Matlab Tutorial

Introduccin al
MATLAB
Luis Rojas Malav
Introduccin al MATLAB UNEXPO
I ng. Luis Rojas Malav
i
INDICE
1. Introduccin .................................................................................... 1
2. Comandos de Utilidad .................................................................. 2
3. Comandos de Propsitos Generales ............................................ 7
3.1 Operadores y Caracteres Generales .................................... 8
3.2 Operadores Aritmticos ........................................................ 9
4. Matrices .......................................................................................... 11
4.1 Generacin de Matrices ........................................................ 14
4.2 Ejercicios ................................................................................. 17
4.3 Obteniendo informacin del Workspace .............................. 20
4.4 Guardar las Variables del Workspace ................................. 22
4.5 Nmeros y Expresiones Aritmticas ..................................... 26
4.6 Formato Numrico de Salida ................................................ 28
4.7 Operaciones con Matrices ..................................................... 30
4.7.1 Matriz Transpuesta .................................................... 30
4.7.2 Suma y Resta de Matrices .......................................... 32
4.7.3 Multiplicacin de Matrices ........................................ 37
4.7.4 Divisin de Matrices .................................................... 41
4.7.5 Potenciacin de Matrices ............................................ 44
4.7.6 Operaciones de Elemento por Elemento ................... 45
5. Capacidad de Graficacin .......................................................... 51
5.1 Metodologa de Trabajo ......................................................... 53
5.2 Grficas Bidimensionales ...................................................... 56
5.2.1 Programas:
q CLASE1 .......................................................... 56
ii
q CLASE2 .......................................................... 58
q CLASE3 .......................................................... 67
q CLASE4 .......................................................... 69
q CLASE5 .......................................................... 70
q CLASE6 .......................................................... 71
q CLASE7 .......................................................... 72
q CLASE8 .......................................................... 73
q CLASE9 .......................................................... 74
q CLASE10 ........................................................ 75
q CLASE11 ........................................................ 76
q CLASE12 ........................................................ 77
q CLASE13 ........................................................ 78
q CLASE14 ........................................................ 79
q CLASE15 ........................................................ 80
q CLASE16 ........................................................ 81
q CLASE17 ........................................................ 83
q CLASE18 ........................................................ 85
5.3 Grficas Tridimensionales ..................................................... 87
5.3.1 Grficas de Lneas ....................................................... 87
5.3.1.1 Programas:
q CLASE19 ........................................................ 87
q CLASE20 ........................................................ 89
5.3.2 Grficas de Mallas y Superficies ................................ 91
5.3.2.1 Programas:
q CLASE21 ........................................................ 91
q CLASE22 ........................................................ 94
q CLASE23 ........................................................ 97
iii
q CLASE24 ....................................................... 100
q CLASE25 ....................................................... 102
q CLASE26 ....................................................... 105
q CLASE27 ....................................................... 108
q CLASE28 ....................................................... 111
q CLASE29 ....................................................... 114
q CLASE30 ....................................................... 116
q CLASE31 ....................................................... 118
q CLASE32 ....................................................... 121
q CLASE33 ....................................................... 124
q CLASE34 ....................................................... 126
q CLASE35 ....................................................... 129
q CLASE36 ....................................................... 130
q CLASE37 ....................................................... 132
q CLASE38 ....................................................... 134
q CLASE39 ....................................................... 135
q CLASE40 ....................................................... 137
q CLASE41 ....................................................... 138
q CLASE42 ....................................................... 139
q CLASE43 ....................................................... 140
q CLASE44 ....................................................... 141
6. Edicin de Programas ............................................................... 142
6.1 Programas:
q PSICRO1 ....................................................... 146
7. Edicin de Funciones ................................................................. 150
7.1 Programas:
q PSICRFUN .................................................... 151
iv
8. Operaciones Relacionales y Lgicas ........................................ 154
8.1 Operadores Relacionales ...................................................... 154
8.1.1 Programas:
q LGICA1 ...................................................... 155
q LGICA2 ...................................................... 157
q LGICA3 ...................................................... 159
q LGICA4 ...................................................... 160
8.2 Operadores Lgicos ............................................................... 161
8.2.1 Programas:
q LGICA5 ...................................................... 162
q LGICA6 ...................................................... 163
q LGICA7 ...................................................... 165
8.3 Operadores Adicionales ........................................................ 166
8.3.1 Programas:
q LGICA8 ...................................................... 167
q LGICA9 ...................................................... 168
q LGICA10 .................................................... 169
q LGICA11 .................................................... 170
q LGICA12 .................................................... 172
q LGICA13 .................................................... 174
9. Controladores de Flujo .............................................................. 176
9.1 BUCLES for ............................................................................ 176
9.1.1 Programas:
q BUCLE1 ......................................................... 176
q BUCLE2 ......................................................... 178
q BUCLE3 ......................................................... 180
q BUCLE4 ......................................................... 182
v
q BUCLE5 ......................................................... 185
q BUCLE6 ......................................................... 186
q BUCLE7 ......................................................... 188
q BUCLE8 ......................................................... 190
q BUCLE9 ......................................................... 191
q BUCLE10 ....................................................... 194
q BUCLE11 ....................................................... 196
9.2 BUCLES while ........................................................................ 197
9.2.1 Programas:
q BUCLE12 ....................................................... 197
q BUCLE13 ....................................................... 202
9.3 BUCLES if else end .......................................................... 203
9.3.1 Programas:
q BUCLE14 ....................................................... 204
q BUCLE15 ....................................................... 206
10. lgebra Lineal ............................................................................ 208
10.1 Programas:
q Lineal1 ............................................................ 208
q Lineal2 ............................................................ 209
q Lineal3 ............................................................ 210
q Lineal4 ............................................................ 211
q Lineal5 ............................................................ 216
q Lineal6 ............................................................ 222
q Lineal7 ............................................................ 229
q Lineal8 ............................................................ 239
q Lineal9 ............................................................ 247
q Lineal10 ............................................................ 255
vi
q Lineal11 ............................................................ 264
q Lineal12 ............................................................ 269
q Lineal13 ............................................................ 275
11. Polinomios ................................................................................... 281
11.1 Operaciones Bsicas .............................................................. 281
11.1.1 Programas:
q Poli1 ................................................................ 281
q Poli2 ................................................................ 283
q Poli3 ................................................................ 286
q Poli4 ................................................................ 289
q Poli5 ................................................................ 290
q Poli6 ................................................................ 293
q Poli7 ................................................................ 297
q Poli8 ................................................................ 301
q Poli9 ................................................................ 304
q Poli10 ............................................................... 306
q Poli11 ............................................................... 309
q Poli12 ............................................................... 312
q Poli13 ............................................................... 313
q Poli14 ............................................................... 314
q Poli15 ............................................................... 317
11.2 Ajustes de Curvas .................................................................. 318
11.2.1 Programas:
q Ajuste1 ............................................................ 318
q Ajuste2 ............................................................ 321
q Ajuste3 ............................................................ 323
q Ajuste4 ............................................................ 325
vii
12. Interpolacin ............................................................................... 328
12.1 Unidimensional ...................................................................... 328
12.1.1 Programas:
q Interpol1 ......................................................... 328
q Interpol2 ......................................................... 331
q Interpol3 ......................................................... 332
q Interpol4 ......................................................... 334
q Interpol5 ......................................................... 336
q Interpol6 ......................................................... 339
q Interpol7 ......................................................... 342
q Interpol8 ......................................................... 345
q Interpol9 ......................................................... 348
q Interpol10 ....................................................... 351
q Interpol11 ....................................................... 353
q Interpol12 ....................................................... 355
12.2 Bidimensional ..................................................................... 356
12.2.1 Programas:
q Interpol13 ....................................................... 356
q Interpol14 ....................................................... 360
q Interpol15 ....................................................... 364
q Interpol16 ....................................................... 371
q Interpol17 ....................................................... 376
q Interpol18 ....................................................... 381
q Interpol19 ....................................................... 385
q Interpol20 ....................................................... 390
q Interpol21 ....................................................... 397
13. Integracin y Diferenciacin ..................................................... 404
viii
13.1 Integracin sencilla ................................................................. 404
13.1.1 Programas:
q Intgra1 ........................................................... 404
q Intgra2 ........................................................... 405
q Intgra3 ........................................................... 407
q Intgra4 ........................................................... 408
q Intgra5 ........................................................... 411
q Intgra6 ........................................................... 414
q Intgra7 ........................................................... 416
q Intgra8 ........................................................... 419
q Intgra9 ........................................................... 422
q Intgra10 ......................................................... 425
q Intgra11 ......................................................... 428
q Intgra12 ......................................................... 431
q Intgra13 ......................................................... 435
q Intgra14 ......................................................... 437
q Intgra15 ......................................................... 439
13.2 Integracin Doble ................................................................. 443
13.2.1 Programas:
q Intgra16 ......................................................... 443
q Intgra17 ......................................................... 446
q Intgra18 ......................................................... 451
q Intgra19 ......................................................... 455
13.3 Diferenciacin .................................................................... 458
13.3.1 Programas:
q Intgra20 ......................................................... 458
q Intgra21 ......................................................... 463
ix
13.4 Aplicaciones .......................................................................... 469
13.4.1 Programas
q Intgra22 ......................................................... 469
q Intgra23 ......................................................... 472
14. Ecuaciones Diferenciales Ordinarias ......................................... 475
14.1 ODE de Primer Orden ........................................................ 475
14.2 ODE de Orden Superior ...................................................... 476
14.3 Metodologa .......................................................................... 477
14.4 Tipos de ODE solver ............................................................ 479
14.5 Aplicaciones .......................................................................... 480
14.5.1 Programas
q ode1 ............................................................... 480
q ode2 ............................................................... 483
q ode3 ............................................................... 486
q ode4 ............................................................... 489
q ode5 ............................................................... 492
q ode6 ............................................................... 495
q ode7 ............................................................... 498
q ode8 ............................................................... 502
q ode9 ............................................................... 506
q ode10 ............................................................. 510
q ode11 ............................................................. 515
q ode12 ............................................................. 520
I ng. Luis Rojas Malav 1
INTRODUCCIN
MATLAB es una tcnica de computacin para calculo numrico y operaciones de
visualizacin de alta capacidad. MATLAB permite el anlisis numrico, operaciones
con matrices, procesamiento de seales, y operaciones grficas en forma amigable, en
los cuales, los planteamientos de los problemas y sus soluciones son expresados en la
forma matemtica usual, sin necesidad de utilizar los lenguajes de computacin
ampliamente conocidos.
MATLAB es un avanzado programa matemtico con una poderosa interfase grfica
utilizado para el anlisis, diseo, simulacin y control de complejos sistemas
dinmicos. Por esta razn, se ha convertido en la principal herramienta de los
ingenieros de control de procesos.
MATLAB posee aplicaciones, denominadas toolboxes que permiten realizar, de una
forma relativamente sencilla, complicados diseos y clculos, como son : estadstica,
control de procesos, lgica difusa, redes neuronales, identificacin de sistemas,
simulacin dinmica de procesos ( SI MULI NK ), procesamiento de seales, entre otros.
En el presente curso se explican los conceptos fundamentales del MATLAB, los cuales
permitirn, al participante, alcanzar un nivel suficiente para utilizar el MATLAB en
la solucin de problemas en ingeniera.
COMANDOS DE UTILIDAD
A lo largo de estas notas se utilizar una representacin especial para indicar las
operaciones matemticas ejecutadas por MATLAB en la computadora. MATLAB es
un software interactivo, en el cual se le indica a la persona que debe introducir datos
y/o comandos mediante la aparicin en la pantalla del prompt:
Un recuadro indica que el lector introducir los datos, cuando se lo indique el prompt
e inmediatamente MATLAB dar la respuesta correspondiente. Veamos el siguiente
ejemplo:
v=2+2+3
v =
7
En el recuadro se aprecia una operacin matemtica, que corresponde al valor de la
variable (v). Esta instruccin (v = 2 + 2 + 3) es introducida despus del prompt ( ) y
MATLAB ejecuta la instruccin dando la respuesta ( v = 7).
Ayuda en Lnea ( help )
En todo momento, se puede obtener informacin o ayuda desde MATLAB
escribiendo la palabra help. En este caso se obtendr informacin sobre todos los
directorios que se encuentran en la ruta de acceso a MATLAB.
Ejemplo:
help
HELP topics:
toolbox\local Local function library.
matlab\datafun Data analysis and Fourier transform functions.
matlab\temporal The Control Kit
matlab\program (No table of contents file)
matlab\ascenso (No table of contents file)
matlab\elfun Elementary math functions.
matlab\elmat Elementary matrices and matrix manipulation.
matlab\funfun Function functions nonlinear numerical methods.
matlab\general General purpose commands.
matlab\color Color control and lighting model functions.
matlab\graphics General purpose graphics functions.
matlab\iofun Low level file I /O functions.
matlab\lang Language constructs and debugging.
matlab\matfun Matrix functions numerical linear algebra.
matlab\ops Operators and special characters.
matlab\plotxy Two dimensional graphics.
matlab\plotxyz Three dimensional graphics.
matlab\polyfun Polynomial and interpolation functions.
matlab\sounds Sound processing functions.
matlab\sparfun Sparse matrix functions.
matlab\specfun Specialized math functions.
matlab\specmat Specialized matrices.
matlab\strfun Character string functions.
matlab\dde DDE Toolbox.
matlab\demos The MATLAB Expo and other demonstrations.
toolbox\control Control System Toolbox.
toolbox\signal Signal Processing Toolbox.
toolbox\optim Optimization Toolbox.
toolbox\stats Statistics Toolbox.
simulink\simulink SIMULINK model analysis and construction functions.
simulink\simdemos SIMULINK demonstrations and samples.
simulink\blocks SIMULINK block library.
simulink\sb2sl SystemBuild 3.0 model import into SI MULI NK.
nnet\nnet Neural Network Toolbox.
nnet\nndemos Neural Network Demonstrations and Applications.
fuzzy\fuzzy Fuzzy Logic Toolbox.
fuzzy\fuzdemos Fuzzy Logic Toolbox Demos.
toolbox\wintools GUI tools for MATLAB for MS Windows.
toolbox\robust Robust Control Toolbox.
mpc\mpccmds Model Predictive Control Toolbox
mpc\mpcdemos Model Predictive Control Toolbox
toolbox\uitools User I nterface Utilities.
toolbox\mmle3 MMLE3 I dentification Toolbox.
mutools\commands Mu Analysis and Synthesis Toolbox.: Commands directory
mutools\subs Mu Analysis and Synthesis Toolbox Supplement
toolbox\splines Spline Toolbox.
toolbox\ident System I dentification Toolbox.
For more help on directory/topic, type "help topic".
Para obtener la ayuda sobre un tpico especial, se debe escribir: help topico.
Ejemplo:
help dir
DIR
Directory listing.
DIR directory_name lists the files in a directory.
Pathnames and wildcards may be used.
See also WHAT, CD, TYPE.
Otra forma de obtener ayuda de MATLAB es mediante la instruccin helpwin. Con
esta instruccin aparecer una ventana de ayuda, como se muestra a continuacin:
Mediante la instruccin helpdesk, se obtiene una ayuda en lnea completa:
Supongamos que queremos ayuda para comenzar en MATLAB, seleccionamos el
tpico Getting Started y con doble click, en el ratn, se nos abre la ventana de ayuda
en este tpico:
GENERAL PURPOSE COMMANDS
Managing commands and functions
help On line documentation.
what Directory listing of M , MAT and MEX files.
type List M file.
lookfor Keyword search through the HELP entries.
which Locate functions and files.
demo Run demos.
path Control MATLAB's search path.
Managing variables and the workspace
who List current variables.
whos List current variables, long form.
load Retrieve variables from disk.
save Save workspace variables to disk.
clear Clear variables and functions from memory.
pack Consolidate workspace memory.
size Size of matrix.
length Length of vector.
disp Display matrix or text.
Working with files and the operating system
cd Change current working directory.
dir Directory listing.
delete Delete file.
getenv Get environment value.
! Execute operating system command.
unix Execute operating system command & return result.
diary Save text of MATLAB session.
Controlling the command window.
cedit Set command line edit/recall facility parameters.
clc Clear command window.
home Send cursor home.
format Set output format.
echo Echo commands inside script files.
more Control paged output in command window.
Starting and quitting from MATLAB
quit Terminate MATLAB.
startup M file executed when MATLAB is invoked.
matlabrc Master startup M file.
General information
info I nformation about MATLAB and The MathWorks, I nc.
subscribe Become subscribing user of MATLAB.
hostid MATLAB server host identification number.
whatsnew I nformation about new features not yet documented.
ver MATLAB, SI MULI NK, and TOOLBOX version information.
Operators and special characters
Character Name
+ Plus
- Minus
* Matrix multiplication
.* Array multiplication
^ Matrix power
.^ Array power
\ Backslash or left division
/ Slash or right division
./ Array division
kron Kronecker tensor product
: Colon
( ) Parentheses
[ ] Brackets
. Decimal point
.. Parent directory
... Continuation
, Comma
; Semicolon
% Comment
! Exclamation point
' Transpose and quote
= Assignment
== Equality
<> Relational operators
& Logical AND
| Logical OR
~ Logical NOT
xor Logical EXCLUSIVE OR
Logical characteristics
exist Check if variables or functions are defined.
any True if any element of vector is true.
all True if all elements of vector are true.
find Find indices of non zero elements.
isnan True for Not A Number.
isinf True for infinite elements.
finite True for finite elements.
isempty True for empty matrix.
issparse True for sparse matrix.
isstr True for text string.
isglobal True for global variables.
OPERADORES ARI TMTI COS
+ Plus
X +Y adds matrices X and Y. X and Y must have the same
dimensions unless one is a scalar (a 1-by-1 matrix).
A scalar can be added to anything.
- Minus
X - Y subtracts matrix X from Y. X and Y must have the same
dimensions unless one is a scalar. A scalar can be subtracted
from anything.
* Matrix multiplication
X*Y is the matrix product of X and Y. Any scalar (a 1-by-1 matrix)
may multiply anything. Otherwise, the number of columns of X must
equal the number of rows of Y.
.* Array multiplication
X.*Y denotes element-by-element multiplication. X and Y
must have the same dimensions unless one is a scalar.
A scalar can be multiplied into anything.
^ Matrix power
Z =X^y is X to the y power if y is a scalar and X is square. I f y is an
integer greater than one, the power is computed by repeated
multiplication. For other values of y the calculation
involves eigenvalues and eigenvectors.
Z =x^Y is x to the Y power, if Y is a square matrix and x is a scalar,
computed using eigenvalues and eigenvectors.
Z =X^Y, where both X and Y are matrices, is an error.
.^ Array power.
Z =X.^Y denotes element-by-element powers. X and Y
A scalar can operate into anything.
\ Backslash or left division
A\B is the matrix division of A into B, which is roughly the
same as I NV(A)*B , except it is computed in a different way.
I f A is an N-by-N matrix and B is a column vector with N
components, or a matrix with several such columns, then
X =A\B is the solution to the equation A*X =B computed by
Gaussian elimination. A warning message is printed if A is
badly scaled or nearly singular. A\EYE(SI ZE(A)) produces the
inverse of A.
I f A is an M-by-N matrix with M <or >N and B is a column
vector with M components, or a matrix with several such columns,
then X =A\B is the solution in the least squares sense to the
under- or overdetermined system of equations A*X =B. The
effective rank, K, of A is determined from the QR decomposition
with pivoting. A solution X is computed which has at most K
nonzero components per column. If K <N this will usually not
be the same solution as PI NV(A)*B. A\EYE(SI ZE(A)) produces a
generalized inverse of A.
/ Slash or right division.
B/A is the matrix division of A into B, which is roughly the
same as B*I NV(A) , except it is computed in a different way.
More precisely, B/A =(A'\B')'. See \.
./ Array division
B./A denotes element-by-element division. A and B
A scalar can be divided with anything.
I ntroduccin al MATLAB UNEXPO
I ng. Luis Rojas Malave
11
MATRICES
MATLAB trabaja fundamentalmente con un solo tipo de elemento base, el cual es una matriz
numrica con posibles elementos complejos. Los escalares son matrices de un elemento por un
elemento y los vectores son matrices de una fila o de una columna
Las matrices pueden ser introducidas al MATLAB de diferentes formas:
1) Introduciendo una lista de nmeros
2) Generando matrices usando funciones
3) Creando matrices en archivos tipo: m-files
4) Cargando matrices desde archivos externos
INTRODUCIENDO MATRICES AL MATLAB
Las matrices se introducen con el siguiente formato:
M = [ e e e; e e e; e e e]
Donde : e = elemento numrico
M = [ 12 11 24 ; -45 -58 -89 ; 4 4.5 5.5]
M =
12.0000 11.0000 24.0000
-45.0000 -58.0000 -89.0000
4.0000 4.5000 5.5000
12
Utilizando "comas" como separador:
M = [12,11,24;-45,-58,-89;4,4.5,5.5]
M =
12.0000 11.0000 24.0000
-45.0000 -58.0000 -89.0000
4.0000 4.5000 5.5000
Uso de "PUNTO Y COMA". Cuando se usa "punto y coma" despus de una instruccin, la
respuesta no aparece en la pantalla
M = [12,11,24;-45,-58,-89;4,4.5,5.5];
Si queremos ver a la matriz en la pantalla, debemos escribir el nombre de la matriz y enter
M
M =
12.0000 11.0000 24.0000
-45.0000 -58.0000 -89.0000
4.0000 4.5000 5.5000
MATLAB es muy sensitivo con respecto al tipo de letra que se utilice en los nombres de las
matrices y vectores. la matriz ( M ) es muy diferente a la matriz ( m )
m
??? Undefined function or variable m.
La letra ( m ) puede ser utilizada para almacenar otra matriz o vector y no interfiere con el
uso de la letra ( M ), la cual fue previamente utilizada.
m=-458.26
m =
-458.2600
13
Las matrices pueden ser generadas sustituyendo funciones numricas por los elementos
numricos :
x=[-14 exp(4) sin(30) (1+2+3+4)/(3+25)]
x =
-14.0000 54.5982 -0.9880 0.3571
Las matrices pueden ser generadas por otras matrices:
a=[1,2,3;7,8,9]
a =
1 2 3
7 8 9
b=[5 6 7]
b =
5 6 7
Con las matrices ( a ) y ( b ) podemos generar la matriz ( c1 ) :
c1=[a;b]
c1 =
1 2 3
7 8 9
5 6 7
Tambin se puede generar la matriz ( c2 ) :
c2=[b;a]
c2 =
5 6 7
1 2 3
7 8 9
14
MATLAB permite la generacin de una matriz a partir de los elementos de otra matriz,
utilizando el siguiente formato:
MATRIZ GENERADA = MATRIZ ORIGEN ( FILA , COLUMNA )
las filas y las columnas, de la matriz de origen, que formarn la nueva matriz generada se
pueden indicar utilizando el siguiente formato :
FILA = nmero de fila(i) : nmero de fila(f)
Donde el smbolo ( : ) indica "desde - hasta"
COLUMNA = nmero de columna(i) : nmero de columna(f)
Donde el smbolo ( : ) indica "desde - hasta"
El formato de generacin de matrices puede escribirse de la siguiente forma
MATRIZ GENERADA = MATRIZ ORIGEN ( N de fila(i) : N de fila(f) , N de columna (i) : N de columna (f) )
Si se desean todas las filas de una matriz se sustituye el trmino
( N de fila(i) : N de fila(f) ) por el smbolo ( : )
Si se desean todas las columnas de una matriz se sustituye el trmino
( N de col.(i) : N de col.(f)) ) por el smbolo ( : )
A continuacin se presentan algunos ejemplos :
d1=c2(1:3,1:3)
d1 =
5 6 7
1 2 3
7 8 9
d1=c2(:,:)
d1 =
5 6 7
1 2 3
7 8 9
15
d2=c2(1:2,1:2)
d2 =
5 6
1 2
d3=c2(2:3,2:3)
d3 =
2 3
8 9
d4=c2(1,:)
d4 =
5 6 7
d5=c2(2,:)
d5 =
1 2 3
d6=c2(3,:)
d6 =
7 8 9
d7=c2(:,1)
d7 =
5
1
7
d8=c2(:,2)
d8 =
6
2
8
d9=c2(:,3)
d9 =
7
3
9
16
d10=[d4;d5;d6]
d10 =
5 6 7
1 2 3
7 8 9
d11=[d7,d8,d9]
d11 =
5 6 7
1 2 3
7 8 9
MATLAB permite la asignacin del valor numrico de un elemento de una matriz a una
variable
v1=c2(1,1)
v1 =
5
v2=c2(1,2)
v2 =
6
v3=c2(1,3)
v3 =
7
v4=c2(2,3)
v4 =
3
v5=c2(2,2)
v5 =
2
17
EJERCICIOS
1. crear las siguientes matrices
12 13 14
p1 = 8 9 10
5 6 7
1 1 1 1
p2 = 1 1 1 1
1 1 1 1
1 1 1 1
1 0 0 0 0
0 1 0 0 0
p3 = 0 0 1 0 0
0 0 0 1 0
2. verificar las siguientes expresiones:
p4=[sin(30),exp(2);sin(30)/(1-exp(-3)),2*45/(3+25)]
p4 = -0.9880 7.3891
-1.0398 3.2143
18
3. Formar nuevas matrices con los nmeros marcados en las
siguientes matices:
12 13 14
p1 = 8 9 10
5 6 7
12 13 14
p1 = 8 9 10
5 6 7
12 13 14
p1 = 8 9 10
5 6 7
4. A partir de la matriz p1, formar la sigiente:
12 13 14 12 13 14
8 9 10 8 9 10
p1_4 = 5 6 7 5 6 7
12 13 14 12 13 14
8 9 10 8 9 10
5 6 7 5 6 7
19
RESPUESTAS
1. p1=[12 13 14;8 9 10;5 6 7]
p2=ones(4)
p3=eye(5)
3. p1_1=[p1(1,1),p1(1,3);p1(3,1),p1(3,3)]
p1_2=[p1(:,1),p1(:,3)]
p1_3=[p1(1,:);p1(3,:)]
4. p1_4=[p1,p1;p1,p1]
20
OBTENIENDO INFORMACIN DEL WORKSPACE
MATLAB guarda todas las variables creadas en la memoria RAM denominado
"workspace". Se puede obtener informacin sobre estas variables escribiendo las palabras
"who" o "whos" y enter
who
Your variables are:
a d10 d4 d8 v3
b d11 d5 d9 v4
c2 d2 d6 v1 v5
d1 d3 d7 v2 v6
whos
Name Size Elements Bytes Density Complex
a 2 by 3 6 48 Full No
b 1 by 3 3 24 Full No
c 3 by 3 9 72 Full No
d1 3 by 3 9 72 Full No
d10 3 by 3 9 72 Full No
d11 3 by 3 9 72 Full No
v1 1 by 1 1 8 Full No
Grand total is 77 elements using 616 bytes
21
MATLAB tiene otra forma de informar sobre las variables guardadas en el workspace. Esto
se realiza mediante el botn de Workspace Browser, en la barra de herramientas de
MATLAB, como se muestra a continuacin:
22
MATLAB permite conocer los archivos abiertos que estn activos en el directorio de
MATLAB mediante la palabra "what". Tambin permite limpiar el "workspace" utilizando
la palabra "clear"
clear
Para asegurarnos de que el "workspace" est completamente limpio, escribimos la palabra
"who" y enter .
who
Your variables are:
GUARDAR LAS VARIABLES DEL WORKSPACE EN EL DISCO DURO
Para guardar los valores numricos, asignados a variables que se encuentran en el
"workspace" de MATLAB, en el disco duro de la computadora, en archivo "ascii", se utiliza
el comando "save" y para recuperarlos, se utiliza el comando "load". En el siguiente ejemplo
crearemos la matriz ( x ), la cual se Encuentra en el "workspace" de MATLAB. Esto es
comprobado con el comando "whos"
x=[1 2 3;4 5 6;7 8 9]
x =
1 2 3
4 5 6
7 8 9
whos
x 3 by 3 9 72 Full No
23
Los valores numricos de la matriz ( x ) sern guardados con otro nombre opcional, como
archivo "ascii", en el disco duro de la computadora, mediante el comando "save". El nombre
del nuevo archivo que contendr los valores numricos de ( x ) ser de ( pl.mat ), el cual ser
guardado en el directorio MATLAB . BIN
save p1 x -ascii
Para completar el ejemplo, limpiaremos el "workspace" y lo comprobaremos con el comando
"whos". Luego, cargaremos los valores numricos, contenidos en ( pl.mat ) en el
"workspace" mediante el comando "load".
clear
whos
load p1
p1
p1 =
1 2 3
4 5 6
7 8 9
En el caso en que se tengan los valores numricos agrupados en diferentes variables, como el
ejemplo de los siguientes datos que agrupa a tres variables ( V , T , P )
DATOS
V T P
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
24
Los datos se pueden introducir cada uno por separado de la siguiente forma :
v=[1 1 1 1 1 1 1 ]
v =
1 1 1 1 1 1 1
t=[2 2 2 2 2 2 2]
t =
2 2 2 2 2 2 2
p=[3 3 3 3 3 3 3]
p =
3 3 3 3 3 3 3
Comprobamos que lo nico que se tiene en el "workspace" son las variables mencionadas
anteriormente:
whos
p 1 by 7 7 56 Full No
t 1 by 7 7 56 Full No
v 1 by 7 7 56 Full No
Guardaremos estos datos en un archivo llamado p2:
save p2 v t p -ascii
Limpiamos el workspace con "clear" y verificamos con " whos" que el workspace esta
limpio:
clear
whos
25
Si llamamos a las variables ( V , T , P ) nos dar "error", ya que las mismas fueron
eliminadas con "clear".
V
??? Undefined function or variable V.
T
??? Undefined function or variable T.
P
??? Undefined function or variable P.
Recuperamos el archivo ( p2 ) con el comando ( load )
load p2
En el workspace tenemos, ahora, los valores numricos de las mismas variables pero en el
archivo ( p2 ). Para comprobarlo utilizamos el comando "whos"
whos
p2 3 by 7 21 168 Full No
Para saber el contenido numrico de la matriz ( p2 ) :
p2
p2 =
1 1 1 1 1 1 1
2 2 2 2 2 2 2
3 3 3 3 3 3 3
26
Si queremos los datos originales en sus variables originales descomponemos la matriz ( p2 ) en
los vectores ( v , t , p )
v=p2(1,:)
v =
1 1 1 1 1 1 1
t=p2(2,:)
t =
2 2 2 2 2 2 2
p=p2(3,:)
p =
3 3 3 3 3 3 3
NMEROS Y EXPRESIONES ARITMTICAS
MATLAB usa una notacin decimal convencional, con notacin opcional de punto decimal
para expresiones numricas. MATLAB usa notacin convencional de potenciacin en base
diez y de nmeros complejos.
Ejemplos:
3 -185 0.000154
35.15486548 1.26487E-25 32.5684e25
2i -3.7845j 25e2i
El rango para expresiones numricas es desde ( 1e-308 ) a ( 1e308 )
27
MATLAB permite realizar operaciones aritmticas con los operadores normales:
SMBOLO FUNCIN
+ SUMA
- RESTA
* MULTIPLICACIN
/ DIVISIN DIRECTA
\ DIVISIN INVERSA
^ POTENCIACIN
Numero ( PI ):
pi
ans =
3.1416
3*pi
ans =
9.4248
DIVISIN ENTRE CERO:
32.15487/0
Warning: Divide by zero
ans =
Inf
Warning: Divide by zero
inf/inf
ans =
NaN
28
NMEROS COMPLEJOS
2+3i
ans =
2.0000 + 3.0000i
2+3j
ans =
2.0000 + 3.0000i
z=[1 2;3 4] + i*[5 2;8 1]
z =
1.0000 + 5.0000i 2.0000 + 2.0000i
3.0000 + 8.0000i 4.0000 + 1.0000i
FORMATO NUMRICO DE SALIDA
Si todos los elementos de una matriz son nmeros enteros, MATLAB muestra a la matriz en
un formato sin puntos decimales.
x=[-4 -5 -8 5 3 1 7 -8]
x =
-4 -5 -8 5 3 1 7 -8
Si al menos un elemento de una matriz no es entero, varios tipos de formato son posible
utilizar.
z=[2 8 7/3 4]
z =
2.0000 8.0000 2.3333 4.0000 ( FORMATO: SHORT )
29
z=[2 8 7/3 4]
z =
2.00000000000000 8.00000000000000 2.33333333333333
4.00000000000000
( FORMATO: LONG )
z=[2 8 7/3 4]
z =
4000000000000000 4020000000000000 4002aaaaaaaaaaab
4010000000000000
( FORMATO: HEX )
z=[2 8 7/3 4]
z =
2.00 8.00 2.33 4.00
( FORMATO: BANK )
z=[2 8 7/3 4]
z =
++++ ( FORMATO: PLUS )
z=[2 8 7/3 4]
z =
2.0000e+000 8.0000e+000 2.3333e+000 4.0000e+000
( FORMATO: SHORT e )
30
z=[2 8 7/3 4]
z =
Columns 1 through 3
2.000000000000000e+000 8.000000000000000e+000
2.333333333333334e+000
Column 4
4.000000000000000e+000
( FORMATO: LONG e )
z=[2 8 7/3 4]
z =
2 8 7/3 4
( FORMATO: RATIONAL )
OPERACIONES CON MATRICES
MATLAB permite realizar varias operaciones aritmticas con matrices o vectores tales como
MATRIZ TRANSPUESTA, SUMA Y RESTA, MULTIPLICACIN, DIVISIN DIRECTA,
DIVISIN INVERSA, POTENCIACION, OPERACIN ELEMENTO POR ELEMENTO
MATRIZ TRANSPUESTA
a=[2 3 4 ; 4 5 6 ; 7 8 9]
a =
2 3 4
4 5 6
7 8 9
31
La matriz transpuesta de ( a ) es ( a' ) notar el smbolo ( ' )
b=a'
b =
2 4 7
3 5 8
4 6 9
a=b'
a =
2 3 4
4 5 6
7 8 9
Para vectores:
x=[2 3 4 5 6 7 8]
x =
2 3 4 5 6 7 8
y=x'
y =
2
3
4
5
6
7
8
x=y'
x =
2 3 4 5 6 7 8
32
SUMA Y RESTA DE MATRICES
MATLAB permite la suma y resta de matrices siempre y cuando las matrices sean de igual
dimensin.
a=[1 2 3;4 5 6;7 8 9]
a =
1 2 3
4 5 6
7 8 9
b=[11 22 33;44 55 66;77 88 99]
b =
11 22 33
44 55 66
77 88 99
c=[9 8 7;6 5 4]
c =
9 8 7
6 5 4
d=[11 11 11;22 22 22]
d =
11 11 11
22 22 22
Se generaron las matrices anteriores para mostrar las siguientes operaciones:
Verificamos los datos en el workspace:
whos
d 2 by 3 6 48 Full No
33
Procedemos a realizar algunas operaciones:
a+b
ans =
12 24 36
48 60 72
84 96 108
c+d
ans =
20 19 18
28 27 26
a+c
??? Error using ==> +
Matrix dimensions must agree.
b+d
a+d
b+c
b+a
ans =
12 24 36
48 60 72
84 96 108
34
d+c
ans =
20 19 18
28 27 26
-a
ans =
-1 -2 -3
-4 -5 -6
-7 -8 -9
-b
ans =
-11 -22 -33
-44 -55 -66
-77 -88 -99
Un numero puede ser sumado o restado a una matriz:
pi+a
ans =
4.1416 5.1416 6.1416
7.1416 8.1416 9.1416
10.1416 11.1416 12.1416
pi+b
ans =
14.1416 25.1416 36.1416
47.1416 58.1416 69.1416
80.1416 91.1416 102.1416
35
(pi+c)-(pi-d)
ans =
20 19 18
28 27 26
45.3698+a
ans =
46.3698 47.3698 48.3698
49.3698 50.3698 51.3698
52.3698 53.3698 54.3698
12+b
ans =
23 34 45
56 67 78
89 100 111
10+c
ans =
19 18 17
16 15 14
20+d
ans =
31 31 31
42 42 42
ans =
-10 -20 -30
-40 -50 -60
-70 -80 -90
36
b-a
ans =
10 20 30
40 50 60
70 80 90
a-c
??? Error using ==> -
a-d
??? Error using ==> -
c-d
ans =
-2 -3 -4
-16 -17 -18
d-c
ans =
2 3 4
16 17 18
a+(-b)
ans =
-10 -20 -30
-40 -50 -60
-70 -80 -90
-a-b
ans =
-12 -24 -36
-48 -60 -72
-84 -96 -108
37
-c-d
ans =
-20 -19 -18
-28 -27 -26
-d-c
ans =
-20 -19 -18
-28 -27 -26
MULTIPLICACIN DE MATRICES
MATLAB permite la multiplicacin de matrices siempre que la segunda dimensin de la
primera matriz sea igual a la primera dimensin de la segunda matriz:
PRODUCTO = M1(m,n) * M2(n,p) VALIDO
PRODUCTO = MATRIZ 1 (3 POR 2) * MATRIZ 2 (2 POR 4)
VALIDO
PRODUCTO = MATRIZ 1 (2 POR 3) * MATRIZ 2 (2 POR 4)
NO VALIDO
EJEMPLOS:
a
a =
1 1
2 2
3 3
b
b =
4 4 4
5 5 5
38
c
c =
4 5
4 5
4 5
d
d =
5
6
whos
a*b
ans =
9 9 9
18 18 18
27 27 27
b*a
ans =
24 24
30 30
a*c
??? Error using ==> *
Inner matrix dimensions must agree.
39
c*a
a*d
ans =
11
22
33
d*a
b*d
d*b
b*c
ans =
48 60
60 75
c*b
ans =
41 41 41
41 41 41
41 41 41
c*d
ans =
50
50
50
40
d*c
a*a
b*b
Inner matrix dimensions must agree
c*c
d*d
Fabricaremos una matriz de ( 3 por 3 ) :
e=a*b
e =
9 9 9
18 18 18
27 27 27
e*e
ans =
486 486 486
972 972 972
1458 1458 1458
41
DIVISIN DE MATRICES
MATLAB permite dos tipos de divisin : la divisin directa y la divisin inversa. La divisin
directa se realiza con el smbolo operador ( / ) y La divisin inversa se realiza con el smbolo
operador ( \ ). El numerador esta siempre sobre la lnea que representa al smbolo.
Ejemplos:
Si representaremos al NUMERADOR con la letra ( N ) y al DENOMINADOR con la letra (
D ), los dos tipos de divisin se pueden escribir de la siguiente forma :
DIVISIN DIRECTA = N / D
DIVISIN INVERSA = D \ N
Estas divisiones son diferentes, ya que implican operaciones distintas.
Sean las matrices [ A , B , C ]
C = A / B IMPLICA C * B = A (despejando a A )
C = B \ A IMPLICA B * C = A (despejando a A )
Ilustraremos con un ejemplo la diferencia entre los dos tipos de divisin. Si tenemos los
siguientes tipos de matrices :
C = ( 3 POR 2 )
B = ( 2 POR 3 )
a
a =
1 1
2 2
3 3
Matriz de ( 3 por 2 )
f
f =
2 2 2
3 3 3
Matriz de ( 2 por 3 )
42
Multipliquemos : a * f = g
a*f
ans =
5 5 5
10 10 10
15 15 15
Esto es valido ya que la matriz [ a de ( 3 por 2 )] multiplica a la matriz [ f de ( 2 por 3 )].
Si se despeja a la matriz ( f ), se debe hacer de la siguiente forma:
f = a \ g VALIDO
f = g / a INVALIDO
a\g
ans =
5 5 5
0 0 0
VALIDO
g/a
??? Error using ==> /
Esto sucede debido a que las matrices son de diferentes dimensiones o sea el orden de sus
elementos ( fila - columna ) es diferente en cada matriz.
El producto ( a * f ) es diferente al producto ( f * a )
Ejemplos:
g1=a*f
g1 =
5 5 5
10 10 10
15 15 15
43
g2=f*a
g2 =
12 12
18 18
a\g1
ans =
5 5 5
0 0 0
g1/a
??? Error using ==> /
g2/a
ans =
0 0 4.0000
0 0 6.0000
a\g2
??? Error using ==> \
EJERCICIOS PROPUESTOS :
Realizar las siguientes operaciones, considerando que tenemos en el workspace las siguientes
variables:
whos
ans 2 by 2 4 32 Full No
e 3 by 3 9 72 Full No
f 2 by 3 6 48 Full No
g 3 by 3 9 72 Full No
g1 3 by 3 9 72 Full No
g2 2 by 2 4 32 Full No
44
OPERACIONES :
( a/b ), ( b/a ), ( a\b ), ( b\a ), ( a/c ), ( c/a ), ( a\c ), ( c\a ), ( g/g1 ), ( g1\g ), ( g1/g )
POTENCIACIN DE MATRICES
La operacin matemtica representada por ( A^P ) significa que ( A ) es elevado a la
potencia ( P ). Esta operacin es definida si ( A ) es una matriz cuadrada y ( P ) es un escalar
o si ( P ) es una matriz y ( A ) es un escalar. Si ambas son matrices dar error.
Como ejemplo usaremos la matriz mgica de ( 3 X 3 ):
z=magic(3)
z =
8 1 6
3 5 7
4 9 2
Elevaremos a la matriz ( z ) al cuadrado:
z^2
ans =
91 67 67
67 91 67
67 67 91
Si elevamos al nmero 2 a la matriz ( z ):
2^z
ans =
1.0e+004 *
1.0942 1.0906 1.0921
1.0912 1.0933 1.0924
1.0915 1.0930 1.0923
La potenciacin se efecta si la matriz es cuadrada, ejemplo:
a=[2 4 ; 5 8 ]
a =
2 4
5 8
45
a^2
ans =
24 40
50 84
6^a
ans =
1.0e+007 *
2.6700 4.4778
5.5972 9.3867
Si la matriz no es cuadrada:
b=[2 3 5 8]
b =
2 3 5 8
b^2
??? Error using ==> ^
Matrix must be square.
2^b
OPERACIONES DE ELEMENTOS POR ELEMENTOS
Las operaciones de elemento por elemento se realizan con la ayuda del smbolo ( . )
precediendo a un operador matemtico. La suma y resta se debe realizar con matrices de
igual dimensiones:
A=[2 3]
A =
2 3
B=[4 5]
B =
4 5
46
A+B
ans =
6 8
C=[2;3;4;5]
C =
2
3
4
5
D=[5;6;7;8]
D =
5
6
7
8
C+D
ans =
7
9
11
13
A+D
A+C
z
z =
8 1 6
3 5 7
4 9 2
47
q=[3 5 7 ;1 3 2;7 8 9]
q =
3 5 7
1 3 2
7 8 9
q+z
ans =
11 6 13
4 8 9
11 17 11
La multiplicacin y divisin se realiza con el smbolo ( .* )
q.*z
ans =
24 5 42
3 15 14
28 72 18
si no le ponemos el punto no se realiza elemento por elemento:
q*z
ans =
67 91 67
25 34 31
116 128 116
z.*q
ans =
24 5 42
3 15 14
28 72 18
A.*B
ans =
8 15
48
C.*D
ans =
10
18
28
40
A
A =
2 3
q
q =
3 5 7
1 3 2
7 8 9
A.*q
??? Error using ==> .*
a
a =
2 4
5 8
q
q =
3 5 7
1 3 2
7 8 9
a.*q
??? Error using ==> .*
49
Potenciacin elemento por elemento:
A
A =
2 3
q
q =
3 5 7
1 3 2
7 8 9
a.^2
ans =
4 16
25 64
q.^3
ans =
27 125 343
1 27 8
343 512 729
q^2
ans =
63 86 94
20 30 31
92 131 146
C
C =
2
3
4
5
50
C^2
Esta ultima operacin dio error debido a que la potenciacin no
fue elemento por elemento y en este caso la matriz ( c ) debe ser
cuadrada.
C.^2
ans =
4
9
16
25
Esta operacin si fue correcta
51
CAPACIDAD DE GRAFICACIN
MATLAB permite realizar grficas en dos dimensiones y tres dimensiones mediante
una series de instrucciones, las cuales sern descritas en el presente tutorial utilizando
archivos con la extensin ( m ), ( files.m ), editados con el Editor de MATLAB
(MATLAB Editor /Debugger). Estos archivos consisten en una serie de programas, los
cuales se encuentran descritos en este tutorial y los mismos se denominan: CLASE1,
CLASE2, CLASE3, ... ,etc.
El Editor de MATLAB se abre automticamente, seleccionando abrir un archivo,
existente o uno nuevo, en la barra de herramienta o en el men, desplegado de file,
como se muestra a continuacin:
52
53
METODOLOGA
La metodologa de trabajo consiste en:
Abrir el archivo, m-file, donde se encuentra el programa correspondiente al tpico
que se quiera analizar, por ejemplo: instrucciones bsicas para graficar una serie de
pares de datos, CLASE1.m

Estudiar el archivo abierto, en el Editor de MATLAB. Este archivo tiene las
siguientes caractersticas:

Descripcin del tpico.

Las instrucciones en MATLAB que permiten correr el programa, las cuales se
encuentran sombreadas.

Comentarios sobre el programa y sobre algunas instrucciones en particular.
Correr el programa, en MATLAB, para comprender la utilizacin de las
instrucciones que generaron la grfica correspondiente.
A continuacin se muestra el listado, de las instrucciones y sus correspondientes
comentarios, de los programas que permiten entender como se obtienen los diferentes
tipos de grficos mediante MATLAB. En su computadora usted tendr abierta la
ventana de Comandos MATLAB, en ella aparecern los resultados numricos, despus
de haber ejecutado las instrucciones del programa. Tambin tendr abierta las
ventanas del Editor DE MATLAB y la ventana de Edicin de Grficos, como se muestra
en las siguientes figuras:
En las figuras se muestra la ejecucin del PROGRAMA : CLASE 1
54
55
56
PROGRAMA : CLASE 1
% ESTE PROGRAMA GRAFICA UN PAR DE DATOS CONTENIDOS EN
LOS VECTORES FILAS ( x ),( y )
%
y=[1 3 5 7 9 11 13 15 17]
x=[2 4 6 8 10 12 14 16 18]
%
% NOTA : EL PUNTO Y COMA NO APARECE AL FINAL DE LAS
% INSTRUCCIONES. AL EJECUTAR ESTE PROGRAMA, APARECERN
% EN LA PANTALLA LOS VECTORES ( x ) ( y ) Y LUEGO LA GRFICA
%
plot(x,y)
GRFICA RESULTANTE CLASE 1
2 4 6 8 1 0 1 2 1 4 1 6 1 8
0
2
4
6
8
1 0
1 2
1 4
1 6
1 8
57
58
PROGRAMA : CLASE 2
% ESTE PROGRAMA MUESTRA EL USO DE LAS INSTRUCCIONES PARA
% COLOCARLE TTULO A LA GRFICA , NOMBRE A LOS EJES Y
% TEXTO EN DIVERSOS SITIOS DE LA GRFICA, UTILIZANDO LA
% INSTRUCCIN gtext(' texto ') Y TAMBIN EL BOTN DE
% AADIR TEXTO EN LA BARRA DE HERRAMIENTAS, DE LA
% VENTANA DE LA FIGURA; AS COMO TAMBIN LA EDICIN
% GENERAL DE LA GRFICA
%
% EN ESTE PROGRAMA SE GENERAN LOS DIEZ PRIMEROS
% NMEROS, EN EL VECTOR ( x ) Y LOS CUADRADOS
% CORRESPONDIENTES EN EL VECTOR ( y ).
%
x=[0:1:10];
y=x.^2;
%
% NOTAR EL PUNTO Y COMA AL FINAL DE LAS INSTRUCCIONES
% Y LA OPERACIN DE POTENCIACIN ELEMENTO POR ELEMENTO
%
plot(x,y)
title('TITULO DE LA FIGURA ')
xlabel('TITULO DEL EJE ( X )')
ylabel('TITULO DEL EJE ( Y )')
gtext('ESTA GRFICA ES MIA ----->')
gtext('ESTA GRFICA ES FACIL ------>')
gtext('ESTE TITULO LO PONGO AQUI <-------')
59
60
61
62
63
64
65
66
67
PROGRAMA : CLASE 3
% ESTE PROGRAMA MUESTRA COMO SE PUEDEN GRAFICAR LOS
% ELEMENTOS DE DOS MATRICES DIFERENTES
% COLUMNA VERSUS COLUMNA Y SIMULTANEAMENTE
%
x=[8,1,6;3,5,7;4,9,2]
y=[1 2 3;4 5 6;7 8 9]
%
% NOTA : SE GRAFICA LA PRIMERA COLUMNA DE LA MATRIZ ( y )
% VERSUS LA PRIMERA COLUMNA DE LA MATRIZ ( x )
% LUEGO LA SEGUNDA COLUMNA DE LA MATRIZ ( y )
% VERSUS LA SEGUNDA COLUMNA DE LA MATRIZ ( x )
% Y AS SUCESIVAMENTE. MATLAB LE ASIGNA UN COLOR A CADA
% GRFICA AUTOMATICAMENTE
% IMPORTANTE : AMBAS MATRICES DEBEN TENER EL MISMO
% NMERO DE COLUMNAS Y EL MISMO NMERO DE FILAS
%
plot(x,y)
68
69
PROGRAMA : CLASE 4
% ESTE PROGRAMA MUESTRA COMO SE PUEDE GRAFICAR
% INDICANDO EL COLOR Y EL SMBOLO GRFICO QUE
% REPRESENTA AL PAR DE ELEMENTOS DE LAS MATRICES
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18];
%
plot(x,y,'co')
%
% NOTA : EN ESTA GRFICA EL COLOR ES CYAN Y EL SMBOLO
% ES EL CRCULO
2 4 6 8 10 12 14 16 18
0
2
4
6
8
10
12
14
16
18
70
PROGRAMA : CLASE 5
% ESTE PROGRAMA MUESTRA COMO SE PUEDEN REALIZAR
% DOS GRFICAS ( IGUALES O DIFERENTES ) SIMULTANEAMENTE
% INDICANDO EL COLOR Y EL SIMBOLO GRAFICO
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18];
%
plot(x,y,'co',x,y,'y-')
%
% NOTA : EN ESTE EJEMPLO SE GRAFICARON LOS MISMOS
% DATOS SIMULTANEAMENTE Y CADA GRFICA CON SMBOLOS
% Y COLORES DISTINTOS (CRCULOS COLOR CYAN Y GRFICA
% CONTNUA COLOR AMARILLO)
2 4 6 8 1 0 1 2 1 4 1 6 1 8
0
2
4
6
8
1 0
1 2
1 4
1 6
1 8
71
PROGRAMA : CLASE 6
% ESTE PROGRAMA MUESTRA COMO ES POSIBLE GRAFICAR
% LOS ELEMENTOS DE UNA MATRIZ VERSUS LA POSICIN
% QUE TIENEN EN LA MATRIZ Y ADEMAS MUESTRA COMO
% SE UTILIZA EL COMANDO " HOLD "
%
y=[1 5 9 13 17 21 17 13 9 5 1]
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36]
plot(y,'C*')
hold
%
% NOTA : CON EL COMANDO "HOLD" LA PRIMERA GRFICA
% SE MANTIENE Y LA SEGUNDA GRFICA ES REALIZADA
% SOBRE LA PRIMERA
%
plot(x,'ro')
0 2 4 6 8 10 12 14 16 18
0
5
10
15
20
25
30
35
40
72
PROGRAMA : CLASE 7
% ESTE PROGRAMA MUESTRA COMO SE PUEDE GRAFICAR PARES
% DE DATOS SIMULTANEAMENTE Y MATLAB AJUSTA LAS
% ESCALAS DE AMBAS GRFICAS AUTOMATICAMENTE
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36];
y2=y.^3;
x2=x.^2.0+500
%
% NOTA : SE GRAFICAR (y) VERSUS (y2) CON 9 ELEMENTOS
% SE GRAFICAR TAMBIN SIMULTANEAMENTE (x) VERSUS (x2)
% CON 18 ELEMENTOS GRFICOS. MATLAB FIJA LA ESCALA
%
plot(y,y2,'c*',x,x2,'ro')
0 5 10 15 20 25 30 35 40
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
73
PROGRAMA : CLASE 8
% ESTE PROGRAMA MUESTRA COMO SE PUEDE REALIZAR
% UNA GRFICA CON ESCALAS CUADRICULADAS
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36];
y2=y.^3;
x2=x.^2.0+500
% NOTA : EL COMANDO grid PERMITE CUADRICULAR LA
% GRFICA
grid
0 5 10 15 20 25 30 35 40
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
74
PROGRAMA : CLASE 9
% UNA FUNCIN MATEMTICA ALMACENADA EN LA
% LIBRERA DE MATLAB
%
fplot('sin' ,[0 4*pi])
%
% NOTA : LA FUNCIN SENO ( sin ) SE GRAFICA
% ENTRE ( 0 Y 4pi )
% MAS INFORMACIN VER : help fplot
75
PROGRAMA : CLASE 10
% SIMULTANEAMENTE DOS FUNCINES MATEMTICAS
% DE LA LIBRERA DE MATLAB
%
fplot('[sin(x),cos(x)]',[0 4*pi],'-*')
%
% NOTA : SE GRAFICAN SIMULTANEAMENTE LAS
% FUNCINES SENO Y COSENO. AMBAS DESDE 0 HASTA 4pi
% EL IDENTIFICADOR GRFICO ( -* ) SE APLICA
% PERA AMBAS GRFICAS
0 2 4 6 8 10 12
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
76
PROGRAMA : CLASE 11
% GRFICAS DIFERENTES Y COLOCARLAS EN DETERMINADO
% PUNTO DE LA PANTALLA
%
subplot(3,3,5)
%
% NOTA : LA INSTRUCCIN subplot(f,c,G) DIVIDE
% LA PANTALLA EN ( f ) POR ( c ) ESPACIOS Y COLOCA
% LA GRFICA ACTUAL EN EL ESPACIO ( G )
% EN ESTE EJEMPLO LA PANTALLA ES DIVIDIDA EN
% NUEVE ( 9 ) ESPACIOS Y LA GRFICA ES COLOCADA
% EN EL ESPACIO ( 5 )
%
77
PROGRAMA : CLASE 12
% GRFICAS DIFERENTES Y COLOCARLAS EN DETERMINADO
% PUNTO DE LA PANTALLA
%
subplot(2,2,4)
% NOTA : LA INSTRUCCIN subplot SE UTILIZA SIEMPRE
% PARA UBICAR LA GRFICA ACTUAL, POR LO TANTO
% SE DEBE ESCRIBIR ANTES DE LA INSTRUCCIN ( plot )
% O ( fplot ). EN ESTE EJEMPLO SE DIVIDE LA
% PANTALLA EN CUATRO PARTES Y LA GRFICA INMEDIATA
% SE GRAFICA EN EL ESPACIO ( 4 )
%
%
% NOTA : DOS INTRUCCIONES PUEDEN SER ESCRITAS
% EN UNA MISMA LINEA SI SON SEPARADAS POR ( ; )
% LA SIGUIENTE GRFICA ES COLOCADA EN EL ESPACIO ( 3 )
%
subplot(2,2,3);fplot('abs(exp(-j*x*(0:9))*ones(10,1))',[0 2*pi],'-o')
78
PROGRAMA : CLASE 13
% ESTE PROGRAMA MUESTRA COMO SE PUEDE REALIZAR
% GRFICAS DIFERENTES Y COLOCARLAS EN DETERMINADOS
% PUNTOS DE LA PANTALLA
%
subplot(2,2,4)
%
subplot(2,2,1);fplot('abs(exp(-j*x*(0:9))*ones(10,1))',[0 2*pi],'-o')
%
subplot(2,2,2); fplot('tan' ,[-2*pi 2*pi -2*pi 2*pi],'-*')
%
subplot(2,2,3); fplot('[tan(x),sin(x),cos(x)]',[-2*pi 2*pi -2*pi
2*pi])%fplot('tan',[-2*pi 2*pi -2*pi 2*pi],'-*')
79
PROGRAMA : CLASE 14
% ESTE PROGRAMA MUESTRA COMO SE PUDE GRAFICAR PARES
% DE DATOS SIMULTANEAMENTE Y EL USUARIO AJUSTA LAS
% ESCALAS DE AMBAS GRFICAS UTLIZANDO LA INSTRUCCIN
% ( axis )
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36];
y2=y.^3;
x2=x.^2.0+500
%
% NOTA : SE GRAFICARA Y VERSUS Y2 CON 9 ELEMENTOS
% SE GRAFICARA TAMBIEN SIMULTANEAMENTE X VERSUS X2
% CON 18 ELEMENTOS GRAFICOS.
%
axis([-20 80 -500 10000])
%
% NOTA : LA INSTRUCCIN ( axis ) PERMITE QUE EL USUARIO
% FIJE ARBITRARIAMENTE LAS ESCALAS DE LOS EJES
- 2 0 0 2 0 4 0 6 0 8 0
0
1 0 0 0
2 0 0 0
3 0 0 0
4 0 0 0
5 0 0 0
6 0 0 0
7 0 0 0
8 0 0 0
9 0 0 0
1 0 0 0 0
80
PROGRAMA : CLASE 15
% ESTE PROGRAMA MUESTRA COMO SE PUDE GRAFICAR PARES
% DE DATOS SIMULTANEAMENTE Y LAS ESCALAS DE AMBAS
% GRFICAS REGRESAN AL AJUSTE AUTOMATICO UTLIZANDO
% LA INSTRUCCIN : axis('auto')
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36];
y2=y.^3;
x2=x.^2.0+500
%
% NOTA : SE GRAFICARA Y VERSUS Y2 CON 9 ELEMENTOS
% SE GRAFICARA TAMBIEN SIMULTANEAMENTE X VERSUS X2
% CON 18 ELEMENTOS GRAFICOS.
%
axis([-20 80 -500 10000])
axis('auto')
%
% NOTA : SE HA FIJADO ARBITRARIAMENTE LAS ESCALAS DE
% LOS EJES PERO CON LA INSTRUCCIN axis('auto')
% MATLAB AJUSTA LA ESCALA DE LOS EJES AUTOMATICAMENTE
0 5 1 0 1 5 2 0 2 5 3 0 3 5 4 0
0
5 0 0
1 0 0 0
1 5 0 0
2 0 0 0
2 5 0 0
3 0 0 0
3 5 0 0
4 0 0 0
4 5 0 0
5 0 0 0
81
PROGRAMA : CLASE 16
% ESTE PROGRAMA MUESTRA COMO SE PUEDE CAMBIAR EL
% ORIGEN O INICIO DE UNA GRFICA CON LA INSTRUCCIN
% axis('ij')
%
subplot(2,1,1)
fplot('sin' ,[1.8 4*pi],'c')
title('axis(xy) AUTOMATICO ')
%
% NOTA : LA FUNCIN SENO ( sin ) SE GRAFICA
% ENTRE 1.8 Y 4pi UTILIZANDO EL COLOR cyan
% EN ESTA GRFICA MATLAB UTILIZA AUTOMTICAMENTE
% LA INSTRUCCIN : axis('xy') SIGNIFICANDO QUE EL ORIGEN
% DE LA GRFICA EST SITUADO EN EL NGULO INFERIOR
% IZQUIERDO.
% EL EJE HORIZONTAL AUMENTA DE IZQUIERDA A DERECHA
% EL EJE VERTICAL AUMENTA DE ABAJO HACIA ARRIBA
% MAS INFORMACIN VER : help axis
%
subplot(2,1,2)
fplot('sin' ,[1.8 4*pi],'r')
axis('ij')
title('axis(ij) OPCIONAL')
%
% LA MISMA FUNCIN SE GRAFICA UTILIZANDO EL COLOR ROJO
% EN ESTE CASO LA INSTRUCCIN: axis('ij') PRODUCE
% QUE LA GRFICA SE ORIGINE EN EL NGULO SUPERIOR
% IZQUIERDO.
% EL EJE HORIZONTAL AUMENTA DE IZQUIERDA A DERECHA
% EL EJE VERTICAL AUMENTA DE ARRIBA HACIA ABAJO.
82
83
PROGRAMA : CLASE 17
% ESTE PROGRAMA MUESTRA COMO SE PUDE OBTENER
% GRFICAS CON FORMAS DIFERENTES A LA RECTANGULAR,
% LA CUAL ES FIJADA POR MATLAB AUTOMATICAMENTE.
% CON LA INSTRUCCIN: axis('square') SE OBTIENE UNA
% GRFICA DE FORMA CUADRADA
%
y=[1 3 5 7 9 11 13 15 17];
x=[2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36];
y2=y.^3;
x2=x.^2.0+500
%
% NOTA : SE GRAFICAR (y) VERSUS (y2), CON 9 ELEMENTOS.
% SE GRAFICAR TAMBIN SIMULTANEAMENTE (x) VERSUS (x2),
% CON 18 ELEMENTOS GRFICOS. MATLAB FIJA LA ESCALA
%
subplot(2,1,1)
plot(y,y2,'c',x,x2,'r')
title(' GRFICA RECTANGULAR AUTOMATICO')
%
subplot(2,1,2)
plot(y,y2,'c',x,x2,'r')
axis('square')
title(' axis(square) OPCIONAL ')
%
% UTILIZANDO subplot SE PUEDE NOTAR LA DIFERENCIA
% ENTRE LA MISMA GRFICA EN FORMA RECTANGULAR
% ( FIJADA AUTOMATICAMENTE POR MATLAB ) Y EN FORMA
% CUADRADA
84
0 5 10 15 20 25 30 35 40
0
2000
4000
6000
GRAFICA RECTANGULAR AUTOMATICO
0 20 40
0
2000
4000
6000
axis(square) OPCIONAL
85
PROGRAMA : CLASE 18
% ESTE PROGRAMA MUESTRA EL USO DE LA INSTRUCCIN
% axis('equal') LA CUAL PERMITE QUE MATLAB FIJE LOS FACTORES
% DE ESCALA PARA AMBOS EJES IGUALES
%
% EN ESTE PROGRAMA SE GENERAN LOS DIEZ PRIMEROS
% NMEROS, EN EL VECTOR ( X )
% Y LOS CUADRADOS EN EL VECTOR ( Y ).
%
x=[0:1:10];
y=x.^2;
%
subplot(1,2,1)
plot(x,y)
title('AUTOMATICO ')
% EN ESTA FIGURA MATLAB AJUSTA LOS EJES DE
% LA GRFICA AUTOMATICAMENTE
%
subplot(1,2,2)
plot(x,y)
title('axis(equal) ')
axis('equal')
% EN ESTA FIGURA MATLAB AJUSTA LOS EJES IGUALES DE
% LA GRFICA OPCIONALMENTE CON axis('equal')
86
87
GRFICOS TRIDIMENSIONALES
MATLAB permite visualizar datos mediante grficas en tres dimensiones, 3D,
algunas funciones estn representadas por lneas en tres dimensiones, otras se
representan mediante superficies o mallas
GRFICOS DE LNEAS
PROGRAMA : CLASE 19
% GRFICOS DE LNEAS
% ~~~~~~~~~~~~~~~~~~~~
%
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE GRAFICAR
% UNA LNEA, PRODUCIDA POR UNA FUNCIN Y GRAFICARLA
% TRIDIMENCIONALMENTE CON LA INSTRUCCIN: plot3(x,y,z)
%
% EJEMPLO
%
x=-20:1:20
y=-40:2:40
% SE TIENEN DOS VECTORES DE IGUAL ELEMENTOS
%
z=(x.^2).*(y.^2)
% SE INTRODUCE LA FUNCIN (z) PRODUCIDA MEDIANTE
% UNA OPERACIN ELEMENTO POR ELEMENTO PARA PRODUCIR
% UN NUEVO VECTOR CON LOS VALORES DE LA FUNCIN
% DE IGUAL DIMENSIN DE (x) Y (y).
plot3(x,y,z)
title('GRFICA DE LA FUNCIN')
zlabel(' FUNCIN')
xlabel(' VECTOR X ')
ylabel(' VECTOR Y ')
%
88
89
PROGRAMA : CLASE 20
% GRFICOS DE LNEAS
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE GRAFICAR
% UNA LNEA, PRODUCIDA POR UNA FUNCIN Y GRAFICARLA
% TRIDIMENCIONALMENTE CON LA INSTRUCCIN: plot3(x,y,z)
%
% EJEMPLO DE FUNCIN SENO Y COSENO
x=0:1:20;
y=1./sqrt(x);
% SE TIENEN DOS VECTORES DE IGUAL ELEMENTOS
z=(sin(x)).^2.*sin(y);
% SE INTRODUCE LA FUNCIN (z), PRODUCIDA MEDIANTE
% UNA OPERACIN ELEMENTO POR ELEMENTO, PARA
% GENERAR UN NUEVO VECTOR CON LOS VALORES DE
% LA FUNCIN DE IGUAL DIMENSIN DE (x) Y (y).
%
subplot(2,2,1)
plot3(x,y,z)
title('GRFICA TRIDIMENCIONAL')
zlabel('FUNCIN')
xlabel('VECTOR X ')
ylabel('VECTOR Y ')
%
subplot(2,2,2)
plot(x,z)
title('GRFICA 2D')
ylabel('FUNCIN')
xlabel('VECTOR X')
%
subplot(2,2,3)
plot(y,z)
title('GRFICA 2D')
ylabel('FUNCIN')
xlabel('VECTOR Y')
%
subplot(2,2,4)
plot(x,y)
xlabel('VECTOR X')
ylabel('VECTOR Y')
90
91
GRFICOS DE MALLA Y SUPERFICIE
PROGRAMA : CLASE 21
% GRFICAS DE MALLA Y DE SUPERFICIE
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% EL PRESENTE PROGRAMA ILUSTRA LA
% METODOLOGA PARA REALIZAR UNA GRFICA
% EN TRES DIMENSIONES, DE MALLA Y DE
% SUPERFICIE, DE UNA FUNCIN QUE DEPENDE
% DE DOS VARIABLES Z = FUNCIN (x,y)
% Y SE CUENTA CON DATOS DE (x) Y DE (y)
% O SE CUENTA CON LOS VALORES MNIMO Y MXIMO
% DEL RANGO DEL DOMINIO DE (x) Y DE (y)
%
% METODOLOGA
%
% 1) SE TIENE LOS VALORES DEL VECTOR : x
% 2) SE TIENE LOS VALORES DEL VECTOR : y
% 3) SE CONOCE LA FUNCIN ENTRE (x) Y (Y)
% 4) SE GENERA LA MATRIZ, MALLA, QUE CONTIENE
% COMO FILAS COPIA DEL VECTOR (X) Y COMO
% COLUMNAS COPIA DEL VECTOR (y).
% LAS FILAS Y COLUMNAS DE ESTA MATRIZ, MALLA,
% SE DENOMINAN (xm) Y (ym)
% 5) LA MATRIZ MALLA SE GENERA CON LA
% INSTRUCCIN: [xm,ym]=meshgrid(x,y)
% 6) SE INTRODUCE A MATLAB LA MATRIZ FUNCIN
% zm=f(xm,ym). LA RELACIN DEBE SER ELEMENTO
% POR ELEMENTO PARA QUE LA MATRIZ, FUNCIN,
% (zm), QUE SE GENERE SEA DE LA MISMA
% DIMENSION DE LA MATRIZ, MALLA, [xm,ym]
% 7) SE GRAFICA LA MATRIZ, MALLA, CON LOS
% CAMBIOS PROPORCIONADOS EN SU SUPERFICIE
% POR LA MATRIZ, FUNCIN, (zm), EN TRES
% DIMENSIONES: (x),(y) Y (z), MEDIANTE LA
92
% INSTRUCCIN : mesh(xm,ym,z)
%
% EJEMPLO
%
x=0:2:20
y=0:3:40
% SE TIENEN LOS VECTORES (x) Y (y)
%
[xm,ym]=meshgrid(x,y)
% SE GENER LA MATRIZ MALLA
% xm FILAS
% ym COLUMNAS
%
zm=0.*xm;
% SE ESTABLECE CERO RELACIN CON (xm), POR LO
% TANTO SE DEBE GENERAR UNA MALLA PLANA EN EL
% VALOR CERO DE LA FUNCIN, EN LA GRFICA
% TRIDIMENSIONAL
%
mesh(xm,ym,zm)
% SE GRAFICA TRIDIMENSIONALMENTE A LA MATRIZ,
% MALLA
title(' MALLA ')
xlabel('ESCALA DE X')
ylabel('ESCALA DE Y')
zlabel('VALORES DE LA FUNCIN')
93
94
PROGRAMA : CLASE 22
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% DE DOS VARIABLES Z = FUNCIN(x,y)
%
% METODOLOGA
%
% INSTRUCCIN : [xm,ym]=meshgrid(x,y)
% DIMENSIONES : (x),(y) Y (z), MEDIANTE LA
%
% EJEMPLO
%
x=0:2:20
95
y=0:3:40
%
[xm,ym]=meshgrid(x,y)
% xm FILAS
% ym COLUMNAS
%
zm=100+sin(pi*xm/20).*sinh(pi*ym/20);
% SE ESTABLECE UNA RELACIN CON (xm) Y (ym) , POR LO
% TANTO SE DEBE GENERAR UNA MALLA DEFORMADA,
% SEGUN EL VALOR DE LA FUNCIN, EN LA GRFICA
% TRIDIMENSIONAL
%
mesh(xm,ym,zm)
% MALLA
title(' MALLA DEFORMADA ')
96
97
PROGRAMA : CLASE 23
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
%
% METODOLOGA
%
% INSTRUCCIN : [xm,ym]=meshgrid(x,y)
% DIMENSIONES : (x),(y) Y (z), MEDIANTE LA
%
% EJEMPLO
%
% SUPERFICIE
98
%
x=0:.2:20;
y=0:.3:40;
% POR EL ESPACIAMIETO ENTRE LOS ELEMENTOS
% DE CADA VECTOR, SE PRODUCIRA UNA SUPERFICIE
%
[xm,ym]=meshgrid(x,y);
% xm FILAS
% ym COLUMNAS
%
%
mesh(xm,ym,zm)
% MALLA
title(' SUPERFICIE DEFORMADA ')
99
100
PROGRAMA : CLASE 24
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% CON DIFERENTES VISTAS
%
%
% EJEMPLO DE LA INSTRUCCIN:
% view(azimuth,elevation)
%
% EL AZIMUT SE MIDE EN GRADOS DESDE EL EJE
% NEGATIVO DE (y), GIRANDO EL NMERO INDICADO
% CONTRARIO A LAS AGUJAS DEL RELOJ
%
% LA ELEVACIN ES EL NGULO EN GRADOS
% EN EL QUE LOS OJOS DEL OBSERVADOR
% VEN EL PLANO xy
%
% EL VALOR POR DEFECTO ES: view(-37.5,30)
%
x=0:2:20;
y=0:.3:40;
%
% xm FILAS
% ym COLUMNAS
%
%
subplot(1,2,1)
mesh(xm,ym,zm)
title(' VISTA 1 - view(-37.5,30) AUTOMTICA ')
xlabel('X')
101
ylabel('Y')
zlabel('FUNCIN')
%
subplot(1,2,2)
mesh(xm,ym,zm)
title(' VISTA 2 - view(-45,5) ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-45,5)
102
PROGRAMA : CLASE 25
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
%
%
% NEGATIVO DE y GIRANDO EL NMERO INDICADO
%
% VEN EL PLANO xy
%
%
%
%
% EN ESTE EJEMPLO SE ILUSTRA EL EFECTO DE
% CAMBIAR EL AZIMUT, MANTENIENDO LA ELEVACION
%
x=0:2:20;
y=0:.3:40;
%
% xm FILAS
% ym COLUMNAS
%
103
%
subplot(2,2,1)
mesh(xm,ym,zm)
title('VISTA 1 - view(-37.5,30')
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
% ESTA VISTA ES view(-37.5,30) AUTOMTICA
%
subplot(2,2,2)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-20,30)
%
subplot(2,2,3)
mesh(xm,ym,zm)
title(' VISTA 3 - view(0,30) ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(0,30)
%
subplot(2,2,4)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-65,30)
104
105
PROGRAMA : CLASE 26
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
%
%
%
% VEN EL PLANO xy
%
%
%
%
% CAMBIAR LA ELEVACION, MANTENIENDO EL AZIMUT
%
%
x=0:2:20;
y=0:.3:40;
%
%
% xm FILAS
% ym COLUMNAS
%
106
%
subplot(2,2,1)
mesh(xm,ym,zm)
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
%
subplot(2,2,2)
mesh(xm,ym,zm)
title(' VISTA 2 - view(-37.5,60) ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-37.5,60)
%
subplot(2,2,3)
mesh(xm,ym,zm)
title(' VISTA 3 - view(-37.5,90) ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-37.5,90)
%
subplot(2,2,4)
mesh(xm,ym,zm)
title(' VISTA 4 - view(-45,-30) DESDE ABAJO ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-65,-90)
107
108
PROGRAMA : CLASE 27
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
%
%
%
% VEN EL PLANO xy
%
%
%
%
% CAMBIAR EL AZIMUT Y LA ELEVACION SIMULTANEAMENTE
%
x=0:2:20;
y=0:.3:40;
%
%
% xm FILAS
% ym COLUMNAS
%
109
%
subplot(2,2,1)
mesh(xm,ym,zm)
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
%
subplot(2,2,2)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-20,60)
%
subplot(2,2,3)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(0,0)
%
subplot(2,2,4)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-45,0)
110
111
PROGRAMA : CLASE 28
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
%
%
%
% EN EL CUAL LOS OJOS DEL OBSERVADOR
% VEN EL PLANO xy
%
%
%
%
% EN ESTE EJEMPLO SE CAMBIA EL AZIMUT Y
% LA ELEVACION SIMULTANEAMENTE PARA ILUSTRAR
% LAS GRFICAS EN TRES DIMENSIONES Y LA MISMA
% EN DOS DIMENSIONES
%
x=-20:4:20;
y=-40:2:40;
%
%
% xm FILAS
% ym COLUMNAS
112
%
zm=sin(pi*xm/20)-cosh(pi*ym/20)+ xm.^2;
%
subplot(2,2,1)
mesh(xm,ym,zm)
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
%
subplot(2,2,2)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(0,0)
%
subplot(2,2,3)
mesh(xm,ym,zm)
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-90,0)
%
subplot(2,2,4)
mesh(xm,ym,zm)
title(' VISTA 4 - view(-45,-90) ')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-45,-90)
113
114
PROGRAMA : CLASE 29
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
% EL PRESENTE PROGRAMA ILUSTRA COMO SE
% PUEDEN APRECIAR LAS PARTES ESCONDIDAS
% DETRAS DE UNA MALLA O SUPERFICIE, CON LA
% INSTRUCCIN : hidden off -- hidden on
%
% hidden on ES AUTOMTICA
%
x=-20:4:20;
y=-40:4:40;
%
% xm FILAS
% ym COLUMNAS
%
%
subplot(1,2,1)
mesh(xm,ym,zm)
title('HIDDEN ON')
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
view(-10,20)
%
subplot(1,2,2)
mesh(xm,ym,zm)
title('HIDDEN OFF')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-10,20)
hidden off
115
116
PROGRAMA : CLASE 30
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
% GRFICA UNA MALLA Y SE LE DA APARIENCIA
% DE SUPERFICIE CON COLORES, MEDIANTE LA
% INSTRUCCIN : surf(xm,ym,zm,c)
%
% LA LETRA c REPRESENTA LOS COLORES
%
x=-20:4:20;
y=-40:6:40;
%
% xm FILAS
% ym COLUMNAS
%
%
subplot(1,2,1)
surf(xm,ym,zm)
title('')
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
view(-10,20)
%
subplot(1,2,2)
mesh(xm,ym,zm)
title('')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-10,20)
117
118
PROGRAMA : CLASE 31
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% GRAFICA UNA MALLA Y SE LE DA APARIENCIA
% DE SUPERFICIE CON COLORES DETERMINADOS,
% MEDIANTE LAS INSTRUCCIONES : surf(xm,ym,zm,c)
% Y colormap(nombre)
%
% VER : help colormap
%
% EJEMPLOS :
%
% colormap(hsv)
% colormap(hot)
% colormap(cool)
% colormap(pink)
% colormap(gray)
% colormap(bone)
% colormap(jet)
% colormap(copper)
% colormap(prism)
% colormap(flag)
%
x=-20:4:20;
y=-40:6:40;
%
%
% xm FILAS
% ym COLUMNAS
%
%
119
subplot(1,2,1)
colormap(pink)
surf(xm,ym,zm)
title('')
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
view(-10,20)
%
%
subplot(1,2,2)
mesh(xm,ym,zm)
title('')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-10,20)
120
121
PROGRAMA : CLASE 32
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% GRAFICA UNA MALLA Y SE LE DA APARIENCIA
% DE SUPERFICIE CON COLORES DETERMINADOS,
% MEDIANTE LAS INSTRUCCIONES : surfl(xm,ym,zm,c)
% Y colormap(nombre)
%
% VER : help colormap, surfl
%
% EJEMPLOS :
%
% colormap(hsv)
% colormap(hot)
% colormap(cool)
% colormap(pink)
% colormap(gray)
% colormap(bone)
% colormap(jet)
% colormap(copper)
% colormap(prism)
% colormap(flag)
%
x=-20:4:20;
y=-40:6:40;
%
%
% xm FILAS
% ym COLUMNAS
%
%
subplot(1,2,1)
122
colormap(gray)
surfl(xm,ym,zm),shading interp
title('')
xlabel('X')
ylabel('Y')
zlabel('FUNCIN')
view(-10,20)
%
%
subplot(1,2,2)
mesh(xm,ym,zm)
title('')
xlabel(' X')
ylabel(' Y')
zlabel('FUNCIN')
view(-10,20)
123
124
PROGRAMA : CLASE 33
% ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
%
% EL PRESENTE PROGRAMA ILUSTRA EL MISMO
% EJEMPLO ANTERIOR PERO CON OTRA FUNCIN
x=0:.2:20;
y=0:.3:40;
%
% xm FILAS
% ym COLUMNAS
%
colormap(gray)
%
%
title(' SUPERFICIE ')
125
126
PROGRAMA : CLASE 34
% EL PRESENTE PROGRAMA PERMITE GRAFICAR
% EL PERFIL DE TEMPERATURA EN UNA REGIN
% BIDIMENSIONAL DE UN SLIDO SOMETIDO
% A CONDUCCIN DE CALOR EN ESTADO ESTACIONARIO
% LA REGIN DEL SLIDO DONDE EXISTE CONDUCCIN
% DE CALOR EN DOS DIMENSIONES x Y y TIENE
% LAS SIGUIENTES DIMENSIONES FSICAS :
% LADO = 10 PULGADAS EJE x
% ANCHO = 20 PULGADAS EJE y
%
% DOMINIO DE LAS VARIABLES :
% 0 <= x <= 10
% 0 <= y <= 20
% LAS CONDICIONES DE FRONTERA SON TALES
% QUE EL PERFIL DE TEMPERATURA SE EXPRESA
% DE LA SIGUIENTE FORMA :
% T(x,y)=100+sin(pi*xm/20).*sinh(pi*ym/20)
% SOLUCION
% 1) SE TOMAN VALORES ARBITRARIOS DE x
% ENTRE 0 Y 10
% 2) SE TOMAN VALORES ARBITRARIOS DE y
% ENTRE 0 Y 20
x=0:1:10;
y=0:0.5:20;
%
subplot(1,2,1)
mesh(xm,ym,zm)
title('PERFIL TRIDIMENSIONAL')
xlabel('LADO')
ylabel('ancho')
%
subplot(1,2,2)
contour(xm,ym,zm,30)
title('PERFIL BIDIMENSIONAL')
xlabel('LADO')
ylabel('ancho')
127
128
129
PROGRAMA : CLASE 35
% EL PRESENTE PROGRAMA PERMITE GRAFICAR
% ESFERAS, CILINDROS EN FORMA ANIMADA
colormap(gray)
sphere(50),shading interp
spinmap(20,.01)
hold on
cylinder(1,50)
spinmap(20,.01)
hold on
colormap(prism)
cylinder(2,100)
spinmap(20,.001)
sphere(50)
cylinder(2,100),shading interp
130
PROGRAMA : CLASE 36
% EL PRESENTE PROGRAMA ES UNA CURIOSIDAD
% DE ANIMACION PARA MATLAB, TOMADO
% DE DEL WWW DE INTERNET, EN LA DIRECCION :
%
% http://www.dice.ucl.ac.be/~colinge/smk.html
%
%smk simulation
x=0:300;
t=x/300*pi*2;
T=max(t);
I=10;
while (1)
for ni=0: I
i=ni/I*2*pi;
p=sin(t-i).*(t.^2/T^2);
p2=cos(t-i).*t.^2/T^2;
p3=sin(2*t-i).*t.^1.5/T^2;
plot(p+0.01-0.03,t,'y',p2-0.03,t,'y',p3-0.01-0.03,t,'y');
hold on
fill([-1 0 0 -1 -1],[0.1 0.1 -0.3 -0.3 0.1],'w');
fill([-0.05 0 0 -0.05 -0.05],[0.1 0.1 -0.3 -0.3 0.1],'r');
axis('off');
axis([-1 1 -0.3 6]);
hold off
drawnow
end;
end;
131
132
PROGRAMA : CLASE 37
% ESTE PROGRAMA ILUSTRA COMO REALIZAR GRAFICAS SIN EJES
% Y COMO MANIPULARLAS PARA CAMBIAR LA ORIENTACION EN EL
ESPACIO
subplot(2,2,1)
x=-20:2:20;
y=-40:3:40;
zm=100+sin(pi*xm/20)+cosh(pi*ym/20);
axis off
subplot(2,2,2)
x=-20:2:20;
y=-40:3:40;
axis off
subplot(2,2,3)
x=-20:2:20;
y=-40:3:40;
axis off
subplot(2,2,4)
x=-20:2:20;
y=-40:3:40;
axis off
133
134
PROGRAMA : CLASE 38
surf(peaks)
135
PROGRAMA : CLASE 39
subplot(2,2,1)
colormap(gray)
surfl(peaks),shading interp
axis off
subplot(2,2,2)
colormap(gray)
axis off
subplot(2,2,3)
colormap(gray)
axis off
subplot(2,2,4)
colormap(gray)
axis off
136
137
PROGRAMA : CLASE 40
meshc(peaks)
138
PROGRAMA : CLASE 41
meshz(peaks)
139
PROGRAMA : CLASE 42
plot(peaks)
140
PROGRAMA : CLASE 43
mesh(peaks(20)+7)
axis off
hold on
pcolor(peaks(20))
hidden off
141
PROGRAMA : CLASE 44
t=0:pi/10:2*pi;
[x,y,z]=cylinder(cos(t));
colormap(gray)
surfl(x,y,z),shading interp
axis off
142
EDICIN DE PROGRAMAS EN MATLAB
MATLAB permite la edicin de programas, con el objeto de guardarlos y ejecutarlos
posteriormente, mediante el uso de un editor de palabras. En caso de no especificar el tipo
de editor, MATLAB selecciona automticamente el editor MATLAB Editor/Debugger.
Para crear un programa nuevo se procede de la siguiente forma :
En la barra de comandos se selecciona: file
En el men de file se selecciona: new
Al desplegarse el men del cuadro new, se selecciona M-file
Abrindose la ventana del MATLAB Editor/Debugger, como se muestra a
continuacin:
143
El editor de MATLAB se puede abrir, directamente, utilizando el botn de "new M- file",
en la barra de herramienta de la Ventana de Comando de MATLAB:
144
El editor aparece sin ttulos y debe ser guardado, colocndole un ttulo cuyo nombre
tenga la extensin ( . m ). Este procedimiento permite escribir instrucciones de MATLAB
en un archivo de texto para que pueda ser abierto por MATLAB y evaluar las
instrucciones. De esta manera se puede correr y editar el archivo cuando sea necesario.
Estos archivos se denominan script , ya que producen que MATLAB siga el guin de
instrucciones indicados en el mismo.
Cuando se quiera editar un archivo tipo M-file, simplemente se abre el men de file y se
selecciona open M-file, apareciendo la ventana para buscar archivos y seleccionando el
archivo cuya extensin ( .m ) se est solicitando. Realizada esta operacin, aparecer la
ventana con el editor de MATLAB, que contiene el programa requerido, como se ilustra:
145
146
MATLAB permite correr un programa contenido en un archivo tipo M-file, escribiendo el
nombre del archivo sin la extensin. MATLAB regresa al espacio de trabajo, workspace,
todas las variables que se generaron en la ejecucin de dicho programa. En el siguiente
ejemplo se tiene un programa llamado PSICRO1.m
PSICRO1.m
% CARTA PSICROMETRICA
%
% El presente programa calcula las humedades
% absolutas y de saturacin del aire en ( Lb agua / Lb aire seco )
%
% el programa solicita que se introduzcan los siguientes datos
% 1) tbhc, la temperatura de bulbo humedo en grados centgrados
% 2) tbsc, la temperatura de bulbo seco en grados centgrados
%
% El programa determina :
% a) pv = presion de vapor del agua ( PSI )
% b) ysat = humedad de saturacin del aire (LB agua/Lb aire seco)
% c) y = humedad absoluta del aire (LB agua/Lb aire seco)
tbhc=29;
tbsc=40;
tbhk=tbhc+273.16;
x=647.27-tbhk;
ch=((3.2437814+5.86826e-3*x+1.1702379e-8*x^3)/(1+2.1878462e-3*x))*x/tbhk;
pv=218.167*14.696/10^ch;
ysat=0.622*pv/(14.696-pv);
tbhf=1.8*tbhc+32.0;
landa=1075.8*((705.632-tbhf)/673.632)^0.3436;
tbsf=tbsc*1.8+32.0;
f=(tbsf-tbhf)/landa;
y=(ysat-0.24*f)/(1+0.45*f);
disp('presin de vapor del agua @ tbhc');pv
disp('humedad de saturacion del aire @ tbsc ');ysat
disp('humedad absoluta del aire @ tbhc y tbsc ');y
147
Ejecutando el programa PSICRO1.m se obtendrn las variables de salida del mismo y las
variables intermedias que se utilizaron en el clculo. Antes de correr el programa, el
espacio de trabajo de MATLAB se vaca, con la instruccin clear, y verificamos con la
instruccin whos, el cual nos indica que el workspace est vaco. Despus de correr el
programa la instruccin whos mostrar a todas las variables que se generaron con la
ejecucin :
Antes de correr el programa PSICRO1.m
148
Despus de correr el programa PSICRO1.m
149
MATLAB permite la ayuda en lnea para cualquier programa tipo M-file, si tiene
comentarios desde la primera lnea del programa, hasta la primera instruccin MATLAB
que no sea comentario. Si se escribe help psicro1 la respuesta ser lo que aparece
sombreado en el programa PSICRO1:
150
FUNCIONES EN ARCHIVOS TIPO .m
En archivos tipo ( .m ) se pueden escribir FUNCIONES, de la misma manera como se
escriben los programas tipo ( .m ), descritos anteriormente. La diferencia es que en la
funcin se introducen las variables desde el exterior del archivo y MATLAB regresa al
espacio de trabajo solo las variables de salida. Las variables intermedias de clculo no
aparecern en el espacio de trabajo.
La funcin debe ser escrita en el Editor con el siguiente formato :
function [ VR1,VR2,VR3,.......,VRn ] = nombre( VE1,VE2,...,VEn )
% nombre
% comentario
% comentario
% comentario
CALCULOS INTERMEDIOS
VR1 = funcin(VE1,VE2,....,VEn)
. . . . . . . . . .
VRn = funcin(VE1,VE2,....,VEn)
Donde :
VE = variable de entrada
VR = variable de retorno
Las caractersticas ms importantes de los archivos function son :
El nombre de la funcin y el nombre del archivo deben ser los mismos. Por ejemplo, la
funcin sin se almacena en el archivo sin.m .
Las variables intermedias de los clculos no retornan al espacio de trabajo de
MATLAB.
Si se tiene una sola variable de retorno, no se necesitan los corchetes.
Si se invoca la funcin sin asignarle nombre a la variables de retorno, MATLAB coloca
a la primera variable de retorno producida en la variable genrica ans ( answer ) y el
resto de las variables se pierde.
Si se invoca la funcin asignndole arbitrariamente nombres a la variables de retorno,
MATLAB coloca los valores numricos de retorno en las variables de nombres
asignados, en el orden en que se producen.
151
Las lneas de comentarios, desde la primera lnea hasta la ltima de no comentario,
constituyen el texto de la ayuda en lnea.
La primera lnea es examinada por la instruccin lookfor.
A continuacin se presenta al mismo programa anterior, PSICRO1.m, convertido en una
funcin, llamada PSICRFUN.m
function [pv,ysat,y] = psicrfun(tbhc,tbsc)
% psicrfun
% ---------------
% Es una funcin que retorna los valores de la presin de vapor del agua en ( PSI )
% la humedad absoluta y la humedad de saturacin del aire en ( Lb agua / Lb aire seco )
%
% [pv,ysat,y] = psicrfun(tbhc,tbsc)
% donde :
% pv = presin de vapor en ( PSI )
% ysat = humedad de saturacin del aire en ( Lb agua / Lb aire seco )
% y = humedad de absoluta del aire en ( Lb agua / Lb aire seco )
%
% tbhc = temperatura de bulbo hmedo del aire en grados centgrados
% tbsc = temperatura de bulbo seco del aire en grados centgrados
%
% Ing. Luis Rojas Malav 1997 UNEXPO
%tbhc=input('temperatura de bulbo humedo en grados centigrados');
%tbsc=input('temperatura de bulbo seco en grados centigrados');
tbhk=tbhc+273.16;
x=647.27-tbhk;
ch=((3.2437814+5.86826e-3*x+1.1702379e-8*x^3)/(1+2.1878462e-3*x))*x/tbhk;
pv=218.167*14.696/10^ch;
ysat=0.622*pv/(14.696-pv);
tbhf=1.8*tbhc+32.0;
landa=1075.8*((705.632-tbhf)/673.632)^0.3436;
tbsf=tbsc*1.8+32.0;
f=(tbsf-tbhf)/landa;
y=(ysat-0.24*f)/(1+0.45*f);
%disp('humedad absoluta del aire');y
%disp('humedad de saturacion del aire @ tbh y tbs');ysat
%disp('calor latente de vaporizacin del agua @ tbhc, en unidades de ( BTU / Lb.)');landa
%disp('presion de vapor del agua en unidades de ( PSI ) @ tbhc');pv
152
153
154
OPERACIONES RELACIONALES Y LGICAS
MATLAB permite operaciones relacionales y lgicas, mediante el uso de operadores
especiales, los cuales con respuestas a preguntas del tipo de verdadero y falso, permiten
controlar el flujo de instrucciones a ejecutarse.
MATLAB establece que cualquier nmero diferente de cero es verdadero y cualquier
nmero igual a cero es falso. Por lo tanto, la salida de todas las expresiones
relacionales y lgicas produce uno ( 1 ) si es verdadero y produce cero ( 0 ) si es falso.
OPERADORES RELACIONALES
OPERADOR
DESCRIPCIN
<
MENOR QUE
<=
MENOR O IGUAL QUE
>
MAYOR QUE
>=
MAYOR O IGUAL QUE
==
IGUAL A
~=
NO IGUAL A
Veamos los siguientes ejemplos:
155
PROGRAMA: LGICA1
% EL SIGUIENTE PROGRAMA ILUSTRA COMO SE PUDE
% COMPARAR DOS VECTORES CON RELACIONES LGICAS
% ELEMENTO POR ELEMENTO
% EN LA COMPARACIN LA SALIDA PRODUCE:
% VALOR UNO ( 1 ) SI ES VERDADERO
% VALOR CERO ( 0 ) SI ES FALSO
a=[1,5,6,7,2,8,3,4,8]
b=[2,5,2,4,7,2,9,4,1]
r1=a>b
r2=a<b
r3=a<=b
r4=a>=b
r5=a==b
r6=a~=b
a =
1 5 6 7 2 8 3 4 8
b =
2 5 2 4 7 2 9 4 1
r1 =
0 0 1 1 0 1 0 0 1
r2 =
1 0 0 0 1 0 1 0 0
156
r3 =
1 1 0 0 1 0 1 1 0
r4 =
0 1 1 1 0 1 0 1 1
r5 =
0 1 0 0 0 0 0 1 0
r6 =
1 0 1 1 1 1 1 0 1
157
PROGRAMA: LGICA2
% ( A ) Y ( B ) SON MATRICES
a=[1,5,6;7,2,8;3,4,8]
b=[2,5,2;4,7,2;9,4,1]
r1=a>b
r2=a<b
r3=a<=b
r4=a>=b
r5=a==b
r6=a~=b
a =
1 5 6
7 2 8
3 4 8
b =
2 5 2
4 7 2
9 4 1
158
r1 =
0 0 1
1 0 1
0 0 1
r2 =
1 0 0
0 1 0
1 0 0
r3 =
1 1 0
0 1 0
1 1 0
r4 =
0 1 1
1 0 1
0 1 1
r5 =
0 1 0
0 0 0
0 1 0
r6 =
1 0 1
1 1 1
1 0 1
159
PROGRAMA: LGICA3
a=[1,5,6;7,2,8;3,4,8]
b=[2,5,2;4,7,2]
% EN ESTE PROGRAMA SE PRODUCE UN ERROR YA QUE
% LAS MATRICES SON DE NMEROS DE ELEMENTOS
% DIFERENTES, POR LO TANTO LA COMPARACIN NO
% SE PUEDE REALIZAR
r1=a>b
r2=a<b
r3=a<=b
r4=a>=b
r5=a==b
r6=a~=b
a =
1 5 6
7 2 8
3 4 8
b =
2 5 2
4 7 2
??? Error using ==> >
Error in ==> c:\matlab\program\logica3.m
On line 17 ==> r1=a>b
160
PROGRAMA: LGICA4
a=[1,5,6,7,2,8,3,4,8]
b=[2,5,2,4,7,2,4,3,8]'
% EN ESTE PROGRAMA SE PRODUCE UN ERROR YA QUE
% LAS MATRICES SON DE NMEROS DE ELEMENTOS
% DIFERENTES, POR LO TANTO LA COMPARACIN NO
% SE PUEDE REALIZAR
r1=a>b
r2=a<b
r3=a<=b
r4=a>=b
r5=a==b
r6=a~=b
a =
1 5 6 7 2 8 3 4 8
b =
2
5
2
4
7
2
4
3
8
161
??? Error using ==> >
Error in ==> c:\matlab\program\logica4.m
On line 17 ==> r1=a>b
OPERADORES LGICOS
OPERADOR
DESCRIPCION
&
AND
|
OR
~
NOT
El smbolo ( | ) se obtiene: ALT + 124
Veamos algunos ejemplos:
162
PROGRAMA: LGICA5
a=[1,5,6,7,2,8,3,4,8]
b=[2,5,2,4,7,2,9,4,1]
% SE BUSCAN TODOS LOS ELEMENTOS DE LA MATRIZ ( a )
% QUE SEAN MAYORES A ( 4 ) Y SE BUSCAN TODOS LOS
% ELEMENTOS DE LA MATRIZ ( b ) QUE SEAN MENORES A
% ( 4 )
r1=a>4
r2=b<4
% LUEGO SE NIEGAN AMBAS INSTRUCCIONES CON ( ~ ) NOT
% INVIRTIENDOSE EL RESULTADO
r3=~(a>4)
r4=~(b<4)
a =
1 5 6 7 2 8 3 4 8
b =
2 5 2 4 7 2 9 4 1
r1 =
0 1 1 1 0 1 0 0 1
r2 =
1 0 1 0 0 1 0 0 1
r3 =
1 0 0 0 1 0 1 1 0
r4 =
0 1 0 1 1 0 1 1 0
163
PROGRAMA: LGICA6
% UTILIZAR LOS OPERADORES LGICOS
% ( AND ),( OR ) Y ( NOT) PARA DISCRIMINAR
% ELEMENTOS DE UN VECTOR O DE UNA MATRIZ.
% EN LA COMPARACIN, LA SALIDA PRODUCE:
b=[1,5,6;7,2,8;3,4,8]
r1=(b>7)&(b<9)
r2=(b>7)&(b<1)
r3=(b>7)|(b<3)
r4=~(b<3)
r5=~(b>7)
b =
1 5 6
7 2 8
3 4 8
r1 =
0 0 0
0 0 1
0 0 1
r2 =
0 0 0
0 0 0
0 0 0
164
r3 =
1 0 0
0 1 1
0 0 1
r4 =
0 1 1
1 0 1
1 1 1
r5 =
1 1 1
1 1 0
1 1 0
165
PROGRAMA: LGICA7
% UTILIZAR LOS OPERADORES LGICOS
% ( AND ),( OR ) Y ( NOT) PARA DISCRIMINAR
% ELEMENTOS DE UN VECTOR O UNA MATRIZ.
% EN LA COMPARACIN, LA SALIDA PRODUCE:
b=linspace(1,12,12)
r1=(b>7)&(b<10)
r2=(b>7)&(b<1)
r3=(b>7)|(b<3)
r4=~(b<3)
r5=~(b>7)
b =
1 2 3 4 5 6 7 8 9 10 11 12
r1 =
0 0 0 0 0 0 0 1 1 0 0 0
r2 =
0 0 0 0 0 0 0 0 0 0 0 0
r3 =
1 1 0 0 0 0 0 1 1 1 1 1
r4 =
0 0 1 1 1 1 1 1 1 1 1 1
r5 =
1 1 1 1 1 1 1 0 0 0 0 0
166
OPERADORES ADICIONALES
FUNCIN
DESCRIPCIN
xor(x,y)
Devuelve uno (1) donde (x) o (y) son distintos de ceros.
Devuelve ceros (0) donde ambos (x) y (y) son ceros o ambos
son distintos de ceros
any(x)
Devuelve uno (1) si algn elemento en un vector (x) es
nulo. Devuelve uno (1) para cada columna en una matriz
(x) que tiene cualquier elemento no nulo
all(x)
Devuelve uno (1) si todos los elementos en un vector (x)
son no nulos. Devuelve uno (1) para cada columna en una
matriz (x) que tiene todos los elementos no nulos
isnan(x) Devuelve unos (1) en magnitudes no numricas (NaN) en (x)
isinf(x) Devuelve unos (1) en magnitudes infinitas (inf) en (x)
finite(x) Devuelve unos (1) en valores finitos en (x)
Veamos algunos ejemplos de Operadores Adicionales:
167
PROGRAMA: LGICA8
% Este programa ilustra como utilizar la funcin relacional: xor(x)
%
% xor(x)
% Devuelve uno (1) donde o (x) o (y) son distintos
% de ceros. Devuelve ceros (0) donde ambos
% (x) y (y) son ceros o ambos son distintos de ceros
x1=[1:1:10]
x2=[1:2:20]
x3=[0:1:9]
x4=[0:2:19]
r1=xor(x1,x2)
r2=xor(x1,x3)
r3=xor(x3,x4)
x1 =
1 2 3 4 5 6 7 8 9 10
x2 =
1 3 5 7 9 11 13 15 17 19
x3 =
0 1 2 3 4 5 6 7 8 9
x4 =
0 2 4 6 8 10 12 14 16 18
r1 =
0 0 0 0 0 0 0 0 0 0
r2 =
1 0 0 0 0 0 0 0 0 0
r3 =
0 0 0 0 0 0 0 0 0 0
168
PROGRAMA: LGICA9
% Este programa ilustra como utilizar la funcin relacional: any(x)
%
% any(x)
% Devuelve uno (1) si algun elemento en un vector
% (x) es no nulo. Devuelve uno (1) para cada columna
% en una matriz (x) que tiene cualquier elemento no nulo
x1=[1:1:10]
r1=any(x1)
x2=[0,0,0]
r2=any(x2)
x3=[0,4,5;0,8,6;0,7,7]
r3=any(x3)
x1 =
1 2 3 4 5 6 7 8 9 10
r1 =
1
x2 =
0 0 0
r2 =
0
x3 =
0 4 5
0 8 6
0 7 7
r3 =
0 1 1
169
PROGRAMA: LGICA10
% Este programa ilustra como utilizar la funcin relacional: all(x)
%
% all(x)
% Devuelve uno (1) si todos los elementos en un
% vector (x) son no nulos. Devuelve uno (1)
% para cada columna en una matriz (x) que tiene
% todos los elementos no nulos
x1=[1:1:10]
r1=all(x1)
x2=[0,0,0]
r2=all(x2)
x3=[0,4,5;0,8,6;0,7,7]
r3=all(x3)
x1 =
1 2 3 4 5 6 7 8 9 10
r1 =
1
x2 =
0 0 0
r2 =
0
x3 =
0 4 5
0 8 6
0 7 7
r3 =
0 1 1
170
PROGRAMA: LGICA11
% Este programa ilustra como utilizar la funcin relacional: isnan(x)
%
% isnan(x)
% Devuelve unos (1) en magnitudes no numericas (NaN)
% en (x)
z=magic(10) % una matriz muy grande
r1=isnan(z)
% colocaremos una magnitud no numerica en la matriz (z)
z(9,9)=NaN
r2=isnan(z)
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 46 53
11 18 100 77 84 36 43 50 27 59
r1 =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
171
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 NaN 53
11 18 100 77 84 36 43 50 27 59
r2 =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 0
172
PROGRAMA: LGICA12
% Este programa ilustra como utilizar la funcin relacional: isinf(x)
%
% isinf(x)
% Devuelve unos (1) en valores infinitos en (x)
r1=isinf(z)
% colocaremos una magnitud infinita en la matriz (z)
z(9,9)=inf
r2=isinf(z)
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 46 53
11 18 100 77 84 36 43 50 27 59
r1 =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
173
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 Inf 53
11 18 100 77 84 36 43 50 27 59
r2 =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 0 0
174
PROGRAMA: LGICA13
% Este programa ilustra como utilizar la funcin relacional: finite(x)
%
% finite(x)
% Devuelve unos (1) en valores finitos en (x)
r1=finite(z)
% colocaremos una magnitud infinita en la matriz (z)
z(9,9)=inf
r2=finite(z)
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 46 53
11 18 100 77 84 36 43 50 27 59
r1 =
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
175
z =
92 99 1 8 15 67 74 51 58 40
98 80 7 14 16 73 55 57 64 41
4 81 88 20 22 54 56 63 70 47
85 87 19 21 3 60 62 69 71 28
86 93 25 2 9 61 68 75 52 34
17 24 76 83 90 42 49 26 33 65
23 5 82 89 91 48 30 32 39 66
79 6 13 95 97 29 31 38 45 72
10 12 94 96 78 35 37 44 Inf 53
11 18 100 77 84 36 43 50 27 59
r2 =
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 0 1
1 1 1 1 1 1 1 1 1 1
176
CONTROLADORES DE FLUJO
MATLAB permite controlar el flujo o el orden de ejecucin de las instrucciones a
travs de operadores y estructuras de toma de decisiones, las cuales se clasifican como:
Bucles for
Bucles while
Bucles if else end
BUCLES for
Los Bucles for permiten que una serie de instrucciones se repitan un numero fijo y
predeterminado de veces. La estructura bsica para un Bucles for es la siguiente:
for variable = expresin
ordenes
end
Las instrucciones entre las sentencias for y end se ejecutan una vez para cada
elemento de cada columna en el vector o matriz, como lo muestran los siguientes
ejemplos:
PROGRAMA: BUCLE1
% Bucle for - end
% -----------------
%
% Este programa muestra la forma de utilizar el
% Bucle de control de flujo for - end
% La estructura bsica para un Bucle for
% es la siguiente:
%
% for variable = expresin
% ordenes
% end
%
% Las instrucciones, entre las sentencias for - end,
% se ejecutan una vez para cada elemento de cada
% columna en el vector o matriz
% En este ejemplo se genera la expresin numrica
177
% que regir la ejecucin de las instrucciones
for n=1:10 % La variable ( n ) no es un vector fila
n % se muestra ( n ) como una orden del for
end
disp(' Hasta este punto llega el bucle for - end ')
disp('')
disp('**********************************************')
disp('')
disp(' El valor almacenado de ( n ) es el siguiente =')
n % se muestra ( n ) al finalizar el bucle
n =
1
n =
2
n =
3
n =
4
n =
5
n =
6
n =
7
n =
8
n =
9
n =
10
Hasta este punto llega el bucle for - end
**********************************************
El valor almacenado de ( n ) es el siguiente =
n =
10
178
PROGRAMA: BUCLE2
% Bucle for - end
% -----------------
%
% es la siguiente:
%
% ordenes
% end
%
% Las instrucciones, entre las sentencias for y end,
for n=1:10 % La variable ( n ) no es un vector fila
n % se muestra ( n ) como una orden del for
x=cos(n*pi/10)
end
disp('')
disp('**********************************************')
disp('')
disp('')
disp('**********************************************')
disp('')
disp(' El valor almacenado de ( x ) es el siguiente =')
x % se muestra ( x ) al finalizar el bucle
n =2
1
x =
0.9511
n =
179
2
x =
0.8090
n =
3
x =
0.5878
n =
4
x =
0.3090
n =
5
x =
6.1232e-017
n =
6
x =
-0.3090
n =
7
x =
-0.5878
n =
8
x =
-0.8090
n =
9
x =
-0.9511
n =
10
x =
-1
**********************************************
n =
10
**********************************************
El valor almacenado de ( x ) es el siguiente =
x =
-1
180
PROGRAMA: BUCLE3
% Bucle for - end
% -----------------
%
% es la siguiente:
%
% ordenes
% end
%
data=[1:1:10] % La variable ( data ) es un vector fila
for n=data
x=cos(n*pi/10);
m=[n,x] % Se muestra a ( n ) y a ( x ) como una matriz
end
disp('')
disp('**********************************************')
disp('')
disp('')
disp('**********************************************')
disp('')
181
data =
1 2 3 4 5 6 7 8 9 10
m =
1.0000 0.9511
m =
2.0000 0.8090
m =
3.0000 0.5878
m =
4.0000 0.3090
m =
5.0000 0.0000
m =
6.0000 -0.3090
m =
7.0000 -0.5878
m =
8.0000 -0.8090
m =
9.0000 -0.9511
m =
10 -1
**********************************************
n =
10
**********************************************
x =
-1
182
PROGRAMA: BUCLE4
% Bucle for - end
% -----------------
% es la siguiente:
%
% ordenes
% end
%
data=[1:1:10]' % La variable ( data ) es un vector columna
for n=data
x=cos(n*pi/10);
end
disp('')
disp('**********************************************')
disp('')
disp('')
disp('**********************************************')
disp('')
data =
1
2
3
4
183
5
6
7
8
9
10
m =
1.0000 0.9511
2.0000 0.8090
3.0000 0.5878
4.0000 0.3090
5.0000 0.0000
6.0000 -0.3090
7.0000 -0.5878
8.0000 -0.8090
9.0000 -0.9511
10.0000 -1.0000
**********************************************
n =
1
2
3
4
5
6
7
8
9
10
**********************************************
x =
0.9511
0.8090
0.5878
0.3090
0.0000
184
-0.3090
-0.5878
-0.8090
-0.9511
-1.0000
PROGRAMA: BUCLE5
% Bucle for - end
% -----------------
%
% es la siguiente:
%
% ordenes
% end
%
data=[1,2,3;4,5,6;7,8,9]' % La variable ( data ) es una matriz
for n=data
x=cos(n*pi/10);
end
disp('')
disp('**********************************************')
disp('')
disp('')
disp('**********************************************')
185
disp('')
data =
1 4 7
2 5 8
3 6 9
m =
1.0000 0.9511
2.0000 0.8090
3.0000 0.5878
m =
4.0000 0.3090
5.0000 0.0000
6.0000 -0.3090
m =
7.0000 -0.5878
8.0000 -0.8090
9.0000 -0.9511
**********************************************
n =
7
8
9
**********************************************
x =
-0.5878
-0.8090
-0.9511
186
PROGRAMA: BUCLE6
% Bucle for - end
% -----------------
%
% es la siguiente:
%
% ordenes
% end
%
data=magic(3) % La variable ( data ) es una matriz
% sin ningn tipo de orden numrico
for n=data
x=cos(n*pi/10);
end
disp('')
disp('**********************************************')
disp('')
disp('')
disp('**********************************************')
disp('')
187
data =
8 1 6
3 5 7
4 9 2
m =
8.0000 -0.8090
3.0000 0.5878
4.0000 0.3090
m =
1.0000 0.9511
5.0000 0.0000
9.0000 -0.9511
m =
6.0000 -0.3090
7.0000 -0.5878
2.0000 0.8090
**********************************************
n =
6
7
2
**********************************************
x =
-0.3090
-0.5878
0.8090
188
PROGRAMA: BUCLE7
% Bucle for - end
% -----------------
%
% es la siguiente:
%
% ordenes
% end
%
data=[1,9,7,3,5,1,8,2,9]' % La variable ( data )
% es un vector columna
% sin ningn tipo de orden numrico
for n=data
x=cos(n*pi/10);
end
disp('')
disp('**********************************************')
disp('')
disp(' Los valores almacenados de ( n ) y ( x ) son los siguientes =')
mf=[n,x] % se muestra ( n ) al finalizar el bucle
189
data =
1
9
7
3
5
1
8
2
9
m =
1.0000 0.9511
9.0000 -0.9511
7.0000 -0.5878
3.0000 0.5878
5.0000 0.0000
1.0000 0.9511
8.0000 -0.8090
2.0000 0.8090
9.0000 -0.9511
Los valores almacenados de ( n ) y ( x ) son los siguientes =
mf =
1.0000 0.9511
9.0000 -0.9511
7.0000 -0.5878
3.0000 0.5878
5.0000 0.0000
1.0000 0.9511
8.0000 -0.8090
2.0000 0.8090
9.0000 -0.9511
190
PROGRAMA: BUCLE8
% Bucle for - end
% -----------------
%
% Este programa muestra la forma de evitar el
% El presente programa ejecuta las mismas instrucciones
% del programa anterior, pero sin necesidad del
% bucle for - end
% En lo posible, se debe evitar el uso del bucle for - end
n=[1,9,7,3,5,1,8,2,9]' % La variable ( n ) es un vector columna
x=cos(n*pi/10);
disp('')
disp(' Los valores almacenados de ( n ) y ( x ) son los siguientes =')
mf=[n,x] % se muestran ( n ) y ( x ) al finalizar el calculo
n =
1
9
7
3
5
1
8
2
9
Los valores almacenados de ( n ) y ( x ) son los siguientes =
mf =
1.0000 0.9511
9.0000 -0.9511
7.0000 -0.5878
3.0000 0.5878
5.0000 0.0000
1.0000 0.9511
8.0000 -0.8090
2.0000 0.8090
9.0000 -0.9511
191
PROGRAMA: BUCLE9
% Bucles for - end anidados
% ---------------------------
%
% Este programa muestra la forma de utilizar
% Bucles de control de flujo for - end anidados
% es la siguiente:
%
% ordenes
% end
%
for m=1:3
disp('En este punto comienza el bucle interno')
for n=1:3
x=n^2+m^2;
mb1=[n,m,x] % Se muestra a ( n ) y a ( x ) como una matriz
end
disp(' En este punto finaliza el bucle interno ')
disp('')
disp('**********************************************')
disp('')
disp(' Los valores almacenados de ( n ) y ( x )')
disp(' al salir del bucle son los siguientes =')
mb1f=[n,m,x] % se muestra ( n ) al finalizar el bucle
end
192
En este punto comienza el bucle interno
mb1 =
1 1 2
mb1 =
2 1 5
mb1 =
3 1 10
En este punto finaliza el bucle interno
**********************************************
Los valores almacenados de ( n ) y ( x )
al salir del bucle son los siguientes =
mb1f =
3 1 10
mb1 =
1 2 5
mb1 =
2 2 8
mb1 =
3 2 13
**********************************************
193
mb1f =
3 2 13
mb1 =
1 3 10
mb1 =
2 3 13
mb1 =
3 3 18
**********************************************
mb1f =
3 3 18
194
PROGRAMA: BUCLE10
% ---------------------------
%
% es la siguiente:
%
% ordenes
% end
%
clear
for m=1:3
disp('**********************************************')
disp('En este punto comienza el bucle interno')
disp('**********************************************')
for n=1:3
x(m,n)=n^2+m^2;
end
disp(x)
disp('**********************************************')
disp(' En este punto finaliza el bucle interno ')
disp('**********************************************')
end
x
195
**********************************************
**********************************************
2 5 10
**********************************************
**********************************************
**********************************************
**********************************************
2 5 10
5 8 13
**********************************************
**********************************************
**********************************************
**********************************************
2 5 10
5 8 13
10 13 18
**********************************************
**********************************************
x =
2 5 10
5 8 13
10 13 18
196
PROGRAMA: BUCLE11
% ---------------------------
%
% es la siguiente:
%
% ordenes
% end
%
clear
for m=1:3
for n=1:3
x(m,n)=n^2+m^2;
end
end
x
x =
2 5 10
5 8 13
10 13 18
197
BUCLES WHILE
En MATLAB se utiliza un bucle while para ejecutar un grupo de instrucciones, un
numero indefinido de veces. La forma como un bucle while debe ser utilizado es la
siguiente:
while expresin
instrucciones
end
Las instrucciones, entre las sentencias while y end, se ejecutan mientras todos los
elementos contenidos en ( expresin ) sean verdaderos, como se muestra en los
siguientes ejemplos:
PROGRAMA: BUCLE12
% Bucles while - end
% ---------------------------
%
% Bucles de control de flujo while - end
% La estructura bsica es la siguiente:
%
% while expresin
% instrucciones
% end
%
%
% Las instrucciones, entre las sentencias while y end,
% se ejecutan mientras todos los elementos de expresin
% sean verdaderos
clear
m=0;
while m<3
disp('***************************************************')
disp(' inicio del bucle de while')
disp('***************************************************')
m=m+1
198
disp('***************************************************')
disp(' inicio del bucle de for')
disp('***************************************************')
for n=1:5
n
x(n,m)=n^2+m^2
end
disp('***************************************************')
disp(' final del bucle de for')
disp('***************************************************')
end
disp('Esta es la matriz'),x
***************************************************
inicio del bucle de while
***************************************************
m =
1
***************************************************
inicio del bucle de for
***************************************************
n =
1
x =
2
n =
2
x =
2
5
n =
3
x =
2
5
10
n =
4
x =
2
5
10
17
199
n =
5
x =
2
5
10
17
26
***************************************************
final del bucle de for
***************************************************
***************************************************
***************************************************
m =
2
***************************************************
***************************************************
n =
1
x =
2 5
5 0
10 0
17 0
26 0
n =
2
x =
2 5
5 8
10 0
17 0
26 0
n =
3
x =
2 5
5 8
10 13
17 0
26 0
200
n =
4
x =
2 5
5 8
10 13
17 20
26 0
n =
5
x =
2 5
5 8
10 13
17 20
26 29
***************************************************
***************************************************
***************************************************
***************************************************
m =
3
***************************************************
***************************************************
n =
1
x =
2 5 10
5 8 0
10 13 0
17 20 0
26 29 0
n =
2
201
x =
2 5 10
5 8 13
10 13 0
17 20 0
26 29 0
n =
3
x =
2 5 10
5 8 13
10 13 18
17 20 0
26 29 0
n =
4
x =
2 5 10
5 8 13
10 13 18
17 20 25
26 29 0
n =
5
x =
2 5 10
5 8 13
10 13 18
17 20 25
26 29 34
***************************************************
***************************************************
Esta es la matriz
x =
2 5 10
5 8 13
10 13 18
17 20 25
26 29 34
202
PROGRAMA: BUCLE13
% Bucles while - end
% ---------------------------
%
% Bucles de control de flujo while - end
% La estructura bsica es la siguiente :
%
% while expresin
% instrucciones
% end
%
%
% Las instrucciones, entre las sentencias while y end,
% se ejecutan mientras todos los elementos de expresin
% sean verdaderos
clear
error=0.00001;
dif=error; % dif = diferencia
x=0;
y=0;
while dif>=error
x=x+.001;
y=y+.001;
p1=x^2+y^2;
p2=2*y-x;
dif=abs(p1-p2);
end
x,y
x =
0.5000
y =
0.5000
203
BUCLES I F - ELSE - END
Los bucles if else end permiten realizar condicionalmente secuencias de
instrucciones, basndose en un test relacional y lgico. La forma mas simple de este
tipo de bucle es el siguiente:
if expresin
instrucciones
end
Las instrucciones entre if y end se ejecutan si todos los elementos en expresin son
verdaderos ( distintos de cero ). Otra forma de utilizar al bucle if else end es
cuando se tienen instrucciones como alternativa, como se muestra:
if expresin
instrucciones ( ejecutadas s expresin es verdadero )
else
instrucciones ( ejecutadas s expresin es falso )
end
Si se tienen varias instrucciones que deben ser ejecutadas con diferentes expresiones,
el bucle toma la forma siguiente:
if expresion1
instrucciones ejecutadas si expresion1 es verdadero
elseif expresion2
elseif expresion3
elseif expresion4
...
.
.
.
else
instrucciones ejecutadas si ninguna de las expresiones anteriores
es verdadera
end
A continuacin se muestran varios ejemplos:
204
PROGRAMA: BUCLE14
% Bucles if - else - end
% ---------------------------
%
% Bucles de control de flujo if - else - end
%
%
% if expresion1
% instrucciones ejecutadas si expresion1 es correcta
% elseif expresion2
% elseif expresion3
% ...
% .
% .
% else
% instrucciones ejecutadas si todas las expresiones
% anteriores son falsas ( ninguna verdadera )
%
% end
%
clear
n=0; % ndice para construir una matriz
data=[4,-5,8,-1,-7,-3,2,12,6,23,41,-22];
disp(data')
for x=data
n=n+1;
e(n,1)=x; % elemento de la matriz (e) cuyas filas son (n), primera columna
if x>0
y=x.^3+4.*sqrt(x);
else
y=0;
end
e(n,2)=y; % elemento de la matriz (e) cuyas filas son (n), segunda columna
m=[x,y]
end
disp('la matriz ( e ) queda de la siguiente forma'),e
205
data
----
4.00
-5.00
8.00
-1.00
-7.00
-3.00
2.00
12.00
6.00
23.00
41.00
-22.00
m =
4.00 72.00
m =
-5.00 0
m =
8.00 523.31
m =
-1.00 0
m =
-7.00 0
m =
-3.00 0
m =
2.00 13.66
m =
12.00 1741.86
m =
6.00 225.80
m =
23.00 12186.18
m =
41.00 68946.61
m =
-22.00 0
la matriz ( e ) queda de la siguiente forma
206
e =
4.00 72.00
-5.00 0
8.00 523.31
-1.00 0
-7.00 0
-3.00 0
2.00 13.66
12.00 1741.86
6.00 225.80
23.00 12186.18
41.00 68946.61
-22.00 0
PROGRAMA: BUCLE15
% Bucles if - else - end
% ---------------------------
%
% Bucles de control de flujo if - else - end
%
%
% if expresion1
% elseif expresion2
% elseif expresion3
% ...
% .
% .
% else
% instrucciones ejecutadas si todas las expresiones
% anteriores son falsas ( ninguna verdadera )
%
% end
%
%
clear
207
n=0; % ndice para construir una matriz
data=[4,-5,8,-1,-7,-3,2,12,6,23,41,-22,7,3,15,18,55,60];
for x=data
n=n+1;
e(n,1)=x; % elemento de la matriz (e) cuyas filas son (n), primera columna
if x>0
if x>10
y=1;
else
y=-1;
end
else
y=0;
end
e(n,2)=y; % elemento de la matriz (e) cuyas filas son (n), segunda columna
end
disp('la matriz ( e ) queda de la siguiente forma'),e
la matriz ( e ) queda de la siguiente forma
e =
4.00 -1.00
-5.00 0
8.00 -1.00
-1.00 0
-7.00 0
-3.00 0
2.00 -1.00
12.00 1.00
6.00 -1.00
23.00 1.00
41.00 1.00
-22.00 0
7.00 -1.00
3.00 -1.00
15.00 1.00
18.00 1.00
55.00 1.00
60.00 1.00
208
ALGEBRA LINEAL
El lgebra Lineal es la base fundamental del Anlisis Numrico. El manejo de matrices
y vectores permite aplicar los mtodos de clculo numrico en la solucin de sistemas de
ecuacines lineales. En los siguientes programas se ilustra los principios del lgebra
lineal en la solucin de ecuaciones lineales. Tomando como base lo estudiado sobre
matrices y vectores, sus operaciones y manipulacin, se tratar lo siguiente:
1. Definir Matriz Inversa
2. Expresar las Ecuaciones Lineales y sus operaciones bsicas en notacin de matrices
3. Utilizar las instrucciones MATLAB para la solucin de Ecuaciones Lineales
4. Estudiar los casos de Ecuaciones Lineales difciles o imposibles de resolver
PROGRAMA: Lineal1.m
% Este programa ilustra como se determina la matriz inversa
%
% b = inv(a)
%
% la matriz (b) es la matriz inversa de (a)
% donde la matriz (a) debe ser cuadrada y no singular
a=[4,5,9;2,7,1;3,5,8]
disp('la matriz inversa de (a) es:')
b=inv(a)
disp('comprobando la relacin inversa entre las dos matrices')
d=a*b
c=b*a
a =
4 5 9
2 7 1
3 5 8
la matriz inversa de (a) es:
b =
209
1.2750 0.1250 -1.4500
-0.3250 0.1250 0.3500
-0.2750 -0.1250 0.4500
comprobando la relacin inversa entre las dos matrices
d =
1.0000 0 0.0000
0.0000 1.0000 0.0000
0.0000 0 1.0000
c =
1.0000 0.0000 0.0000
0.0000 1.0000 0.0000
0 0.0000 1.0000
PROGRAMA: Lineal2.m
%
% b = inv(a)
%
a=[4,5,9;2,7,1;] % matriz no cuadrada
b=inv(a)
d=a*b
c=b*a
a =
4 5 9
2 7 1
210
??? Error using ==> inv
Error in ==> c:\matlab\program\lineal2.m
On line 10 ==> b=inv(a)
PROGRAMA: Lineal3.m
%
% b = inv(a)
%
a=[4,5,9;2,7,1;8,10,18] % matriz singular
b=inv(a)
d=a*b
c=b*a
a =
4 5 9
2 7 1
8 10 18
Warning: Matrix is singular to working precision.
b =
Inf Inf Inf
Inf Inf Inf
Inf Inf Inf
211
comprobando la relacin inversa entre las dos matrices
d =
Inf Inf Inf
Inf Inf Inf
Inf Inf Inf
c =
Inf Inf Inf
Inf Inf Inf
Inf Inf Inf
PROGRAMA: Lineal4.m
% Este programa ilustra como se pueden resolver sistemas
% de ecuaciones lineales, aplicando lgebra lineal
%
% Supogamos que, tenemos un sistema de (m) ecuaciones lineales
% con (n) incgnitas:
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
% (am,1)*x1 + (am,2)*x2 + (am,3)*x3 +.....+ (am,n)*xn = ym
%
% donde:
% (am,n) son los coeficientes de las ecuaciones (valores conocidos)
% xn son las incgnitas de las (m) ecuaciones
% ym son los trminos independientes (valores conocidos)
%
% Las ecuaciones lineales se pueden expresar de la forma:
%
212
% a*x=y
%
% donde:
% (a) es la matriz que contiene a los coeficientes de las ecuaciones
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
% (x) es el vector columna que contiene a las incgnitas
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
% (y) es el vector columna que contiene a los trminos independientes
%
% y =
% y1
% y2
% y3
% .
% .
% .
% ym
%
% Estas ecuaciones tambin pueden ser expresadas de la siguiente forma:
%
% x'*a'=y'
%
% Primer caso:
213
%
% Igual nmero de ecuaciones y de incgnitas
%
% m = n
%
% La matriz (a) es cuadrada y la solucin de las ecuaciones es de la siguiente:
%
% x=a\y
%
% Otra forma equivalente:
%
% x=inv(a)*y
%
%
% z=x'=y'/a'
%
% En este ltimo caso (y') y (x') son vectores fila y la misma solucin
% viene en un vector fila (z)
%
% Otras formas equivalentes que producen el mismo resultado:
%
% x=a^(-1)*y
%
% z=x'=y'*inv(a)
%
% Ejemplo:
%
% Se tienen las siguientes ecuaciones:
%
% 3x1 + 2x2 + 10x3 = 25
% 7x1 + 0x2 + 35x3 = 150
% 20x1 + 1x2 + 0x3 = 75
%
% Determinar x1,x2, y x3
%
% Solucin:
a=[3,2,10;7,0,35;20,1,0]
y=[25,150,75]'
disp('El determinante de la matriz (a) es el siguiente:')
determinante=det(a)
disp('El nmero de condicin de la matriz (a) es el siguiente:')
214
nmero_de_condicin=cond(a)
disp('************************************************************')
disp('Determinacin de las incgnitas:')
disp('************************************************************')
disp('')
disp('solucin tipo A')
disp('************************************************************')
x=a\y;
disp('x1,x2 y x3 tienen, respectivamente, los siguientes valores:')
disp(x)
disp('************************************************************')
disp('')
disp('solucin tipo B')
disp('************************************************************')
z=y'/a';
disp(z')
disp('************************************************************')
disp('')
disp('solucin tipo C')
disp('************************************************************')
x=inv(a)*y;
disp(x)
disp('************************************************************')
disp('')
disp('solucin tipo D')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('solucin tipo E')
disp('************************************************************')
z=y'*inv(a');
disp(z')
215
a =
3 2 10
7 0 35
20 1 0
y =
25
150
75
El determinante de la matriz (a) es el siguiente:
determinante =
1365
El nmero de condicin de la matriz (a) es el siguiente:
nmero_de_condicin =
20.0472
************************************************************
Determinacin de las incgnitas:
************************************************************
solucin tipo A
************************************************************
x1,x2 y x3 tienen, respectivamente, los siguientes valores:
4.3040
-11.0806
3.4249
************************************************************
solucin tipo B
************************************************************
4.3040
-11.0806
3.4249
216
************************************************************
solucin tipo C
************************************************************
4.3040
-11.0806
3.4249
************************************************************
solucin tipo D
************************************************************
4.3040
-11.0806
3.4249
************************************************************
solucin tipo E
************************************************************
4.3040
-11.0806
3.4249
PROGRAMA: Lineal5.m
% Este programa ilustra como se pueden detectar sistemas
% de ecuaciones lineales singulares
%
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
217
%
% donde:
%
%
% a*x=y
%
% donde:
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
%
% Si una de las ecuaciones es combinacin lineal de cualquiera
% de las ecuaciones restantes, entonces se dice que se
% tiene una matriz singular; con el determinante igual a cero
%
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
%
% y =
218
% y1
% y2
% y3
% .
% .
% .
% ym
%
% Estas ecuaciones tambin pueden ser expresadas de la siguiente forma:
%
% x'*a'=y'
%
% Primer caso:
%
% Igual nmero de ecuaciones y de incgnitas
%
% m = n
%
% La matriz (a) es cuadrada y la solucin de las ecuaciones es de la siguiente:
%
% x=a\y
%
%
% x=inv(a)*y
%
%
% z=x'=y'/a'
%
% En este ltimo caso (y') y (x') son vectores fila y la misma solucin
% viene en un vector fila (z)
%
% Otras formas equivalentes que producen el mismo resultado:
%
% x=a^(-1)*y
%
% z=x'=y'*inv(a)
%
% Ejemplo:
%
219
%
% 3x1 + 2x2 + 9x3 = 25
% 7x1 + 0x2 + 7x3 = 150
% 10x1 + 2x2 + 16x3 = 175
%
%
% Solucin:
a=[3,2,9;7,0,7;10,2,16]
y=[25,150,175]'
disp('********************************')
determinante=det(a)
if determinante == 0
disp('La matriz es singular')
end
disp('********************************')
disp('************************************************************')
disp('************************************************************')
disp('')
disp('************************************************************')
x=a\y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'/a';
disp(z)
disp('************************************************************')
disp('')
disp('************************************************************')
x=inv(a)*y;
220
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'*inv(a');
disp(z)
a =
3 2 9
7 0 7
10 2 16
y =
25
150
175
********************************
determinante =
0
La matriz es singular
********************************
Condition is infinite
221
nmero_de_condicin =
Inf
************************************************************
************************************************************
solucin tipo A
************************************************************
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 5.274644e-018
-6.8551
-104.4938
28.2837
************************************************************
solucin tipo B
************************************************************
-6.8551 -104.4938 28.2837
************************************************************
solucin tipo C
************************************************************
0
-137.5000
37.5000
************************************************************
222
solucin tipo D
************************************************************
0
-137.5000
37.5000
************************************************************
solucin tipo E
************************************************************
150 0 -150
PROGRAMA: Lineal6.m
% de ecuaciones lineales mal acondicionadoss
%
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
%
% donde:
223
%
%
% a*x=y
%
% donde:
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
%
% y =
% y1
% y2
% y3
% .
% .
% .
% ym
%
%
224
% Un sistema mal acondicionado (badly scaled) se define como
% un sistema cuyas soluciones son muy inexactas debido a graves
% errores de redondeo. Pequeos errores de redondeo durante
% el Clculo o pequeos cambios en los coeficientes pueden
% causar errores significativos al obtener las soluciones
%
% Este efecto es importante para tamaos grandes de matrices.
% Cuando la matriz es pequa, el efecto del acondicionamiento
% no es importante, no obstante se recomienda realizar las
% pruebas descritas a continuacin.
%
% La forma de determinar si un sistema est mal acondicionado
% es a travs de las siguientes pruebas:
%
% prueba_1=det(a)*det(a^(-1))
% si es mal acondicionado, prueba_1 se aparta de 1
%
% prueba_2=((a^(-1))^(-1)
% si es mal acondicionado, prueba_2 es diferente de (a)
%
% prueba_3=a*(a)^(-1)
% si es mal acondicionado, prueba_1 se aparta de la matriz identidad
%
% prueba_4=(a^(-1))*((a^(-1))^(-1)
% si es mal acondicionado, prueba_1 se aparta de la matriz
% identidad mas significativamente que prueba_3
%
% Ejemplo:
%
%
% 0.0321x1 + 0.0128x2 + 0.1774x3 = 0.25
% 0.0366x1 + 0.0000x2 + 0.1119x3 = 0.150
% 0.0084x1 + 0.0036x2 + 0.0424x3 = 0.75
%
%
% Solucin:
a=[0.0321,0.0128,0.1774;0.0366,0.0000,0.1119;0.0084,0.0036,0.0424]
y=[0.25,0.150,0.75]'
disp('**********************************************************')
disp('Realizacin de las pruebas de acondicionamiento')
225
disp('**********************************************************')
prueba_1=det(a)*det(a^(-1))
disp('si es mal acondicionado, prueba_1 se aparta de 1')
prueba_2=(a^(-1))^(-1)
disp('si es mal acondicionado, prueba_2 es diferente de (a)')
prueba_3=a*(a)^(-1)
disp('si es mal acondicionado, prueba_3 se aparta de la matriz identidad')
prueba_4=(a^(-1))*((a^(-1))^(-1))
disp('si es mal acondicionado, prueba_4 se aparta de la matriz')
disp(' identidad mas significativamente que prueba_3')
disp('**********************************************************')
disp(' Sistema bien acondicionado')
disp('**********************************************************')
disp('**********************************************************')
disp(' Final de las pruebas')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('Clculo del Determinante y Condicin de la matriz (a)')
disp('**********************************************************')
disp('**********************************************************')
determinante=det(a)
disp('*******************************************************')
disp('La matriz es singular <---------------------- *******')
disp('*******************************************************')
end
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=a\y;
disp(x)
226
disp('**********************************************************')
disp('')
disp('**********************************************************')
z=y'/a';
disp(z)
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=inv(a)*y;
disp(x)
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=a^(-1)*y;
disp(x)
disp('**********************************************************')
disp('')
disp('**********************************************************')
z=y'*inv(a');
disp(z)
a =
0.0321 0.0128 0.1774
0.0366 0 0.1119
0.0084 0.0036 0.0424
y =
0.2500
0.1500
227
0.7500
**********************************************************
Realizacin de las pruebas de acondicionamiento
**********************************************************
prueba_1 =
1.0000
si es mal acondicionado, prueba_1 se aparta de 1
prueba_2 =
0.0321 0.0128 0.1774
0.0366 0.0000 0.1119
0.0084 0.0036 0.0424
si es mal acondicionado, prueba_2 es diferente de (a)
prueba_3 =
1.0000 0.0000 0.0000
0.0000 1.0000 0.0000
0.0000 0.0000 1.0000
si es mal acondicionado, prueba_3 se aparta de la matriz identidad
prueba_4 =
1.0000 0.0000 0.0000
0.0000 1.0000 0.0000
0.0000 0.0000 1.0000
si es mal acondicionado, prueba_4 se aparta de la matriz
identidad mas significativamente que prueba_3
**********************************************************
Sistema bien acondicionado
**********************************************************
**********************************************************
Final de las pruebas
**********************************************************
228
**********************************************************
**********************************************************
Clculo del Determinante y Condicin de la matriz (a)
**********************************************************
**********************************************************
determinante =
2.6110e-006
**********************************************************
nmero_de_condicin =
281.7831
**********************************************************
**********************************************************
**********************************************************
**********************************************************
solucin tipo A
**********************************************************
378.3683
767.2549
-122.4154
**********************************************************
solucin tipo B
**********************************************************
378.3683
767.2549
-122.4154
**********************************************************
solucin tipo C
**********************************************************
229
378.3683
767.2549
-122.4154
**********************************************************
solucin tipo D
**********************************************************
378.3683
767.2549
-122.4154
**********************************************************
solucin tipo E
**********************************************************
378.3683
767.2549
-122.4154
PROGRAMA: Lineal7.m
% de ecuaciones lineales mal acondicionados
%
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
%
% donde:
230
%
%
% a*x=y
%
% donde:
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
%
% y =
% y1
% y2
% y3
% .
% .
% .
% ym
%
%
231
%
%
%
%
% prueba_2=((a^(-1))^(-1)
%
% prueba_3=a*(a)^(-1)
%
% prueba_4=(a^(-1))*((a^(-1))^(-1)
%
% Ejemplo:
%
% Simularemos un sistema de 10 ecuaciones con 10 incgnitas
% mal acondicionadas. Esto se logra utilzando una matriz
% mal acondicionada, estudiada por MATLAB
% Esta matriz especial se obtiene mediante la instruccin
%
% matriz = hilb(n)
%
% Donde:
% n = Dimensin de la matriz cuadrada
%
% Para este ejemplo utilizaremos:
%
% a = hilb(10)
%
% Determinar x1,x2, ...... hasta x10
232
%
% Solucin:
a=hilb(20);
y=[0.25,0.150,0.75,0.23,0.45,0.65,0.98,0.41,0.47,0.48 ...
0.55,0.750,0.65,0.43,0.28,0.11,0.90,0.32,0.88,0.12]';
disp('**********************************************************')
disp('**********************************************************')
prueba_2=(a^(-1))^(-1);
prueba_3=a*(a)^(-1);
prueba_4=(a^(-1))*((a^(-1))^(-1));
disp('**********************************************************')
disp(' Sistema mal acondicionado')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
determinante=det(a)
disp('*******************************************************')
disp('*******************************************************')
end
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
233
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=a\y;
disp('x1,x2 ... hasta x10 tienen, respectivamente, los siguientes valores:')
disp(x)
disp('**********************************************************')
disp('')
disp('**********************************************************')
z=y'/a';
disp(z')
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=inv(a)*y;
disp(x)
disp('**********************************************************')
disp('')
disp('**********************************************************')
x=a^(-1)*y;
disp(x)
disp('**********************************************************')
disp('')
disp('**********************************************************')
z=y'*inv(a');
disp(z')
**********************************************************
**********************************************************
234
prueba_1 =
0.1333
**********************************************************
Sistema mal acondicionado
**********************************************************
**********************************************************
235
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
determinante =
5.7671e-196
**********************************************************
nmero_de_condicin =
8.0639e+017
**********************************************************
**********************************************************
**********************************************************
**********************************************************
solucin tipo A
**********************************************************
x1,x2 ... hasta x10 tienen, respectivamente, los siguientes valores:
1.0e+017 *
0.0000
0.0000
0.0000
0.0001
-0.0007
0.0009
0.0091
-0.0537
0.1269
236
-0.1217
-0.0528
0.2147
-0.1478
0.1529
-0.6021
1.0618
-0.9166
0.4028
-0.0754
0.0015
**********************************************************
solucin tipo B
**********************************************************
1.0e+017 *
0.0000
0.0000
0.0000
0.0001
-0.0007
0.0009
0.0091
-0.0537
0.1269
-0.1217
-0.0528
0.2147
-0.1478
0.1529
-0.6021
1.0618
-0.9166
0.4028
-0.0754
0.0015
237
**********************************************************
solucin tipo C
**********************************************************
1.0e+017 *
0.0000
0.0000
0.0000
0.0001
-0.0007
0.0009
0.0091
-0.0537
0.1269
-0.1217
-0.0528
0.2147
-0.1478
0.1529
-0.6021
1.0618
-0.9166
0.4028
-0.0754
0.0015
**********************************************************
solucin tipo D
**********************************************************
1.0e+017 *
238
0.0000
0.0000
0.0000
0.0001
-0.0007
0.0009
0.0091
-0.0537
0.1269
-0.1217
-0.0528
0.2147
-0.1478
0.1529
-0.6021
1.0618
-0.9166
0.4028
-0.0754
0.0015
**********************************************************
solucin tipo E
**********************************************************
1.0e+017 *
0.0000
0.0000
0.0001
-0.0020
0.0158
-0.0658
0.1325
-0.0228
-0.4117
0.5382
0.5421
239
-1.7573
1.2131
-0.5003
1.8674
-2.4956
-0.0074
2.1876
-1.6058
0.3719
PROGRAMA: Lineal8.m
% de ecuaciones lineales mal acondicionados
%
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
%
% donde:
%
%
% a*x=y
%
% donde:
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
240
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
%
% y =
% y1
% y2
% y3
% .
% .
% .
% ym
%
%
%
%
241
%
%
% prueba_2=((a^(-1))^(-1)
%
% prueba_3=a*(a)^(-1)
%
% prueba_4=(a^(-1))*((a^(-1))^(-1)
%
% Ejemplo:
%
% Hay ecuaciones lineales que pueden resolverse pero cuyas soluciones
% son muy inexactas debido a graves errores de redondeo, un problema
% de este tipo es mal acondicionado.
% Pequeos errores de redondeo durante el Clculo o pequeos cambios
% en los coeficientes, debido a aproximaciones o redondeos, pueden
% causar errores significativos en la solucin del sistema.
%
% El efecto de aproximacin en los coeficientes se ilustra a continuacin:
%
%
% CASO A
%
% 0.12065x1 + 0.98775x2 = 2.01045
% 0.12032x1 + 0.98775x2 = 2.00555
%
% CASO B : Cambio en el trmino independiente por aproximacin
% se incrementa artificialmente el trmino independiente
% de la primera ecuacin en 0.001
%
% 0.12065x1 + 0.98775x2 = 2.01145
% 0.12032x1 + 0.98775x2 = 2.00555
%
% Determinar x1,x2, y x3 para ambos casos
242
%
% NOTA
% ***********
%
% correr este programa con tres tipos de FORMATO NUMERICO
% 1) TIPO BANK
% 2) TIPO SHORT
% 3) TIPO LONG
%
% ANALIZAR RESULTADOS
%
% Solucin:
a=[0.12065,0.98775;0.12032,0.98775]
y1=[2.01045,2.00555]'
y2=[2.01145,2.00555]'
disp('**********************************************************')
disp('**********************************************************')
prueba_2=(a^(-1))^(-1)
prueba_3=a*(a)^(-1)
prueba_4=(a^(-1))*((a^(-1))^(-1))
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
determinante=det(a)
disp('*******************************************************')
243
disp('*******************************************************')
end
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('')
disp('**********************************************************')
xa=a\y1;
xb=a\y2;
ma=[xa,xb];
disp(' ')
disp(' CASO A CASO B')
disp(ma)
disp('**********************************************************')
disp('')
disp('**********************************************************')
za=y1'/a';
zb=y2'/a';
mb=[za',zb'];
disp(' ')
disp(mb)
disp('**********************************************************')
disp('')
disp('**********************************************************')
xa=inv(a)*y1;
xb=inv(a)*y2;
mc=[xa,xb];
disp(' ')
244
disp(mc)
disp('**********************************************************')
disp('')
disp('**********************************************************')
xa=a^(-1)*y1;
xb=a^(-1)*y2;
md=[xa,xb];
disp(' ')
disp(md)
disp('**********************************************************')
disp('')
disp('**********************************************************')
za=y1'*inv(a');
zb=y2'*inv(a');
me=[za',zb'];
disp(' ')
disp(me)
a =
0.1206 0.9878
0.1203 0.9878
y1 =
2.0104
2.0056
y2 =
2.0114
2.0056
245
**********************************************************
**********************************************************
prueba_1 =
1.0000
prueba_2 =
0.1207 0.9878
0.1203 0.9878
prueba_3 =
1.0000 0.0000
0.0000 1.0000
prueba_4 =
1.0000 0
0.0000 1.0000
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
determinante =
246
3.2596e-004
**********************************************************
nmero_de_condicin =
6.0754e+003
**********************************************************
**********************************************************
solucin tipo A
**********************************************************
CASO A CASO B
14.8485 17.8788
0.2217 -0.1474
**********************************************************
solucin tipo B
**********************************************************
CASO A CASO B
14.8485 17.8788
0.2217 -0.1474
**********************************************************
solucin tipo C
**********************************************************
CASO A CASO B
14.8485 17.8788
0.2217 -0.1474
**********************************************************
solucin tipo D
**********************************************************
247
CASO A CASO B
14.8485 17.8788
0.2217 -0.1474
**********************************************************
solucin tipo E
**********************************************************
CASO A CASO B
14.8485 17.8788
0.2217 -0.1474
PROGRAMA: Lineal9.m
% Este programa ilustra como, cambios en el trmino independiente
% por aproximaciones o redondeos no necesariamente produce un
% caso de mal acondicionamiento
%
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
%
% donde:
%
%
% a*x=y
%
248
% donde:
%
% a=
% (a1,1) (a1,2) (a1,3) ..... (a1,n)
% (a2,1) (a2,2) (a2,3) ..... (a2,n)
% (a3,1) (a3,2) (a3,3) ..... (a3,n)
%
% ... ... ... ..... ...
%
% (am,1) (am,2) (am,3) ..... (am,n)
%
%
% x=
% X1
% X2
% X3
% .
% .
% .
% xn
%
%
% y =
% y1
% y2
% y3
% .
% .
% .
% ym
%
%
%
249
%
%
%
% prueba_2=((a^(-1))^(-1)
%
% prueba_3=a*(a)^(-1)
%
% prueba_4=(a^(-1))*((a^(-1))^(-1)
%
% Ejemplo:
%
% Hay ecuaciones lineales que pueden resolverse pero cuyas soluciones
% son muy inexactas debido a graves errores de redondeo, un problema
% de este tipo es mal acondicionado.
% Pequeos errores de redondeo durante el Clculo o pequeos cambios
% en los coeficientes, debido a aproximaciones o redondeos, pueden
% causar errores significativos en la solucin del sistema.
%
% El efecto de aproximacin en los coeficientes se ilustra a continuacin:
%
%
% CASO A
%
% 0.12065x1 + 0.98775x2 = 2.01045
% 0.22432x1 + 2.35485x2 = 8.35147
%
% CASO B : Cambio en el trmino independiente por aproximacin
% se incrementa artificialmente el trmino independiente
% de la primera ecuacin en 0.001
250
%
% 0.12065x1 + 0.98775x2 = 2.01145
% 0.22432x1 + 2.35485x2 = 8.35147
%
% Determinar x1,x2, y x3 para ambos casos
%
%
%
% Solucin:
a=[0.12065,0.98775;0.22432,2.35485]
y1=[2.01045,8.35147]'
y2=[2.01145,8.35147]'
disp('**********************************************************')
disp('**********************************************************')
prueba_2=(a^(-1))^(-1)
prueba_3=a*(a)^(-1)
prueba_4=(a^(-1))*((a^(-1))^(-1))
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
determinante=det(a)
disp('*******************************************************')
disp('*******************************************************')
end
disp('**********************************************************')
251
disp('**********************************************************')
disp('**********************************************************')
disp('**********************************************************')
disp('')
disp('**********************************************************')
xa=a\y1;
xb=a\y2;
ma=[xa,xb];
disp(' ')
disp('CASO A CASO B')
disp(ma)
disp('**********************************************************')
disp('')
disp('**********************************************************')
za=y1'/a';
zb=y2'/a';
mb=[za',zb'];
disp(' ')
disp(mb)
disp('**********************************************************')
disp('')
disp('**********************************************************')
xa=inv(a)*y1;
xb=inv(a)*y2;
mc=[xa,xb];
disp(' ')
disp(mc)
disp('**********************************************************')
disp('')
disp('**********************************************************')
252
xa=a^(-1)*y1;
xb=a^(-1)*y2;
md=[xa,xb];
disp(' ')
disp(md)
disp('**********************************************************')
disp('')
disp('**********************************************************')
za=y1'*inv(a');
zb=y2'*inv(a');
me=[za',zb'];
disp(' ')
disp(me)
a =
0.1206 0.9878
0.2243 2.3548
y1 =
2.0104
8.3515
y2 =
2.0114
8.3515
**********************************************************
**********************************************************
prueba_1 =
253
1
prueba_2 =
0.1206 0.9878
0.2243 2.3548
prueba_3 =
1.0000 0.0000
0.0000 1.0000
prueba_4 =
1.0000 0.0000
0.0000 1.0000
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
**********************************************************
determinante =
0.0625
254
**********************************************************
nmero_de_condicin =
105.2957
**********************************************************
**********************************************************
**********************************************************
**********************************************************
solucin tipo A
**********************************************************
CASO A CASO B
-56.2012 -56.1636
8.9002 8.8966
**********************************************************
solucin tipo B
**********************************************************
CASO A CASO B
-56.2012 -56.1636
8.9002 8.8966
**********************************************************
solucin tipo C
**********************************************************
CASO A CASO B
-56.2012 -56.1636
8.9002 8.8966
**********************************************************
solucin tipo D
**********************************************************
255
CASO A CASO B
-56.2012 -56.1636
8.9002 8.8966
**********************************************************
solucin tipo E
**********************************************************
CASO A CASO B
-56.2012 -56.1636
8.9002 8.8966
PROGRAMA: Lineal10.m
% Este programa ilustra como se puede resolver un sistema
% de ecuaciones lineales aplicando el mtodo GAUSS con PIVOTEO
%
% La eliminacin de GAUSS consiste en la eliminacin hacia adelante
% y la sustitucion hacia atras, aplicada a sistemas de ecuaciones
% como se muestra, donde m = n :
% sistema de (m) ecuaciones lineales com (n) incgnitas:
%
% (a1,1)*x1 + (a1,2)*x2 + (a1,3)*x3 +.....+ (a1,n)*xn = y1
% (a2,1)*x1 + (a2,2)*x2 + (a2,3)*x3 +.....+ (a2,n)*xn = y2
% (a3,1)*x1 + (a3,2)*x2 + (a3,3)*x3 +.....+ (a3,n)*xn = y3
%
% ... ... ... ..... ... ..
%
%
% donde:
%
% La eliminacin hacia adelante consiste en:
%
256
% 1) Multiplicar la primera ecuacin por el trmino a(2,1)/a(1,1)
% 2) El resultado se resta de la segunda ecuacin para eliminar
% el primer trmino
% 3) Similarmente, el primer trmino de cada una de las ecuaciones
% subsecuentes se elimina
%
% El Pivoteo consiste en intercambiar el orden de las ecuaciones
% de modo que el primer coeficiente de la ecuacin que sirve de
% pivote tenga una magnitud mayor que cualquier otro coeficiente
% que este por debajo del mismo, en la misma columna y por lo tanto
% vaya a ser eliminado.
% El primer pivote sera entonces a(1,1)
% Si el valor absoluto de a(1,1) es mayor en la comparacion no hace
% falta el pivoteo; en caso contrario la primera ecuacin ( primera fila )
% se intercambia con la segunda ecuacin ( segunda fila )
%
% Al final del proceso de pivotear y eliminar, el conjunto de ecuaciones
% o la matriz queda de la siguiente forma:
%
% a(1,1)x1 + a(1,2)x2 + a(1,3)x3 + ... + a(1,n)xn = y1
% 0 + a(2,2)x2 + a(2,3)x3 + ... + a(2,n)xn = y2
% 0 + 0 + a(3,3)x3 + ... + a(3,n)xn = y3
%
% ............
% a(n,n)xn = yn
%
%
% Luego comieza el proceso de eliminacin hacia atras, calculando
% el trmino ( xn ) de la siguiente forma:
%
% x(n) = yn/a(n,n)
%
% x(n-1) = ( y(n-1) - a((n-1),n)xn )/a((n-1),(n-1))
%
% .........
% i = n
% x(1) = ( y1 - sumatoria( a(1,i)xi )/a(1,1)
% i = 2
%
%
% El mtodo de Gauss con Pivoteo se ilustra en el siguiente ejemplo:
%
257
% Resolver las siguientes ecuaciones:
%
% -0.04*x1 + 0.04*x2 + 0.12*x3 = 3
%
% 0.56*x1 - 1.56*x2 + 0.32*x3 = 1
%
% -0.24*x1 + 1.24*x2 - 0.28*x3 = 0
%
% Solucin:
%
% Como primer paso se define la matriz ampliada ( a ) con los trminos
% independientes:
%
% -0.04 0.04 0.12 3
% 0.56 -1.56 0.32 1
% -0.24 1.24 -0.28 0
a=[-0.04,0.04,0.12,3;0.56,-1.56,0.32,1;-0.24,1.24,-0.28,0]
x=[0,0,0]' % se inicializa el vector columna
%
% primer pivoteo
%
tempo=a(2,:)
a(2,:)=a(1,:);
a(1,:)=tempo;
disp('transformacion de la matriz (a) despues del primer pivoteo'),a
%
% Eliminacin de elementos despues del primer pivoteo
%
a(2,:)=a(2,:)-a(1,:)*a(2,1)/a(1,1);
a(3,:)=a(3,:)-a(1,:)*a(3,1)/a(1,1);
disp('transformacion de la matriz (a) despues de la primera eliminacin'),a
%
% segundo pivoteo
%
tempo=a(3,:);
a(3,:)=a(2,:);
a(2,:)=tempo;
disp('transformacion de la matriz (a) despues del segundo pivoteo'),a
%
% Eliminacin de elementos debajo del segundo pivoteo
258
%
a(3,:)=a(3,:)-a(2,:)*a(3,2)/a(2,2);
disp('transformacion de la matriz (a) despues de la segunda eliminacin'),a
%
% sustitucion hacia atras
%
disp('primera sustitucion')
x(3)=a(3,4)/a(3,3)
disp('segunda sustitucion')
x(2)=(a(2,4)-a(2,3)*x(3))/a(2,2)
disp('tercera sustitucion y resultado final')
x(1)=(a(1,4)-a(1,2:3)*x(2:3))/a(1,1)
xg=x;
disp(' PARA COMPARAR ESTE METODO')
input(' CON LOS METODOS ANTERIORES ======> ENTER')
% Para efecto de comparacion, se aplicaran los metodos anteriores
%
a=[-0.04,0.04,0.12;0.56,-1.56,0.32;-0.24,1.24,-0.28]
y=[3,1,0]'
determinante=det(a)
disp('************************************************************')
disp('************************************************************')
disp('')
disp('************************************************************')
x=a\y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'/a';
disp(z')
disp('************************************************************')
disp('')
259
disp('************************************************************')
x=inv(a)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'*inv(a');
disp(z')
disp('solucin Metodo Gauss con Pivoteo')
disp('************************************************************')
disp(xg)
a =
-0.0400 0.0400 0.1200 3.0000
0.5600 -1.5600 0.3200 1.0000
-0.2400 1.2400 -0.2800 0
x =
0
0
0
tempo =
0.5600 -1.5600 0.3200 1.0000
260
transformacion de la matriz (a) despues del primer pivoteo
a =
0.5600 -1.5600 0.3200 1.0000
-0.0400 0.0400 0.1200 3.0000
-0.2400 1.2400 -0.2800 0
transformacion de la matriz (a) despues de la primera eliminacin
a =
0.5600 -1.5600 0.3200 1.0000
0 -0.0714 0.1429 3.0714
0.0000 0.5714 -0.1429 0.4286
transformacion de la matriz (a) despues del segundo pivoteo
a =
0.5600 -1.5600 0.3200 1.0000
0.0000 0.5714 -0.1429 0.4286
0 -0.0714 0.1429 3.0714
transformacion de la matriz (a) despues de la segunda eliminacin
a =
0.5600 -1.5600 0.3200 1.0000
0.0000 0.5714 -0.1429 0.4286
0.0000 0 0.1250 3.1250
primera sustitucion
x =
0
0
25.0000
segunda sustitucion
261
x =
0
7.0000
25.0000
tercera sustitucion y resultado final
x =
7.0000
7.0000
25.0000
PARA COMPARAR ESTE METODO
CON LOS METODOS ANTERIORES ======> ENTER
ans =
[]
a =
-0.0400 0.0400 0.1200
0.5600 -1.5600 0.3200
-0.2400 1.2400 -0.2800
y =
3
1
0
determinante =
0.0400
262
nmero_de_condicin =
19.3044
************************************************************
************************************************************
solucin tipo A
************************************************************
7.0000
7.0000
25.0000
************************************************************
solucin tipo B
************************************************************
7.0000
7.0000
25.0000
************************************************************
solucin tipo C
************************************************************
7.0000
7.0000
25.0000
************************************************************
solucin tipo D
************************************************************
7.0000
7.0000
25.0000
************************************************************
263
solucin tipo E
************************************************************
7.0000
7.0000
25.0000
solucin Metodo Gauss con Pivoteo
************************************************************
7.0000
7.0000
25.0000
264
% RESOLUCIN ITERATIVA
%
% la resolucin iterativa de ecuaciones lineales no es aplicable
% a todos los problemas, pero resulta de gran utilidad para
% sistemas cuyos nmeros de incgnitas es muy grande y la matriz
% de coeficiente esta despoblada.
%
% Existen tres metodos iterativos:
%
% 1) Metodo de Jacobi
%
% 2) Metodo de Gauss - Seidel
%
% 3) mtodo de Sobre Relajacion Sucesiva (SOR)
%
% Consideremos una ecuacin lineal:
%
% a * x = y
%
% Donde:
%
% (a) es la matriz cuadrada de los coeficientes
%
% (x) es el vector de las incgnitas
%
% (y) es el vector de los trminos independientes
%
% Todos los metodos requieren una estimacion inicial, la cual
% denotaremos con x(t), donde t= nmero de iteracion
% se puede comenzar con el vector nulo, todos los valores
% iniciales de X(t=0) son cero.
%
% Una condicin suficiente para que la resolucin iterativa
% converja es:
%
% n
% |a(i,i)|>= sumatoria(|a(i,j)|), para todo i
% j=1,j~=i
265
%
%
% La solucin por el mtodo de Jacobi se expresa:
%
% n
% x(i) = (y(i)-sumatoria(a(i,j)*x(j)))/a(i,i)
% j=1,j~=i
%
%
%
% La solucin por el mtodo de Gauss - siedel se expresa:
%
%
%% i-1 n
% x(i) = (y(i)-sumatoria(a(i,j)*x(j))-sumatoria(a(i,j)*x(j))/a(i,i)
% j=1 j=i+1
%
%
%
%
% La solucin por el mtodo de SOR se expresa:
%
%
%
% i-1 n
% x(i) = w*(y(i)-sumatoria(a(i,j)*x(j))-sumatoria(a(i,j)*x(j))/a(i,i)+(1-w)*x(i)
% j=1 j=i+1
%
% Donde (w) es un parametro de sobre relajacion que satisface la expresion:
%
% 1<=w<2
%
% Como regla empirica se puede asignar un valor a (w) entre 1.2 y 1.7
%
%
% El siguiente ejemplo ilustra como se puede resolver un sistema de
% ecuaciones lineales utilizando el mtodo GAUSS - SEIDEL
% y luego para efectos de comparacion se aplican los metodos
% anteriormente explicados.
%
% El sistema de ecuaciones es el siguiente:
%
266
% %
% Escribiendo la matriz, tendremos:
%
% a =
%
% 1.0833 -0.2500 -0.3333
% -0.2500 0.7833 -0.2000
% -0.3333 -0.2000 0.8667
%
%
% y =
%
% 10.0000
% 0
% 1.6667
% Solucin:
clear
a(1,1)=1/2+1/4+1/3;
a(1,2)=-1/4;
a(1,3)=-1/3;
a(2,1)=a(1,2);
a(2,2)=1/4+1/3+1/5;
a(2,3)=-1/5;
a(3,1)=a(1,3);
a(3,2)=a(2,3);
a(3,3)=1/3+1/5+1/3;
a
y=[20/2,0,5/3]'
x=zeros(1,3)';
for elem=1:50
error=0;
for i=1:3
s=0; xb=x(i);
for j=1:3
if i~=j,s=s+a(i,j)*x(j);end
end
x(i)=(y(i)-s)/a(i,i);
error=error+abs(x(i)-xb);
end
fprintf('elem. num. =%3.0f,error = %7.2e\n',elem,error)
if error/3 <0.001,break;end
end
267
x
disp('solucin por la via tradicional')
disp('************************************************************')
disp('************************************************************')
disp('')
disp('************************************************************')
x=a\y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'/a';
disp(z)
disp('************************************************************')
disp('')
disp('************************************************************')
x=inv(a)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'*inv(a');
disp(z)
268
a =
1.0833 -0.2500 -0.3333
-0.2500 0.7833 -0.2000
-0.3333 -0.2000 0.8667
y =
10.0000
0
1.6667
elem. num. = 1,error = 1.83e+001
elem. num. = 4,error = 7.79e-001
elem. num. = 10,error = 1.21e-003
x =
13.3450
6.4399
8.5419
solucin por la via tradicional
************************************************************
************************************************************
solucin tipo A
************************************************************
13.3453
6.4401
8.5420
269
************************************************************
solucin tipo B
************************************************************
13.3453 6.4401 8.5420
************************************************************
solucin tipo C
************************************************************
13.3453
6.4401
8.5420
************************************************************
solucin tipo D
************************************************************
13.3453
6.4401
8.5420
************************************************************
solucin tipo E
************************************************************
13.3453 6.4401 8.5420
%
%
%
270
%
%
%
%
% a * x = y
%
% Donde:
%
%
%
%
%
% converja es:
%
% n
% j=1,j~=i
%
%
%
% n
% j=1,j~=i
%
%
%
%
%
271
%% i-1 n
% j=1 j=i+1
%
%
%
%
%
%
%
% i-1 n
% j=1 j=i+1
%
%
% 1<=w<2
%
%
%
% ecuaciones lineales cuya matriz de coeficientes esta despoblada
% utilizando el mtodo SOR y luego para efectos de comparacion se
% aplican los metodos anteriormente explicados.
%
%
% 4x1 = 12
% 5x2 + 19x3 = 0
% 14x3 = 15
%
%
% a =
% 4 0 0
% 0 5 19 MATRIZ DESPOBLADA
% 0 0 14
%
% y =
% 12
272
% 0
% 15
%
% Solucin:
a=[4,0,0;0,5,19;0,0,14]
y=[12,0,15]'
x=zeros(1,3)';
w=1.2;
for elem=1:50
error=0;
for i=1:3
s=0; xb=x(i);
for j=1:3
end
x(i)=w*(y(i)-s)/a(i,i)+(1-w)*x(i);
end
if error/3<0.001,break;end
end
x
disp('************************************************************')
disp('************************************************************')
disp('')
disp('************************************************************')
x=a\y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'/a';
disp(z)
disp('************************************************************')
disp('')
273
disp('************************************************************')
x=inv(a)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'*inv(a');
disp(z)
a =
4 0 0
0 5 19
0 0 14
y =
12
0
15
x =
274
3.0000
-4.0719
1.0714
************************************************************
************************************************************
solucin tipo A
************************************************************
3.0000
-4.0714
1.0714
************************************************************
solucin tipo B
************************************************************
3.0000 -4.0714 1.0714
************************************************************
solucin tipo C
************************************************************
3.0000
-4.0714
1.0714
************************************************************
solucin tipo D
************************************************************
3.0000
-4.0714
1.0714
************************************************************
solucin tipo E
************************************************************
275
3.0000 -4.0714 1.0714
%
%
%
%
%
%
%
% a * x = y
%
% Donde:
%
%
%
%
%
% converja es:
%
% n
276
% j=1,j~=i
%
%
%
% n
% j=1,j~=i
%
%
%
%
%
%% i-1 n
% j=1 j=i+1
%
%
%
%
%
%
%
% i-1 n
% j=1 j=i+1
%
%
% 1<=w<2
%
%
%
% ecuaciones lineales utilizando el mtodo SOR
% y luego para efectos de comparacion se aplican los metodos
% anteriormente explicados.
%
277
%
%
%
% a =
%
% 1.0833 -0.2500 -0.3333
% -0.2500 0.7833 -0.2000
% -0.3333 -0.2000 0.8667
%
%
% y =
%
% 10.0000
% 0
% 1.6667
% Solucin:
clear
a(1,1)=1/2+1/4+1/3;
a(1,2)=-1/4;
a(1,3)=-1/3;
a(2,1)=a(1,2);
a(2,2)=1/4+1/3+1/5;
a(2,3)=-1/5;
a(3,1)=a(1,3);
a(3,2)=a(2,3);
a(3,3)=1/3+1/5+1/3;
a
y=[20/2,0,5/3]'
x=zeros(1,3)';
w=1.2;
for elem=1:50
error=0;
for i=1:3
s=0; xb=x(i);
for j=1:3
end
x(i)=w*(y(i)-s)/a(i,i)+(1-w)*x(i);
278
end
if error/3 <0.001,break;end
end
x
disp('************************************************************')
disp('************************************************************')
disp('')
disp('************************************************************')
x=a\y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'/a';
disp(z)
disp('************************************************************')
disp('')
disp('************************************************************')
x=inv(a)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
x=a^(-1)*y;
disp(x)
disp('************************************************************')
disp('')
disp('************************************************************')
z=y'*inv(a');
279
disp(z)
a =
1.0833 -0.2500 -0.3333
-0.2500 0.7833 -0.2000
-0.3333 -0.2000 0.8667
y =
10.0000
0
1.6667
x =
13.3452
6.4402
8.5420
************************************************************
************************************************************
solucin tipo A
************************************************************
280
13.3453
6.4401
8.5420
************************************************************
solucin tipo B
************************************************************
13.3453 6.4401 8.5420
************************************************************
solucin tipo C
************************************************************
13.3453
6.4401
8.5420
************************************************************
solucin tipo D
************************************************************
13.3453
6.4401
8.5420
************************************************************
solucin tipo E
************************************************************
13.3453 6.4401 8.5420
281
POLINOMIOS
Los polinomios son de gran utilidad en las operaciones de interpolacin y de integracin
numrica; adems, los polinomios son la base para el control de procesos, ya que las
funciones de transferencia son expresadas como polinomios de la variable compleja (s),
para sistemas continuos lineales.
A continuacin se muestran varios programas que ilustran las operaciones bsicas con
polinomios:
PROGRAMA: Poli1.m
% Este programa ilustra como puede definirse un polinomio
%
% Un polinomio puede expresarse de la siguiente forma:
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
% r1,r2,r3, ...... ,rn son las races del polinomio
% Los valores que hacen al polinomio igual a cero
%
% c1,c2,c3, ....... ,cn son los coeficientes del polinomio
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
282
% En MATLAB los polinomios se introducen de la siguiente manera:
%
% y = [c1,c2,c3,c4,.....,cn]
%
% Del ejemplo anterior:
y1=[1,2,-7,-8,12];
y2=[2 3 0 0 1];
y3=[3 0 5 0 7 0];
disp(' POLINOMIO_1 ')
disp(y1)
disp(y2)
disp(y3)
POLINOMIO_1
1 2 -7 -8 12
POLINOMIO_2
2 3 0 0 1
POLINOMIO_3
3 0 5 0 7 0
283
PROGRAMA: Poli2.m
% Este programa ilustra como pueden calcularse las races
% de un polinomio
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
% Las races pueden ser determinadas mediante la instruccin:
%
% r = roots(y)
%
% Del ejemplo anterior:
284
y1=[1,2,-7,-8,12];
r1=roots(y1);
y2=[2 3 0 0 1];
r2=roots(y2);
y3=[3 0 5 0 7 0];
r3=roots(y3);
disp(y1)
disp(' RAICES ')
disp(r1)
disp(y2)
disp(' RAICES ')
disp(r2)
disp(y3)
disp(' RAICES ')
disp(r3)
POLINOMIO_1
1 2 -7 -8 12
RAICES
-3.0000
2.0000
-2.0000
1.0000
POLINOMIO_2
2 3 0 0 1
RAICES
-1.2338
-1.0000
285
0.3669 + 0.5203i
0.3669 - 0.5203i
POLINOMIO_3
3 0 5 0 7 0
RAICES
0
-0.5891 + 1.0865i
-0.5891 - 1.0865i
0.5891 + 1.0865i
0.5891 - 1.0865i
286
PROGRAMA: Poli3.m
% Este programa ilustra como puede determinarse un polinomio
% a partir de las races
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
% A partir de las races el polinomio puede ser determinado
% mediante la instruccin:
%
% y = poly(r)
%
r1=[-3.0000
2.0000
287
-2.0000
1.0000];
r2=[-1.2338
-1.0000
0.3669 + 0.5203i
0.3669 - 0.5203i];
r3=[ 0
-0.5891 + 1.0865i
-0.5891 - 1.0865i
0.5891 + 1.0865i
0.5891 - 1.0865i];
y1=poly(r1);
y2=poly(r2);
y3=poly(r3);
disp(' RAICES_1 ')
disp(r1)
disp(y1)
disp(' RAICES_2 ')
disp(r2)
disp(y2)
disp(' RAICES_3 ')
disp(r3)
disp(y3)
288
RAICES_1
-3
2
-2
1
POLINOMIO_1
1 2 -7 -8 12
RAICES_2
-1.2338
-1.0000
0.3669 + 0.5203i
0.3669 - 0.5203i
POLINOMIO_2
Columns 1 through 4
1.0000 1.5000 0.0000 0.0001
Column 5
0.5001 - 0.0000i
RAICES_3
0
-0.5891 + 1.0865i
-0.5891 - 1.0865i
0.5891 + 1.0865i
0.5891 - 1.0865i
POLINOMIO_3
Columns 1 through 4
1.0000 0 1.6669 0 - 0.0000i
Columns 5 through 6
2.3333 + 0.0000i 0
289
PROGRAMA: Poli4.m
% Este programa ilustra como puede evaluarse un polinomio
% en un rango de valores
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
% Un polinomio puede ser evaluado con la instruccin:
%
% yi = polyval(y,xi)
%
% Donde:
%
% y = polinomio en (x)
290
%
% yi = valor del polinomio cuando x = xi
%
y=[3 6 -1 -3 6];
xi=2;
yi=polyval(y,xi);
disp('POLINOMIO ')
disp(y)
disp('EVALUAR EL POLINOMIO EN xi = 2 ')
disp(xi)
disp('EL VALOR DEL POLINOMIO EN ( xi = 2 ) ES :')
disp(yi)
POLINOMIO
3 6 -1 -3 6
EVALUAR EL POLINOMIO EN xi = 2
2
EL VALOR DEL POLINOMIO EN ( xi = 2 ) ES :
92
PROGRAMA: Poli5.m
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
291
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
%
%
% Donde:
%
%
%
% xi puede ser un vector
%
y=[3 6 -1 -3 6];
xi=0:1:20;
yi=polyval(y,xi);
disp('POLINOMIO ')
disp(y)
disp('EVALUAR EL POLINOMIO EN ( xi ) IGUAL A')
disp(xi)
292
disp('LOS VALORES DEL POLINOMIO EN ( xi ) SON :')
disp(yi)
POLINOMIO
3 6 -1 -3 6
EVALUAR EL POLINOMIO EN ( xi ) IGUAL A
Columns 1 through 12
0 1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17 18 19 20
LOS VALORES DEL POLINOMIO EN ( xi ) SON :
Columns 1 through 6
6 11 92 393 1130 2591
5136 9197 15278 23955 35876 51761
72402 98663 131480 171861 220886 279707
349548 431705 527546
293
PROGRAMA: Poli6.m
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
%
%
% Donde:
%
294
%
%
%
y=[3 6 -1 -3 6];
xi=0:1:20;
yi=polyval(y,xi);
disp('POLINOMIO ')
disp(y)
disp('EVALUAR EL POLINOMIO EN xi IGUAL A')
disp(xi)
disp('EL VALOR DEL POLINOMIO ES:')
disp(yi)
input(' ============> ENTER <============= ');
plot(xi,yi,'ro',xi,yi)
title('EVALUACIN DE UN POLINOMIO')
ylabel('POLINOMIO EVALUADO (yi) ')
xlabel('VALORES DE (xi)')
POLINOMIO
3 6 -1 -3 6
EVALUAR EL POLINOMIO EN xi IGUAL A
0 1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17 18 19 20
EL VALOR DEL POLINOMIO ES:
Columns 1 through 6
6 11 92 393 1130 2591
295
5136 9197 15278 23955 35876 51761
72402 98663 131480 171861 220886 279707
349548 431705 527546
============> ENTER <=============
296
0 5 10 15 20
0
1
2
3
4
5
6
x 10
5
EVALUACION DE UN POLINOMIO
P
O
L
I
N
O
M
I
O

E
V
A
L
U
A
D
O

(
y
i
)

VALORES DE (xi)
297
PROGRAMA: Poli7.m
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
%
%
% Donde:
%
298
%
%
%
y=[-0.2015 1.4385 -2.7477 5.4370];
xi=0:.2:6;
yi=polyval(y,xi);
disp('POLINOMIO ')
disp(y)
disp('EVALUAR EL POLINOMIO EN xi IGUAL A')
disp(xi)
disp('EL VALOR DEL POLINOMIO ES:')
disp(yi)
input(' ============> ENTER <============= ');
plot(xi,yi,'ro',xi,yi)
POLINOMIO
-0.2015 1.4385 -2.7477 5.4370
EVALUAR EL POLINOMIO EN xi IGUAL A
Columns 1 through 7
0 0.2000 0.4000 0.6000 0.8000 1.0000 1.2000
1.4000 1.6000 1.8000 2.0000 2.2000 2.4000 2.6000
2.8000 3.0000 3.2000 3.4000 3.6000 3.8000 4.0000
299
4.2000 4.4000 4.6000 4.8000 5.0000 5.2000 5.4000
5.6000 5.8000 6.0000
EL VALOR DEL POLINOMIO ES:
Columns 1 through 7
5.4370 4.9434 4.5552 4.2627 4.0563 3.9263 3.8630
3.8568 3.8979 3.9767 4.0836 4.2088 4.3427 4.4757
4.5980 4.6999 4.7718 4.8041 4.7871 4.7110 4.5662
4.3431 4.0319 3.6230 3.1068 2.4735 1.7135 0.8171
-0.2254 -1.4236 -2.7872
============> ENTER <=============
300
0 1 2 3 4 5 6
-3
-2
-1
0
1
2
3
4
5
6
EVALUACI ON DE UN POLI NOMI O
P
O
L
I
N
O
M
I
O

E
V
A
L
U
A
D
O

(
y
i
)

VALORES DE ( x i )
301
PROGRAMA: Poli8.m
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
%
%
% Donde:
%
302
%
%
%
y=[-0.2015 1.4385 -2.7477 5.4370];
xi=[-4:1:4]';
yi=polyval(y,xi);
m=[xi,yi];
disp('POLINOMIO ')
disp(y)
disp(' Xi VALOR')
disp(m)
input(' ============> ENTER <============= ');
plot(xi,yi,'wo',xi,yi,'w-')
POLINOMIO
-0.2015 1.4385 -2.7477 5.4370
Xi VALOR
-4.0000 52.3398
-3.0000 32.0671
-2.0000 18.2984
-1.0000 9.8247
0 5.4370
1.0000 3.9263
2.0000 4.0836
3.0000 4.6999
4.0000 4.5662
============> ENTER <=============
303
-4 -3 -2 -1 0 1 2 3 4
0
1 0
2 0
3 0
4 0
5 0
6 0
EVALUACI ON DE UN POLI NOMI O
P
O
L
I
N
O
M
I
O

E
V
A
L
U
A
D
O

(
y
i
)

VALORES DE ( x i )
304
PROGRAMA: Poli9.m
% Este programa ilustra como puede ajustarse un polinomio
% a partir de un conjunto de datos:
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
% Un polinomio puede ser ajustado con la instruccin:
%
% c = polyfit(x,y,n)
%
% Donde:
%
305
% c = vector con los coeficientes del polinomio
%
% x = vector con los datos de (x)
%
% y = vector con los datos de (y)
%
% n = orden del polinomio
% n = nmero de datos de (x) menos uno
%
coeficientes_conocidos=[-0.2015 1.4385 -2.7477 5.4370];
% coeficientes conocidos del problema anterior ( poli8 )
x=[-4,-3,-2,-1,0,1,2,3,4];
y=[ 52.3398
32.0671
18.2984
9.8247
5.4370
3.9263
4.0836
4.6999
4.5662]';
n=length(x)-1; % longitud o nmeros de valores del vector
[c]=polyfit(x,y,n);
disp('POLINOMIO CONOCIDO ')
disp(coeficientes_conocidos)
disp('POLINOMIO AJUSTADO')
disp(c)
POLINOMIO CONOCIDO
-0.2015 1.4385 -2.7477 5.4370
POLINOMIO AJUSTADO
Columns 1 through 7
0.0000 0.0000 0.0000 0.0000 0.0000 -0.2015 1.4385
Columns 8 through 9
-2.7477 5.4370
306
PROGRAMA: Poli10.m
% Este programa ilustra como puede ajustarse un polinomio
% a partir de un conjunto de datos:
%
%
% c1*x^n + c2*x^n-1 + ..... + cn*x + cn+1 = y
%
% Otra forma:
%
% c1*(x-r1)(x-r2)(x-r3)....(x-rn) = y
%
% Donde:
%
%
%
% Ejemplo:
%
% x^4 + 2*x^3 - 7*x^2 - 8*x + 12 = y
%
% (x-1)(x-2)(x+2)(x+3) = y
%
%
% y = [c1,c2,c3,c4,.....,cn]
%
% Un polinomio puede ser ajustado con la instruccin:
%
%
% Donde:
%
% c = vector con los coeficientes del polinomio
307
%
% x = vector con los datos de (x)
%
% y = vector con los datos de (y)
%
% n = orden del polinomio
% n = nmero de datos de (x) menos uno
%
x=[-4,-3,-2,-1,0,1,2,3,4];
y=[ 3.5214,1.2654,-1.0284,-2.3547,-1.2784,0.00147,2.3547,5.2647,6.2147];
n=length(x)-1; % longitud o nmeros de valores del vector
[c]=polyfit(x,y,n);
disp('POLINOMIO AJUSTADO')
disp(c)
c_eval1=polyval(c,x);
xi=[-4:.01:4]; % para evaluar el polinomio con mas puntos
c_eval2=polyval(c,xi);
input(' ============> ENTER <============= ');
plot(x,c_eval1,'wo',xi,c_eval2,'w--',x,y,'w-')
title('AJUSTE DE UN POLINOMIO')
xlabel('VALORES DE X')
POLINOMIO AJUSTADO
Columns 1 through 7
0.0009 -0.0007 -0.0283 0.0190 0.2502 -0.1913 -0.1210
Columns 8 through 9
1.3511 -1.2784
============> ENTER <=============
308
-4 -3 -2 -1 0 1 2 3 4
-3
-2
-1
0
1
2
3
4
5
6
7
AJ USTE DE UN POL I NOMI O
P
O
L
I
N
O
M
I
O

E
V
A
L
U
A
D
O

(
y
i
)

VAL ORES DE X
309
PROGRAMA: Poli11.m
% Este programa ilustra como pueden sumarse polinomios
%
%
% En MATLAB los polinomios se suman o restan de
% la siguiente forma:
%
% pr = p1 - p2
% pr = p1 + p2
%
% Donde:
% pr = polinomio resultante
%
% p1 = polinomio nmero 1
%
%
% Si los polinomios son de diferentes tamaos, el de menor
% tamao se debe rellenar con ceros hasta igualar el tamao
% del polinomio mayor
% ejemplos:
p1=[2,9,3,7,2];
p2=[8,1,7,3,8];
p3=[3,8];
pr1=p1+p2;
disp('POLINOMIO P1')
disp(p1)
disp(p2)
disp(p3)
disp('POLINOMIO RESULTANTE pr1 = p1 + p2')
disp(pr1)
disp('POLINOMIO RESULTANTE pr2 = p1 + p3')
310
disp('pr2=p1+p2 =====> error - polinomios diferentes tamaos')
%pr2=p1+p3 % esta operacin es errnea, ya que los
% polinomios son de diferentes tamaos.
% para corregir esto y proceder con el clculo
% se puede hacer lo siguiente:
n1=length(p1);
disp('nmero de elementos del polinomio p1'),n1
n3=length(p3);
disp('nmero de elementos del polinomio p3'),n3
nr=n1-n3;
disp('diferencia en el nmero de elementos entre p1 y p3'),nr
pa(1,nr)=0; % vector de ceros para igualar tamaos de los polinomios
disp('polinomio de ceros para igualar tamaos'),pa
% pa3 = polinomio ajustado p3
pa3=[pa,p3];
disp('polinomio ajustado con ceros para igualar tamaos'),pa3
disp('AHORA SI PROCEDE LA OPERACIN DE SUMA DE POLINOMIOS')
disp('polinomio p1'),p1
disp('polinomio p3 ajustado'),pa3
pr2=p1+pa3;
disp('resultado de la suma entre p1 p3'),pr2
POLINOMIO P1
2 9 3 7 2
POLINOMIO P2
8 1 7 3 8
POLINOMIO P3
3 8
POLINOMIO RESULTANTE pr1 = p1 + p2
10 10 10 10 10
POLINOMIO RESULTANTE pr2 = p1 + p3
pr2=p1+p2 =====> error - polinomios diferentes tamaos
nmero de elementos del polinomio p1
311
n1 =
5
nmero de elementos del polinomio p3
n3 =
2
diferencia en el nmero de elementos entre p1 y p3
nr =
3
polinomio de ceros para igualar tamaos
pa =
0 0 0
polinomio ajustado con ceros para igualar tamaos
pa3 =
0 0 0 3 8
AHORA SI PROCEDE LA OPERACIN DE SUMA DE POLINOMIOS
polinomio p1
p1 =
2 9 3 7 2
polinomio p3 ajustado
312
pa3 =
0 0 0 3 8
resultado de la suma entre p1 p3
pr2 =
2 9 3 10 10
PROGRAMA: Poli12.m
% Este programa ilustra como pueden restarse polinomios
%
%
% En MATLAB los polinomios se suman o restan de
%
% pr = p1 - p2
% pr = p1 + p2
%
% Donde:
%
%
%
% Si los polinomios son de diferentes tamaos, el de menor
% tamao se debe rellenar con ceros hasta igualar el tamao
% del polinomio mayor
% ejemplos:
p1=[2,9,3,7,2];
p3=[3,8];
lp1=length(p1);
lp3=length(p3);
nmeros_zeros=abs(lp1-lp3);
nz=[1:1:nmeros_zeros].*0;
313
p3m=[nz,p3]; % polinomio p3 modificado;
disp(p1)
disp(p3)
disp('POLINOMIO P3m MODIFICADO CON CEROS')
disp(p3m)
pr2=p1-p3m;
disp('POLINOMIO RESULTANTE pr2 = p1 - p3m')
disp(pr2)
POLINOMIO P1
2 9 3 7 2
POLINOMIO P3
3 8
POLINOMIO P3m MODIFICADO CON CEROS
0 0 0 3 8
POLINOMIO RESULTANTE pr2 = p1 - p3m
2 9 3 4 -6
PROGRAMA: Poli13.m
% Este programa ilustra como pueden multiplicarse polinomios
%
% pr = p1 * p2
%
% En MATLAB los polinomios se multiplican de
%
% pr = conv(p1,p2)
%
% Donde:
314
%
%
%
% ejemplos:
p1=[2,9,3,7,2];
p2=[3,8];
disp(p1)
disp(p2)
pr2=conv(p1,p2);
disp('POLINOMIO RESULTANTE pr2 = p1 * p2')
disp(pr2)
POLINOMIO P1
2 9 3 7 2
POLINOMIO P2
3 8
POLINOMIO RESULTANTE pr2 = p1 * p2
6 43 81 45 62 16
PROGRAMA: Poli14.m
% Este programa ilustra como pueden multiplicarse polinomios
%
% pr = p1 * p2 * p3 * p4
%
% En MATLAB los polinomios se multiplican de
%
% pr = conv(p1,p2)
%
315
% Donde:
%
%
%
%
%
% En este caso se debe utilizar la instruccin (conv)
% en forma sucesiva
% ejemplos:
p1=[2,9,3,7,2];
p2=[3,8];
p3=[-3,-5,7];
p4=[0.001,0.025,0.0023];
disp('POLINOMIO P1'),p1
pr1=conv(p1,p2);
disp('POLINOMIO RESULTANTE pr1 = p1 * p2'),pr1
pr2=conv(pr1,p3);
disp('POLINOMIO RESULTANTE pr2 = p1 * p2 * p3'),pr2
pr3=conv(pr2,p4);
disp('POLINOMIO RESULTANTE pr3 = p1 * p2 * p3 * p4'),pr3
POLINOMIO P1
p1 =
2 9 3 7 2
POLINOMIO P2
p2 =
3 8
316
POLINOMIO P3
p3 =
-3 -5 7
POLINOMIO P4
p4 =
0.0010 0.0250 0.0023
POLINOMIO RESULTANTE pr1 = p1 * p2
pr1 =
6 43 81 45 62 16
POLINOMIO RESULTANTE pr2 = p1 * p2 * p3
pr2 =
-18 -159 -416 -239 156 -43 354 112
POLINOMIO RESULTANTE pr3 = p1 * p2 * p3 * p4
pr3 =
Columns 1 through 7
-0.0180 -0.6090 -4.4324 -11.0047 -6.7758 3.3073 -0.3622
8.8631 3.6142 0.2576
317
PROGRAMA: Poli15.m
% Este programa ilustra como pueden dividirse polinomios
%
% pr = p1 / p2
%
% En MATLAB los polinomios se dividen de
%
% pr = deconv(p1,p2)
%
% Donde:
%
%
%
% ejemplos:
p1=[2,9,3,7,2];
p2=[3,8];
disp(p1)
disp(p2)
pr1=deconv(p1,p2);
disp('POLINOMIO RESULTANTE pr1 = p1 / p2')
disp(pr1)
POLINOMIO P1
2 9 3 7 2
POLINOMIO P2
3 8
POLINOMIO RESULTANTE pr1 = p1 / p2
0.6667 1.2222 -2.2593 8.3580
318
AJUSTE DE CURVAS
PROGRAMA: Ajuste1.m
% Este programa ilustra como se puede ajustar una curva
% o realizar una interpolacin
%
% MATLAB permite ajustar curvas por el mtodo de los mnimos
% cuadrados mediante la instruccin (polyfit)
%
%
% Donde:
% c = coeficientes del polinomio ajustado a los datos
% x = datos de (x)
% y = datos de (y)
% n = el orden del polinomio ajustado a los datos
%
% Ejemplo:
x=[1:1:20];
y=[-0.23,2,6,12.1,25.8,18,4,-11,-20,-8,-0.026,11,14,-0.47,-15,-35,-25,-10,0,26];
%
%
n=2; % ajuste de datos con polinomio de segundo orden
c1=polyfit(x,y,n);
c1_val=polyval(c1,x);
subplot(2,2,1)
plot(x,y,'ro',x,c1_val)
ylabel('VALORES DE (y)')
xlabel('VALORES DE (X)')
%
%
n=6; % ajuste de datos con polinomio de sexto orden
c2=polyfit(x,y,n);
319
subplot(2,2,2)
%
%
n=8; % ajuste de datos con polinomio de octavo orden
c3=polyfit(x,y,n);
subplot(2,2,3)
%
%
n=19; % ajuste de datos con polinomio de vigsimo orden
c4=polyfit(x,y,n);
subplot(2,2,4)
320
0 10 20
-40
-20
0
20
40
V
A
L
O
R
E
S

D
E

(
y
)
VALORES DE (X)
0 10 20
-40
-20
0
20
40
V
A
L
O
R
E
S

D
E

(
y
)
VALORES DE (X)
0 10 20
-40
-20
0
20
40
V
A
L
O
R
E
S

D
E

(
y
)
VALORES DE (X)
0 10 20
-40
-20
0
20
40
V
A
L
O
R
E
S

D
E

(
y
)
VALORES DE (X)
321
PROGRAMA: Ajuste2.m
%
%
%
% Donde:
% x = datos de (x)
% y = datos de (y)
%
% Ejemplo:
x=[1:1:20];
y=[-0.23,2,6,12.1,25.8,18,4,-11,-20,-8,-0.026,11,14,-0.47,-15,-35,-25,-10,0,26];
%
%
n=8; % ajuste de datos con polinomio de dcimo segundo orden
c1=polyfit(x,y,n);
plot(x,y,'wo',x,c1_val,'w-')
322
0 5 1 0 1 5 2 0
- 40
- 30
- 20
- 10
0
1 0
2 0
3 0
V
A
L
O
R
E
S

D
E

(
y
)
VAL ORES DE ( X)
323
PROGRAMA: Ajuste3.m
%
%
%
% Donde:
% x = datos de (x)
% y = datos de (y)
%
% Ejemplo:
x=[1:1:20];
y=[-0.23,2,6,12.1,25.8,18,4,-11,-20,-8,-0.026,11,14,-0.47,-15,-35,-25,-10,0,26];
%
%
n=8; % ajuste de datos con polinomio de octavo orden
c1=polyfit(x,y,n);
xi=linspace(1,20,100);
c1_val=polyval(c1,xi);
plot(x,y,'wo',xi,c1_val,'w-')
324
0 5 1 0 1 5 2 0
- 40
- 30
- 20
- 10
0
1 0
2 0
3 0
V
A
L
O
R
E
S

D
E

(
y
)
VAL ORES DE ( X)
325
PROGRAMA: Ajuste4.m
%
%
%
% Donde:
% x = datos de (x)
% y = datos de (y)
%
% Ejemplo:
x=[1:1:20];
y=[-0.23,2,6,12.1,25.8,18,4,-11,-20,-8,-0.026,11,14,-0.47,-15,-35,-25,-10,0,26];
%
%
n=15; % ajuste de datos con polinomio de dcimo quinto orden
c1=polyfit(x,y,n);
xi=linspace(1,20,100);
c1_val=polyval(c1,xi);
plot(x,y,'wo',xi,c1_val,'w-')
326
0 5 10 15 20
-60
-40
-20
0
20
40
60
80
V
A
L
O
R
E
S

D
E

(
y
)
VALORES DE ( X)
Ing. Luis Rojas Malav
328
PROGRAMA: Interpol1.m
% interpol1
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE REALIZAR UNA INTERPOLACIN
% POR EL MTODO APROXIMADO GRFICO
clc
close
clear
x=1:2.35:15; % GENERACIN DE LA VARIABLE MONTONA, UNIFORMEMENTE
% ESPACIADA
y=4.25+x.^(.2+0.0005.*x);
m=[x',y'];;
xi=5.0;
yi=4.25+xi.^(.2+0.0005.*xi);
disp('SE DISPONE DE UNA TABLA CON VALORES DE (X) y DE (Y)')
disp('SE DESEA CONOCER EL VALOR DE (Y) PARA (X=5.0)')
disp(' TABLA DE VALORES')
disp('__________________________ ')
disp(' ')
disp(' X Y ')
disp('__________________________ ')
disp(m)
disp(' ')
input('PRESIONAR enter PARA CONTINUAR')
disp(' ')
disp(' ')
disp('SE UTILIZAR EL MTODO GRFICO APROXIMADO,')
disp('PARA ELLO SE GRAFICAN LOS VALORES DE LA TABLA.')
disp('LUEGO,CON AYUDA DEL BOTN DE AMPLIACIN, (zoom in)')
disp('EN LA BARRA DE BOTONES,DE LA VENTANA DE LA FIGURA,')
disp('SE AMPLIFICA LA GRFICA')
disp('COLOCANDO EL PUNTERO DEL RATN,EN UN PUNTO SOBRE LA CURVA,')
disp('CORRESPONDIENTE AL VALOR DE X=5.0,')
disp('Y PRESIONANDO EL BOTN DE LA IZQUIERDA,DEL RATN ')
disp('TANTAS VECES COMO SE QUIERA AMPLIFICAR LA GRAFICA')
disp('AL FINAL,SE PUEDE LEER EL CORRESPONDIENTE VALOR DE (Y)')
disp(' ')
disp('PARA TENER IDEA DEL ERROR QUE SE COMETE CON ESTE MTODO')
disp('SE INDICAR A CONTINUACIN EL VALOR VERDADERO DE (Y) PARA
(X=5.0)')
fprintf('PARA X=5.0 EL VALOR DE Y=%2.4f',yi)
disp(' ')
disp(' ')
disp('PARA TRABAJAR CON LA GRFICA, PULSE enter')
input('')
plot(x,y,'ro',x,y,'b-')
YLABEL('VALORES DE Y ')
XLABEL('VALORES DE X ')
329
TITLE('GRFICA DE Y versus X, PARA X=5.0 VALOR VERDADERO DE Y=
5.6353 ')
grid
SE DISPONE DE UNA TABLA CON VALORES DE (X) y VALORES DE (Y)
SE DESEA CONOCER EL VALOR DE (Y) PARA (X=5.0)
TABLA DE VALORES
__________________________
X Y
__________________________
1.0000 5.2500
3.3500 5.5261
5.7000 5.6734
8.0500 5.7804
10.4000 5.8669
12.7500 5.9410
PRESIONAR enter PARA CONTINUAR
SE UTILIZAR EL MTODO GRFICO APROXIMADO,
PARA ELLO SE GRAFICAN LOS VALORES DE LA TABLA.
LUEGO,CON AYUDA DEL BOTN DE AMPLIACIN, (zoom in)
EN LA BARRA DE BOTONES,DE LA VENTANA DE LA FIGURA,
SE AMPLIFICA LA GRFICA
COLOCANDO EL PUNTERO DEL RATN,EN UN PUNTO SOBRE LA CURVA,
CORRESPONDIENTE AL VALOR DE X=5.0,
Y PRESIONANDO EL BOTN DE LA IZQUIERDA,DEL RATN
TANTAS VECES COMO SE QUIERA AMPLIFICAR LA GRAFICA
AL FINAL,SE PUEDE LEER EL CORRESPONDIENTE VALOR DE (Y)
PARA TENER UNA IDEA DEL ERROR QUE SE COMETE CON ESTE MTODO
SE INDICAR A CONTINUACIN EL VALOR VERDADERO DE (Y) PARA
(X=5.0)
PARA X=5.0 EL VALOR DE Y=5.6353
PARA TRABAJAR CON LA GRFICA, PULSE enter
330
331
% interpol2
% CON LA INSTRUCCIN:
%
% yi=interp1(x,y,xi)
%
% DONDE:
% yi = VALOR INTERPOLADO
% interp1 = INTERPOLACIN EN UNA (1) DIMENSIN
% x = VALOR CORRESPONDIENTE A LA VARIABLE (Y)
% y = VALOR CORRESPONDIENTE A LA VARIABLE (x)
% xi = VALOR DE (x), AL CUAL SE DESEA INTERPOLAR
%
% IMPORTANTE: LA VARIABLE (x) DEBE SER MONTONA, DE LO CONTRARIO
DAR ERROR
clc
close
clear
ESPACIADA
y=4.25+x.^(.2+0.0005.*x); % GENERACIN DE LA TABLA
m=[x',y']; % TABLA
xi=5.0;
yc=4.25+xi.^(.2+0.0005.*xi);
disp(' ')
disp('SE DISPONE DE UNA TABLA CON VALORES DE (x) y VALORES DE (y)')
disp('SE DESEA CONOCER EL VALOR DE (yi) PARA (xi=5.0)')
disp(' ')
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi) ')
disp('__________________________ ')
disp(' ')
disp(' x y ')
disp('__________________________ ')
disp(m)
yi=interp1(x,y,xi);
fprintf('xi=%2.2f VERDADERO yc =%2.4f INTERPOLADO yi = %2.4f\n',xi,yc,yi)
disp('POR QUE ESTE RESULTADO ES IGUAL AL DEL PROGRAMA ANTERIOR ?')
332
SE DISPONE DE UNA TABLA CON VALORES DE (x) y VALORES DE (y)
SE DESEA CONOCER EL VALOR DE (yi) PARA (xi=5.0)
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi)
TABLA DE VALORES
__________________________
x y
__________________________
1.0000 5.2500
3.3500 5.5261
5.7000 5.6734
8.0500 5.7804
10.4000 5.8669
12.7500 5.9410
xi=5.00 VERDADERO yc =5.6353 INTERPOLADO yi = 5.6295
POR QUE ESTE RESULTADO ES IGUAL AL DEL PROGRAMA ANTERIOR ?
% interpol3
%
%
% DONDE:
% yi = VECTOR CON LOS VALORES INTERPOLADOS
% x = VALOR CORRESPONDIENTE A LA VARIABLE (Y)
% y = VALOR CORRESPONDIENTE A LA VARIABLE (x)
% xi = VECTOR CON LOS VALORES DE (x),
% A LOS CUALES SE DESEA INTERPOLAR
%
% IMPORTANTE: LA VARIABLE (x) DEBE SER MONTONA,
% DE LO CONTRARIO DAR ERROR
clc
close
clear
ESPACIADA
m=[x',y']; % TABLA
xi=[3.0,5.0,7.0,9.0,15.0]'; % VECTOR CON LOS VALORES DE xi
333
% NOTESE QUE EL LTIMO VALOR DE (xi), EL CUAL ES 15.0
% EST FUERA DEL RANGO DE LA TABLA,
% POR LO TANTO LA INTERPOLACIN NO PROCEDE
% INFORMANDO DE ESTA SITUACIN MEDIANTE EL RESULTADO (NaN)
yc=4.25+xi.^(.2+0.0005.*xi); % VALORES CALCULADOS
disp('SE DISPONE DE UNA TABLA CON VALORES DE (x) y VALORES DE
(y)')
disp('SE DESEA CONOCER LOS VALORES DE (yi) ')
disp('PARA UNA SERIE DE VALOES DE xi')
disp(' x y ')
disp('------------------------------')
disp(m)
yi=interp1(x,y,xi);
l=length(xi);
for n=1:l
fprintf(' xi=%2.2f CALCULADO yc =%2.4f INTERPOLADO yi =
%2.4f\n',xi(n),yc(n),yi(n))
end
SE DESEA CONOCER LOS VALORES DE (yi)
PARA UNA SERIE DE VALOES DE xi
TABLA DE VALORES
x y
------------------------------
1.0000 5.2500
3.3500 5.5261
5.7000 5.6734
8.0500 5.7804
10.4000 5.8669
12.7500 5.9410
xi=3.00 CALCULADO yc =5.4978 INTERPOLADO yi = 5.4850
xi=15.00 CALCULADO yc =6.0040 INTERPOLADO yi = NaN
334
% interpol4
%
%
%
% DONDE:
% x = VALORES QUE SE CORRESPONDEN A LAS COLUMNAS
% DE LA MATRIZ (y)
% y = MATRIZ CON LOS VALORES (EN LAS COLUMNAS)
% QUE SE CORRESPONDEN CON (x)
%
% DE LO CONTRARIO DAR ERROR.
% LA INTERPOLACIN SE REALIZA COMPARANDO
% LA PRIMERA COLUMNA DE LA MATRIZ (y)
% CON EL VECTOR (x), LUEGO LA SEGUNDA COLUMNA
% DE LA MATRIZ (y) CON EL VECTOR (x)
% Y ASI SUCESIVAMENTE.
% LOS RESULTADOS SON REPORTADOS EN LA MATRIZ (yi),
% EN LA CUAL, EN CADA COLUMNA, SE ENCUENTRAN
% LOS VALORES INTERPOLADOS.
clc
close
clear
% GENERACIN DE LA MATRIZ (x)
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
x(m,n)=s; % GENERACIN DE LA VARIABLE MONTONA,
% UNIFORMEMENTE ESPACIADA
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
% GENERACIN DE LA MATRIZ (y)
end
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
yc(c,n)=[n+4.25+xi.^(.2+0.0005.*xi)];
end
end
335
x=1:2.35:15; % GENERACIN DE LA VARIABLE MONTONA,
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
mc=[xi',yc];
disp(' ')
disp('SE DESEA CONOCER EL VALOR DE (yi) PARA ...
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('_________________________________________________________ ')
disp(' ')
disp(' x y ')
disp('_________________________________________________________ ')
disp(m)
yi=interp1(x,y,xi);
disp('_________________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('_________________________________________________________ ')
disp(mc)
mi=[xi',yi];
disp('_________________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('_________________________________________________________ ')
disp(mi)
SE DESEA CONOCER EL VALOR DE (yi) PARA xi=[3.0,5.0,7.0,9.0,15.0]
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.0000 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.3500 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
5.7000 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
8.0500 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
336
10.4000 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.7500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
________________________________________________________________
xi yc
________________________________________________________________
3.0000 6.4978 7.4978 8.4978 9.4978 10.4978 11.4978
5.0000 6.6353 7.6353 8.6353 9.6353 10.6353 11.6353
7.0000 6.7359 7.7359 8.7359 9.7359 10.7359 11.7359
9.0000 6.8173 7.8173 8.8173 9.8173 10.8173 11.8173
15.0000 7.0040 8.0040 9.0040 10.0040 11.0040 12.0040
________________________________________________________________
xi yi
________________________________________________________________
3.0000 6.4850 7.4850 8.4850 9.4850 10.4850 11.4850
5.0000 6.6295 7.6295 8.6295 9.6295 10.6295 11.6295
7.0000 6.7326 7.7326 8.7326 9.7326 10.7326 11.7326
9.0000 6.8154 7.8154 8.8154 9.8154 10.8154 11.8154
15.0000 NaN NaN NaN NaN NaN NaN
% interpol5
%
%
% DONDE:
% DE LA MATRIZ (y)
%
337
clc
close
clear
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
% SOLO PARA LA GENERACIN DE LOS VALORES
% EN LA MATRIZ (y)
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
end
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
yc(c,n)=[n+4.25+xi.^(.2+0.0005.*xi)]; % VALORES CALCULADOS
end
end
x=[1.12,3.01,4.25,7.56,8.45,12.25];
% GENERACIN DE LA VARIABLE MONTONA,
% NO UNIFORMEMENTE ESPACIADA,
% PARA LA GENERACIN DEL VECTOR COLUMNA DE (x)
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
mc=[xi',yc]; % TABLA DE xi CON LOS VALORES CALCULADOS
disp(' ')
disp('SE DESEA CONOCER EL VALOR DE (yi) PARA
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('________________________________________________________ ')
disp(' ')
338
disp(' x y ')
disp('________________________________________________________ ')
disp(m)
yi=interp1(x,y,xi);
disp('________________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('________________________________________________________ ')
disp(mc)
mi=[xi',yi]; % TABLA DE xi CON LOS VALORES INTERPOLADOS
disp('________________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('________________________________________________________ ')
disp(mi)
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.1200 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.0100 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
4.2500 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.5600 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
8.4500 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.2500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
________________________________________________________________
xi yc
________________________________________________________________
3.0000 6.4978 7.4978 8.4978 9.4978 10.4978 11.4978
5.0000 6.6353 7.6353 8.6353 9.6353 10.6353 11.6353
7.0000 6.7359 7.7359 8.7359 9.7359 10.7359 11.7359
9.0000 6.8173 7.8173 8.8173 9.8173 10.8173 11.8173
15.0000 7.0040 8.0040 9.0040 10.0040 11.0040 12.0040
________________________________________________________________
339
xi yi
________________________________________________________________
3.0000 6.5246 7.5246 8.5246 9.5246 10.5246 11.5246
5.0000 6.6977 7.6977 8.6977 9.6977 10.6977 11.6977
7.0000 6.7623 7.7623 8.7623 9.7623 10.7623 11.7623
9.0000 6.8777 7.8777 8.8777 9.8777 10.8777 11.8777
% interpol6
% ESTE PROGRAMA ILUSTRA UN ERROR COMN COMETIDO EN LA
INTERPOLACIN
% UNIDIMENSIONAL, LA VARIABLE (X) NO ES MONTONA:
%
%
% DONDE:
% DE LA MATRIZ (y)
%
clc
close
clear
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
340
x(m,n)=s;
% GENERACIN DE LA VARIABLE MONTONA, UNIFORMEMENTE ESPACIADA
% SOLO PARA LA GENERACIN DE LOS VALORES EN LA MATRIZ (y)
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
end
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
end
end
% COMETIENDO EL ERROR
x=[1.12,3.01,1.25,7.56,5.45,12.25];
% GENERACIN DE LA VARIABLE NO MONTONA,
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
disp(' ')
disp(' ')
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('________________________________________________________ ')
disp(' ')
disp(' x y ')
disp('________________________________________________________ ')
disp(m)
disp(' ')
disp(' ESTE PROGRAMA DEBE DAR ERROR DEBIDO A QUE ')
disp(' LA VARIABLE (X) NO ES MONTONA')
disp(' ')
disp(' [ENTER] ')
input(' ')
yi=interp1(x,y,xi);
disp('________________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('________________________________________________________ ')
disp(mc)
341
disp('________________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('________________________________________________________ ')
disp(mi)
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.1200 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.0100 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
1.2500 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.5600 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
5.4500 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.2500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
ESTE PROGRAMA DEBE DAR ERROR DEBIDO A QUE
LA VARIABLE (X) NO ES MONTONA
[ENTER]
??? Error using ==> interp1
X must be monotonic.
Error in ==> F:\MATLAB\PROGRAM\interpol6.m
On line 80 ==> yi=interp1(x,y,xi);
342
% interpol7
%
% yi=interp1(x,y,xi,'mtodo')
%
% DONDE:
% DE LA MATRIZ (y)
% xi = VECTOR CON LOS VALORES DE (x), A LOS
% CUALES SE DESEA INTERPOLAR
% 'mtodo' = TCNICA DE INTERPOLACIN, LOS CUALES SON:
% 'nearest' - nearest neighbor interpolation
% 'linear' - linear interpolation
% 'spline' - cubic spline interpolation
% 'cubic' - cubic interpolation
%
%
clc
close
clear
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
% EN LA MATRIZ (y)
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
end
343
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
end
end
x=[1.12,3.01,4.25,7.56,8.45,12.25];
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
disp(' ')
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,nearest) ')
disp('_______________________________________________________ ')
disp(' ')
disp(' x y ')
disp('_______________________________________________________ ')
disp(m)
yi=interp1(x,y,xi,'nearest');
disp('_______________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('_______________________________________________________ ')
disp(mc)
disp('_______________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('_______________________________________________________ ')
disp(mi)
344
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,nearest)
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.1200 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.0100 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
4.2500 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.5600 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
8.4500 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.2500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
________________________________________________________________
xi yc
________________________________________________________________
3.0000 6.4978 7.4978 8.4978 9.4978 10.4978 11.4978
5.0000 6.6353 7.6353 8.6353 9.6353 10.6353 11.6353
7.0000 6.7359 7.7359 8.7359 9.7359 10.7359 11.7359
9.0000 6.8173 7.8173 8.8173 9.8173 10.8173 11.8173
15.0000 7.0040 8.0040 9.0040 10.0040 11.0040 12.0040
________________________________________________________________
xi yi
________________________________________________________________
3.0000 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
5.0000 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.0000 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
9.0000 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
345
% interpol8
%
%
% DONDE:
% DE LA MATRIZ (y)
%
%
clc
close
clear
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
% EN LA MATRIZ (y)
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
end
346
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
end
end
x=[1.12,3.01,4.25,7.56,8.45,12.25];
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
% EST FUERA DEL RANGO DE LA TABLA, POR LO TANTO
% LA INTERPOLACIN NO PROCEDE
disp(' ')
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,spline) ')
disp('________________________________________________________ ')
disp(' ')
disp(' x y ')
disp('________________________________________________________ ')
disp(m)
yi=interp1(x,y,xi,'spline');
disp('________________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('________________________________________________________ ')
disp(mc)
disp('________________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('________________________________________________________ ')
disp(mi)
347
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,spline)
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.1200 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.0100 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
4.2500 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.5600 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
8.4500 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.2500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
________________________________________________________________
xi yc
________________________________________________________________
3.0000 6.4978 7.4978 8.4978 9.4978 10.4978 11.4978
5.0000 6.6353 7.6353 8.6353 9.6353 10.6353 11.6353
7.0000 6.7359 7.7359 8.7359 9.7359 10.7359 11.7359
9.0000 6.8173 7.8173 8.8173 9.8173 10.8173 11.8173
15.0000 7.0040 8.0040 9.0040 10.0040 11.0040 12.0040
________________________________________________________________
xi yi
________________________________________________________________
3.0000 6.5246 7.5246 8.5246 9.5246 10.5246 11.5246
5.0000 6.7138 7.7138 8.7138 9.7138 10.7138 11.7138
7.0000 6.7510 7.7510 8.7510 9.7510 10.7510 11.7510
9.0000 6.9324 7.9324 8.9324 9.9324 10.9324 11.9324
15.0000 5.3884 6.3884 7.3884 8.3884 9.3884 10.3884
348
% interpol9
%
%
% DONDE:
% DE LA MATRIZ (y)
%
%
clc
close
clear
for n=1:6
s=-1.35;
for m=1:6
s=s+2.35;
% EN LA MATRIZ (y)
y(m,n)=[n+4.25+x(m,n).^(.2+0.0005.*x(m,n))]';
end
349
c=0;
for xi=[3.0,5.0,7.0,9.0,15.0]
c=c+1;
end
end
x=[1.12,3.01,4.25,7.56,8.45,12.25];
m=[x',y];
xi=[3.0,5.0,7.0,9.0,15.0];
disp(' ')
xi=[3.0,5.0,7.0,9.0,15.0]')
disp(' ')
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,cubic) ')
disp('________________________________________________________ ')
disp(' ')
disp(' x y ')
disp('________________________________________________________ ')
disp(m)
yi=interp1(x,y,xi,'cubic');
disp('________________________________________________________ ')
disp(' ')
disp(' xi yc ')
disp('________________________________________________________ ')
disp(mc)
disp('________________________________________________________ ')
disp(' ')
disp(' xi yi ')
disp('________________________________________________________ ')
disp(mi)
350
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,cubic)
TABLA DE VALORES
________________________________________________________________
x y
________________________________________________________________
1.1200 6.2500 7.2500 8.2500 9.2500 10.2500 11.2500
3.0100 6.5261 7.5261 8.5261 9.5261 10.5261 11.5261
4.2500 6.6734 7.6734 8.6734 9.6734 10.6734 11.6734
7.5600 6.7804 7.7804 8.7804 9.7804 10.7804 11.7804
8.4500 6.8669 7.8669 8.8669 9.8669 10.8669 11.8669
12.2500 6.9410 7.9410 8.9410 9.9410 10.9410 11.9410
________________________________________________________________
xi yc
________________________________________________________________
3.0000 6.4978 7.4978 8.4978 9.4978 10.4978 11.4978
5.0000 6.6353 7.6353 8.6353 9.6353 10.6353 11.6353
7.0000 6.7359 7.7359 8.7359 9.7359 10.7359 11.7359
9.0000 6.8173 7.8173 8.8173 9.8173 10.8173 11.8173
15.0000 7.0040 8.0040 9.0040 10.0040 11.0040 12.0040
________________________________________________________________
xi yi
________________________________________________________________
3.0000 6.5246 7.5246 8.5246 9.5246 10.5246 11.5246
5.0000 6.7138 7.7138 8.7138 9.7138 10.7138 11.7138
7.0000 6.7510 7.7510 8.7510 9.7510 10.7510 11.7510
9.0000 6.9324 7.9324 8.9324 9.9324 10.9324 11.9324
351
% interpol10
% ESTE PROGRAMA COMPARA LA INTERPOLACIN UNIDIMENSIONAL
% UTILIZANDO VARIOS MTODOS
%
%
% DONDE:
% DE LA MATRIZ (y)
%
clc
close
clear
x=1:2.35:15; % GENERACIN DE LA VARIABLE MONTONA,
m=[x',y']; % TABLA
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,mtodo) ')
disp('COMPARANDO LOS DIFERENTES MTODOS DISPONIBLES ')
disp(' x y ')
disp('------------------------------')
disp(m)
352
yin=interp1(x,y,xi,'nearest'); % mtodo 'nearest'
yil=interp1(x,y,xi,'linear'); % mtodo 'linear'
yis=interp1(x,y,xi,'spline'); % mtodo 'spline'
yic=interp1(x,y,xi,'cubic'); % mtodo 'cubic'
disp(' calculado nearest linear spline cubic')
disp(' xi yc yin yil yis yic ')
disp('---------------------------------------------------------')
mr=[xi,yc,yin,yil,yis,yic];
disp(mr)
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,mtodo)
COMPARANDO LOS DIFERENTES MTODOS DISPONIBLES
TABLA DE VALORES
x y
------------------------------
1.0000 5.2500
3.3500 5.5261
5.7000 5.6734
8.0500 5.7804
10.4000 5.8669
12.7500 5.9410
calculado nearest linear spline cubic
xi yc yin yil yis yic
------------------------------------------------------------------------
3.0000 5.4978 5.5261 5.4850 5.4957 5.4932
5.0000 5.6353 5.6734 5.6295 5.6367 5.6365
7.0000 5.7359 5.7804 5.7326 5.7354 5.7362
9.0000 5.8173 5.7804 5.8154 5.8175 5.8175
15.0000 6.0040 NaN NaN 6.0089 NaN
353
% interpol11
% ESTE PROGRAMA COMPARA LA INTERPOLACIN UNIDIMENSIONAL
% UTILIZANDO VARIOS MTODOS
%
%
% DONDE:
% DE LA MATRIZ (y)
%
clc
close
clear
x=[1.12,3.91,4.25,4.56,8.45,12.25];
m=[x',y']; % TABLA
disp('UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,mtodo) ')
disp('COMPARANDO LOS DIFERENTES MTODOS DISPONIBLES ')
354
disp(' x y ')
disp('------------------------------')
disp(m)
yin=interp1(x,y,xi,'nearest'); % mtodo 'nearest'
yil=interp1(x,y,xi,'linear'); % mtodo 'linear'
yis=interp1(x,y,xi,'spline'); % mtodo 'spline'
yic=interp1(x,y,xi,'cubic'); % mtodo 'cubic'
disp(' xi yc yin yil yis yic ')
disp('--------------------------------------------------------')
mr=[xi,yc,yin,yil,yis,yic];
disp(mr)
UTILIZANDO LA INSTRUCCIN: yi=interp1(x,y,xi,mtodo)
COMPARANDO LOS DIFERENTES MTODOS DISPONIBLES
TABLA DE VALORES
x y
------------------------------
1.1200 5.2730
3.9100 5.5670
4.2500 5.5897
4.5600 5.6092
8.4500 5.7963
12.2500 5.9261
xi yc yin yil yis yic
------------------------------------------------------------------------
3.0000 5.4978 5.5670 5.4711 5.4963 5.4963
5.0000 5.6353 5.6092 5.6304 5.6355 5.6355
7.0000 5.7359 5.7963 5.7266 5.7369 5.7369
9.0000 5.8173 5.7963 5.8151 5.8166 5.8166
15.0000 6.0040 NaN NaN 6.0274 NaN
355
% interpol12
% ESTE PROGRAMA ILUSTRA LA INTERPOLACIN UNIDIMENSIONAL
% DE UNA FUNCIN MEDIANTE EL MTODO
% DE LA TRANSFORMADA DE FOURIER
%
% LA INSTRUCCIN ES:
%
% y = interpft(x,n)
%
% DONDE:
% X = VECTOR CON LOS VALORES DE UNA FUNCIN PERIDICA
% n = NMERO DE PUNTOS, IGUALMENTE ESPACIADOS, EN LOS CUALES
% SE REALIZAR LA INTERPOLACIN DE LA FUNCIN
% y = VECTOR CON LOS (n) VALORES INTERPOLADOS DE LA FUNCIN
clear all
close all
clc
m=1000;
i=[1:m];
p=pi;
x=sin((i)*p/m); % GENERACIN DEL VECTOR CON LOS VALORES DE LA FUNCIN
c=0;
for n=[250,500,1000,1500,2000]
y=interpft(x,n); % INTERPOLACIN DE LA FUNCIN
c=c+1;
np=[1:n];
subplot(2,3,c)
plot(np,y,'r*',np,y,'r-') % GRFICA DE LOS VALORES INTERPOLADOS
if n>m
axis([min(np),max(np),min(x),max(x)])
else
axis([min(i),max(i),min(x),max(x)])
end
title('Interpolacin')
end
c=c+1;
subplot(2,3,c)
plot(i,x,'b*')
axis([min(i),max(i),min(x),max(x)])
title('Original')
356
% interpol13
% EL PRESENTE PROGRAMA ILUSTRA LA INTERPOLACIN
% EN DOS DIMENSIONES UTILIZANDO LA INSTRUCCIN:
%
% y = interp2(xm,ym,zm,xi,yi)
%
% DONDE:
%
% xm = MATRIZ MALLA, CUADRADA (a X a),
% FORMADA CON EL VECTOR (x), DE (1 X a)
% Ym = MATRIZ MALLA, CUADRADA (b X b),
% FORMADA CON EL VECTOR (y), DE (1 X b)
% zm = MATRIZ DE (b X a), FORMADA CON VALORES
% RELACIONADOS BIDIMENSIONALMENTE
% CON LOS VECTORES (x) Y (y)
% xi = VALOR DE (x) AL CUAL SE DESEA
% INTERPOLAR LA TABLA BIDIMENSIONAL
% FORMADA POR LA MATRIZ (zm)
357
% yi = VALOR DE (y) AL CUAL SE DESEA INTERPOLAR
% LA TABLA BIDIMENSIONAL FORMADA POR LA MATRIZ (zm)
% y = VALOR INTERPOLADO DE LA TABLA BIDIMENSIONAL,
%
% IMPORTANTE:
%
% LOS VECTORES (x) Y (y) DEBEN SER MONTONOS
% CRECIENTES O DECRECIENTES
% TAMBIN PUEDEN SER UNIFORME O NO UNIFORMEMENTE ESPACIADOS
% EN LAS INTERPOLACIONES FUERA DE RANGO
% SE DAR COMO RERSULTADO: NaN
%
% METODOLOGA
%
% 1) SE TIENE UNA TABLA DE DATOS (MATRIZ zm), LOS CUALES DEPENDEN
% DE DOS VARIABLES (x) Y (y)
% 2) SE TIENE A LA VARIABLE (x), COMO UN VECTOR
% 3) SE TIENE A LA VARIABLE (Y), COMO UN VECTOR
% 4) SE GENERAN LAS MATRICES MALLA, A PARTIR DE LOS VECTORES
% (x) Y (y) MEDIANTE LA INSTRUCCIN: [xm,ym]=meshgrid(x,y)
% 5) SE GRAFICAN LOS VALORES DE LA TABLA (zm)
% VERSUS LAS MALLAS (xm) Y (ym)
% ESTE PASO ES OPCIONAL, PERO ES CONVENIENTE
% OBSERVAR TRIDIMENSIONALMENTE LOS DATOS DE LA
% TABLA (zm) VERSUS (X) Y (y)
% 6) SE FIJAN LOS VALORES DE (x) y (y), LOS CUALES
% SE QUIERE INTERPOLAR, EN LA TABLA (zm),
% ESTOS VALORES DEBEN SER UBICADOS EN LAS VARIABLES
% (xi) Y (yi). EN ESTE PUNTO EXISTEN TRES CASOS:
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
% xi = VECTOR DE VARIOS VALORES NMERICOS, DE TAMAO (1 X a)
% yi = VECTOR DE VARIOS VALORES NMERICOS, DE TAMAO (1 X b)
%
% IMPORTANTE: ESTOS VECTORES DEBEN SER DE IGUAL TAMAO O EN SU
% DEFECTO DEBEN SER VECTORES CON DIFERENTES
% ORIENTACIONES, UNO VECTOR COLUMNA Y EL OTRO
% VECTOR FILA
%
% CASO 3)
% xi = MATRIZ DE VARIOS NMEROS, DE TAMAO (a X b)
% yi = MATRIZ DE VARIOS NMEROS, DE TAMAO (c X d)
%
% IMPORTANTE: EN ESTE CASO, SE DEBEN GENERAR LA MATRICES MALLAS
% (xim) Y (yim) CON LA INSTRUCCIN:
% [xim,yim]=meshgrid(xi,yi);
358
% LA INTERPOLACIN SE REALIZA COLUMNA POR COLUMNA
%
%
% 7) SE APLICA LA INSTRUCCIN DE INTERPOLACIN
% EN DOS DIMENSIONES, SEGN:
%
% CASO 1) zi=interp2(xm,ym,zm,xi,yi)
% RESULTANDO: zi = UN NMERO
%
% RESULTANDO:
% zi = UNA MATRIZ, PARA VECTORES DE DIFERENTES TAMAOS
% zi = UN VECTOR, PARA VECTORES DE IGUAL TAMAO
%
%
% CASO 3) zi=interp2(xm,ym,zm,xim,yim)
% RESULTANDO: zi = UNA MATRIZ
%
%
% EJEMPLO
%
% EN ESTE EJEMPLO SE ILISTRAR EL CASO (1)
%
% PARA LA SIGUIENTE TABLA DE VALORES, INTERPOLAR PARA:
%
% xi = 35
% yi = 50
close
clear
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
% VARIABLES (x) Y (y)
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
359
mesh(xm,ym,zm) % GRFICA DE LA TABLA VERSUS (x) Y (y)
colormap(jet)
ylabel('VALORES DE Y')
zlabel('VALORES DE LA TABLA')
b=-1;
brighten(b)
% VALORES DONDE SE REALIZAR LA INTERPOLACIN
xi = 35;
yi = 50;
zi=interp2(xm,ym,zm,xi,yi);
% PARA EFECTOS DE COMPARACIN, LA TABLA UTILIZADA
% EN LA INTERPOLACIN
% FUE GENERADA MEDIANTE LA SIGUIENTE FUNCIN:
% zc=sin((xi+yi)*pi/m).*(1+cos((xi)*pi/m));
% POR LO TANTO, ES POSIBLE DETERMINAR
% EL VALOR CALCULADO DE LA FUNCIN
% Y COMPARARLO CON EL VALOR INTERPOLADO:
% FUNCIN PARA GENERAR LA TABLA
m=100;
zc=sin((xi+yi)*pi/m).*(1+cos((xi)*pi/m));
disp(' ')
disp(' ')
disp(' RESULTADO DE LA INTERPOLACIN ')
disp(' ')
fprintf(' VALOR INTERPOLADO zi = %2.6f\n',zi)
disp(' ')
fprintf(' VALOR CALCULADO zc = %2.6f\n',zc)
RESULTADO DE LA INTERPOLACIN
VALOR INTERPOLADO zi = 0.668776
VALOR CALCULADO zc = 0.660098
360
% interpol14
%
%
% DONDE:
%
361
%
% IMPORTANTE:
%
%
% METODOLOGA
%
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
362
%
%
%
%
% RESULTANDO:
%
%
%
%
% EJEMPLO
%
%
% PARA LA TABLA DE VALORES, INTERPOLAR PARA LOS SIGUIENTES
VECTORES
%
% xi = [35,45,55,65] VECTORES DE IGUAL TAMAO
% yi = [50,75,125,185
close
clear
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
363
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
mesh(xm,ym,zm) % GRFICA DE LA TABLA VERSUS (x) Y (y)
colormap(bone)
b=-1;
brighten(b)
xi = [35,45,55,65];
yi = [50,75,125,185]; % VECTORES DE IGUAL TAMAO
zi=interp2(xm,ym,zm,xi,yi); % INTERPOLACIN
% PARA EFECTOS DE COMPARACIN, LA TABLA UTILIZADA EN LA
INTERPOLACIN
% POR LO TANTO, ES POSIBLE DETERMINAR EL VALOR CALCULADO DE LA
FUNCIN
m=100;
disp(' ')
disp(' ')
disp(' ')
ma=[xi',yi',zi',zc'];
disp(' xi yi zi zc ')
disp('------------------------------------------------ ')
disp(ma)
xi yi zi zc
------------------------------------------------
35.0000 50.0000 0.6688 0.6601
45.0000 75.0000 -0.6596 -0.6797
55.0000 125.0000 -0.5143 -0.4958
65.0000 185.0000 0.5372 0.5460
364
% interpol15
%
%
% DONDE:
%
365
%
% IMPORTANTE:
%
%
% METODOLOGA
%
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
366
%
%
%
%
% RESULTANDO:
%
%
%
%
% EJEMPLO
%
%
VECTORES
%
% xi = [35,45,55,65] VECTORES DE DIFERENTES TAMAOS
% yi = [1,15,25,45,50,75,125,185
close all hidden
close all
clear all
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
367
surf(xm,ym,zm) % GRFICA DE LA TABLA VERSUS (x) Y (y)
colormap(JET)
b=-.9;
brighten(b)
xi = [35,45,55,65]; % VECTOR FILA
yi = [1,15,25,45,50,75,125,185]'; % VECTOR COLUMNA
INTERPOLACIN
FUNCIN
m=100;
[xim,yim]=meshgrid(xi,yi);
zc=sin((xim+yim)*pi/m).*(1+cos((xim)*pi/m));
disp(' EN LOS SIGUIENTES VALORES:')
disp(' ')
disp(' xi ')
disp('------------------------- ')
disp(xi)
disp(' ')
disp(' yi ')
disp('--------- ')
disp(yi)
disp(' zi ')
disp('------------------------------------------------ ')
disp(zi)
disp(' zc ')
disp('------------------------------------------------ ')
disp(zc)
% A CONTINUACIN SE GRAFICAN LOS VALORES INTERPOLADOS Y LOS
CALCULADOS
figure
surf(xim,yim,zi)
colormap(pink)
xlabel('VALORES DE xi')
ylabel('VALORES DE Yi')
zlabel('VALORES INTERPOLADOS')
b=.8;
brighten(b)
figure
368
surf(xim,yim,zc)
colormap(cool)
zlabel('VALORES CALCULADOS')
b=-.9;
brighten(b)
EN LOS SIGUIENTES VALORES:
xi
-------------------------
35 45 55 65
yi
---------
1
15
25
45
50
75
125
185
zi
------------------------------------------------
1.2659 1.1335 0.8170 0.4986
1.4093 1.0838 0.6900 0.3493
1.3259 0.9069 0.5102 0.1983
0.8609 0.3609 0.0502 -0.1347
0.6688 0.1879 -0.0750 -0.2115
-0.3972 -0.6596 -0.6311 -0.5077
-1.3336 -0.9132 -0.5143 -0.2006
0.7809 0.8980 0.7489 0.5372
zc
------------------------------------------------
1.3156 1.1473 0.8286 0.4785
1.4540 1.0998 0.6825 0.3209
369
1.3828 0.9356 0.4958 0.1687
0.8546 0.3574 0.0000 -0.1687
0.6601 0.1809 -0.1320 -0.2479
-0.4493 -0.6797 -0.6825 -0.5193
-1.3828 -0.9356 -0.4958 -0.1687
0.8546 0.9356 0.8023 0.5460
370
371
% interpol16
%
%
% DONDE:
%
%
% IMPORTANTE:
%
%
% METODOLOGA
%
372
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
%
%
%
%
% RESULTANDO:
%
%
%
%
% EJEMPLO
%
%
VECTORES
%
% xi = [1:0.5:91] VECTOR DE TAMAO (1 x 31)
% yi = [1:0.5:196] VECTOR DE TAMAO (66 X 1)
373
%
% EN ESTE EJEMPLO NO SE MUESTRAN LOS RESULTADOS NUMRICOS, YA QUE
LAS
% MATRICES SON MUY GRANDE. SOLO SE MOSTRARN LAS GRFICAS QUE
ILUSTRAN
% LA INTERPOLACIN
close all hidden
close all
clear all
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
colormap(winter)
b=.8;
brighten(b)
xi = [1:3:91]; % VECTOR FILA
yi = [1:3:196]'; % VECTOR COLUMNA
INTERPOLACIN
FUNCIN
m=100;
374
CALCULADOS
figure
surf(xim,yim,zi)
colormap(winter)
b=.8;
brighten(b)
figure
surf(xim,yim,zc)
colormap(winter)
b=.8;
brighten(b)
375
376
% interpol17
%
%
% DONDE:
%
%
% IMPORTANTE:
%
%
% METODOLOGA
%
377
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
%
%
%
%
% RESULTANDO:
%
%
%
%
% EJEMPLO
%
%
VECTORES
%
% xi = [10,35
% 45,53] MATRIZ DE TAMAO (2 X 2)
378
%
% yi = [1,15
% 31,45
% 85,96
% 135,175] MATRIZ DE TAMAO (4 X 2)
%
% EN ESTE EJEMPLO NO SE MUESTRAN LOS RESULTADOS NUMRICOS, YA QUE
LAS
% MATRICES SON MUY GRANDE. SOLO SE MOSTRARN LAS GRFICAS QUE
ILUSTRAN
% LA INTERPOLACIN
close all
clear
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
colormap(winter)
b=.8;
brighten(b)
xi = [10,35
45,53]; %MATRIZ DE TAMAO (3 X 3)
yi = [ 1,15
31,45
85,96
135,175]; % MATRIZ DE TAMAO (4 X 2)
zi=interp2(xm,ym,zm,xim,yim); % INTERPOLACIN
INTERPOLACIN
379
FUNCIN
m=100;
CALCULADOS
disp(' ')
disp(' xi ')
disp('--------------- ')
disp(xi)
disp(' ')
disp(' yi ')
disp('-------------- ')
disp(yi)
disp(' zi ')
disp('------------------------------------------------ ')
disp(zi)
disp(' zc ')
disp('------------------------------------------------ ')
disp(zc)
380
xi
---------------
10 35
45 53
yi
--------------
1 15
31 45
85 96
135 175
zi
------------------------------------------------
0.6233 1.1335 1.2659 0.8844
1.7961 0.7914 1.2635 0.4736
0.2956 -0.8951 -0.7798 -0.7816
-1.8366 -0.6761 -1.1638 -0.3727
1.3087 1.0838 1.4093 0.7703
1.8398 0.3609 0.8609 0.1081
-0.3285 -1.0682 -1.1207 -0.8608
-0.8374 0.6464 0.3891 0.6304
zc
------------------------------------------------
0.6609 1.1473 1.3156 0.8987
1.8736 0.7916 1.2741 0.4364
0.3052 -0.9356 -0.8546 -0.8423
-1.9270 -0.6797 -1.1763 -0.3335
1.3796 1.0998 1.4540 0.7649
1.9270 0.3574 0.8546 0.0569
-0.3656 -1.1105 -1.2026 -0.9054
-0.8858 0.6797 0.4493 0.6980
381
% interpol18
% EL PRESENTE PROGRAMA ILUSTRA LA INTERPOLACIN EN DOS DIMENSIONES
% UTILIZANDO LA INSTRUCCIN:
%
% y = interp2(xm,ym,zm,xi,yi,'mtodo')
%
% DONDE:
%
%
% mtodo = TCNICA UTILIZADA PARA LA INTERPOLACIN,
% LA CUAL PUEDE SER:
%
% 'linear' - bilinear interpolation
% 'cubic' - bicubic interpolation
% 'spline' - spline interpolation
%
% IMPORTANTE:
%
%
% METODOLOGA
%
382
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
%
%
%
%
% RESULTANDO:
%
%
%
% NOTA: PARA TODOS LOS CASOS SE DEBE ESCOGER EL MTODO A UTILIZAR
%
%
383
% EJEMPLO
%
% EN ESTE EJEMPLO SE MUESTRA LA DIFERENCIA
% ENTRE LOS MTODOS DE INTERPOLACIN,
% APLICADOS AL CASO (1)
%
% PARA LA SIGUIENTE TABLA DE VALORES, INTERPOLAR PARA:
%
% xi = 35
% yi = 50
%
% UTILIZANDO TODOS LOS MTODOS DE INTERPOLACIN
close
clear
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
colormap(winter)
b=.8;
brighten(b)
xi = 35;
yi = 50;
zin=interp2(xm,ym,zm,xi,yi,'nearest');
zil=interp2(xm,ym,zm,xi,yi,'linear');
zic=interp2(xm,ym,zm,xi,yi,'cubic');
zis=interp2(xm,ym,zm,xi,yi,'spline');
% PARA EFECTOS DE COMPARACIN, LA TABLA UTILIZADA EN LA INTERPOLACIN
% POR LO TANTO, ES POSIBLE DETERMINAR EL VALOR CALCULADO DE LA FUNCIN
384
% Y COMPARARLO CON LOS VALORES INTERPOLADOS:
m=100;
disp(' ')
disp(' ')
disp(' ')
disp(' xi ')
disp('------------- ')
disp(xi)
disp(' ')
disp(' yi ')
disp('------------ ')
disp(yi)
disp(' ')
disp(' ')
disp(' xi yi zc zin zil zis zic ')
disp('--------------------------------------------------------')
mr=[xi,yi,zc,zin,zil,zis,zic];
disp(mr)
385
xi
-------------
35
yi
------------
50
xi yi zc zin zil zis zic
----------------------------------------------------------------------------
35.0000 50.0000 0.6601 1.0330 0.6688 0.6613 0.6713
% interpol19
%
%
% DONDE:
%
386
%
%
%
% IMPORTANTE:
%
%
% METODOLOGA
%
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
387
%
%
%
%
% RESULTANDO:
%
%
%
%
%
% EJEMPLO
%
% EN ESTE EJEMPLO SE MUESTRA LA DIFERENCIA ENTRE LOS MTODOS DE
INTERPOLACIN,
%
VECTORES
%
% xi = [35,45,55,65] VECTORES DE IGUAL TAMAO
% yi = [50,75,125,185
%
close all
clear all
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
388
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
colormap(winter)
b=.8;
brighten(b)
xi = [35,45,55,65];
yi = [50,75,125,185]; % VECTORES DE IGUAL TAMAO
INTERPOLACIN
FUNCIN
m=100;
disp(' ')
disp(' ')
disp(' ')
disp(' xi ')
disp('------------- ')
disp(xi)
disp(' ')
disp(' yi ')
disp('------------ ')
disp(yi)
disp(' ')
disp(' ')
disp(' xi yi zc zin zil zis zic ')
disp('--------------------------------------------------------')
mr=[xi',yi',zc',zin',zil',zis',zic'];
disp(mr)
389
xi
-------------
35 45 55 65
yi
------------
50 75 125 185
xi yi zc zin zil zis zic
----------------------------------------------------------------------------
35.0000 50.0000 0.6601 1.0330 0.6688 0.6613 0.6713
45.0000 75.0000 -0.6797 -0.7173 -0.6596 0.1810 -0.6791
55.0000 125.0000 -0.4958 -0.3543 -0.5143 -0.1309 -0.5007
65.0000 185.0000 0.5460 0.6405 0.5372 -0.2475 0.5534
390
% interpol20
%
%
% DONDE:
%
%
%
%
% IMPORTANTE:
%
%
% METODOLOGA
%
391
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
%
%
%
%
% RESULTANDO:
%
%
%
%
392
%
% EJEMPLO
%
% EN ESTE EJEMPLO SE MUESTRA LA DIFERENCIA ENTRE LOS MTODOS DE
INTERPOLACIN,
%
VECTORES
%
%
%
% EN ESTE EJEMPLO NO SE MUESTRAN LOS RESULTADOS NUMRICOS, YA QUE LAS
% MATRICES SON MUY GRANDE. SOLO SE MOSTRARN LAS GRFICAS QUE ILUSTRAN
% LA INTERPOLACIN
close all
clear
clc
% TABLA:
zm=[0.1256 0.9551 1.3189 1.1203 0.6148 0.1792 0.0099
1.0178 1.5842 1.5552 1.0463 0.4373 0.0674 -0.0087
1.6882 1.8680 .4524 0.7442 0.1644 -0.0591 -0.0253
1.9906 1.7445 1.0330 0.2799 0.1442 -0.1728 -0.0364
1.8591 1.2408 0.3885 -0.2455 -0.4215 -0.2487 -0.0396
1.3223 0.4666 -0.3408 -0.7173 -0.6069 -0.2705 -0.0342
0.4973 -0.4093 -0.9957 -1.0328 -0.6600 -0.2333 -0.0213
-0.4362 -1.1960 -1.4336 -1.1231 -0.5692 -0.1452 -0.0037
-1.2745 -1.7220 -1.5590 -0.9686 -0.3543 -0.0255 0.0146
-1.8351 -1.8726 -1.3446 -0.6030 -0.0622 0.0998 0.0298
-1.9956 -1.6150 -0.8370 -0.1059 0.2434 0.2033 0.0385
-1.7211 -1.0054 -0.1470 0.4143 0.4960 0.2625 0.0388
-1.0714 -0.1766 0.5750 0.8441 0.6405 0.2645 0.0306
-0.1882 0.6907 1.1717 1.0900 0.6453 0.2088 0.0158];
x=[ 1,16,31,46,61,76,91];
y=[1,16,31,46,61,76,91,106,121,136,151,166,181,196 ];
surfl(xm,ym,zm) % GRFICA DE LA TABLA VERSUS (x) Y (y)
colormap(winter)
xi = [1:3:91]; % VECTOR FILA
yi = [1:2.5:196]'; % VECTOR COLUMNA
393
INTERPOLACIN
m=100;
% A CONTINUACIN SE GRAFICAN LOS VALORES INTERPOLADOS Y LOS CALCULADOS
figure
surfl(xim,yim,zin)
colormap(winter)
title('MTODO NEAREST')
figure
surfl(xim,yim,zil)
colormap(winter)
title('MTODO LINEAR')
figure
surfl(xim,yim,zis)
colormap(winter)
title('MTODO SPLINE')
figure
surfl(xim,yim,zic)
colormap(winter)
title('MTODO CUBIC')
figure
surfl(xim,yim,zc)
colormap(winter)
title('CALCULADOS')
394
395
396
397
% interpol21
%
%
% DONDE:
%
%
%
%
% IMPORTANTE:
%
%
% METODOLOGA
%
398
%
% CASO 1)
% xi = UN NMERO
% yi = UN NMERO
%
% CASO 2)
%
% VECTOR FILA
%
% CASO 3)
%
%
%
%
%
% RESULTANDO:
%
%
%
399
%
%
% EJEMPLO
%
% EN ESTE EJEMPLO SE MUESTRA LA DIFERENCIA ENTRE LOS MTODOS DE INTERPOLACIN,
%
% PARA LA TABLA DE VALORES, INTERPOLAR PARA LOS SIGUIENTES VECTORES
%
%
%
% EN ESTE EJEMPLO NO SE MUESTRAN LOS RESULTADOS NUMRICOS, YA QUE LAS
% MATRICES SON MUY GRANDE. SOLO SE MOSTRARN LAS GRFICAS QUE ILUSTRAN
% LA INTERPOLACIN
close all hidden
close all
clear all
clc
% TABLA:
zm=[0.0001 0.0034 -0.0299 -0.2450 -0.1100 -0.0043 -0.0000
0.0007 0.0468 -0.5921 -4.7596 -2.1024 -0.0616 0.0004
-0.0088 -0.1301 1.8559 -0.7239 -0.2729 0.4996 0.0130
-0.0365 -1.3327 -1.6523 0.9810 2.9369 1.4122 0.0331
-0.0137 -0.4808 0.2289 3.6886 2.4338 0.5805 0.0125
0.0000 0.0797 2.0967 5.8591 2.2099 0.1328 0.0013
0.0000 0.0053 0.1099 0.2999 0.1107 0.0057 0.0000];
x=[-3,-2,-1,0,1,2,3];
y=[-3,-2,-1,0,1,2,3];
surfl(xm,ym,zm) % GRFICA DE LA TABLA VERSUS (x) Y (y)
colormap(winter)
title('DATOS')
axis([-3,+3,-3,+3,-6,+6])
xi = [-3:0.10:3]; % VECTOR FILA
yi = [-3:0.10:3]'; % VECTOR COLUMNA
zin=interp2(xm,ym,zm,xim,yim,'nearest');
zil=interp2(xm,ym,zm,xim,yim,'linear');
zic=interp2(xm,ym,zm,xim,yim,'cubic');
zis=interp2(xm,ym,zm,xim,yim,'spline');
% PARA EFECTOS DE COMPARACIN, LA TABLA UTILIZADA EN LA INTERPOLACIN
% zc=peaks(xm,ym)
400
zc=peaks(xim,yim);
% A CONTINUACIN SE GRAFICAN LOS VALORES INTERPOLADOS Y LOS CALCULADOS
figure
surfl(xim,yim,zin)
colormap(winter)
title('MTODO NEAREST')
axis([-3,+3,-3,+3,-6,+6])
figure
surfl(xim,yim,zil)
colormap(winter)
title('MTODO LINEAR')
axis([-3,+3,-3,+3,-6,+6])
figure
surfl(xim,yim,zis)
colormap(winter)
title('MTODO SPLINE')
axis([-3,+3,-3,+3,-6,+6])
figure
surfl(xim,yim,zic)
colormap(winter)
title('MTODO CUBIC')
axis([-3,+3,-3,+3,-6,+6])
figure
surfl(xim,yim,zc)
colormap(winter)
title('CALCULADOS')
axis([-3,+3,-3,+3,-6,+6])
401
402
403
404
INTEGRACIN Y DERIVACIN
La integracin numrica se puede realizar, en MATLAB, mediante las siguientes
instrucciones: "quad", la cual utiliza la regla de Simpson y "quad8", la cual utiliza el
mtodo de Newton Cotes 8. Ambas instrucciones permiten determinar el rea bajo la
seccin de una curva, definida por una funcin. Este proceso matemtico se fundamenta en
el concepto conocido como Cuadratura. Otra instruccin de utilidad en la integracin
numrica es "trapz", la cual aproxima la integral de una seccin de una funcin mediante la
suma de las reas de los trapezoides formados en dicha seccin.
La diferenciacin numrica se puede realizar mediante la instruccin "diff", la cual utiliza
el mtodo del cociente de diferencias finitas de variables definidas por una funcin. A
continuacin se muestran varios programas que ilustran el uso de estas instrucciones, as
como tambin las instrucciones "fmin" y "fmax", las cuales permiten determinar los puntos
de valor mnimo y valor mximo de una funcin:
PROGRAMA: intgra1.m
% intgra1
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE INTEGRAR EN FORMA
% DEFINIDA, ENTRE DOS VALORES, UNA FUNCIN UTILIZANDO
% EL MTODO INTERACTIVO ADAPTADO DE LA REGLA DE SIMPSON.
% MEDIANTE LA INSTRUCCIN: QUAD
%
% Q = QUAD('nombre de la funcin',a,b)
%
% DONDE:
%
% Q = VALOR DE LA INTEGRAL ENTRE LOS LMITES DE INTEGRACIN
%
% 'nombre de la funcin' = sin, cos, abs, sinh, sqrt, etc.
%
% a = LMITE INFERIOR DE INTEGRACIN
%
% b = LMITE SUPERIOR DE INTEGRACIN
%
%
% EJEMPLO
%
clc
close all
clear all
%
% EVALUAR LA INTEGRAL DEL SENO ENTRE 0 Y pi
405
a=0;
b=pi;
q=quad('sin',a,b); % RESPUESTA NUMRICA
%
% LA RESPUESTA ANLTICA A LA INTEGRAL DE LA FUNCIN ES :
%
% qa = -cos entre: a,b
%
% EVALUANDO LA RESPUESTA ANALTICA
qa=-cos(b)-(-cos(a));
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
fprintf(' LMITE INFERIOR a = %f \n LMITE SUPERIOR b = %f \n ',a,b);
disp('______________________________________')
fprintf('\n RESPUESTA NUMRICA = %f \n RESPUESTA ANALTICA = %f \n ',q,qa);
disp('______________________________________')
RESPUESTA
----------------------------------------
LMITE INFERIOR a = 0.000000
LMITE SUPERIOR b = 3.141593
______________________________________
RESPUESTA NUMRICA = 2.000017
RESPUESTA ANALTICA = 2.000000
______________________________________
PROGRAMA: intgra2.m
% intgra2
%
%
% DONDE:
%
406
%
% 'nombre de la funcin' = sin, cos, abs, sinh, sqrt, etc
%
%
%
clc
close all
clear all
%
% EJEMPLO
%
%
% EVALUAR LA INTEGRAL DE LA SIGUIENTE FUNCIN =
%
% cos(x)
%
% ENTRE LOS SIGUIENTES LMITES:
%
% LMITE INFERIOR a = pi
%
% LMITE SUPERIOR b = pi/2
%
a=pi/3;
b=pi/2;
q=quad('cos',a,b); % RESPUESTA NUMRICA
% LA RESPUESTA ANALTICA A LA INTEGRAL DE LA FUNCIN ES :
%
% qa = sin entre: a,b
%
qa=sin(b)-sin(a);
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________________')
disp('______________________________________')
407
RESPUESTA
-----------------------------------------------------
______________________________________
______________________________________
PROGRAMA: intgra3.m
% intgra3
%
%
% DONDE:
%
%
%
%
%
clc
clear all
close all
%
% EJEMPLO
%
%
%
% cot(x)
%
%
408
% LMITE INFERIOR a = pi
%
%
a=pi/3;
b=pi/2;
q=quad('cot',a,b); % RESPUESTA NUMRICA
%
% qa = log(abs(sin(x))) entre: a,b
%
qa=log(abs(sin(b)))-log(abs(sin(a)));
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('_______________________________________')
disp('_______________________________________')
RESPUESTA
-----------------------------------------------------
_______________________________________
_______________________________________
PROGRAMA: intgra4.m
% intgra4
%
%
409
% DONDE:
%
%
%
%
%
clc
close all
clear all
%
% EJEMPLO : SI UNA FUNCIN ES CONTINUA EN EL RANGO ( a,b )
% ENTONCES ES INTEGRABLE EN EL MISMO RANGO
% LA INSTRUCCIN (QUAD) UTILIZA HASTA 10 ITERACIONES
% PARA EVALUAR UNA INTEGRAL
% CUANDO LA FUNCIN NO ES CONTINUA EN EL RANGO
% DE INTEGRACIN MATLAB MUESTRA EL SIGUIENTE AVISO:
%
% Recursion level limit reached in quad. Singularity likely.
%
% Y PUEDE DAR UN VALOR APROXIMADO DEL CLCULO NUMRICO DE LA
% INTEGRAL O PUEDE MOSTRAR UN NMERO COMPLETAMENTE ERRADO
%
%
%
% cot(x)
%
%
% LMITE INFERIOR a = pi/3 EN ESTE RANGO LA FUNCIN ES
% DISCONTINUA ( SINGULAR )
% LMITE SUPERIOR b = pi
%
fplot('cot',[pi/3 1.5*pi],'r*')
hold
fplot('cot',[pi/3 1.5*pi],'b+')
input('PARA CONTINUAR ===========> ENTER <=========== PARA CONTINUAR')
a=pi/3;
b=pi;
%
%
410
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
Current plot held
PARA CONTINUAR ===========> ENTER <=========== PARA CONTINUAR
Warning: Recursion level limit reached in quad. Singularity
likely.
> In F:\MATLAB\toolbox\matlab\funfun\quad.m (quadstp) at line 102
In F:\MATLAB\toolbox\matlab\funfun\quad.m (quadstp) at line 141
In F:\MATLAB\toolbox\matlab\funfun\quad.m at line 72
In F:\MATLAB\PROGRAM\intgra4.m at line 53
Warning: Recursion level limit reached 16 times.
> In F:\MATLAB\toolbox\matlab\funfun\quad.m at line 80
RESPUESTA
-----------------------------------------------------
______________________________
RESPUESTA NUMRICA = -2783534156692.487800
RESPUESTA ANALTICA = -36.494868
______________________________
411
PROGRAMA: intgra5.m
% intgra5
%
%
% DONDE:
%
%
%
%
412
%
clc
close all
clear all
%
% PARA EVALUAR UNA INTEGRAL
% DE INTEGRACIN MATLAB MUESTRA EL SIGUIENTE AVISO:
%
% Recursion level limit reached in quad. Singularity
likely.
%
% Y PUEDE DAR UN VALOR APROXIMADO DEL CLCULO NUMRICO
DE LA
% INTEGRAL O PUEDE MOSTRAR UN NMERO COMPLETAMENTE
ERRADO
%
%
%
% SQRT(x)
%
%
% LMITE INFERIOR a = 0 EN ESTE RANGO LA FUNCIN ES
% LMITE SUPERIOR b = 1
%
fplot('sqrt',[0 1],'r*')
a=0;
b=1;
q=quad('sqrt',a,b); % RESPUESTA NUMRICA
%
% qa = (2/3)*x^(3/2) entre: a,b
%
qa=(2/3)*b^(3/2)-(2/3)*a^(3/2);
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
413
likely.
RESPUESTA
-----------------------------------------------------
______________________________
______________________________
414
PROGRAMA: intgra6.m
% intgra6
%
% Q = QUAD('nombre de la funcin',a,b,tol)
%
% DONDE:
%
%
%
%
%
clc
close all
clear all
%
% EJEMPLO : EN ESTE EJEMPLO VEREMOS EL USO DEL ARGUMENTO = tol
%
% tol ES LA TOLERANCIA CON QUE MATLAB EJECUTA LAS ITERACIONES.
% LAS ITERACIOENES SE REALIZAN MIENTRAS SE CUMPLA LO SIGUIENTE,
% HASTA UN LIMITE DE 10 ITERACIONES:
%
% ERROR = (CLCULO PREVIO - CLCULO ACTUAL)/CLCULO PREVIO < TOL
%
% POR DEFECTO tol = 1.0 E-3
%
% EN ESTE EJEMPLO UTILIZAREMOS UNA TOLERANCIA DE tol = 1.e-1
%
%
% SQRT(x)
%
%
% LMITE INFERIOR a = 0 EN ESTE RANGO LA FUNCION ES
%
fplot('sqrt',[0 1],'r*')
415
a=0;
b=1;
tol=1.e-1;
q=quad('sqrt',a,b,tol); % RESPUESTA NUMRICA
%
% qa = (2/3)*x^(3/2) entre: a,b
%
qa=(2/3)*b^(3/2)-(2/3)*a^(3/2);
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
disp('NOTE QUE LA FUNCION ES DISCUNTINUA, PERO POR LA TOLERANCIA')
disp('DE 1.0*E-1, LA OPERACIN NO DI SINGULAR ')
RESPUESTA
-----------------------------------------------------
______________________________
______________________________
NOTE QUE LA FUNCION ES DISCUNTINUA, PERO POR LA TOLERANCIA
DE 1.0*E-1, LA OPERACIN NO DI SINGULAR
416
PROGRAMA: intgra7.m
% intgra7
%
% Q = QUAD('nombre de la funcin',a,b,tol,TRACE)
%
% DONDE:
%
%
%
%
%
417
close all hidden
close all
clc
clear all
% EJEMPLO : EN ESTE EJEMPLO VEREMOS EL USO DE LOS ARGUMENTOS
% TOL Y TRACE
%
%
% ERROR = (CLCULO PREVIO - CLCULO ACTUAL)/CLCULO PREVIO <
TOL
%
%
% TRACE ES UN PARMETRO QUE CUANDO ES DIFERENTE DE CERO MUESTRA
% UNA GRFICA CON EL PROGRESO DE LA INTEGRACIN
%
%
%
% SQRT(x)
%
%
%
% LMITE SUPERIOR b = 1 DISCONTINUA ( SINGULAR )
%
a=0;
b=1;
tol=1.e-5;
q=quad('sqrt',a,b,tol,1);
% RESPUESTA NUMRICA
%
% qa = (2/3)*x^(3/2) entre: a,b
%
qa=(2/3)*b^(3/2)-(2/3)*a^(3/2);
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
418
disp('______________________________')
likely.
RESPUESTA
-----------------------------------------------------
______________________________
______________________________
419
PROGRAMA: intgra8.m
% intgra8
% EL MTODO INTERACTIVO ADAPTADO DE LA REGLA DE LONGITUD 8
% DE NEWTON - COTES
% MEDIANTE LA INSTRUCCIN: QUAD8
%
% Q = QUAD8('nombre de la funcin',a,b)
%
% DONDE:
%
%
%
%
420
%
clc
close all
clear all
%
% EJEMPLO : SI UNA FUNCION ES CONTINUA EN EL RANGO ( a,b )
% PARA EVALUAR UNA INTEGRAL.
% CUANDO LA FUNCION NO ES CONTINUA EN EL RANGO
% DE INTEGRACION, MATLAB MUESTRA EL SIGUIENTE AVISO:
%
%
% PUEDE DAR UN VALOR APROXIMADO DEL CLCULO NUMRICO DE LA
%
% QUAD8 ES MEJOR QUE QUAD PARA EL MANEJO DE SINGULARIDADES
% PERO AMBOS MTODOS NO MANEJAN BIEN LAS FUNCIONES SINGULARES
%
% EVALUAR LA INTEGRAL DE LA SIGUIENTE FUNCION =
%
% cot(x)
%
% ENTRE LOS SIGUIENTES LIMITES:
%
%
input('PARA CONTINUAR ===========> ENTER <=========== PARA
CONTINUAR')
a=pi/3;
b=pi/2;
q8=quad8('cot',a,b); % RESPUESTA NUMRICA
%
%
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('____________________________________________')
421
fprintf('\n RESPUESTA NUMRICA ( QUAD ) = %f \n RESPUESTA ANALTICA = %f \n ',q,qa);
disp('____________________________________________')
fprintf('\n RESPUESTA NUMRICA ( QUAD8 ) = %f \n RESPUESTA ANALTICA = %f \n ',q8,qa);
disp('____________________________________________')
RESPUESTA
-----------------------------------------------------
____________________________________________
RESPUESTA NUMRICA ( QUAD ) = 0.143841
____________________________________________
RESPUESTA NUMRICA ( QUAD8 ) = 0.143841
____________________________________________
422
PROGRAMA: intgra9.m
% intgra9
% DE NEWTON - COTES
%
%
% DONDE:
%
%
%
%
%
%
% PARA EVALUAR UNA INTEGRAL.
% DE INTEGRACIN, MATLAB MUESTRA EL SIGUIENTE AVISO:
%
%
% Y PUEDE DAR UN VALOR APROXIMADO DEL CLCULO NUMRICO DE LA
%
% QUAD8 ES MEJOR QUE QUAD PARA EL MANEJO DE SINGULARIDADES
% PERO AMBOS MTODOS NO MANEJAN BIEN LAS FUNCIONES SINGULARES
clc
close all
clear all
close all hidden
%
%
% cot(x)
%
%
423
% LMITE SUPERIOR b = pi
%
a=pi/3;
b=pi;
q8=quad8('cot',a,b); % RESPUESTA NUMRICA
% LA RESPUESTA ANELTICA A LA INTEGRAL DE LA FUNCIN ES :
%
%
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
disp('______________________________')
424
likely.
Warning: Recursion level limit reached in quad8. Singularity likely.
> In F:\MATLAB\toolbox\matlab\funfun\quad8.m (quad8stp) at line 129
In F:\MATLAB\toolbox\matlab\funfun\quad8.m (quad8stp) at line 123
425
In F:\MATLAB\toolbox\matlab\funfun\quad8.m at line 70
> In F:\MATLAB\toolbox\matlab\funfun\quad8.m at line 77
RESPUESTA
-----------------------------------------------------
______________________________
RESPUESTA NUMRICA ( QUAD ) = -2783534156692.487800
______________________________
RESPUESTA NUMRICA ( QUAD8 ) = -291313786354.882200
______________________________
PROGRAMA: intgra10.m
% intgra10
% DE NEWTON - COTES
%
%
% DONDE:
%
%
%
%
426
%
clc
close all
clear all
close all hidden
%
% EJEMPLO : QUAD8 ES MEJOR QUE QUAD PARA EL MANEJO DE
SINGULARIDADES
% PERO AMBOS MTODOS NO MANEJAN BIEN LAS FUNCIONES
SINGULARES.
% EN ESTE EJEMPLO VEREMOS EL USO DE LOS ARGUMENTOS
% TOL Y TRACE en quad8
%
%
% ERROR = (CLCULO PREVIO - CLCULO ACTUAL)/CLCULO PREVIO <
TOL
%
%
% TRACE ES UN PARMETRO QUE CUANDO ES DIFERENTE DE CERO MUESTRA
% UNA GRFICA CON EL PROGRESO DE LA INTEGRACIN
%
%
%
% SQRT(x)
%
%
%
a=0;
b=1;
tol=1.e-2;
q=quad('sqrt',a,b,tol,1); % RESPUESTA NUMRICA
q8=quad8('sqrt',a,b,tol,1); % RESPUESTA NUMRICA
%
% qa = (2/3)*x^(3/2) entre: a,b
%
qa=(2/3)*b^(3/2)-(2/3)*a^(3/2);
427
disp(' ')
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
disp('______________________________')
likely.
RESPUESTA
-----------------------------------------------------
______________________________
______________________________
______________________________
428
% intgra11
% DEFINIDA, ENTRE DOS VALORES, UNA FUNCIN UTILIZANDO LOS
% MTODOS INTERACTIVOS ADAPTADOS DE LA REGLA DE LONGITUD 8
% DE NEWTON - COTES ( QUAD8 ) Y LA REGLA DE SIMPSON ( QUAD )
% MEDIANTE LAS INSTRUCCIONES: QUAD8 Y QUAD
% PARA FUNCIONES QUE NO ESTN EN LA LIBRERA DE MATLAB
%
% Q = QUAD8('nombre de la funcion',a,b)
%
% DONDE:
%
%
% 'nombre de la funcin' = DEBE SER CREADA CON LA
INSTRUCCION:
%
% function
%
429
%
%
%
% EJEMPLO : QUAD8 ES MEJOR QUE QUAD PARA EL MANEJO DE
SINGULARIDADES
% PERO AMBOS MTODOS NO MANEJAN BIEN LAS FUNCIONES
SINGULARES.
% EN ESTE EJEMPLO SE CREAR LA FUNCIN LLAMADA ====>
itgfun1
%
% EVALUAR LA INTEGRAL DE LA SIGUIENTE FUNCIN :
%
% y=sec(x)*tan(x)
%
%
% LMITE INFERIOR a = 0
%
%
clc
close all
clear all
clear function
close all hidden
disp(' ')
disp(' FUNCIN itgfun1 ')
disp('-----------------------------------------------------')
type itgfun1
disp('-----------------------------------------------------')
disp(' [enter]')
input(' ')
a=0;
b=pi/4;
fplot('itgfun1',[a,b],('r*'))
q=quad('itgfun1',a,b); % RESPUESTA NUMRICA
q8=quad8('itgfun1',a,b); % RESPUESTA NUMRICA
%
% qa = sec(x) entre: a,b
%
qa=sec(b)-sec(a);
disp(' ')
430
disp(' RESPUESTA')
disp('-----------------------------------------------------')
disp('___________________________________________________')
disp('___________________________________________________')
disp('___________________________________________________')
FUNCIN itgfun1
-----------------------------------------------------
function [y] = itgfun(x)
% funcin creada para el progranma intgra11.m
y=sec(x).*tan(x);
-----------------------------------------------------
[enter]
RESPUESTA
-----------------------------------------------------
___________________________________________________
___________________________________________________
___________________________________________________
431
% intgra12
% DEFINIDA, ENTRE DOS VALORES, UNA FUNCIN UTILIZANDO LOS
% MTODOS INTERACTIVOS ADAPTADOS DE LA REGLA DE LONGITUD 8
% DE NEWTON - COTES ( QUAD8 ) Y LA REGLA DE SIMPSON ( QUAD )
% MEDIANTE LA INSTRUCCIN: QUAD8 Y QUAD
% PARA FUNCIONES QUE NO ESTN EN LA LIBRERA DE MATLAB
%
%
% DONDE:
%
%
% 'nombre de la funcin' = DEBE SER CREADA CON LA INSTRUCCIN:
%
% function
%
432
%
%
%
%EJEMPLO: QUAD8 ES MEJOR QUE QUAD PARA EL MANEJO DE SINGULARIDADES
% PERO AMBOS MTODOS NO MANEJAN BIN LAS FUNCIONES SINGULARES
% EN ESTE EJEMPLO SE CREAR LA FUNCIN LLAMADA ====> itgfun2
%
% EVALUAR LA INTEGRAL DE LA SIGUIENTE FUNCIN :
%
% y = (x^2)/(k1 + k2*x)^2
%
%
% LMITE INFERIOR a = 0
%
%
clc
close all
clear all
clear function
disp(' ')
disp('-----------------------------------------------------')
type itgfun2
disp('-----------------------------------------------------')
disp('
[enter]')
input(' ')
k1=10;
k2=2;
a=0;
b=100;
fplot('itgfun2',[a,b],('r*'))
q=quad('itgfun2',a,b); % RESPUESTA NUMRICA
q8=quad8('itgfun2',a,b); % RESPUESTA NUMRICA
%
% qa = (1/k2^3)(k1+k2*x-k1^2/(k1+k2*x)-2*k1*log(abs(k1+k2*x)))
%
% entre: a,b
%
433
qab=(1/(k2^3))*(k1+k2*b-(k1^2)/(k1+k2*b)-2*k1*log(abs(k1+k2*b)));
qaa=(1/(k2^3))*(k1+k2*a-(k1^2)/(k1+k2*a)-2*k1*log(abs(k1+k2*a)));
qa=(qab-qaa);
disp('-----------------------------------------------------')
disp('______________________________')
disp('______________________________')
disp('______________________________')
FUNCIN itgfun2
-----------------------------------------------------
function [y] = itgfun2(x)
% funcion creada para correr intgra12
k1=10;
k2=2;
[y] = (x.^2)./(k1+k2*x).^2;
-----------------------------------------------------
[enter]
likely.
-----------------------------------------------------
434
______________________________
______________________________
______________________________
435
% intgra13
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE CALCULAR LA
% INTEGRAL A PATIR DE DATOS DE LA FUNCIN Y = F(X)
% Y DE DATOS DE (X) CORRESPONDIENTES.
%
% LA INSTRUCCION MATLAB PARA EL CLCULO DE LA INTEGRAL
% ES LA SIGUIENTE:
%
% Z = TRAPZ(X,Y)
%
% LA INSTRUCCIN trapz CALCULA LA INTEGRAL DE ( Y )
% CON RESPECTO A ( X ) UTILIZANDO EL MTODO TRAPEZOIDAL
% SEGN LOS SIGUIENTES CASOS:
%
% CASO (1):
%
% ( x ) Y ( y ) PUEDEN SER VECTORES DE LA MISMA LONGITUD
% EL RESULTADO ( Z ) ES UN ESCALAR
%
% CASO (2):
%
% ( x ) PUEDE SER UN VECTOR COLUMNA Y ( y ) UNA MATRIZ
% CON LAS MISMA CANTIDAD DE FILAS QUE TIENE ( x )
% MATLAB CALCULA LA INTEGRAL DE CADA COLUMNA DE LA MATRIZ
% ( y ) CON RESPECTO A (x).
%
% EL RESULTADO ( Z ) ES UN VECTOR FILA
clc
clear all
close all
close all hidden
i=0;
for n=5:20:200 % NMERO DE ELEMENTOS DE LOS DATOS
i=i+1;
x=linspace(0,pi,n); % RANGO DE LA VARIABLE (x), DESDE 0 HASTA
pi,
% CON (n) ELEMENTOS
y=sin(x); % SE GENERAN UNOS DATOS DE y = SENO( X )
z=trapz(x,y); % SE CALCULA LA INTEGRAL MEDIANTE LOS DATOS DE (y) VERSUS (x)
% PARA CADA CONJUNTO DE (n) ELEMENTOS DE DATOS
% Y NO MEDIANTE LA FUNCIN
e(i,1)=n;
e(i,2)=z;
end
436
disp(' ')
disp(' EL RANGO DE INTEGRACIN ES: DESDE 0 HASTA pi')
disp(' CON ( n ) NMERO DE ELEMENTOS')
disp(' -------------------------------------------')
disp(' NMERO DE ')
disp(' ELEMENTOS INTEGRAL ')
disp(' (n) (z) ')
disp(' -------------------------------------------')
disp(' -------------------------------')
disp(' n z ')
disp(' -------------------------------')
%disp(' __________________')
disp(e)
EL RANGO DE INTEGRACIN ES: DESDE 0 HASTA pi
CON ( n ) NMERO DE ELEMENTOS
-------------------------------------------
NMERO DE
ELEMENTOS INTEGRAL
(n) (z)
-----------------------
-----------------------
n z
-----------------------
5.0000 1.8961
25.0000 1.9971
45.0000 1.9992
65.0000 1.9996
85.0000 1.9998
105.0000 1.9998
125.0000 1.9999
145.0000 1.9999
165.0000 1.9999
185.0000 2.0000
437
% intgra14
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE CALCULAR LA
% INTEGRAL A PATIR DE DATOS DE LA FUNCIN Y = F(X)
% Y DE DATOS DE (X) CORRESPONDIENTES.
%
% LA INSTRUCCION MATLAB PARA EL CLCULO DE LA INTEGRAL
% ES LA SIGUIENTE:
%
% Z = TRAPZ(X,Y)
%
% LA INSTRUCCIN trapz CALCULA LA INTEGRAL DE ( Y )
% CON RESPECTO A ( X ) UTILIZANDO EL MTODO TRAPEZOIDAL
% SEGN LOS SIGUIENTES CASOS:
%
% CASO (1):
%
% ( x ) Y ( y ) PUEDEN SER VECTORES DE LA MISMA LONGITUD
% EL RESULTADO ( Z ) ES UN ESCALAR
%
% CASO (2):
%
% ( x ) PUEDE SER UN VECTOR COLUMNA Y ( y ) UNA MATRIZ
% CON LAS MISMA CANTIDAD DE FILAS QUE TIENE ( x )
% MATLAB CALCULA LA INTEGRAL DE CADA COLUMNA DE LA MATRIZ
% ( y ) CON RESPECTO A (x).
%
% EL RESULTADO ( Z ) ES UN VECTOR FILA
%
% CUANDO EL ESPACIADO DE ( X ) NO SEA UNITARIO, EL RESULTADO
% DE trapz(y) DEBE SER MULTIPLICADO POR EL INCREMENTO
% DEL ESPACIADO
%
clc
clear all
close all
close all hidden
i=0;
for n=5:20:200 % NMERO DE ELEMENTOS DE LOS DATOS
i=i+1;
x=linspace(0,pi,n); % INCREMENTO DE ESPACIADO ES = pi/n
% RANGO DE LA VARIABLE (x), DESDE 0
% HASTA pi, CON (n) ELEMENTOS
y=sin(x); % SE GENERAN LOS DATOS DE (y) A PARTIR DE ( X )
438
z=trapz(y); % SE CALCULA LA INTEGRAL MEDIANTE LOS DATOS
% DE (y) VERSUS (x)
% PARA CADA CONJUNTO DE (n) ELEMENTOS DE DATOS
% Y NO MEDIANTE LA FUNCIN

% CORRECCIN POR EL INCREMENTO DEL ESPACIADO EN EL RANGO:
zV=(pi/n)*trapz(y);
e(i,1)=n;
e(i,2)=z;
e(i,3)=zV;
end
disp(' ')
disp(' EL RANGO DE INTEGRACIN ES: DESDE 0 HASTA pi')
disp(' CON ( n ) NMERO DE ELEMENTOS')
disp(' -------------------------------------------------')
disp(' NMERO DE INTEGRAL INTEGRAL ')
disp(' ELEMENTOS SIN CORRECCIN CON CORRECCIN ')
disp(' (n) (z) (zv)')
disp(' --------------------------------------------------------')
disp(' -------------------------------')
disp(' n z zv')
disp(' -------------------------------')
disp(e)
EL RANGO DE INTEGRACIN ES: DESDE 0 HASTA pi
CON ( n ) NMERO DE ELEMENTOS
------------------------------------------------------------
NMERO DE NTEGRAL INTEGRAL
ELEMENTOS SIN CORRECCIN CON CORRECCIN
(n) (z) (zv)
------------------------------------------------------------
-------------------------------
n z zv
-------------------------------
5.0000 2.4142 1.5169
25.0000 15.2571 1.9173
45.0000 27.9994 1.9547
65.0000 40.7355 1.9688
85.0000 53.4698 1.9762
105.0000 66.2034 1.9808
125.0000 78.9366 1.9839
145.0000 91.6696 1.9861
165.0000 104.4024 1.9878
185.0000 117.1352 1.9891
439
%intgra15
% ESTE PROGRAMA ILUSTRA VARIAS TCNICAS PARA ESTIMAR LA INTEGRAL
% A PARTIR DE PARES DE DATOS DE (y) EN FUNCIN DE (x)
%
% EXISTEN TRES MTODOS PARA REALIZAR ESTE CLCULO:
%
% MTODO A)
%
% UTILIZANDO LA INSTRUCCIN: z = trapz(x,y)
%
% MTODO B)
%
% UTILIZANDO LA INSTRUCCIN z = (incremento)* trapz(y)
%
% EN ESTE CASO LA INSTRUCCION SUPONE QUE EL PARMETRO
% ( x ) SE INCREMENTA EN FORMA UNITARIA, POR LO TANTO
% AL VALOR DE trapz(y) SE LE DEBE MULTIPLICAR POR EL
% INCREMENTO REAL EN LA VARIACIN DE ( X )
%
% MTODO C)
%
% DETERMINANDO EL POLINMIO QUE MEJOR FIJA LOS DATOS
% DE LA FUNCIN ( y ) UTILIZANDO COMO PARMETRO ( X )
%
% EN ESTE MTODO SE APLICAN LAS SIGUIENTES INSTRUCCIONES:
%
% polyfit(x,y,n) PARA BUSCAR LOS COEFICIENTES DEL POLINOMIO
%
% polyval(p,x) PARA COMPARAR AL POLINOMIO Y LOS DATOS
%
% LUEGO SE INTEGRA EL POLINOMIO UTILIZANDO LA INSTRUCCIN:
% QUAD O QUAD8
close all
clear all
close all hidden
clc
% EN EL PRESENTE EJEMPLO SE TIENE UN CONJUNTO DE
% DE PARES DE DATOS EXPERIMENTALES
% VALORES DE ( y = f(x) )
% VALORES DE ( x )
x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.36,11.12];
disp(' ')
disp('_________________________________')
disp(' ')
440
disp(' RESPUESTA ')
disp('_________________________________')
disp(' ')
disp(' VISUALIZACIN DE LOS DATOS')
input(' [enter] ');
plot(x,y,'r*')
title('VALORES EXPERIMENTALES')
ylabel(' y = funcin( x ) ')
xlabel(' PARMETRO ( x )')
input(' [enter] ');
home
zxy=trapz(x,y);
disp(' ')
disp('_________________________________')
disp(' ')
disp(' RESPUESTA ')
disp('_________________________________')
disp(' ')
fprintf(' z = trapz(x,y) ==> MTODO A : INTEGRAL = %f\n',zxy)
input(' [enter] ');
clc
incremento=(max(x)-min(x))/(length(x)-1);
zy=incremento*trapz(y);
disp(' ')
disp('_________________________________')
disp(' ')
disp(' RESPUESTA ')
disp('_________________________________')
disp(' ')
fprintf(' z = trapz(x,y) ==========> MTODO A : INTEGRAL = %f\n',zxy)
fprintf('\n z = (incremento)* trapz(y) ==> MTODO B : INTEGRAL = %f\n',zy)
disp(' ')
disp('---------------------------------------- ')
input(' [enter] ');
n=length(x)-1;
p=polyfit(x,y,n);
pol=polyval(p,x);
clc
% APLICACION DEL MTODO C
% CON LOS COEFICIENTES DEL POLINOMIO SE DETERMINA
% LA FUNCIN, LA CUAL SER INTEGRADA CON LAS
% INSTRUCCIONES QUAD O QUAD8
%
% EL POLINOMIO ESTAR EN LA FUNCIN: itgfun3
%
% LA INTEGRAL SE CALCULA CON QUAD('itgfun3',a,b)
%
% DONDE:
%
441
% a = valor mnimo de ( x )
%
% b = valor mximo de ( x )
home
disp(' ')
type itgfun3
disp(' ESTE LTIMO ES EL POLINOMIO ')
disp(' QUE FIJA LOS DATOS EXPERIMENTALES ')
input(' [enter] ');
xeval=linspace(min(x),max(x),100);
yeval=itgfun3(xeval);
clc
q=quad('itgfun3',min(x),max(x));
disp(' ')
disp('_________________________________')
disp(' ')
disp(' RESPUESTA ')
disp('_________________________________')
disp(' ')
fprintf(' z = trapz(x,y) ==========> MTODO A : INTEGRAL = %f\n',zxy)
fprintf('\n z = (incremento)* trapz(y) ==> MTODO B : INTEGRAL = %f\n',zy)
fprintf('\n POLINOMIO ==========> MTODO C : INTEGRAL = %f \n',q)
disp(' ')
disp('---------------------------------------- ')
disp('VISUALIZACIN SIMULTANEA DE LOS DATOS EXPERIMENTALES,')
disp('DE LOS PARMETROS DEL POLINOMIO Y DE LA EVALUACIN ')
disp('DEL POLINOMIO MEDIANTE LA FUNCIN itgfun3 ')
input(' [enter] ');
figure
plot(x,y,'g*',x,pol,'bo',xeval,yeval,'rO')
title('VALORES EXPERIMENTALES Y EVALUACIN DEL POLINOMIO')
ylabel(' VARIABLE (y) ')
xlabel(' PARAMETRO (x)')
legend('Datos Experimentales','Parmetros del Polinomio','Evaluacin del Polinomio',-1);
RESPUESTA
_________________________________
z = trapz(x,y) ==========> MTODO A : INTEGRAL = 6.723450
z = (incremento)* trapz(y) ==> MTODO B : INTEGRAL = 6.723450
POLINOMIO ==========> MTODO C : INTEGRAL = 6.694668
-----------------------------------------------------------------
VISUALIZACIN SIMULTANEA DE LOS DATOS EXPERIMENTALES,
DE LOS PARMETROS DEL POLINOMIO Y DE LA EVALUACIN
DEL POLINOMIO MEDIANTE LA FUNCIN itgfun3
442
443
% intgra16
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE REALIZAR UNA
% DOBLE INTEGRACIN, EN FORMA DEFINIDA,
% ENTRE LOS VALORES DE UN PAR DE VARIABLES DE UNA
% FUNCIN UTILIZANDO LA INSTRUCCIN: dblquad
%
% result = dblquad('fun',inmin,inmax,outmin,outmax,tol,method)
%
% DONDE:
%
% result = valor numrico del resultado de la integracin doble
% 'fun' = funcin a ser integrada, cuyo argumento es:
% fun = funcin(inner,outer), donde:
% inner = variable de la primera integracin (VECTOR)
% outer = variable de la segunda integracin (ESCALAR)
% la funcin puede ser introducida por dos mtodos:
% MTODO A: MEDIANTE LA INSTRUCCIN fuction
% MTODO B: MEDIANTE LA INSTRUCCIN inline
%
% inmin = valor mnimo de la variable inner
% inmax = valor mximo de la variable inner
% outmin = valor mnimo de la variable outer
% outmax = valor mximo de la variable outer
%
% tol = tolerancia, por defecto tol = 1.0e-3
%
% method = Mtodo de integracin: 'quad' o 'quad8'
% EN EL PRESENTE EJEMPLO SE ILUSTRA LA DIFERENCIA
% ENTRE LAS VARIABLES DE LA PRIMERA Y LA SEGUNDA INTEGRACIN
% LA PRIMERA VARIABLE (inner) ES UN VECTOR Y LOS OPERADORES
% MATEMTICOS ( * , / , ^ ) ASOCIADOS A ESTA VARIABLE
% DEBEN ESTAR PRECEDIDOS DEL PUNTO (.)
% LA SEGUNDA VARIABLE (OUTER) ES UN ESCALAR
%
% EN ESTE EJEMPLO SE EJECUTAN DOS INTEGRACIONES DOBLES
% DE UNA MISMA FUNCIN:
%
% fUN = 4*x^3 + 6*x*y^2
%
% LMITES DE INTEGRACIN:
%
% x_min = 1
% x_max = 3
%
444
% y_min = -2
% y_max = 1
%
% LA PRIMERA INTEGRACIN DOBLE SE EJECUTA INTEGRANDO
% PRIMERO CON RESPECTO A (x) Y LUEGO CON RESPECTO A (y)
% DONDE:
% (X) = inner (VECTOR)
% (y) = outer (ESCALAR)
%
% EL RESULTADO SE ALMACENA EN LA VARIABLE: result_XY
%
% LA SEGUNDA INTEGRACIN DOBLE SE EJECUTA INTEGRANDO
% PRIMERO CON RESPECTO A (y) Y LUEGO CON RESPECTO A (y)
% DONDE:
% (y) = inner (VECTOR)
% (x) = outer (ESCALAR)
%
% EL RESULTADO SE ALMACENA EN LA VARIABLE: result_YX
%
clc
clear all
close all
% f2i = FUNCION A SER INTEGRADA
x_min=1;
x_max=3;
y_min=-2;
y_max=1;
f2i = inline('4*x.^3+6*x*y^2', 'x', 'y');
result_XY = dblquad(f2i, x_min, x_max, y_min, y_max);
f2i = inline('4*x^3+6*x*y.^2', 'y', 'x');
result_YX = dblquad(f2i, y_min , y_max, x_min, x_max);
disp(' ')
disp(' RESULTADOS')
disp(' ------------------------------------------------ ')
disp(' ')
disp(' RESULTADO DE LA PRIMERA INTEGRACIN ')
disp(' ______________________________________________ ')
disp(' ')
disp(' PRIMERA VARIABLE DE INTEGRACIN (inner) = X ')
disp(' SEGUNDA VARIABLE DE INTEGRACIN (outer) = Y ')
disp(' ')
disp(' LMITES DE LA PRIMERA VARIABLE DE INTEGRACIN')
disp(' ')
fprintf(' LMITE INFERIOR x_min = %f \n LMITE SUPERIOR x_max = %f \n ',x_min,x_max);
disp(' ')
disp(' LMITES DE LA SEGUNDA VARIABLE DE INTEGRACIN')
disp(' ')
fprintf(' LMITE INFERIOR y_min = %f \n LMITE SUPERIOR y_max = %f \n ',y_min,y_max);
disp(' ')
fprintf(' VALOR NMERICO DE LA INTEGRAL DOBLE = %f \n ',result_XY);
445
disp(' ______________________________________________ ')
disp(' ')
disp(' RESULTADO DE LA SEGUNDA INTEGRACIN ')
disp(' ______________________________________________ ')
disp(' ')
disp(' PRIMERA VARIABLE DE INTEGRACIN (inner) = Y ')
disp(' SEGUNDA VARIABLE DE INTEGRACIN (outer) = X ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
fprintf(' LMITE INFERIOR x_min = %f \n LMITE SUPERIOR x_max = %f \n ,x_min,x_max);
disp(' ')
fprintf(' VALOR NMERICO DE LA INTEGRAL DOBLE = %f \n ',result_YX);
RESULTADOS
---------------------------------------------------
RESULTADO DE LA PRIMERA INTEGRACIN
______________________________________________
PRIMERA VARIABLE DE INTEGRACIN (inner) = X
SEGUNDA VARIABLE DE INTEGRACIN (outer) = Y
LMITES DE LA PRIMERA VARIABLE DE INTEGRACIN
LMITE INFERIOR x_min = 1.000000
LMITE SUPERIOR x_max = 3.000000
LMITES DE LA SEGUNDA VARIABLE DE INTEGRACIN
LMITE INFERIOR y_min = -2.000000
LMITE SUPERIOR y_max = 1.000000
VALOR NMERICO DE LA INTEGRAL DOBLE = 312.000000
______________________________________________
RESULTADO DE LA SEGUNDA INTEGRACIN
______________________________________________
PRIMERA VARIABLE DE INTEGRACIN (inner) = Y
SEGUNDA VARIABLE DE INTEGRACIN (outer) = X
446
LMITE INFERIOR y_min = -2.000000
VALOR NMERICO DE LA INTEGRAL DOBLE = 312.000000
% intgra17
%
%
% DONDE:
%
%
%
%
%
447
%
% fUN = y*sin(x)+x*cos(y)
%
%
% x_min = pi
% x_max = 2*pi
%
% y_min = 0
% y_max = pi
%
% DONDE:
%
%
% DONDE:
%
%
% EN ESTE EJEMPLO SE REALIZARN LAS INTEGRACIONES
% UTILIZANDO LOS MTODOS DE 'quad' Y 'quad8'
clc
clear all
close all
x_min=pi;
x_max=2*pi;
y_min=0;
y_max=pi;
tol=1.0e-3;
%
% *************** PRIMERA PARTE ***********************
%
% MTODO DE INTEGRACIN = quad
%
f2i = inline('y*sin(x)+x*cos(y)', 'x', 'y');
result_XY = dblquad(f2i, x_min, x_max, y_min, y_max,tol,'quad');
f2i = inline('y*sin(x)+x*cos(y)', 'y', 'x');
result_YX = dblquad(f2i, y_min , y_max, x_min, x_max,tol,'quad');
disp(' ')
448
disp(' RESULTADOS')
disp(' ----------------------------------------------- ')
disp(' ')
disp('*************** PRIMERA PARTE ****************** ')
disp(' ')
disp(' MTODO DE INTEGRACIN = quad ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
%
% *************** SEGUNDA PARTE ***********************
%
% MTODO DE INTEGRACIN = quad8
%
result_XY = dblquad(f2i, x_min, x_max, y_min, y_max,tol,'quad8');
result_YX = dblquad(f2i, y_min , y_max, x_min, x_max,tol,'quad8');
disp(' ')
disp(' ')
449
disp('*************** SEGUNDA PARTE **************** ')
disp(' ')
disp(' MTODO DE INTEGRACIN = quad8 ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
disp(' ')
RESULTADOS
---------------------------------------------------
*************** PRIMERA PARTE *********************
MTODO DE INTEGRACIN = quad
______________________________________________
450
LMITE INFERIOR y_min = 0.000000
VALOR NMERICO DE LA INTEGRAL DOBLE = -9.869772
______________________________________________
______________________________________________
*************** SEGUNDA PARTE *********************
MTODO DE INTEGRACIN = quad8
______________________________________________
451
______________________________________________
______________________________________________
% intgra18
%
%
% DONDE:
%
%
452
%
%
%
%
%
%
% x_min = pi
% x_max = 2*pi
%
% y_min = 0
% y_max = pi
%
% DONDE:
%
%
% DONDE:
%
%
% CON UNA TOLERANCIA MAYOR QUE 1.0E-3
clc
clear all
close all
x_min=pi;
x_max=2*pi;
y_min=0;
y_max=pi;
453
tol=1.0e-1;
%
% *************** PRIMERA PARTE ***********************
%
%
disp(' ')
disp(' RESULTADOS')
disp(' --------------------------------------------------- ')
disp(' ')
disp('*************** PRIMERA PARTE **************** ')
disp(' ')
disp(' ')
disp(' RESULTADO DE LA PRIMERA INTEGRACIN (X Y) ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' RESULTADO DE LA SEGUNDA INTEGRACIN (Y X) ')
disp(' ______________________________________________ ')
disp(' ')
%
% *************** SEGUNDA PARTE ***********************
%
%
disp(' ')
disp(' ')
disp('*************** SEGUNDA PARTE *************** ')
disp(' ')
disp(' ')
disp(' RESULTADO DE LA PRIMERA INTEGRACIN (X Y) ')
disp(' ______________________________________________ ')
disp(' ')
454
disp(' ______________________________________________ ')
disp(' ')
disp(' RESULTADO DE LA SEGUNDA INTEGRACIN (Y X) ')
disp(' ______________________________________________ ')
disp(' ')
RESULTADOS
---------------------------------------------------
*************** PRIMERA PARTE *********************
RESULTADO DE LA PRIMERA INTEGRACIN (X Y)
______________________________________________
______________________________________________
RESULTADO DE LA SEGUNDA INTEGRACIN (Y X)
______________________________________________
*************** SEGUNDA PARTE *********************
RESULTADO DE LA PRIMERA INTEGRACIN (X Y)
______________________________________________
______________________________________________
RESULTADO DE LA SEGUNDA INTEGRACIN (Y X)
______________________________________________
455
% intgra19
%
%
% DONDE:
%
%
%
%
%
%
%
%
% x_min = pi
% x_max = 2*pi
%
% y_min = 0
% y_max = pi
%
456
% DONDE:
%
%
% DONDE:
%
%
% CON UNA TOLERANCIA MENOR QUE 1.0E-3
clc
clear all
close all
x_min=pi;
x_max=2*pi;
y_min=0;
y_max=pi;
tol=1.0e-5;
%
% *************** PRIMERA PARTE ***********************
%
%
disp(' ')
disp(' RESULTADOS')
disp(' -------------------------------------------------- ')
disp(' ')
disp('*************** PRIMERA PARTE **************** ')
disp(' ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
457
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
%
% *************** SEGUNDA PARTE ***********************
%
%
disp(' ')
disp(' ')
disp('*************** SEGUNDA PARTE **************** ')
disp(' ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
disp(' ______________________________________________ ')
disp(' ')
RESULTADOS
---------------------------------------------
*************** PRIMERA PARTE *********************
______________________________________________
______________________________________________
______________________________________________
458
*************** SEGUNDA PARTE *********************
______________________________________________
______________________________________________
______________________________________________
%intgra20
% ESTE PROGRAMA ILUSTRA COMO SE REALIZA UNA
% DIFERENCIACIN NUMRICA
%
% UN MTODO CONSISTE EN UTILIZAR LA INSTRUCCIN
%
% diff(variable)
%
% diff(variable) CALCULA LA DIFERENCIA ENTRE LOS
% ELEMENTOS DE LA variable, LA DIFERENCIACIN SE
% PUEDE APROXIMAR EN MATLAB MEDIANTE:
%
% dy = diff(y)./diff(x)
%
% COMO [ dif(Y) ] CALCULA LA DIFERENCIA ENTRE LOS ELEMENTOS
% DE LA VARIABLE ( y ), LA SALIDA RESULTANTE [ DIFF(Y) ]
% CONTIENE UN ELEMENTO MENOS QUE LA VARIABLE ORIGINAL ( Y )
% ENTONCES, PARA REPRESENTAR LA DERIVADA, UN ELEMENTO DE LA
% VARIABLE ( X ) DEBE SER ELIMINADO, FORMANDO DE ESTA MANERA
% LA VARIABLE ( xd ) CON UN ELEMENTO MENOS.
%
% LA REPRESENTACIN DE LA DERIVADA SE OBTIENE GRAFICANDO:
% plot(xd,dy)
%
459
% EXISTEN TRES MTODOS PARA OBTENER LA DERIVACIN NUMRICA:
%
% MTODO A:
%
% DIFERENCIACIN HACIA ATRS
%
% SI LA VARIABLE ( xd ) CONTIENE LOS VALORES DE ( x )
% DESDE EL PRIMER ELEMENTO HASTA EL PENLTIMO, MATLAB
% EJECUTA LA DIFERENCIACIN HACIA ATRS
%
% MTODO B:
%
% DIFERENCIACIN HACIA ADELANTE
%
% DESDE EL SEGUNDO ELEMENTO HASTA EL LTIMO, MATLAB
% EJECUTA LA DIFERENCIACIN HACIA ADELANTE
%
% MTODO C:
%
% DIFERENCIACIN CENTRAL
%
% SE DETERMINA LA DERIVADA MEDIANTE EL CALCULO
%
% dy = (numerador) ./ (denominador)
%
% DONDE:
%
% numerador = [ VALORES DE ( y ), DESDE EL SEGUNDO ELEMENTO HASTA
% EL LTIMO] MENOS [ VALORES DE ( y ), DESDE EL
PRIMER
% ELEMENTO HASTA EL PENLTIMO]
%
% denominador = [ VALORES DE ( x ), DESDE EL SEGUNDO ELEMENTO
HASTA
% EL ULTIMO] MENOS [ VALORES DE ( x ), DESDE EL
PRIMER
%
% LA REPRESENTACIN DE LA DEERIVADA SE OBTIENE MEDIANTE LA
INSTRUCCIN:
%
% PLOT(xd,dy)
%
% DONDE:
%
% xd = VALORES DE LA VARIABLE ( x ) CON UN ELEMENTO
MENOS
%
% yd = VALORES DE LA DIFERENCIACIN CENTRAL
clear all
460
close all
clc
close all hidden
% EJEMPLO:
% EN EL SIGUIENTE EJEMPLO SE TIENEN VALORES EXPERIMENTALES
% DE ( y ) EN FUNCION DE ( x ) Y SE QUIERE GRAFICAR LA
% DERIVADA DE ( y ) VERSUS ( x )
x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.36,11.12];
%
% MTODO A
%
dy=diff(y)./diff(x);
xd1=x(1:length(x)-1);
plot(xd1,dy,'ro',xd1,dy,'b--')
title(' MTODO A ')
ylabel('DERIVADA dy')
xlabel(' VARIABLE xd')
figure
%
% MTODO B
%
xd2=x(2:length(x));
plot(xd2,dy,'r*',xd2,dy,'r-')
title(' MTODO B ')
%
% MTODO C
% CON LA VARIABLE (xd) HACIA ADELANTE
num=y(2:length(y))-y(1:length(y)-1);
den=x(2:length(x))-x(1:length(x)-1);
dy1=num./den;
xd3=x(2:length(x));
figure
plot(xd3,dy1,'y+',xd3,dy1)
title(' MTODO C ')
xlabel(' VARIABLE (xd) HACIA ADELANTE')
%
% MTODO C
% CON LA VARIABLE (xd) HACIA ATRS
461
num=y(2:length(y))-y(1:length(y)-1);
dy1=num./den;
figure
plot(xd3,dy1,'y+',xd3,dy1)
title(' MTODO C ')
xlabel(' VARIABLE (xd) HACIA ATRS')
462
463
%intgra21
% ESTE PROGRAMA ILUSTRA COMO SE REALIZA UNA
% DIFERENCIACIN NUMRICA
%
% UN MTODO CONSISTE EN UTILIZAR LA INSTRUCCIN
%
% diff(variable)
%
% diff(variable) CALCULA LA DIFERENCIA ENTRE LOS
% ELEMENTOS DE LA variable, LA DIFERENCIACIN SE
% PUEDE APROXIMAR EN MATLAB MEDIANTE:
%
% dy = diff(y)./diff(x)
%
% COMO [ dif(Y) ] CALCULA LA DIFERENCIA ENTRE LOS ELEMENTOS
% DE LA VARIABLE ( y ), LA SALIDA RESULTANTE [ DIFF(Y) ]
% CONTIENE UN ELEMENTO MENOS QUE LA VARIABLE ORIGINAL ( Y )
% ENTONCES, PARA REPRESENTAR LA DERIVADA, UN ELEMENTO DE LA
% VARIABLE ( X ) DEBE SER ELIMINADO, FORMANDO DE ESTA MANERA
% LA VARIABLE ( xd ) CON UN ELEMENTO MENOS.
464
%
% LA REPRESENTACIN DE LA DERIVADA SE OBTIENE GRAFICANDO:
% plot(xd,dy)
%
% EXISTEN TRES MTODOS PARA OBTENER LA DERIVACIN NUMRICA:
%
% MTODO A:
%
%
% DESDE EL PRIMER ELEMENTO HASTA EL PENLTIMO, MATLAB
% EJECUTA LA DIFERENCIACIN HACIA ATRS
%
% MTODO B:
%
%
% DESDE EL SEGUNDO ELEMENTO HASTA EL LTIMO, MATLAB
% EJECUTA LA DIFERENCIACIN HACIA ADELANTE
%
% MTODO C:
%
%
% SE DETERMINA LA DERIVADA MEDIANTE EL CALCULO
%
% dy = (numerador) ./ (denominador)
%
% DONDE:
%
% numerador = [ VALORES DE ( y ), DESDE EL SEGUNDO ELEMENTO HASTA
% EL LTIMO] MENOS [ VALORES DE ( y ), DESDE EL
PRIMER
%
% denominador = [ VALORES DE ( x ), DESDE EL SEGUNDO ELEMENTO
HASTA
% EL ULTIMO] MENOS [ VALORES DE ( x ), DESDE EL
PRIMER
%
% LA REPRESENTACIN DE LA DEERIVADA SE OBTIENE MEDIANTE LA
INSTRUCCIN:
%
% PLOT(xd,dy)
%
% DONDE:
%
% xd = VALORES DE LA VARIABLE ( x ) CON UN ELEMENTO
MENOS
465
%
% yd = VALORES DE LA DIFERENCIACIN CENTRAL
%
% EJEMPLO:
%
% EN EL SIGUIENTE EJEMPLO SE TIENEN VALORES EXPERIMENTALES
% DE ( y ) EN FUNCIN DE ( x ) Y SE QUIERE GRAFICAR LA
% DERIVADA DE ( y ) VERSUS ( x ) PERO OBTENIENDO PRIMERO
% EL POLINOMIO QUE MEJOR REPRESENTA A LOS DATOS EXPERIMENTALES
% Y DERIVANDO A ESTE POLINOMIO.
%
% EN ESTE EJEMPLO SE TIENE OTRO MTODO DE DIFERENCIACIN
% NUMRICA, CON LA INSTRUCCIN polyder
%
% MTODO D
%
% pd = polyder(p)
%
% DONDE:
%
% ( p ) = COEFICIENTES DEL POLINOMIO, OBTENIDO DE LOS DATOS
EXPERIMENTALES
%
% ( PD ) = COEFICIENTES DEL POLINOMIO, QUE REPRESENTA A LA
DERIVADA DE ( P )
clear all
close all
clc
close all hidden
% DATOS EXPERIMENTALES
x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
ye=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.36,11.12];
%
% MTODO A
%
dy=diff(ye)./diff(x);
plot(xd1,dy,'ro',xd1,dy,'r--')
title(' MTODO A ')
figure
%
% MTODO B
%
xd2=x(2:length(x));
plot(xd2,dy,'r*',xd2,dy,'r-')
title(' MTODO B ')
466
figure
%
% MTODO C
%
num=ye(2:length(ye))-ye(1:length(ye)-1);
dy1=num./den;
xd3=x(2:length(x));
plot(xd3,dy1,'r*',xd3,dy1)
title(' MTODO C ')
figure
% MTODO D
% DIFERENCIACIN POR POLINOMIO
% OBTENCIN DEL MEJOR POLINOMIO QUE REPRESENTE A LOS DATOS
n=length(x)-4;
p=polyfit(x,ye,n);
pol=polyval(p,x);
plot(x,pol,'ro',x,pol,x,ye,'b*',x,ye)
title(' COMPARACIN DE DATOS CON POLINOMIO ')
ylabel('POLINOMIO Y DATOS')
xlabel(' VARIABLE x')
legend('Evaluacin del Polinomio','Evaluacin del Polinomio',...
'Datos Experimentales','Datos Experimentales',-1);
a6=p(1,1);
a5=p(1,2);
a4=p(1,3);
a3=p(1,4);
a2=p(1,5);
a1=p(1,6);
a0=p(1,7);
y=a6*x.^6+a5*x.^5+a4*x.^4+a3*x.^3+a2*x.^2+a1*x+a0;
pd=polyder(p);
xd4=[0:0.1:max(x)];
dypol=polyval(pd,xd4);
figure
plot(xd4,dypol,'b*',xd4,dypol)
title(' MTODO D ')
467
468
469
% intgra22
% ESTE PROGRAMA ILUSTRA UNAS APLICACIONES
% FUNDAMENTALES PARA LA DERIVACIN NUMRICA
%
% UNA VEZ QUE SE DETERMINA NUMERICAMENTE LA
% DERIVADA DE CIERTOS DATOS EXPERIMENTALES
% O LA DERIVADA DE UN POLINOMIO O UNA FUNCIN,
% GENERALMENTE SE QUIERE SABER DONDE LA DERIVADA
% TOMA EL VALOR CERO Y DONDE TIENE MXIMOS Y MNIMOS
%
% LAS INSTRUCCIONES NECESARIAS SON:
%
% fmin('funcin',a,b)
%
%
% fzero('funcin',a,b)
%
% DONDE:
%
% a,b = rango
470
% EN ESTE EJEMPLO UTILIZAREMOS LOS DATOS DEL
% PROBLEMA ANTERIOR
close all
clear all
clc
close all hidden
% DATOS EXPERIMENTALES
x=[0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
ye=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.36,11.12];
n=length(x)-5;
p=polyfit(x,ye,n);
a6=p(1,1);
a5=p(1,2);
a4=p(1,3);
a3=p(1,4);
a2=p(1,5);
a1=p(1,6);
a0=p(1,7);
y=a6*x.^6+a5*x.^5+a4*x.^4+a3*x.^3+a2*x.^2+a1*x+a0;
pd=polyder(p);
xd4=linspace(0,1,100);
dypol=polyval(pd,xd4);
plot(xd4,dypol,'b*',xd4,dypol,'ro')
grid
title(' MTODO D ')
hold
fplot('itgfun4',[0,1])
home
disp(' ')
disp('RESPUESTA')
disp(' ')
a=min(x); % RANGO PARA LA BUSQUEDA DEL MNIMO
b=.5;
xmin=fmin('itgfun4',a,b);
fprintf('EL PRIMER MNIMO LOCAL ES EL SIGUIENTE = %1.4f\n',xmin)
disp(' ')
a=.6; % RANGO PARA LA BUSQUEDA DEL MNIMO
b=max(x);
xmin=fmin('itgfun4',a,b);
fprintf('EL SEGUNDO MNIMO LOCAL ES EL SIGUIENTE = %1.4f\n',xmin)
disp(' ')
disp('CON AYUDA DE LA GRFICA VERIFICAR ESTOS VALORES ')
471
RESPUESTA
EL PRIMER MNIMO LOCAL ES EL SIGUIENTE = 0.4381
EL SEGUNDO MNIMO LOCAL ES EL SIGUIENTE = 0.8445
CON AYUDA DE LA GRFICA VERIFICAR ESTOS VALORES
472
% intgra23
% ESTE PROGRAMA ILUSTRA UNAS APLICACIONES
% FUNDAMENTALES PARA LA DERIVACIN NUMRICA
%
% UNA VEZ QUE SE DETERMINA NUMERICAMENTE LA
% DERIVADA DE CIERTOS DATOS EXPERIMENTALES
% O LA DERIVADA DE UN POLINOMIO O UNA FUNCIN,
% GENERALMENTE SE QUIERE SABER DONDE LA DERIVADA
% TOMA EL VALOR CERO Y DONDE TIENE MXIMOS Y MNIMOS
%
% LAS INSTRUCCIONES NECESARIAS SON:
%
% fmin('funcin',a,b)
%
%
% fzero('funcin',a,b)
%
% DONDE:
%
% a,b = rango
% EN ESTE EJEMPLO UTILIZAREMOS LOS DATOS DE
% LA FUNCIN humps.m DE LA LIBRERA DE MATLAB
close all
clear all
clc
close all hidden
zoom
fplot('humps',[0,2])
grid on
title('GRAFICA DE LA FUNCIN humps ')
xlabel(' VALORES DE x ')
ylabel(' VALORES DE LA FUNCIN humps ')
x=linspace(0,2,100);
y=humps(x);
dy=diff(y)./diff(x);
xd=x(1:length(x)-1);
hold
plot(xd,dy,'r-')
title('GRAFICA DE LA DERIVADA DE LA FUNCIN humps ')
xlabel(' VALORES DE x ')
ylabel(' VALORES DE LA DERIVADA DE LA FUNCIN humps ')
legend('FUNCIN humps','DERIVADA DE humps',-1);
grid on
disp(' ')
473
home
disp('RESPUESTA')
disp(' ')
xmin=fmin('humps',0,0.64);
fprintf('EL MNIMO LOCAL ES EL SIGUIENTE = %1.4f\n',xmin)
disp(' ')
disp(' EL RANGO DE VALORES DE(x), DONDE SE ENCONTR ')
disp(' EL CERO DE LA FUNCIN, ES EL SIGUIENTE: ')
xcero=fzero('humps',1.29);
disp(' ')
fprintf('EL VALOR DE (x), PARA LA FUNCIN IGUAL A CERO, ES = %1.4f\n',xcero)
disp(' ')
disp('CON AYUDA DE LA GRFICA VERIFICAR ESTOS VALORES ')
RESPUESTA
EL MNIMO LOCAL ES EL SIGUIENTE = 0.6370
EL RANGO DE VALORES DE(x), DONDE SE ENCONTR
EL CERO DE LA FUNCIN, ES EL SIGUIENTE:
Zero found in the interval: [1.2535, 1.3265].
EL VALOR DE (x), PARA LA FUNCIN IGUAL A CERO, ES = 1.2995
CON AYUDA DE LA GRFICA VERIFICAR ESTOS VALORES
474
475
ECUACIONES DIFERENCIALES ORDINARIAS
La dinmica de los procesos es una de las reas ms importantes de la Ingeniera. Un
proceso o sistema mecnico est relacionado con desplazamientos, velocidades y
aceleraciones. Un sistema electrnico est relacionado con voltaje, corriente y sus
derivadas con respecto al tiempo. Las ecuaciones que describen el comportamiento
dinmico de estos sistemas se denominan ecuaciones diferenciales.
Una ecuacin, en la cual se expresan una o ms derivadas ordinarias, de una funcin, la
cual contiene a la incgnita que se desea determinar, se denomina Ecuacin Diferencial
Ordinaria, ODE (Ordinary Diferential Equation), cuyo orden est determinado por el orden
de la derivada ms alta; por ejemplo, si en una ecuacin diferencial, la derivada ms alta,
es de segundo orden, la ecuacin diferencial es una ODE de segundo orden.
Los problemas relacionados con las ecuaciones diferenciales se pueden clasificar en
Problemas de Valor Inicial, IVPs ( Initial Value Problems) y problemas de valores en las
fronteras. En este capitulo se estudiar la aplicacin de las instrucciones utilizadas en
MATLAB para resolver Ecuaciones Diferenciales Ordinarias, ODEs, que representan
Problemas de Valor Inicial, IVPs. En este caso las ecuaciones diferenciales ordinarias,
ODEs, pertenecen al dominio del tiempo, por lo tanto todas la condiciones, requeridas para
su resolucin, deben especificarse en el momento inicial, t = 0.
ODE DE PRIMER ORDEN
Una Ecuacin Diferencial Ordinaria de Primer Orden con Problema de Valor Inicial puede
representarse de la siguiente forma:
d/dt[y(t)] = f(y,t) con y(t) = yo cuando t = 0
Otra forma:
y' = f(y,t) con y(0) = yo
Caractersticas:
1. Derivada ms alta: primer orden
2. Un solo estado para describir el comportamiento dinmico: y
3. Una sola condicin inicial = y(0) = yo
4. El rango del dominio de la variable t, desde t=0 hasta t_ final
476
ODEs DE ORDEN SUPERIOR
Las Ecuaciones Diferenciales Ordinarias de Orden Superior, segundo, tercero, etc., con
Problemas de Valor Inicial pueden ser resueltas, transformndolas en varias Ecuaciones
Diferenciales Ordinarias de Primer Orden, como se muestra en el ejemplo a continuacin,
de un sistema de segundo orden:
A*d/dt[d/dt[y(t)]] + B*d/dt[y(t)] + C*y(t) = D*u(t)
Donde:
A,B,C,D son constantes
u(t) funcin conocida de entrada
Otra forma:
A*y'' + B*y' + C*y = D*u
Descomposicin:
y'' = (D/A)*u (B/A)*y' (C/A)*y
Numero de Estados:
Primer Estado = y
Segundo Estado = y'
Condiciones Iniciales:
Para el Primer Estado y(0) = yo
Para el Segundo Estado y'(0) = y'o
Cambios de Variables:
y1 = y
y2 = y'
ODEs de Primer Orden:
y'1 = y'
y'2 = y'' = (D/A)*u (B/A)*y' (C/A)*y
Quedando finalmente:
y'1 = y2
y'2 = (D/A)*u (B/A)*y2 (C/A)*y1
Dos ecuaciones diferenciales de primer orden, las cuales pueden ser resueltas
simultneamente.
477
METODOLOGA
Para resolver una ODE de primer orden o varias ODEs de primer orden, provenientes de la
descomposicin de una ODE de orden superior, se deben codificar dos programas o
archivos del tipo (.m), descritos a continuacin:
En el primer archivo tipo (m) escribiremos la funcin, la cual contiene la o las ODEs de
primer orden, a ser resueltas. Este archivo tipo (m) acepta dos argumentos de entrada, los
cuales son (t,y) y tiene como salida un vector columna con los valores de y'1, y'2, y'3 , ......
, y'n.
En el segundo archivo tipo (m) escribiremos el programa con los datos de las condiciones
iniciales de las variables de estado del problema, el rango del dominio del variable (t) y la
instruccin de MATLAB, para resolver la o las ecuaciones diferenciales.
A continuacin se ilustra la aplicacin de esta metodologa, mediante la solucin de la
siguiente ecuacin diferencial:
y''' 3y'' y'y = 0
Condiciones iniciales:
y(0) = 0
y'(0) = 1
y'' (0) = -1
Cambios de variables:
y1 = y
y2 = y'
y3 = y''
Descomposicin:
y''' = 3y'' + y'y
Las ODEs de primer orden son:
y'1 = y'
y'2 = y''
y'3 = y''' = 3y'' + y'y
Quedando finalmente:
y'1 = y2
y'2 = y3
y'3 = 3y3 + y2y1
478
Archivos tipo (m), para resolver las ODEs de primer orden:
1) Primer archivo: nombre_funcion . m
function y_prima = nombre_funcion(t,y)
y_prima = [y(2);y(3);3*y(3)+y(2)*y(1)];
2) Segundo archivo: nombre_programa . m
% nombre_programa
% COMENTARIOS
% DATOS
Y0 = [0;1;-1]; % CONDICIONES INICIALES
t_rango = [0 1];
% SOLUCION
[t,y] = solver('nombre_funcion',t_rango,Y0)
% VISUALIZACION DE LOS RESULTADOS
plot(t,y1,t,y2,t,y3)
479
TIPOS DE ODE solver
PROBLEMAS SENCILLOS (NONSTIFF)
q ode45 Basado en la frmula de RUNGE KUTTA de
cuarto y quinto orden. Se aplica para la mayora de los
problemas.
q ode23 Basado en la frmula de RUNGE KUTTA de
segundo y tercer orden. Se aplica mejor que el ode45 para
problemas de mediana dificultad.
q ode113 Basado en la frmula de orden variable de ADAMS
BASHFORTH MOULTON. Se aplica ms
eficientemente que ode45 en tolerancias restringidas y
cuando la funcin de la ODE es difcil de evaluar
PROBLEMAS COMPLEJOS (STIFF)
q ode15s Basado en las frmulas de diferenciacin numrica
hacia atrs, conocido como MTODO GEAR. Se aplica
cuando se sospecha que el problema es complejo (STIFF) o
cuando ode45 falla o es ineficiente.
q ode23s Basado en la frmula modificada de
ROSENBROCK de orden 2. Se aplica para problemas
complejos (STIFF), en los cuales ode15s no es efectivo.
q ode23t Basado en una implementacin del Mtodo
Trapezoidal. Se aplica para problemas moderadamente
complejos.
q ode23tb Basado en la frmula implcita de RUNGE
KUTTA, con una primera etapa que es la aplicacin del
Mtodo Trapezoidal y una segunda etapa que es la
aplicacin de la frmula de segundo orden de diferenciacin
hacia atrs. Se aplica para problemas complejos.
A continuacin se presentan una serie de programas que ilustran la
metodologa para resolver ODEs:
480
PROGRAMA: edo1.m
% edo1
% ESTE PROGRAMA ILUSTRA COMO SE PUEDE RESOLVER
% UNA ECUACIN DIFERENCIAL UTILIZANDO LA INSTRUCCIN:
%
% [t,y] = ode45('funcin',[t_inicial,t_final],y_inicial,options)
%
% ode45 resuelve una ecuacin diferencial ordinaria utilizando
% el mtodo de Runge-Kutta de cuarto y quinto orden
%
% Donde:
%
% VARIABLES DE RETORNO:
%
% t = variable de integracin (vector columna)
%
% y = resultado de integracin (vector columna)
%
% VARIABLES DE ENTRADAS:
%
% funcin = nombre de la funcin almacenada en MATLAB
%
% t_inicial = valor de la variable (t) donde inicia la integracin
%
% t_final = valor de la variable (t) donde finaliza la integracin
%
% y_inicial = valor inicial de la funcin ( vector columna )
%
% options = para establecer parmetros como son:
% la tolerancia (error deseado para la iteracin),
% por defecto: tol = 1.e-3
% y el estatus de la integracin
%
%
%
%
% En este ejemplo se resuelve la siguiente ecuacin diferencial:
%
% dy/dx = 3x^2
%
% La ecuacin diferencial est definida en la funcin (odefun1.m),
% la cual se encuentra almacenada en la librera de MATLAB
clc
close all
clear all
481
% SOLUCIN MATLAB
%
[x,y]=ode45('odefun1',[2,4],0.5);
% NOTE QUE: y_inicial = 0.5 CUANDO t_inicial = 2.0
% SOLUCIN ANALTICA
%
% para comparar la solucin numrica con la solucin analtica
% tenemos la solucin analtica de la ecuacin diferencial
% la cual es la siguiente:
%
% ya = x.^3 - 7.5
%
% Evaluacin de la solucin analtica
y_analitica = x.^3 - 7.5;
plot(x,y,'ro',x,y,'r-',x,y_analitica,'*')
% Grfica simultanea de la solucin
% MATLAB y la solucin analtica
legend('SOLUCIN MATLAB','SOLUCIN MATLAB','SOLUCIN ANLITICA');
xlabel('VARIABLE x')
ylabel('VARIABLES (y) y (y analitica)')
clc
disp( ' ')
disp( 'A CONTINUACIN SE MUESTRA LA FUNCIN "odefun1" ')
disp('LA CUAL CONTIENE A LA ECUACIN DIFERENCIAL A SER INTEGRADA')
type odefun1
A CONTINUACIN SE MUESTRA LA FUNCIN "odefun8"
LA CUAL CONTIENE A LAS ECUACIONES DIFERENCIALES A SER
INTEGRADAS.
function Yprime=edfun8(t,Y)
Yprime(1,1)=Y(2)
Yprime(2,1)=t/(exp(t)+Y(1));
482
483
PROGRAMA: edo2.m
% edo2
% UNA ECUACIN DIFERENCIAL UTILIZANDO UN RANGO
% DETERMINADO DE INTEGRACIN, DONDE t_inicial < t_final.
%
% La instruccin es la siguiente:
%
%
%
% Donde:
%
%
%
%
%
%
% t_rango = [t_inial:t_incremento:t_final]
%
%
% t_incremento = valor del incremento de t
%
%
%
% la tolerancia (error deseado para la iteracin,
% por defecto: tol = 1.e-3) y el estatus de la integracin
%
%
%
% dy/dx = 3x^2
%
clc
484
close all
clear all
% DATOS
x_rango=[2:0.05:4];
y_inicial = 0.5;% NOTE QUE: y_inicial = 0.5 CUANDO t_inicial = 2.0
% SOLUCIN MATLAB
[x,y]=ode45('odefun1',x_rango,y_inicial)
% SOLUCIN ANALTICA
%
% ya = x.^3 - 7.5
%
ya = x_rango.^3 - 7.5;
plot(x,y,'ro',x,y,'r-',x_rango,ya,'b*')
% Grafica simultanea de la solucin
clc
disp( ' ')
type odefun1
LA CUAL CONTIENE A LA ECUACIN DIFERENCIAL A SER
INTEGRADA.
function dy= odefun1(x,y);
dy=3*x^2;
% LA ECUACIN DIFERENCIAL ES:
% dy/dx = 3*x^2
485
486
PROGRAMA: edo3.m
% edo3
% UNA ECUACION DIFERENCIAL UTILIZANDO UN RANGO
% DETERMINADO DE INTEGRACIN, DONDE t_inicial > t_final.
%
% La instruccin es la siguiente:
%
%
%
% Donde:
%
%
%
%
%
%
% t_rango = [t_inial:-t_decremento:t_final]
%
% NOTA: t_inicial > t_final
%
%
% t_decremento = valor del decremento de t
%
%
%
% la tolerancia (error deseado para la
% iteracin, por defecto: tol = 1.e-3)
%
%
%
% dy/dx = 3x^2
487
%
clc
close all
clear all
% DATOS
x_rango=[8:-0.1:0];
y_inicial=504.5;% NOTE QUE: y_inicial = 504.5
% CUANDO t_inicial = 8.0
% SOLUCIN MATLAB
[x,y]=ode45('odefun1',x_rango,y_inicial)
% SOLUCIN ANALTICA
%
% ya = x.^3 - 7.5
%
ya = x_rango.^3 - 7.5;
plot(x,y,'ro',x,y,'r-',x_rango,ya,'b*')
% grafica simultanea de la solucin
clc
disp( ' ')
type odefun1
INTEGRADA.
488
dy=3*x^2;
% dy/dx = 3*x^2
489
PROGRAMA: edo4.m
% edo4
% UNA ECUACION DIFERENCIAL UTILIZANDO LA OPCIN DE
% REALIZAR LA INTEGRACIN CON UNA TOLERANCIA DETERMINADA
%
% LA INSTRUCCION ES LA SIGUIENTE:
%
% [t,y] = ode45('funcin',t_inicial,t_final,y_inicial,option)
%
% el metodo de Runge-Kutta en cuarto y quinto orden
%
% Donde:
%
%
%
%
%
%
%
%
%
% tolerancia = error deseado para la iteracin,
% por defecto, tol = 1.e-3
%
% La tolerancia debe ser establecida mediante la instruccin:
%
% option = odeset('RelTol',1e-4,'AbsTol',1e-2);
%
% DONDE:
% RelTol = Tolerancia Relativa
% Valor de RelTol, indicado por el usuario
% (en este ejemplo) 1e-4
% AbsTol = Tolerancia Absoluta
% Valor de AbsTol, indicado por el usuario
%
490
%
%
%
% dy/dx = 3x^2
%
clc
clear all
close all
% DATOS
option = odeset('RelTol',1e-5,'AbsTol',1e-2);
% SOLUCIN MATLAB
[x,y]=ode45('odefun1',[2,4],0.5,option);
% SOLUCIN ANALTICA
%
% ya = x.^3 - 7.5
%
ya = x.^3 - 7.5;
plot(x,y,'ro',x,y,'r-',x,ya,'b*')
clc
disp( ' ')
type odefun1
491
INTEGRADA.
dy=3*x^2;
% dy/dx = 3*x^2
492
PROGRAMA: edo5.m
% edo5
%
%
% el metodo de Runge-Kutta de segundo y tercer orden
%
% Donde:
%
%
%
%
%
%
%
%
%
% por defecto: tol = 1.e-3) y el estatus
% de la integracin
%
%
%
%
%
% dy/dx = 3.4444e-05-0.0015*y;
%
clc
close all
clear all
%SOLUCIN MATLAB
493
[x,y]=ode23('odefun2',[0,120],0.0022);
%SOLUCIN ANALTICA
%
% ya = 0.022963-0.020763*exp(-0.0015*x)
%
ya = 0.022963-0.020763*exp(-0.0015*x);
plot(x,y,'ro',x,y,'r-',x,ya,'*')
clc
disp( ' ')
type odefun2
INTEGRADA.
function dy=edfun2(x,y)
dy=3.4444e-05-0.0015*y;
% dy/dx = 3.4444e-05-0.0015*y
494
495
PROGRAMA: edo6.m
% edo6
% UNA ECUACION DIFERENCIAL UTILIZANDO LA OPCIN DE
% REALIZAR LA INTEGRACIN CON UNA TOLERANCIA DETERMINADA
%
% LA INSTRUCCION ES LA SIGUIENTE:
%
%
%
% Donde:
%
%
%
%
%
%
%
%
%
% tolerancia = error deseado para la iteracin,
% por defecto, tol = 1.e-3
%
% La tolerancia debe ser establecida mediante la instruccin:
%
% option = odeset('RelTol',1e-4,'AbsTol',1e-2);
%
% DONDE:
% RelTol = Tolerancia Relativa
% Valor de RelTol, indicado por el usuario
% AbsTol = Tolerancia Absoluta
% Valor de AbsTol, indicado por el usuario
%
%
%
496
%
%
% dy/dx = 3.4444e-05-0.0015*y
%
clc
close all
clear all
% DATOS
% SOLUCIN MATLAB
[x,y]=ode23('odefun2',[0,120],0.0022,option);
% SOLUCIN ANALTICA
%
% ya = 0.022963-0.020763*exp(-0.0015*x)
%
ya = 0.022963-0.020763*exp(-0.0015*x);
plot(x,y,'ro',x,y,'r-',x,ya,'*')
clc
disp( ' ')
type odefun2
497
INTEGRADA.
dy=3.4444e-05-0.0015*y;
% dy/dx = 3.4444e-05-0.0015*y
498
PROGRAMA: edo7.m
% edo7
%
% ode23('funcin',[t_inicial,t_final],y_inicial,options)
%
% NOTA: CUANDO EN LA INSTRUCCIN NO SE UTILIZA LA MATRIZ DE RETORNO
% DE LAS VARIABLES DE SALIDA,[t,y], MATLAB RESUELVE LA ECUACIN
% DIFERENCIAL, SEGN LA INSTRUCCIN, Y MUESTRA EN UNA FIGURA
% LAS GRFICAS DE TODOS LOS PASOS DE INTEGRACIN
%
%
% Donde:
%
%
% NO HAY VARIABLES DE RETORNMO
% MATLAB GRAFICA AUTOMTICAMENTE TODOS LOS PASOS DE INTEGRACIN
%
%
%
%
%
%
%
% por defecto: tol = 1.e-3)
%
%
%
%
%
% dy/dx = 3.4444e-05-0.0015*y
%
499
clc
close all
clear all
% DATOS
x_rango=[0:3:120];
% SOLUCIN MATLAB
ode23('odefun2',x_rango,0.0022,option);
% DESARROLLO DE LA INTEGRACIN
[x,y]=ode23('odefun2',[0,120],0.0022);
% VALORES DE RETORNO
% SOLUCIN ANALTICA
%
% ya = 0.022963-0.020763*exp(-0.0015*x)
%
% Evaluacin de la solucin analtica y la numrica:
ya = 0.022963-0.020763*exp(-0.0015*x_rango);
figure
plot(x,y,'ro',x,y,'r-',x_rango,ya,'*')
clc
disp( ' ')
type odefun2
INTEGRADA.
dy=3.4444e-05-0.0015*y;
500
% dy/dx = 3.4444e-05-0.0015*y
501
502
PROGRAMA: edo8.m
% edo8
%
% UNA ECUACIN DIFERENCIAL ORDINARIA DE ORDEN
% SUPERIOR
%
% POR EJEMPLO SE TIENE LA SIGUIENTE ECUACIN:
%
% Y" = MU * (1-Y^2) * Y' - Y
%
% DESCOMPOSICIN EN ECUACIONES DIFERENCIALES
% DE PRIMER ORDEN
%
% Y1 = Y
%
% Y2 = Y'
%
% DOS DERIVADAS -----> DOS ESTADOS ( Y ) ( Y' )
%
% ENTONCES TENDREMOS:
%
% Y1' = Y2 = Y'
%
% Y2' = Y" = MU*(1-Y1^2)-Y1
%
% TENEMOS DOS ECUACIONES DIFERENCIALES DE PRIMER ORDEN
% EQUIVALENTES A LA ECUACIN DIFERENCIAL DE ORDEN SUPERIOR
clear function
clear all
close all
clc
% DATOS
y_inicio=[0.25;0];
t_rango=[0:0.01:20];
% SOLUCIN MATLAB
ode23('odefun3',t_rango,y_inicio)
% NOTA: SE UTILIZA ESTA INSTRUCCIN PARA
% OBSERVAR EL PROGRESO DE LA INTEGRACIN
[t,y]=ode23('odefun3',t_rango,y_inicio);
y1=y(:,1);
y2=y(:,2);
% VISUALIZACIN GRFICA
figure
503
plot(t,y1,t,y2)
Ylabel( 'VARIABLE (y) Y SU DERIVADA')
xlabel(' TIEMPO t')
legend('VARIABLE y','DERIVADA DE y');
clc
disp( ' ')
disp('LA CUAL CONTIENE A LAS ECUACIONES DIFERENCIALES A SER INTEGRADAS')
type odefun3
INTEGRADAS.
function yprime=edfun1(t,y)
% DATO
mu=2;
% ECUACIN DIFERENCIAL
yprime=[y(2);mu*(1-y(1)^2)*y(2)-y(1)];
504
505
506
PROGRAMA: edo9.m
% edo9
%
% SUPERIOR
%
% POR EJEMPLO SE TIENE LA SIGUIENTE ECUACIN:
%
% Y" = -y'-y
%
% DE PRIMER ORDEN
%
% Y1 = Y
%
% Y2 = Y'
%
% DOS DERIVADAS -----> DOS ESTADOS ( Y ) ( Y' )
%
%
% Y1' = Y2 = Y'
%
% Y2' = Y" = -y'-y = -y2-y1
%
% EQUIVALENTES A LA ECUACION DIFERENCIAL DE ORDEN SUPERIOR
clear function
clear all
close all
clc
% DATOS
t_rango=[0:0.1:10];
% SOLUCIN MATLAB
[t,y]=ode23('odefun4',t_rango,[1;1]);
y1=y(:,1);
y2=y(:,2);
plot(t,y1,t,y2)
xlabel(' TIEMPO t')
507
% LA SOLUCIN ANLITICA ES:
figure
c3=1.0;
c4=1.7;
ya=exp(-t/2).*(c3*cos((sqrt(3)/2)*t)+(c4*sin((sqrt(3)/2)*t)));
plot(t,y1,'r*',t,y1,'r-',t,ya,'b-')
Ylabel( 'VARIABLE (y) Y VARIABLE (ya)')
xlabel(' TIEMPO t')
legend('RESPUESTA POR INTEGRACIN','RESPUESTA POR...
INTEGRACIN','RESPUESTA ANALTICA');
clc
disp( ' ')
disp( 'LA CUAL CONTIENE A LAS ECUACIONES DIFERENCIALES A SER INTEGRADAS')
type odefun4
INTEGRADAS.
function yprime=odefun4(x,y)
yprime(1,1)=y(2);
yprime(2,1)=-y(2)-y(1)
% NOTA: TAMBIN PUEDE SER ESCRITO DE ESTA MANERA:
% yprime=[y(2);-y(2)-y(1)]
%
% DONDE: yprime = VECTOR COLUMNA
508
509
510
PROGRAMA: edo10.m
% edo10
%
% SUPERIOR
%
% POR EJEMPLO SE TIENE LA SIGUIENTE ECUACIN DIFERENCIAL DE UN BALANCE
% DE UNA ESPECIE (SUSTANCIA: A ), EN UN BIO-REACTOR
%
% CB"+(K1+K2)*CB'+K1*K2*CB = 0
%
% DONDE: CB = CONCENTRACIN DE LA ESPECIE (B) EN EL BIO-REACTOR
%
% K1 y K2 = CONSTANTES, FACTORES DE BALANCES
%
% DE PRIMER ORDEN:
%
% CB" = -K1*K2*CB-(K1+K2)*CB'
%
% CB1 = CB
%
% CB2 = CB'
%
% DOS DERIVADAS -----> DOS ESTADOS ( CB ) ( CB' )
%
%
% CB1' = CB' = CB2
%
% CB2' = CB" = -K1*K2*CB-(K1+K2)*CB' = -K1*K2*CB1-(K1+K2)*CB2
%
% EQUIVALENTES A LA ECUACIN DIFERENCIAL DE ORDEN SUPERIOR
clear function
clear all
close all
clc
% DATOS
K1=1; % FACTOR DE BALANCE
K2=5; % FACTOR DE BALANCE
CA0=0; % CONCENTRACIN INICIAL DE LA ESPECIE (A), EN EL REACTOR
VEL_CA=1.5;
% VELOCIDAD DE CAMBIO DE CONCENTRACIN DE LA ESPECIE (A)
511
% CONDICIONES INICIALES PARA LA ECUACIN DIFERENCIAL
CB_0=CA0;
CB_PRIMA_CERO= K1*VEL_CA;
COND_INICIAL=[CB_0;CB_PRIMA_CERO];
% SOLUCIN MATLAB
ode23('odefun5',[0:.002:6],COND_INICIAL);
% NOTA: SE MUESTRA EL PROGRESO DE LA INTEGRACIN
[t,CB]=ode23('odefun5',[0 6],COND_INICIAL);
CB1=CB(:,1);
CB2=CB(:,2);
figure
plot(t,CB1,t,CB2)
xlabel(' TIEMPO t')
% LA SOLUCIN ANALTICA
figure
CB_ANALITICA = ((K1*VEL_CA)/(K2-K1))*(exp(-K1*t)-exp(-K2*t));
plot(t,CB1,'r*',t,CB1,'r-',t,CB_ANALITICA,'b-')
xlabel(' TIEMPO t')
clc
disp( ' ')
type odefun5
INTEGRADAS.
function CBprime=odefun5(t,CB)
% DATOS
K1=1;
K2=5;
% ECUACIONES DIFERENCIALES
CBprime=[CB(2);-K1*K2*CB(1)-(K1+K2)*CB(2)];
512
513
514
515
PROGRAMA: edo11.m
% edo11
% EL PRESENTE PROGRAMA ILUSTRA LA SOLUCIN DE LA SIGUIENTE
% ECUACIN DIFERENCIAL:
%
% d/dt(dy/dt) + landa*y = 0
%
% DONDE:
%
% landa=(pi/l)^2
%
% l = 3.55
%
% LA SOLUCIN ANALTICA ES LA SIGUIENTE:
%
% y = c2*sin(landa*t)
%
% donde:
%
% c2 = (2*((-1)^2+1))/(pi*sinh(pi*w/l))
%
% w = 1.0
%
% SOLUCIN
%
%
% d/dt(dy/dt) = -landa*y
%
% y'' = -landa*y
%
% DESCOMPOSICIN EN DOS ECUACIONES DE PRIMER ORDEN
%
% 1) ESTADOS:
%
% y1 = y
%
% y2 = y'
%
% 2) ECUACIONES:
%
% y1' = y' = y2
%
% y2' = y'' = -landa*y = -landa*y1
%
% FINALMENTE LAS ECUACIONES SON:
516
%
% y1' = y2
%
% y2' = -landa*y1
%
% CONDICIONES INICIALES DE LOS ESTADOS:
%
% y(0) = 0
%
% y'(0) = 1.0
%
% RANGO DE t:
%
% t_rango=[0:0.1:20];
clear function
clear all
close all
clc
% DATOS
y_inicio=[0,1];
t_rango=[0:0.1:20];
% SOLUCIN MATLAB
[t,y]=ode23('odefun6',t_rango,y_inicio);
y1=y(:,1);
% VISUALIZACION GRFICA
figure
plot(t,y1)
Ylabel( 'VARIABLE (y) ')
xlabel(' TIEMPO t')
legend('VARIABLE y');
% LA SOLUCIN ANLITICA ES:
figure
w=1.0;
l=3.55;
c2=(2*((-1)^2+1))/(pi*sinh(pi*w/l));
landa=(pi/l)^2;
y_analitica=c2*sin(landa*t_rango)
plot(t,y1,'r*',t,y1,'r-',t,y_analitica,'b-')
Ylabel( 'VARIABLE (y) Y VARIABLE (y analitica)')
xlabel(' TIEMPO t')
clc
disp( ' ')
517
disp( 'LA CUAL CONTIENE A LAS ECUACIONES DIFERENCIALES A SER INTEGRADAS')
type odefun6
INTEGRADAS.
function yprime=edfun6(t,y)
% DATOS:
l=4;
landa=(pi/l)^2;
% ECUACIONES DIFERENCIALES:
yprime(1,1)=y(2)
yprime(2,1)=-landa*y(1);
518
519
520
PROGRAMA: edo12.m
% edo12
% EL PRESENTE PROGRAMA ILUSTRA LA SOLUCIN DE UN SISTEMA DINMICO
% QUE CONSISTE EN TRES MASAS UNIDAS A RESORTES Y AMORTIGUADORES,
% DONDE A DOS DE LAS MASAS SE LES APLICA FUERZAS DIFERENTES
% OBTENIENDOSE TRES DESPLAZAMIENTOS DE LAS MASAS.
%
% RESOLVER EL CONJUNTO DE ECUACIONES DIFERENCIALES Y GRFICAR
% LOS DESPLAZAMIENTOS DE LAS MASAS EN FUNCIN DEL TIEMPO
%
% DIAGRAMA:
% EL MODELO MATEMTICO ES:
%
% m1*y1'' + b1*y1' + k1*y1 - b1*y2' - k1*y2 = f1
%
%
% -b1*y1' - k1*y1 + m2*y2'' + b1*y2' + (k1 + k2)*y2 - k2*y3 = 0
%
%
% -k2*y2 + m3*y3'' + b3*y3' + (k2 + k3)*y3 = f3
%
%
%
M1 M3 M2
F1
K1
B1
F3
K2
K3
B3
y1 y2 y3
521
% DONDE:
% (y1), (y2) y (y3) = DESPLAZAMIENTO DE LAS MASAS (m1), (m2) y (m3)
%
% DATOS:
%
% k1 = k2 = k3 = 1.0 (N/m) CONSTANTES DE LOS RESORTES
%
% m1 = m2 = m3 = 1.0 (Kg) MASAS
%
% f1 = 0.01 (N) FUERZA APLICADA A LA MASA (m1)
%
% f3 = 0 (N) FUERZA APLICADA A LA MASA (m3)
%
% b1 = b3 = 0.1 (Ns/m) COEFICIENTES DE AMORTIGUACIN
%
% y1(0) = y2(0) = y3(0) = 0 (m) DESPLAZAMIENTOS INICIALES
%
% y1'(0) = y2'(0) = y3'(0) = 0 (m/s) VELOCIDADES INICIALES
%
% OBJETIVO: RESOLVER LAS ECUACIONES DIFERENCIALES ANTERIORES PARA
% UN RANGO DE TIEMPO ENTRE 0 Y 30 SEGUNDOS, CON ESPACIAMIENTO
% DE 0.1 SEGUNDOS.
%
% SOLUCIN: EL SISTEMA TIENE SEIS ESTADOS y1, y2, y3, y1', y2' Y y3'
%
% CAMBIOS DE VARIABLES:
%
% Y1 = y1
%
% Y2 = y2
%
% Y3 = y3
%
% Y4 = y1'
%
% Y5 = y2'
%
% y6 = y3'
%
% DESCOMPOSICIN EN SEIS ECUACIONES DIFERENCIALES DE PRIMER ORDEN:
%
% Y1' = y1' = Y4
%
% Y2' = y2' = Y5
%
% Y3' = y3' = Y6
%
% Y4' = y1'' = (-b1*y(4)-k1*y(1)+b1*y(5)+k2*y(2)+f1)/m1
%
% Y5' = y2'' = (b1*y(4)+k1*y(1)-b1*y(5)-(k1+k2)*y(2)+k2*y(3))/m2
%
% Y6' = y3'' = (k2*y(2)-b3*y(6)-(k2+k3)*y(3)+f3)/m3
522
%
% QUEDANDO FINALMENTE:
%
% Y1' = Y4
%
% Y2' = Y5
%
% Y3' = Y6
%
% Y4' = (-b1*Y4-k1*Y1+b1*Y5+k2*Y2+f1)/m1
%
% Y5' = (b1*Y4+k1*Y1-b1*Y5-(k1+k2)*Y2+k2*Y3)/m2
%
% Y6' = (k2*Y2-b3*Y6-(k2+k3)*Y3+f3)/m3
%
% DATOS INICIALES Y RANGO:
%
% y_inicio=[0,0,0,0,0,0]
%
% t_rango=[0:0.1:30]
%
clear function
clear all
close all
clc
% DATOS
y_inicio=[0,0,0,0,0,0];
t_rango=[0:0.1:30];
% SOLUCIN MATLAB
[t,Y]=ode23('odefun7',t_rango,y_inicio);
y1=Y(:,1);
y2=Y(:,2);
y3=Y(:,3)
figure
plot(t,y1,t,y2,t,y3)
Ylabel( 'DESPLAZAMIENTOS y1,y2 y y3')
xlabel(' TIEMPO t')
legend('VARIABLE y1','VARIABLE y2','VARIABLE y3');
clc
disp( ' ')
type odefun7
523
INTEGRADAS
% DATOS:
k1=1;
k2=1;
k3=1;
m1=1;
m2=1;
m3=1;
f1=0.01;
f3=0;
b1=0.1;
b3=0.1;
% ECUACIONES DIFERENCIALES:
Yprime(1,1)=Y(4);
Yprime(2,1)=Y(5);
Yprime(3,1)=Y(6);
Yprime(4,1)=(-b1*Y(4)-k1*Y(1)+b1*Y(5)+k2*Y(2)+f1)/m1;
Yprime(5,1)=(b1*Y(4)+k1*Y(1)-b1*Y(5)-(k1+k2)*Y(2)+k2*Y(3))/m2;
Yprime(6,1)=(k2*Y(2)-b3*Y(6)-(k2+k3)*Y(3)+f3)/m3;
524
525
PROGRAMA: edo13.m
% edo13
% EL PRESENTE PROGRAMA ILUSTRA LA RESOLUCIN DE LA SIGUIENTE
% ECUACIN DIFERENCIAL:
%
% (exp(t) + y)*y'' = t
%
% CONDICIONES INICIALES:
%
% Y(0) = 1
%
% Y'(0) = 0
%
% RANGO:
%
% t_rango=[0:1:5]
%
% COMPARAR LOS RESULTADOS CON LAS SOLUCIONES EXACTAS, MOSTRADAS
% EN LA SIGUIENTE TABLA:
%
% ______________________
%
% t y
% ______________________
%
% 0 1.0000
% 1 1.0629
% 2 1.3656
% 3 1.8926
% 4 2.5589
% 5 3.2978
%
%
% SOLUCIN:
%
% LA ECUACIN TIENE DOS ESTADOS: (y) Y (y')
%
% CAMBIOS DE VARIABLES:
%
% Y1 = y
%
% Y2 = y'
%
% DESCOMPOSICIN EN DOS ECUACIONES DIFERENCIALES DE PRIMER ORDEN:
%
% Y1' = y' = Y2
526
%
% Y2' = y'' = t/(exp(t) + Y1)
%
% QUEDANDO FINALMENTE:
%
% Y1' = Y2
%
% Y2' = t/(exp(t) + Y1)
clear function
clear all
close all
clc
% DATOS
y_inicio=[1,0];
t_rango=[0:1:5];
% SOLUCIN MATLAB
[t,Y]=ode23('odefun8',t_rango,y_inicio);
Y1=Y(:,1);
figure
plot(t,Y1,'ro',t,Y1)
TITLE('SOLUCIN MATLAB')
Ylabel( 'VARIABLE (y) ')
xlabel(' TIEMPO t')
legend('VARIABLE y','VARIABLE y')
% LA SOLUCIN EXACTA ES:
y_analitica=[1.0 1.0629 1.3653 1.8926 2.5589 3.2978];
t_analitica=[0 1 2 3 4 5];
figure
plot(t,Y1,'r*',t,Y1,'r-',t_analitica,y_analitica,'b-')
xlabel(' TIEMPO t')
clc
disp( ' ')
type odefun8
527
INTEGRADAS.
Yprime(1,1)=Y(2)
Yprime(2,1)=t/(exp(t)+Y(1));
528

Matlab Tutorial

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

Matlab Tutorial

Transféré par

Droits d'auteur :

Formats disponibles

Introduccin al

Vous aimerez peut-être aussi