programas: Indexado de arrays y celdas (II)

odigo de programas (I)

odigo de programas (II)

acticas con matrices, celdas, estructuras y ficheros

aficas en dos dimensiones (I)

aficas en dos dimensiones (II)

aficos de dos dimensiones, Escript1.m (I)

aficos de dos dimensiones, Escript1.m (II)

aficas para funciones y complementos (I), Escript2.m.

aficas para funciones y complementos (II), Escript2.m.

aficas en tres dimensiones.

aficas en tres dimensiones, Escript3.m (I)

aficas en tres dimensiones, Escript3.m (II)

aficas en tres dimensiones, Escript3.m (III)

acticas funciones para gr

etodo principales (I)

etodo principales (II)

on de sistemas continuos lineales

on de Sistemas Lineales (I)

on de Sistemas Lineales (II)

on de Sistemas no Lineales (I)

on en Matlab y Simulink: Comparaci

on de Val der Pol

+|y| = 0, sabiendo que y(0) = 0 e

+( 2q cos(2t))y = 0, con condiciones de frontera

() = 0 encontrar una soluci on para q = 15 y

on de sistemas desde matlab

on con matlab y simulink

on de iconos (subsistemas) (I)

on de iconos (subsistemas) (II)

on de iconos (subsistemas) (III)

on de iconos (subsistemas) (IV)

alisis de Sistemas (I)

alisis de Sistemas (II)

Indices de los puntos fijos:

afico de matlab (I)

afico de matlab (II)

afico de matlab (III)

stica DStat1.m (I)

stica DStat1.m (II)

stica DStat1.m (III)

stica DStat1.m (IV)

R = A para A denida positiva, R triangular superior

on de matrices DAlg3.m (I)

on de matrices DAlg3.m (II)

on de matrices DAlg3.m (III)

on de sistemas DAlg4.m (I)

on de sistemas DAlg4.m (II)

2/3 2/5 2/7 2/9 2/11

Autovalores, autovectores, polinomio caracterstico y n umero de la

resolver el valor de debe tener x para que se cumpla

acticas con funciones de relaci