CURSOMATLAB

Curso Introductorio
de MATLAB
Correcin Radial
0.04
0.03
0.02
(r-ro)/R
0.01
0 5 10 15 20
Posicin Angular(theta)
0
-0.05
tetha(deg)
-0.1
0 5 10 15 20
-4
x 10 Consumo de Energia de las Entradas
5
F1/Mg, F2/Mg
-5
0 5 10 15 20
Tiempo(horas)
Pedro Ochoa Moreno

Junio de 2003
Curso Introductorio de MatLab
Pedro Ochoa Moreno

2
Pedro Ochoa Moreno

3
Pedro Ochoa Moreno

4
Pedro Ochoa Moreno

5
CONTENIDO
Pedro Ochoa Moreno

6
1. Introduccin 5
2. Fundamentos 7
2.1 Manejo bsico de las ventanas de MatLab 7
2.2 Entradas desde el teclado 12
2.3 Entrada desde archivos externos 13
2.4 Ejercicios 14
3. Manipulacin de vectores y matrices 17
Pedro Ochoa Moreno

7
3.1 Elementos de una matriz 17

3.2 Representacin mediante intervalos 19
3.3 Operaciones que manipulan matrices 22
3.4 Matrices especiales 23
3.5 Cadena de caracteres 27
3.6 Tcnicas de manipulacin avanzada de matrices 30
3.7 Ejercicios 32
4. Operaciones con escalares 35
Pedro Ochoa Moreno

8
4.1 Operaciones aritmticas 36

4.2 Funciones elementales y transcendentales 37
4.3 Ejemplos 42
4.4 Operadores relacionales y lgicos 45
4.5 Ejercicios 46
5. Operaciones con matrices 49
5.1 Transpuesta 50
5.2 Operaciones algebraicas 51
Pedro Ochoa Moreno

9
5.3 Funciones matriciales 51

5.4 Operaciones lgicas 58
5.5 Otras matrices especiales 62
5.6 Ejercicios 65
6. Polinomios 69
6.1 Operaciones bsicas 69
6.2 Interpolacin 75
6.3 Ejercicios 76
Pedro Ochoa Moreno

10
7. Grficas 79
7.1 Grficas en dos dimensiones (2D) 79
7.2 Trazas mltiples 84
7.3 Escalamiento de ejes 88
7.4 Ms grficas en dos dimensiones(2D) 89
7.5 Incrustacin de ms de una grfica en una ventana 91
7.6 Grficas en tres dimensiones (3D) 93
7.7 Funciones de dos variables 95
Pedro Ochoa Moreno

11
7.8 Ejercicios 99
8. Programacin en MatLab 101
8.1 Estructuras bsicas de programacin 101
8.2 Archivos tipo script 106
8.3 Funciones 108
8.4 Depuracin de programas 112
8.5 Ejercicios 118
9. Anlisis Numrico 121
Pedro Ochoa Moreno

12
9.1 Matemticas simblicas 123

9.1.1 Derivacin 123
9.1.2 Integracin 126
9.2 Resolucin de ecuaciones 128
9.2.1 Solucin de ecuaciones lineales 128
9.2.2 Solucin de ecuaciones diferenciales 130
9.2.3 Ecuaciones diferenciales de orden superior 133
9.4 Ejercicios 138
Pedro Ochoa Moreno

13
10. Simulink 141

10.1 Fundamentos 141
10.2 Construccin de esquemas en simulink 144
10.3 Anlisis del esquema 147
10.4 Ejercicios 149
Bibliografa 151
Pedro Ochoa Moreno

14
Pedro Ochoa Moreno

15
1
Pedro Ochoa Moreno
16
Introduccin
Pedro Ochoa Moreno

17
El software MatLab es uno de los que ms se han popularizado

dentro de todos los campos de la ingeniera, tal aseveracin es valida,
dado que hoy en da este puede ser considerado como un estndar
mundial en el anlisis y la simulacin de sistemas dinmicos lineales o
no lineales, as como una de las cajas de herramientas ms verstiles
para el anlisis numrico. El nombre MatLab es un acrnimo de Matrix
Laboratory. Lo anterior inmediatamente nos sugiere dos
consideraciones: que su elemento base es la matriz y que por
Pedro Ochoa Moreno

18
consiguiente este es dirigido a las aplicaciones en el campo del

lgebra lineal; ms sin embargo la palabra Laboratory conjura la idea
de trabajo en progreso, por ejemplo, hace nfasis en su habilidad para
los propsitos educacionales y de investigacin. Simulink es una caja
de herramientas de MatLab diseada especialmente para la
simulacin dinmica de los sistemas lineales o no lineales. Este
combina una interfase grfica amigable para el usuario, la cual
contiene una avanzada mquina integradora, la cual permite al usuario
Pedro Ochoa Moreno

19
seleccionar entre seis mtodos de integracin de ecuaciones

diferenciales.
En este curso, presentare el entorno de MatLab, que es un
entorno interactivo para clculos numricos, anlisis de datos y
grficos. Debido a que los comandos de MatLab son similares a los
expresados en matemticas, entonces el escribir soluciones en
computadora con MatLab es mucho ms fcil que usar un lenguaje de
alto nivel como C o Fortran.
Pedro Ochoa Moreno

20
Pedro Ochoa Moreno

21
Pedro Ochoa Moreno

22
Pedro Ochoa Moreno

23
Pedro Ochoa Moreno

24
Pedro Ochoa Moreno

25
2
Pedro Ochoa Moreno
26
Fundamentos
2.1 Manejo bsico de las ventanas de MatLab
Pedro Ochoa Moreno

27
El propsito de este captulo es el de proporcionar al participante

de este curso, su primera ojeada al entorno de MatLab. Para cumplir
con tal tarea, primero, veremos la forma de manipular la ventana de
comandos de MatLab, despus veremos la forma en que las
operaciones de entrada y de almacenamiento se llevaran a cabo. Para
terminar la sesin de la ventana de comandos de MatLab que se
muestra en la figura 2.1; se debe teclear: quit o exit, o tomar la
alternativa clsica de paquetes basados en Windows, y esta es Alt-F4.
Pedro Ochoa Moreno

28
Pedro Ochoa Moreno

29
Pedro Ochoa Moreno

30
Figura 2.1. Ventana de comandos (ordenes) de MatLab.

Dentro de la ventana de comandos, existen tres formas bsicas
para obtener ayuda en lnea. Las dos primeras, nos proporcionan
informacin de ayuda sobre funciones de MatLab, y la tercera es una
gran coleccin de documentos almacenados en un formato de
hipertexto a los cuales se puede acceder mediante un navegador para
la Web. Si utilizamos el comando help, nos presenta dentro de la
Pedro Ochoa Moreno

31
ventana de comandos una lista de tpicos a los cuales tendremos

acceso mediante el tecleo del comando help ms el tpico, por
ejemplo: help general. El cual nos desplegara la informacin
pertinente a:
Informacin general.
Manejo del espacio de trabajo.
Manejo de comandos y funciones.
Manejo de la ruta de bsqueda.
Pedro Ochoa Moreno
32
Control de la ventana de comandos.

Comandos del sistema operativo.
Depuracin de archivos del tipo .m.
Pedro Ochoa Moreno

33
Pedro Ochoa Moreno

34
Figura 2.2. Utilizacin de la orden helpwin dentro de la ventana de

comandos de MatLab.
Pero si utilizamos el comando helpwin, dentro de la ventana de
comandos obtendremos otra ventana dentro de la anterior, como se
observa en la figura 2.2. Esta nueva ventana cuenta con la
peculiaridad de que esta es interactiva. La tercera ventana es la
generada por el comando helpdesk dentro de la ventana de
Pedro Ochoa Moreno

35
comandos, siendo esta tambin interactiva con el usuario, esta se

muestra en la figura 2.3. Esta ventana de ayuda nos presenta los
documentos de las diferentes cajas de herramientas, as, como guas
de inicio, instalacin y para solventar los problemas que se puedan
presentar. Tambin tiene la peculiaridad de presentarnos manuales
sobre los diversos temas que puede manejar este software y as como
la conexin a sitios de inters para solucin a bsquedas, preguntas,
Pedro Ochoa Moreno

36
otros productos, un contacto mas personalizado con MathWorks, la

compaa que maneja MatLab.
Por otro lado, dentro de la misma ventana de comandos
podemos teclear la palabra demo y obtener la pantalla que se muestra
en la figura 2.4. El tener acceso a este tipo de ventanas podemos
Pedro Ochoa Moreno

37
Pedro Ochoa Moreno

38
Figura 2.3. Utilizacin de la orden helpdesk dentro de la ventana de

comandos de MatLab.
darnos cuenta de lo interactivo que es este software que nos ayuda a
llevar a cabo los clculos numricos y posteriormente poder visualizar
los resultados en forma de datos o graficas.
Pedro Ochoa Moreno

39
Pedro Ochoa Moreno

40
Figura 2.4. Utilizacin de la orden demo dentro de la ventana de

comandos de MatLab.
Tambin, es importante mencionar que aparte de la ventana de

comandos, tenemos, la de graficas como se muestra en la figura 2.5,
as, como la del editor de texto para los archivos .m, y esta se muestra
en la figura 2.6. Es de vital importancia mencionar que los datos
resultantes de una operacin se presentaran en la ventana de
Pedro Ochoa Moreno

41
comandos, desde donde podemos teclear el guin (script) del

programa y ver los resultados ah mismo. Esta ventana es llamada
comnmente el espacio de trabajo (workspace). Si se desea limpiar de
comandos este espacio utilizaremos clc, si utilizamos clear no afectara
las dems ventanas, pero si borrara la variables de memoria y
finalmente, si usamos el comando clf limpiaremos la ventana de
grficos y esta ser restablecida.
Pedro Ochoa Moreno

42
Pedro Ochoa Moreno

43
Figura 2.5. Ventana del editor y depurador de MatLab.
Pedro Ochoa Moreno

44
Pedro Ochoa Moreno

45
Figura 2.6. Ventanas de graficas de MatLab.

2.2 Entradas desde el teclado
Normalmente las entradas de comando o datos se harn

mediante el teclado, estn se manejaran directamente en el espacio
de trabajo denominado en la seccin anterior como la ventana de
Pedro Ochoa Moreno

46
comandos. Para ilustrar lo anterior, veremos los siguientes casos: un

escalar es definido en una forma obvia
A=2
Donde se le asigna a la variable A un valor de 2. La variable en si es

almacenada en la memoria de la computadora hasta que esta sea
borrada con el comando clear A, si utilizamos solamente el comando
Pedro Ochoa Moreno

47
clear este borrara todas las variables que hayan en memoria. Es

importante mencionar que las variable en MatLab son diferentes entre
maysculas y minsculas, por los tanto, A y a son dos variables
diferentes.
Para darle entrada a un vector desde el teclado es una tarea
simple, como escribir los valores separados por espacios o comas
entre cada uno de ellos y todos dentro de un parntesis rectangular,
como se muestra en el vector A que se presenta a continuacin:
Pedro Ochoa Moreno

48
A=[1 2 3 4 5] A=[1,2,3,4,5]
Cabe hacerse la aclaracin que no ha habido la necesidad de definir el

tamao del vector, simplemente se han dado entrada a los valores, sin
que exista un declaracin preliminar. Lo anterior es una de las
caractersticas ms atractivas de MatLab y esta tambin se extiende a
las matrices.
Pedro Ochoa Moreno

49
Ahora para definir una matriz, utilizaremos el mismo

procedimiento que para un vector, pero se har uso de un carcter que
separe las filas, en este caso ser ; (semicolon), el cual permitir
iniciar una nueva lnea o fila, esto se muestra a continuacin:
B=[1 2 3 4; 5 6 7 8] B=[1 2 3 4
5 6 7 8]
donde la matriz A ser:
Pedro Ochoa Moreno

50
1 2 3 4
B
5 6 7 8
Por otro lado, ahora que hemos visto un vector fila y una matriz,
podemos visualizar un vector columna haciendo uso de las
propiedades antes vistas, por ejemplo, el vector C se muestra a
continuacin:
C=[1;2;3;4]
Pedro Ochoa Moreno
51
Donde tenemos
1
2
C
3

4
Pedro Ochoa Moreno

52
Cabe hacer mencin que la funcin del semicolon (;) tiene en los
casos anteriores solamente la funcin de pasar a una nueva lnea,
pero si se usa al final de una expresin, como la que se muestra,
C=[1;2;3;4];
Lo anterior, genera el vector columna y lo guardara en memoria, en el

caso de no poner el semicolon al final del parntesis rectangular, har
Pedro Ochoa Moreno

53
que el vector sea visible en el espacio de trabajo. Cabe hacer mencin

de un caso muy particular en que las dimensiones del vector o la
matriz son mayores que el espacio de una lnea, entonces es
necesario llevar a cabo la introduccin de tres puntos continuos () lo
que permitir dar continuar la fila en el siguiente rengln o lnea, esto
se visualiza con el siguiente ejemplo:
D=[1 4 5 3 6 87 3 4 8 -6 33 5];
Pedro Ochoa Moreno

54
D=[1 4 5 3 6 87
3 4 8 -6 33 5];
2.3 Entrada desde archivos externos
Pedro Ochoa Moreno

55
Supongamos que un programa en Pascal, FORTRAN, BASIC o

C han producido un archivo ASCII llamado IN.DAT con los siguientes
valores:
1.00 2.01 3.98 9.67 2.89
4.12 12.65 7.99 23.43 0.01
En tal caso utilizaremos el comando load IN.DAT para leer el archivo y

almacenar los datos en una variable con el mismo nombre del archivo
(sin extensin): en este caso el resultado ser
Pedro Ochoa Moreno
56
1.00 2.01 3.98 9.67 2.89

IN
4.12 12.65 7.99 23.43 0.01
Un comando dual seria save FileName VarName, el cual almacena la

variable VarName en el Archivo FileName.MAT; save FileName
almacena todas las variables del espacio de trabajo en uso en el
archivo FileName.MAT y el simple comando save almacena todas las
variable en un archivo por default denominado MATLAB.MAT. Por
Pedro Ochoa Moreno
57
ltimo, si queremos salvar algunas variables pero no todas en un

simple archivo, utilizaremos el siguiente formato que usa espacios en
blanco para separar las variables,
save FileName VarName1 VarName2 VarName3
Al teclear el comando anterior no es necesario que aada la

extensin .MAT al archive y aqu el entorno de MatLab lo hace por si
Pedro Ochoa Moreno

58
solo. Tambin es importante que si queremos importar el archivo de

datos fuera del entorno de MatLab, debemos salvar las variables en
formato ASCII de tal forma que pueda ser ledo, por ejemplo, un
procesador de texto o otros programas, la opcin ascii deber ser
usada,
save FileName.Extension VarName ascii
Pedro Ochoa Moreno

59
2.4 Ejercicios
2.1 De entrada a los siguientes vectores:
1
a 3 4 5 10 1 , b 1
3
Pedro Ochoa Moreno
60
2.2 Defina la variable A como la matriz identidad de cuarto orden.
2.3 Defina un vector columna v con cinco ceros y un uno, luego

slvelo en un archivo ASCII, V.DAT; salga de MatLab, utilice
un editor de texto, el ltimo uno reemplcelo por un dos.
Posteriormente, reinicie en MatLab y cargue el archivo para
verificar el resultado.
Pedro Ochoa Moreno

61
Pedro Ochoa Moreno

62
Pedro Ochoa Moreno

63
Pedro Ochoa Moreno

64
Pedro Ochoa Moreno

65
Pedro Ochoa Moreno

66
Pedro Ochoa Moreno

67
Pedro Ochoa Moreno

68
Pedro Ochoa Moreno

69
Pedro Ochoa Moreno

70
3
Manipulacin de vectores y
matrices
Pedro Ochoa Moreno
71
En este capitulo pretendo presentar algunos comandos para

generar vectores y matrices de manera automtica, as tambin
explicare como construir matrices a partir de submatrices y como
extraer submatrices de matrices dadas.
3.1 Elementos de una matriz
Pedro Ochoa Moreno

72
Los elementos de entrada de una matriz se encuentran

disponibles a travs de ndices; para extraer de la matriz A los
elementos de la fila i-esima y j-esima columna y almacenar estos en la
variable a, usaremos la siguiente notacin:
a A (i, j )
Pedro Ochoa Moreno

73
Una de las caractersticas importantes de MatLab, es que este

no requiere que se le definan de antemano las dimensiones de una
matriz, como ejemplo, tenemos el siguiente caso:
x 1.3 sqrt(3) (1 2 3) * 4/5
el cual nos regresa
Pedro Ochoa Moreno

74
x 1.3000 1.7321 4.8000
si le damos entrada a la orden
x(6) x(2)
el resultado ser
Pedro Ochoa Moreno

75
x 1.3000 1.7321 4.8000 0 0 1.7321
lo cual nos muestra que no hay una necesidad explicita de actualizar

las dimensiones del vector (o matriz). Ntese que la falta de
informacin para los elementos x(4) y x(5) har que MatLab asuma
que son cero por default. Por otro lado, si usamos la orden x(4)=[ ],
esta eliminara la entrada x4, entonces la dimensiones del vector se
vern reducidas a 5. Pero si usamos, x=[ ] entonces el vector se
Pedro Ochoa Moreno

76
limpiara, pero haciendo la aclaracin que la variable no desaparecer

del espacio de trabajo, para hacer que esta desaparezca simplemente
tecleamos clear x.
Por otra parte, los vectores y matrices pueden ser yuxtapuestos
(adosados (unir o juntar)), por ejemplo,
1 2 5 6
A , B
3 4 7 8
Pedro Ochoa Moreno

77
Si escribimos en el espacio de trabajo de MatLab, las ordenes

siguientes
C [A B], D [A;B]
Obtenemos
Pedro Ochoa Moreno

78
1 2
3 4
1 2 3 4
C , D
5 6 7 8 5 6

7 8
La operacin inversa de la anterior es la de extraer las

submatrices de las matrices C y D, esto se vera en el punto 3.3.
Pedro Ochoa Moreno

79
Las dimensiones de una matriz son proporcionadas por el

comando size. Por ejemplo, si C es una matriz definida con
anterioridad, entonces
[m, n] size(C)
esta orden nos da m=2 y n=4. Para conocer las dimensiones de un

vector es suficiente con aplicar la orden length. Por lo general una
Pedro Ochoa Moreno

80
sesin interactiva de MatLab produce un nmero deseado de

resultados y un nmero bastante grande de variables no deseadas, la
ms comn entre todas es la variable predefinida ans (answer), la cual
almacena los resultados de las ltimas rdenes, a menos que el
resultado sea asignado explcitamente a una variable. Por ejemplo,
cuando escribimos
h length(x)
Pedro Ochoa Moreno

81
donde la longitud del vector x es asignado a la variable h; pero si

escribimos
length(x)
La longitud del vector x es calculada y almacenada en la variable

predefinida ans.
Pedro Ochoa Moreno

82
Por ahora no hay problema con las variables que hemos

manejado, pero si el numero de estas se incrementara, la orden who
nos da una lista de las usadas en el espacio de trabajo; pero si
tambin estamos interesados en el espacio que ocupan en memoria
teclearemos la orden whos, la cual nos proporcionara las variables
con sus tamaos.
Pedro Ochoa Moreno

83
3.2 Intervalos de representacin
En esta seccin discutiremos como representar los intervalos en

el entorno de MatLab. Un intervalo es un conjunto de nmeros cuyas
caractersticas se basan en el primer y ltimo nmero, as, como el
tamao del paso usado entre ellos. Por ejemplo, podemos remplazar
el vector [1,2,3,4,5,6,7,8,9] con uno que nos diga que es de 1 a 9
avanzando de en 1en 1.
Pedro Ochoa Moreno

84
El operador ms comnmente usado en este caso es el carcter

: (colon), el cual es usado para generar vectores con espacio iguales:
por ejemplo, x=1:5 nos da el vector rengln x = [1,2,3,4,5]. Existe la
posibilidad de llevar a cabo diferentes incrementos, mediante la
siguiente forma
x x_min : Delta : x_max
Pedro Ochoa Moreno

85
Donde x_min y x_max son los limites mnimo y mximo del

intervalo y Delta es el tamao del paso, por ejemplo, en el caso donde
x 0 : pi/6 : pi
Lo anterior, resulta en
x 0 0.5236 1.0472 1.5708 2.0944 2.6184 3.1416
Pedro Ochoa Moreno

86
En MatLab, pi es la variable predefinida para .

Un tamao de paso negativo es tambin permitido: por ejemplo
x = 5:-1:1, este nos da como resultado x = [5,4,3,2,1]. Una forma
diferente de obtener el mismo resultado es la utilizacin de la funcin
linspace, pero en este caso necesitamos arreglar el nmero de puntos
en el intervalo en lugar del tamao del paso; su sintaxis es la
siguiente:
Pedro Ochoa Moreno

87
linspace (x_min, x_max, # Points)

Por lo tanto, k=linsapace(-pi,pi,6), nos dar como resultado
k 3.1416 1.8850 0.6283 0.6283 1.8850 3.1416
Pedro Ochoa Moreno

88
En el ejemplo anterior, si el tercer parmetro es omitido MatLab

asume por default 100 puntos. Entonces si, linspace(-pi,pi) esta orden
creara un vector con cien entradas.
No siempre es muy usual representar un intervalo numrico con
valores equidistantes. Es bien conocido que, en la msica, la misma
nota en diferentes octavas son producidas mediante las vibraciones de
las medias acsticas con el doble de las frecuencias; entonces la
representacin de una frecuencia en el piano de siete octavas es
Pedro Ochoa Moreno

89
obtenida de una forma mejor al doblar el tamao del paso en lugar de

usar un paso constante y lineal. Estas consideraciones tienen su razn
de ser al analizar todos los fenmenos en el dominio de la frecuencia.
La orden logspace trabaja como en una forma parecida a linspace,
esto es, con la siguiente sintaxis
logspace ( xmin, x_max, # Points)
Pedro Ochoa Moreno

90
El resultado al aplicar la orden anterior, se vera que los puntos

sern espaciados logartmicamente de acuerdo a la potencia de 10, y
el nmero por default al omitirse el #Points es de cincuenta. Los
valores iniciales y finales del intervalo son en realidad las potencias de
10 de los nmeros actualmente representados. Por ejemplo, logspace
(1,2) representara el intervalo 101 , 10 2 el cual utilizara cincuenta
puntos espaciados logartmicamente.
Pedro Ochoa Moreno

91
Vale la pena hacer nfasis que la relacin que existe entre

linspace y logspace por medio del siguiente ejemplo: x=logspace
(1,2) e y= linspace (1,2,50) los cuales definen dos vectores tales que
xi 1 1.084 xi y yi 1 yi 0.0204 ; ntese que log10 1.0481 0.0204 por lo
tanto la conexin entre los dos operadores es fcilmente encontrada,
lo anterior se puede visualizar en la figura 3.1.
Pedro Ochoa Moreno

92
100 2
90 1.9
1.8
80
1.7
70
1.6
60
1.5
50
1.4
40
1.3
30
1.2
20 1.1
10 1
Pedro
0
Ochoa
5 10 15
Moreno
20 25
Logspace
30 35 40 45 50 0 5 10 15 20 25
Linspace
30 35 40 45 50
93
(a) (b)
Pedro Ochoa Moreno

94
1.9
1.8
1.7
1.6
Linspace
1.5
1.4
1.3
1.2
1.1
1
Pedro Ochoa Moreno 10 20 30 40 50 60
Logspace
70 80 90 100
95
(c)
Figura 3.1. (a) Representacin logartmica, (b) representacin lineal, y

(c) combinacin de ambas representaciones.
3.3 Operaciones para manipular matrices
Una de las caractersticas mas potentes de MatLab es su

habilidad para extraer submatrices de matrices dadas; lo cual es
Pedro Ochoa Moreno

96
llevada a cabo mediante la indexacin de la matriz por un vector. Esto

con anterioridad ha sido establecido, que dados dos enteros i y j, A(i,j)
nos dar el (i,j)-esima entrada de la matriz A. Por otra parte, cuando i y
j son vectores, entonces A(i,j) nos da las entradas A(i(1),1),,A(i(n),1),
mientras que la orden A(i,j) nos da la submatriz extrada de A,
considerando que i nos representa la indexacin de filas y j la de
columnas. Por ejemplo, si tenemos una matriz A de 5x6, entonces B =
A(1:3,1:3) esta orden nos mostrara una submatrix de 3x3 con las
Pedro Ochoa Moreno

97
primeras tres filas y la tres primeras columnas de la matriz A. Si la

matriz A la definimos como,
1 2 3 4 5 6
7 8 9 3 4 2

A 1 2 3 4 7 8

4 0 2 5 8 1
3 9 6 8 1 0
Pedro Ochoa Moreno

98
Si tecleamos la orden B = A(1:3,1:3), obtendremos la siguiente

submatriz de 3x3:
1 2 3
B 7 8 9
1 2 3
Por otro lado, si la orden se cambia a C = A(2:5,3:6), se obtiene

la siguiente submatriz de 4x4:
Pedro Ochoa Moreno
99
9 3 4 2
3 4 7 8
C
2 5 8 1

6 8 1 0
Por otra parte, los vectores pueden tener tambin un tamao de

paso negativo; por ejemplo, si tenemos
Pedro Ochoa Moreno

100
1 2 3 6
B 3 5 8 12

2 0 1 9
Entonces, si C = B(3:-1:1,1:2:4), entonces tenemos la siguiente

submatriz de 3x2:
2 1
C 3 8

1 3
Pedro Ochoa Moreno
101
Para indexar todos los renglones o columnas se usa el carcter

:; por ejemplo, C = B(1:2,:) extrae las primeras dos filas y todas las
columnas de la matriz A.
1 2 3 6
C
3 5 8 12
Pedro Ochoa Moreno

102
Por ltimo, si a y k son vectores n-dimensiones y las entradas de

k son solo ceros y unos, entonces a(k) nos dar solo las entradas
correspondientes a la misma posicin de los unos: si a = [2 4 45 22] y
k = [0 1 0 1], entonces a(k) nos dar:
ans=
4 22
Pedro Ochoa Moreno

103
Lo anterior nos indica que este tipo de operaciones ser el

apropiado para operaciones lgicas, que se vern ms adelante.
3.4 Matrices especiales
A continuacin se presenta una lista de funciones para generar

las matrices que mas frecuentemente se utilizan en MatLab:
Pedro Ochoa Moreno

104
eye Matriz identidad

zeros Matriz de ceros
ones Matriz de unos
ai , j 1, i, j
diag Matriz diagonal
La orden eye nos muestra en el espacio de trabajo la matriz
identidad en este caso ans= 1, debido a que no se manejan
Pedro Ochoa Moreno

105
dimensiones, entonces, si tecleamos eye(4) esta orden generara una

matriz identidad de 4x4, como se muestra a continuacin:
ans
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
Pedro Ochoa Moreno

106
Pero si tecleamos en el formato: eye(m,n), esta nos dar una

matriz mxn con unos en su diagonal principal, por ejemplo: eye(5,7)
nos mostrara,
Pedro Ochoa Moreno

107
ans
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
Pedro Ochoa Moreno

108
Tambin se hace la aclaracin que si se tiene una matriz A de

dimensiones 5x5, al usar la orden eye(size(A)) el tamao de la matriz
A permanecer inclume.
Ceros (zeros) y unos (ones) producen matrices en que todos los
elementos sern ceros o unos respectivamente; cuando se invocan
con un solo argumento estos regresan matrices cuadradas: por
ejemplo, zeros(3) lo cual resulta en lo siguiente:
Pedro Ochoa Moreno

109
0 0 0
0 0 0

0 0 0
Por el otro lado, zeros(m,n) (tambin se aplica a ones) producir

una matriz de mxn: por ejemplo, ones(1,5) lo cual nos dar [1 1 1 1 1].
Finalmente, tenemos que la orden zeros (size(A)) nos da una matriz
nula con el mismo tamao de la matriz A.
Pedro Ochoa Moreno

110
Si por ejemplo le asignamos valores a una matriz A de 4X4 y

dichos valores los introducimos en el espacio de trabajo, como se
muestra a continuacin:
A=[1 2 3 4;5 6 7 8;3 4 6 9;2 4 6 8]
A=
Pedro Ochoa Moreno

111
1 2 3 4
5 6 7 8
3 4 6 9
2 4 6 8
Luego procedemos a aplicar la orden zeros(size(A)):
zeros(size(A))
Pedro Ochoa Moreno

112
Podemos ver que el resultado es realmente una matriz nula de

las mismas dimensiones de A, como se observa a continuacin:
ans =
0 0 0 0
0 0 0 0
Pedro Ochoa Moreno

113
0 0 0 0
0 0 0 0
La orden diag trabaja en dos formas diferentes. Si su argumento

de entrada es un vector, este nos regresa una matriz cuadrada cuyos
elementos de la diagonal son los elementos del vector dado; por
ejemplo, A=diag([1 2 3 4 ]) lo cual nos da
Pedro Ochoa Moreno

114
A=diag([1 2 3 4])
A=
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
Pedro Ochoa Moreno

115
Por otro lado, si el argumento de la orden diag es una matriz, por

ejemplo, diag(A), esta extrae la diagonal de la matriz y nos la presenta
en forma de vector columna, lo cual es diferente del vector fila dado
para generar la diagonal, para regresar y obtener ese vector columna
utilizaremos la orden diag(A) que ser la transpuesta, esta se vera en
el siguiente capitulo.
A=diag([1 2 3 4])
Pedro Ochoa Moreno

116
A=
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
Pedro Ochoa Moreno

117
B=diag(A)
B=
1
2
3
4
Pedro Ochoa Moreno

118
B=diag(A)'
B=
1 2 3 4
Pedro Ochoa Moreno

119
La introduccin de un segundo argumento nos mostrara que la

diagonal empezara a partir del valor del nuevo argumento; por
ejemplo, diag(a,k) el resultara se vera a continuacin:
a=[1 2 3 4 5]
Pedro Ochoa Moreno

120
a=
1 2 3 4 5
k=2
k=
Pedro Ochoa Moreno

121
diag(a,k)
ans =
0 0 1 0 0 0 0
0 0 0 2 0 0 0
Pedro Ochoa Moreno

122
0 0 0 0 3 0 0
0 0 0 0 0 4 0
0 0 0 0 0 0 5
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Pedro Ochoa Moreno

123
Podemos fcilmente visualizar que las dimensiones de la matriz

resultante ser la suma de los elementos del vector ms el valor del
argumento k, en este caso; 7x7.
3.5 Cadenas de caracteres
Una cadena de caracteres en MatLab es un conjunto de

caracteres alfanumricos acotados por apostrofes, como ejemplo
Pedro Ochoa Moreno

124
carcter. MatLab representa una cadena de caracteres como un

vector de caracteres, entonces a=[p,l,a,y] nos muestra la palabra
entre apostrofes. Por ejemplo,
a='play'
a=
Pedro Ochoa Moreno

125
play
a=['p','l','a','y']
a=
play
Pedro Ochoa Moreno

126
Para insertar un apostrofe dentro de una cadena, un apostrofe

doble deber ser usado, como se muestra a continuacin:
a='Albert''s dog'
a=
Albert's dog
Pedro Ochoa Moreno

127
Debido a que la palabra (string) es realmente un vector fila de

caracteres, un vector columna de palabras ser una matriz de
caracteres, por lo cual, cualquier palabra en el vector deber consistir
del mismo nmero de caracteres, incluidos los espacios en blanco:
A=[' today'
Pedro Ochoa Moreno

128
' it will'
' rain'];
A
A=
today
it will
Pedro Ochoa Moreno

129
rain
Una forma ms simple de llegar al resultado anterior, es el de

usar la orden str2mat, la cual agrupa las diferentes cadenas de
caracteres dentro de una matriz y mediante la adicin de caracteres en
blanco al final de cada palabra, esto se muestra en las siguiente lneas
Pedro Ochoa Moreno

130
A=str2mat ('today','it will','rain')

A=
today
it will
rain
Pedro Ochoa Moreno

131
Los operadores ms usuales en el manejo de cadena de

caracteres son: strcmp y findstr. El primero de ellos es realmente un
operador lgico y este se vera en mayor profundidades en el prximo
capitulo; pero un avance de su uso nos permitir visualizarlo de una
manera mas realista; cuando este es usado con la siguiente sintaxis
strcmp(a,b), nos presentara un 1 si las cadenas a y b son iguales, 0
para cualquier otra situacin. El segundo comando trabaja con la
misma sintaxis findstr(a,b), esta orden nos regresa la posicin de la
Pedro Ochoa Moreno

132
cadena b dentro de la a. por ejemplo, findstr(x,debe), donde x=Toda

duda debe ser aclarada, esto se muestra a continuacin:
x='Toda duda debe ser aclarada';

findstr(x,'debe')
ans =
Pedro Ochoa Moreno

133
11
Donde 11 es el punto ndice donde inicia la palabra buscada.
Algunos operadores estn, por lo tanto, disponibles para llevar a

cabo conversiones entre nmeros y cadenas y estos son:
Pedro Ochoa Moreno

134
int2str(a) Convierte un entero a en una cadena de

caracteres.
num2str(a) Ms general que el comando previo, este
convierte el valor de a en una cadena de caracteres.
str2num(s) Este comando es la contraparte de los dos
anteriores, al convertir la cadena de caracteres s en su
correspondiente valor numrico.
Pedro Ochoa Moreno

135
a=[1 2 3]
a=
1 2 3
b=int2str(a)
Pedro Ochoa Moreno

136
b=
1 2 3
c=num2str(a)
c=
Pedro Ochoa Moreno

137
1 2 3
d=str2num(b)
d=
1 2 3
Pedro Ochoa Moreno

138
3.6 Tcnicas de manipulacin avanzada de matrices
En esta seccin analizaremos los operadores de MatLab que

cambian el formato de las matrices al aplicarles estos. Aunque rara
vez son usados, el saber que estos existen nos puede simplificar el
trabajo cuando nos encontramos en situaciones especiales.
Pedro Ochoa Moreno

139
rot90 rotar la matriz en 90 en el sentido contrario a las

manecillas del reloj. Por ejemplo, si
A=[1 2 3;4 5 6;7 8 9]
A=
1 2 3
Pedro Ochoa Moreno
140
4 5 6
7 8 9
rot90(A)
ans =
3 6 9
Pedro Ochoa Moreno

141
2 5 8
1 4 7
fliplr y flipud estas ordenes nos permiten intercambiar las

columnas y las filas respectivamente de una matriz que es el
argumente de estas ordenes; lo anterior es equivalente a la
multiplicacin previa y posterior de la matriz por rot90(I), donde
Pedro Ochoa Moreno

142
I es la matriz identidad. Con la matriz A del ejemplo anterior,

aplicar fliplr(A) y flipud(A) lo cual nos resulta en:
fliplr(A)
ans =
3 2 1
Pedro Ochoa Moreno

143
6 5 4
9 8 7
flipud(A)
ans =
7 8 9
Pedro Ochoa Moreno

144
4 5 6
1 2 3
reshape es la orden ms potente que se usa para cambiar la

forma de la matriz. En realidad, reshape(A,m,n) producir una
matriz m x n cuyas entradas son tomadas en el sentido de las
Pedro Ochoa Moreno

145
columnas de una matriz. Las dimensiones usadas mxn deben

concordar con las de la matriz A.
reshape(A,3,3)
ans =
1 2 3
Pedro Ochoa Moreno

146
4 5 6
7 8 9
Supngase que nos dan un archivo tipo ASCII, DATA.PAS

creado por un programa externo, por ejemplo un en cdigo Pascal; si
el archivo consiste de una columna de 6 elementos que queremos
almacenar por filas en una matriz de 3x2. Entonces ser suficiente
teclear:
Pedro Ochoa Moreno

147
B=[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]
save vector B
clear,clc
who
load vector
A=(reshape(B,4,4))
Pedro Ochoa Moreno

148
3.7 Ejercicios
Ejercicio 3.1 Defina el vector x = [-3 -4 2 1 0 2 3 5 10] y calcule:
1. length(x);
2. size(x);
Pedro Ochoa Moreno

149
3. x(12) = -x(3).
Ejercicio 3.2 Cree el vector x=[1 2 3 4 5] y mediante la

manipulacin de este, defina el vector
y = [1 3 4 5 8].
Ejercicio 3.3 Construya el vector fila
Pedro Ochoa Moreno

150
[-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1]
1. Mediante la entrada de los valores en el teclado;

2. Mediante el uso del comando linspace(-1,1,9);
3. Mediante el operador :.
Ejercicio 3.4 Defina el vector
Pedro Ochoa Moreno

151
X = [1 2 3 4 5 6 20]
Usando el vector anterior crear el vector
Y = [1 2 3 4 5 6 20 20 6 5 4 3 2 1]
Ejercicio 3.5 Defina los vectores
Pedro Ochoa Moreno

152
a = [0 3 6 9]
b = [45 40 35 30]
y construya el vector
c = [0 45 3 40 6 35 9 30]
Pedro Ochoa Moreno

153
Ejercicio 3.6 Defina la matriz
1 0 6 3
1 2 0 2
A
0 3 1 3

6 6 4 1
y calcule
Pedro Ochoa Moreno
154
A(:,2), A(1:3,2:4), A([2 4], 3:4), A(:)
Ejercicio 3.7 Dada la matriz
1 2 3
A 4 5 6
7 8 9
Pedro Ochoa Moreno
155
extraiga la submatriz con entradas aij, con ndices

en la fila i = 2,3 e ndices en la columna j = 2,3.
Ejercicio 3.8 Defina las matrices
Pedro Ochoa Moreno

156
1 5 6 7
2 0 0 5 2 0 0
A 0 4 0 , B
6 0 3 0
0 0 6
7 0 0 4
y entonces implemente una matriz diagonal de

bloques.
Pedro Ochoa Moreno

157
A 0
C
0 B
Pedro Ochoa Moreno

158
Pedro Ochoa Moreno

159
Pedro Ochoa Moreno

160
4
Operaciones con escalares
Pedro Ochoa Moreno
161
Hasta ahora hemos discutido como dar entrada a datos y la

manipulacin de estos. En este capitulo, empezaremos por ocuparnos
de las operaciones aritmticas y lgicas sobre variables mediante la
introduccin de operaciones escalares. Por operaciones escalares
deberemos considerar no solo en los cuales los operandos son
variables escalares, sino tambin aquellos en que los operandos son
tratados como escalares. Por ejemplo, sqrt calcula la raz cuadrada,
por lo tanto, sqrt(2) nos dar 1.41421, pero tambin es posible utilizar
Pedro Ochoa Moreno

162
argumentos vectoriales: sqrt([1 2 3]) el cual resulta en [1 1.4142

1.7321], el mismo resultado puede ser obtenido en una forma menos
eficiente [sqrt(1) sqrt(2) sqrt(3)]. Todos los operadores descritos en
este capitulo trabajan en esa forma, estos pueden ser aplicados a
vectores y el resultado ser aquel deseamos obtener al aplicar dichos
operadores a cada elemento.
Por lo antes mencionado, es necesario conocer algunas de las
variables predefinidas por MatLab:
Pedro Ochoa Moreno

163
o ans es el resultado de cualquier operacin a la que no

se le asigno una variable;
o eps es la precisin actual de trabajo;
o computer este define el tipo de computadora;
o pi es el asignado literalmente a ;
o I, j es la unidad imaginaria ( 1 );
o Inf es el trmino infinito;
Pedro Ochoa Moreno
164
o NaN es el acrnimo de Not-a-Number (por ejemplo el

resultado de 0/0);
o clock es un reloj;
o cputime es el tiempo de maquina;
o date es el fechador;
o flops es el nmero de operaciones de punto flotante;
o realmax es el nmero ms grande permitido para
operaciones de punto flotante;
Pedro Ochoa Moreno
165
o realmin es el nmero ms pequeo de punto flotante.

o nargin es el nmero de argumentos de funciones de
entrada;
o nargout es el nmero de argumentos de funciones de
salida.
El significado de algunas de las variables es aparente, pero los

otros sern explicados posteriormente.
Pedro Ochoa Moreno
166
4.1 Operaciones aritmticas
Las operaciones algebraicas son llevadas a cabo por los

operadores ms comunes +, , , /. Existen, adems, los operadores ^
(funcin de potencia), sqrt (raz cuadrada) y \ (calcula la divisin
revertida), por ejemplo, 3\2 nos da 2/3=0.6667). Este ltimo operador
Pedro Ochoa Moreno

167
podra parecer no tener uso en operaciones escalares, pero este nos

muestra su importancia en el campo de las operaciones con matrices
que se mostrara en el siguiente capitulo.
Los operadores descritos en esta seccin obedecen a reglas del
lgebra matricial. Esto podria causar confusin cuando estos
operadores son aplicados a variables tipo vector. Por ejemplo, el
producto de ay de un escalar a por un vector y el cual es calculado
a y y lo cual nos dar el resultado correcto. Otro ejemplo, seria, el
Pedro Ochoa Moreno

168
producto de dos vectores el cual dentro de lgebra es definido como

el producto punto o escalar y as tambin es definido en MatLab.
Entonces, si tenemos que x = [x1 x2 x3] y y = [y1 y2 y3] T , x y nos
dar el producto punto x1y1+x2y2+x3y3, este resultado ser explicado
en mayor detalle en el siguiente captulo; pero si queremos un vector
cuyas entradas son el productos de las entradas homologadas,
deberemos usar el prefijo en el operador con el carcter . (dot): x. y
nos dar el resultado, ans = [x 1y1 x2y2 x3y3]. Los operadores ./ para la
Pedro Ochoa Moreno

169
divisin elemento por elemento y .^ para elevar a una potencia cada

elemento de un vector son definidos de una manera similar. Para el
caso del ltimo operador, cabe hacer mencin que el exponente puede
ser un escalar o un vector con la misma longitud con base al vector:
[3 5 7].^2
ans =
Pedro Ochoa Moreno

170
9 25 49
Pero en la segunda forma, en que cada elemento es elevado a la

potencia definida por el elemento del vector de potencias
correspondiente, tenemos
[3 5 7]. ^[3 2 1]
Pedro Ochoa Moreno

171
ans =
27 25 7
4.2 Funciones elementales y transcendentales
MatLab tiene las siguientes funciones elementales:
Pedro Ochoa Moreno

172
o Redondeo
round redondea al entero ms cercano;

fix redondeo hacia cero;
floor redondeo hacia el entero anterior;
ceil redondeo hacia el entero posterior.
o Aproximaciones racionales (razonables)

Pedro Ochoa Moreno
173
rem notificacin de una divisin entre enteros;

rat expansin racional;
rats aproximacin racional.
o Factorizacion de enteros
gcd mximo comn divisor;

Pedro Ochoa Moreno
174
lcm mnimo comn mltiplo.
o Aritmtica compleja
real parte real;

imag coeficiente o parte imaginaria;
conj conjugado complejo;
abs valor absoluto o mdulo complejo;
Pedro Ochoa Moreno
175
angle ngulo de fase o argumento complejo.
o Signum
sign funcin signum o Heaviside.
El significado de los operadores de redondeo y truncamiento

pueden fcilmente ser entendidos.
Pedro Ochoa Moreno
176
Las funciones de aproximacin racional producen una

aproximacin de sus argumentos mediante una proporcin de enteros.
Por ejemplo,
rats(9.22)
ans =
Pedro Ochoa Moreno

177
461/50
Cabe hacer la aclaracin que el resultado es una cadena de

caracteres.
Es posible tambin limitar la longitud de la cadena, cuyo valor
por defaul es de 13; por ejemplo,
rats(9.22,5)
Pedro Ochoa Moreno

178
ans =
46/5
podemos observar que la mxima salida se limito a una longitud de 5

caracteres y el resultado no los indica.
Pedro Ochoa Moreno

179
rats puede tambin ser usada para calcular el resultado de una

secuencia de operaciones algebraicas en el campo racional, teniendo
como resultado un elemento en el mismo campo: por ejemplo,
observemos el resultado de la siguiente secuencia,
rats(1-1/2+1/3-1/4+1/5)
ans =
Pedro Ochoa Moreno

180
47/60
cabe hacer la observacin de que el denominador es el mnimo comn
mltiplo de todos los denominadores.
Como se discuti con anterioridad, el objetivo de rats es
substancialmente la presentacin de los resultados en pantalla; por el
otro lado, rat actualmente calcula la expansin de la fraccin parcial
con la finalidad de obtener una aproximacin racional. En realidad,
Pedro Ochoa Moreno

181
dado cualquier numero real x, este podr ser siempre aproximado a un

nmero racional definido por la expansin truncada:
1
x d1
1
d2
1
d3 ...
dk
La funcin rat tiene la siguiente sintaxis:

Pedro Ochoa Moreno
182
[n,d] = rat(x,tol)
El resultado consiste de dos enteros n y d tales que su

proporcin satisfaga la relacin
n
x tol x
d
Pedro Ochoa Moreno

183
El valor por default para la tolerancia es de 10 6 .

La orden rat tambin puede ser invocada sin los argumentos de
salida, y en este caso esta nos dar como resultado una expansin
truncada:
rat(sqrt(2))
ans =
Pedro Ochoa Moreno

184
1 + 1/(2 + 1/(2 + 1/(2 + 1/(2 + 1/(2 + 1/(2 + 1/(2

+ 1/(2))))))))
El operador de factorizacin de enteros m=gcd(a,b) nos da como

resultado el mximo comn divisor m entre dos enteros a y b. Usado
en la forma [m,c,d] = gcd(a,b) el cual nos dar como resultado los
enteros c y d mediante la solucin de la ecuacin Diafontina m =
ac+bd. lcm trabaja de la misma manera.
Pedro Ochoa Moreno

185
Para los operadores en el campo complejo, debemos hacer

nfasis que MatLab tiene caracteres i y j predefinidos para la unidad
compleja. El numero complejo z = 2 + j3 es definido tambin por z = 2
+ j 3 o por z = 2 + i 3 o por z = 2 + 3i o finalmente por z = 2 +3j.
Tome en cuenta que las variables predefinidas no son protegidas, lo
cual significa que sus valores pueden ser redefinidos: si por ejemplo, a
la variable i se le asigna un valor esto es frecuentemente usado en los
ciclos; for i = 1:n, lo cual ser discutido en el capitulo de programacin.
Pedro Ochoa Moreno

186
Por ejemplo, si i=2, entonces z = 2 + i 3 el resultado ser z = 8; para

restaurar el valor original necesitamos teclear
i = sqrt(-1)
Tambin se puede omitir teclear el asterisco, solamente en el caso de

que las constantes sean numricas, no variables: MatLab acepta la
Pedro Ochoa Moreno

187
expresin z = 2 + 3j para definir el numero complejo z = 2 + j3, pero

hay que escribir
a=3;
z=2+a*j
z=
Pedro Ochoa Moreno

188
2.0000 + 3.0000i
Los operadores exponenciales y logartmicos son:
o pow2 funcin exponencial de base 2;

o exp funcin exponencial de base e;
o log logaritmo natural;
Pedro Ochoa Moreno
189
o log2 logaritmo de base 2;

o log10 logaritmo de base 10.
Por ltimo las operaciones trigonometricas son calculadas usando

los siguientes comandos:
o sin seno;
o cos coseno;
Pedro Ochoa Moreno
190
o tan tangente;
o asin seno inverso;
o acos coseno inverso;
o atan tangente inverso;
o atan2 tangente inverso de cuatro cuadrantes;
o sinh seno hiperblico;
o cosh coseno hiperblico;
o tanh tangente hiperblico;
Pedro Ochoa Moreno
191
o asinh seno inverso hiperblico;

o acosh coseno inverso hiperblico;
o sec secante;
o csc cosecante;
o cot cotangente;
o asec secante inversa;
o acsc cosecante inversa;
o acot cotangente inversa;
Pedro Ochoa Moreno
192
o sech secante hiperblica;

o csch cosecante hiperblica;
o coth cotangente hiperblica;
o asech secante inversa hiperblica;
o acsch cosecante inversa hiperblica;
o acoth cotangente inversa hiperblica.
Pedro Ochoa Moreno

193
Vale la pena hacer la aclaracin acerca de la tangente inversa:

atan(x) el cual nos regresa un valor dentro del intervalo [-/2, /2],
cuando atan2(y,x) calcula la tangente inversa en los cuatro cuadrantes,
el resultado estar en el intervalo de [-, ]; donde x e y son el coseno
y el seno del ngulo respectivamente.
Tambin es importante, conocer que existen operadores que nos
permitirn la conversin entre diferentes sistemas de coordenadas:
Pedro Ochoa Moreno

194
o cart2pol cartesiana --> polar (o cilndrica);

o pol2cart polar (o cilndrica) -> polar;
o cart2sph cartesiana -> esfrica;
o sph2cart esfrica -> cartesiana
En el caso de dos dimensiones (2D):
[theta,rh0] = cart2pol(x,y)
Pedro Ochoa Moreno

195
La cual convierte el par de coordenadas cartesianas ( xi , yi ) en un par

de coordenadas polares ( i , i ); los valores de i son en radianes. En
el caso de la conversin en tres dimensiones (3D) la conversin se da
en coordenadas cilndricas:
[theta,rho,z] = cart2pol(x,y,z)
La conversin a coordenadas esfricas es realizada por
Pedro Ochoa Moreno

196
[phi,theta,rho] = cart2sph(x,y,z)
De nueva cuenta y son expresados en radianes. La conversin

inversa trabaja en la misma forma.
Cabe hacer mencin que en el espacio de trabajo de MatLab hay

las ayudas para acceder a este tipo de funciones vistas en esta
Pedro Ochoa Moreno

197
seccin, los siguientes comandos nos proporcionaran la informacin

pertinente:
o help elfun - nos presentara las funciones matemticas

elementales.
o help specfun - nos presentara las funciones matemticas
especializadas.
Pedro Ochoa Moreno

198
4.3 Ejemplos
4.3.1 Funciones elementales
Como un ejemplo que resuma todo lo que hemos visto hasta

este momento, consideremos el problema de tabular la funcin log x
Pedro Ochoa Moreno

199
en el intervalo [1, 5] y con pasos de 0.1. Para cumplir con lo anterior,

es necesario teclear la siguiente secuencia de comandos:
x=(1:0.1:5)';
y=log(x);
[x y]
El resultado es:
ans =
Pedro Ochoa Moreno

200
1.0000 0
1.1000 0.0953
1.2000 0.1823

4.9000 1.5892
5.0000 1.6094
Pedro Ochoa Moreno

201
Cabe hacer la aclaracin que el vector x, fue transpuesto con el

nico propsito de poder visualizar mejor el resultado en la pantalla y
ver que este se en una tabla tipo columna.
4.3.2 Funciones de funciones
Pedro Ochoa Moreno

202
Un ejemplo mas general se muestra a continuacin: tabular el

valor de e 3t sin 5t en el intervalo t [2,2] utilizando cuarenta y cinco
puntos. Las instrucciones son:
t=linspace(-2,2,45)';
y =exp(3*t).*sin(5*pi*t);
[t y]
Pedro Ochoa Moreno

203
ans =
-2.0000 0.0000
-1.9091 0.0032

-0.0909 -0.7536
0 0
Pedro Ochoa Moreno

204
0.0909 1.3002

1.9091 -304.0044
2.0000 -0.0000
Ntese el uso de los operadores y . en la segunda lnea de
instrucciones; el ltimo es utilizado por porque tanto exp(3*t) como
sin(5*pi*t) nos darn un vector.
Pedro Ochoa Moreno

205
4.3.3 Funciones racionales
Como un ejemplo de esta ultima seccin, requeriremos la

tabulacin de una funcin racional
3s 2 5s 7
f ( s)
s 3 5s 2 7 s 12
Pedro Ochoa Moreno

206
con s j y [10 10 ] ; es conveniente usar la abcisa espaciada

2 2
logartmicamente, debido a que si no se hace esto, en el lmite inferior

del intervalo las tabulaciones sern muy escasas y muy saturadas o
densas en el limite superior del intervalo. Usaremos cincuenta puntos.
Las siguientes instrucciones nos permitirn obtener una solucin:
omega=logspace(-2,2)'; %Los argumentos son los exponentes

s=j*omega;
Pedro Ochoa Moreno

207
x1=3*s.^2+5*s+7; %Tabular el numerador

x2=s.^3+5*s.^2+7*s+12; %Tabular el denominador
x=x1./x2; %Calcular los valores de la funcin
x=abs(x); %Calcular los mdulos de la funcin
[s x] % Mostrar los resultados
El resultado sera:
Pedro Ochoa Moreno

208
ans =
1.0e+002 *
0 + 0.0001i 0.0058
0 + 0.0001i 0.0058
0 + 0.0001i 0.0058
Pedro Ochoa Moreno

209

0 + 0.8286i 0.0004
0 + 1.0000i 0.0003
4.4 Operadores relacionales y lgicos
En esta seccin se definen los siguientes operadores racionales:
Pedro Ochoa Moreno

210
menor que
menor o igual
mayor que
mayor o igual
igual
~ no igual
Pedro Ochoa Moreno

211
y los operadores lgicos:
& and
| or
xor or exclusive
~ not
Pedro Ochoa Moreno

212
El valor Falso es indicado por 0; as la operacin 2 2 ~ 4 nos da

0; estos operadores pueden ser aplicados a matrices: por ejemplo, si
queremos encontrar los elementos de la siguiente matriz
1 2 3 4
A
5 6 7 8
que puedan ser dividido por 2 (sin residuo), basta con escribir la
siguiente lnea:
Pedro Ochoa Moreno
213
P=(rem(A,2)==0)
la cual nos da como resultado,
P=
0 1 0 1
0 1 0 1
Pedro Ochoa Moreno
214
El ejemplo anterior nos permite vislumbrar algunas consideraciones de

importancia. Notemos que el operador rem previamente definido en
argumentos escalares, ha sido aplicado en este caso a una matriz y su
resultado vuelve a ser una matriz. Podemos pensar que existe una
incongruencia, dado que el operador de prueba de igualdad == tiene
una matriz en su lado izquierdo y un escalar en el lado derecho, una
respuesta ha esto lo encontraremos en el siguiente capitulo en que
trataremos el tpico de matrices.
Pedro Ochoa Moreno

215
4.5 Ejercicios
Ejercicio 4.1 Para cada par de coeficientes (a,b) de la ecuacin

ax+b=0 que se dan en la tabla 4.1, calcular la solucin para x
sujeto a las restricciones x donde es un anillo de enteros.
Pedro Ochoa Moreno

216
Cuando la ecuacin no admita solucin en , resolver el

problema
min
x
ax b
a 2 5 8 13 5 0.1
b 4 3 28 -33 72 2
Pedro Ochoa Moreno

217
Tabla 4.1. Coeficientes.
Ejercicio 4.2 Calcule x mod 3 para x = [1 5 312 22 64].
Ejercicio 4.3 Dados x = 3+j5, y =-2+j4, z = j3, calcular:
1. x+y, x-z, (x+y)z;
Pedro Ochoa Moreno

218
2. |x|, 1/y, z;
3. log x, e y , |x/y|.
Ejercicio 4.4 Resolver el sistema
x2 y2 a
x/ y b
para a = (1 4 3) y b = (1 3 0.5).
Pedro Ochoa Moreno

219
Ejercicio 4.5 Verificar la formula de Euler
e z e x jy e x (cos y j sin y )
con diferentes nmeros complejos z.
Pedro Ochoa Moreno

220
Ejercicio 4.6 Defina el vector x con 31 valores dentro del

intervalo 1 / 2, 2 5 y espaciados de acuerdo al logaritmo de base
2.
Ejercicio 4.7 Hagamos referencia al vector x del ejercicio 3.1 y

calculemos:
L = (x>=2), L = (x>3), L = (x<3), L = (x<4 & x>~4)
Pedro Ochoa Moreno

221
Ejercicio 4.8 Dado el vector x = [1 34 -12 56 7 0 9] muestre

solamente los valores mayores que 5.
Pedro Ochoa Moreno

222
Pedro Ochoa Moreno

223
Pedro Ochoa Moreno

224
Pedro Ochoa Moreno

225
Pedro Ochoa Moreno

226
Pedro Ochoa Moreno

227
Pedro Ochoa Moreno

228
Pedro Ochoa Moreno

229
5
Operaciones con matrices
Pedro Ochoa Moreno
230
Cabe hacer mencin que en el capitulo 1 se estableci que el

elemento bsico en MatLab es la matriz: tambin podemos aseverar
que una variable escalar de 1 x 1 es una matriz. Lo anterior implica
que las operaciones escalares discutidas en el capitulo previo se
pueden extender a las matrices. Considere, por ejemplo, la matriz
1 3
A
4 2
Pedro Ochoa Moreno
231
entonces C=exp(A) resulta en la matriz
e1 e3
A 4
e e2
Pedro Ochoa Moreno

232
Claramente, podemos observar que el resultado es calculado

elemento por elemento, por lo tanto, esta operacin no nos da la
exponencial de una matriz, la cual es definida como

An
eA
n o n!
Pedro Ochoa Moreno

233
Por lo anterior, en este capitulo haremos nfasis en operaciones

con matrices estrictamente, como es el caso de las operaciones
definidas de acuerdo con las reglas de la lgebra matricial.
5.1 Transpuesta
Pedro Ochoa Moreno

234
Con anterioridad hemos mencionado esta operacin, esta es

ejecutada tanto para matrices como para vectores, usando el carcter
(apostrofe); las siguientes lneas nos muestra como se obtiene
A=[1 2 3; 4 5 6;7 8 0];

B=A';
A=
Pedro Ochoa Moreno

235
1 2 3
4 5 6
7 8 0
B=
1 4 7
Pedro Ochoa Moreno

236
2 5 8
3 6 0
Realmente, el operador nos da la transpuesta de un conjugado

complejo, tal como [1+j,1-2 j] nos da
1 j
1 2 j

Pedro Ochoa Moreno

237
Es bien sabido, que esto es realizado al inducir en el campo

complejo una norma que iniciara con el producto interno, de acuerdo a
la siguiente expresin
2
x x H , x
Pedro Ochoa Moreno

238
En el caso de vectores o matrices complejas, para obtener una

transpuesta pura, sin conjugados, el operador . deber ser usado,
[1+j,1-2 j]. y lo cual nos da
1 j
1 2 j

5.2 Operaciones algebraicas
Pedro Ochoa Moreno

239
Las operaciones algebraicas bsicas son +, -, ; para la divisin

de matrices MatLab utiliza dos smbolos diferentes:
X = A\B que se calcula X = A B , solucionando el sistema A

1
X = B (divisin izquierda).
X = A/B que se calcula B A , que se resuelve X A = B
1
(divisin derecha).
Pedro Ochoa Moreno

240
La funcin de potencia es obtenida mediante el uso del operador ^.

La matriz puede ser calculada, ya sea por B = inv(A) o con B = A^(-1).
Las reglas de sintaxis son las mismas que para la lgebra estndar:
por ejemplo, La suma y resta en matrices es valida para aquellas que
tienen las mismas dimensiones; la excepcin en MatLab es que este
permite la suma y resta entre una matriz A y un escalar a. En este
caso el escalar es transformado en una matriz de tamao adecuado
cuyas entradas son todas iguales al escalar (cabe hacerse la
Pedro Ochoa Moreno

241
aclaracin que esto es un poco diferente de lo que se esperaba en

este caso, como muestra, A + aI, donde I es una matriz identidad).
Como es usual, en el producto de matricial el nmero de columnas
de la primera matriz y el nmero de filas de la segunda matriz debern
ser iguales. Tambin el producto entre un escalar y una matriz sigue la
misma regla algebraica, por ejemplo, si tenemos una matriz dada
cuyas entradas son las entradas de la matriz por el escalar.
Pedro Ochoa Moreno

242
Completaremos esta seccion con unas cuantas palabras acerca de

los operadores de divisin: la divisin izquierda A\B nos da A 1B si A
es cuadrada y no singular, de otra manera esta nos da una solucin de
mnimos cuadrados al problema AX =B, mas especficamente esta nos
da la solucin con entradas k diferentes de cero para cada columna a
lo menos, donde k es la matriz de rango. Anlogamente la divisin
derecha es definida por B/A = (A/B).
Pedro Ochoa Moreno

243
5.3 Funciones matriciales
En esta seccin se vern algunas funciones de matrice s

elementales. Tambin asumiremos para el resto de esta seccin que A
es una matriz y x es un vector.
max(x) (min(x)) nos dan la entrada ms grande (pequea) del
vector x; cuando este comando es aplicado a una matriz, su
Pedro Ochoa Moreno
244
resultado ser un vector fila cuyos elementos son las entradas

mas grandes para cada columna de la matriz; por lo tanto, el
elemento mas grande de la matriz A es calculado con
max(max(A)).
Un uso ms general de este comando es
[Y,I] = max(X)
Pedro Ochoa Moreno

245
donde Y es el elemento mas grande ( o el vector del elemento

mas grande si X es una matriz, e I es el ndice del valor mas
grande, si tenemos, un entero apuntando a la posicin del valor
en X (otra vez, en este caso la matriz I es un vector de ndices,
uno por columna).
max tambin puede ser dado con dos argumentos: por ejemplo,
si A y B son dos matrices de las mismas dimensiones, Y = max
(A,B) se creara una matriz Y cuyas entradas son las mas
Pedro Ochoa Moreno

246
grandes de sus entradas homologas en las matrices A y B, si los

elementos ijth de Y son yij = max(aij,bij).
sort(x) sortea el vector x en un orden creciente. Cuando este

comando es aplicado a una matriz, este ejecuta un sorteo a cada
columna en un orden creciente.
Existe la posibilidad de almacenar las permutaciones que son
generadas por el sorteo en una segunda variable de salida: y
Pedro Ochoa Moreno
247
esto seria valido con [y, ind]= sort(x) el cual nos dar un vector
de ndices enteros, cuyas entradas son apuntadores del vector x
de tal manera que x(ind) nos dar el sorteo del vector y.
Consideremos, por ejemplo,
x=[41 11 12 12 50];
[y,ind]=sort(x);
Pedro Ochoa Moreno

248
y=
11 12 12 41 50
ind
Pedro Ochoa Moreno

249
ind =
2 3 4 1 5
El significado de ind es: el vector y sorteado es construido con la
segunda entrada de x, luego la tercera, la cuarta y por ultimo la
quinta; en otras palabras y es x(ind). Obsrvese que en el caso
de entradas repitadas (el valor de 12 en nuestro ejemplo), el
comando sort no altera el orden. En el caso de la matriz [Y,ind] =
Pedro Ochoa Moreno

250
sort(x) el sorteo se lleva a cabo en el sentido de las columnas y

dandonos una matriz de permutaciones.
sum(x), mean(x) son las sumas y el valor medio de las entradas

en el vector x, respectivamente; estos comandos tambin, como
los vistos con anterioridad trabajan en el sentido de las
columnas, dndonos como resultados vectores fila cuando estos
son aplicados a matrices.
Pedro Ochoa Moreno
251
rank(A) calcula el rango de la matriz A, por ejemplo, el nmero

mayor de filas o columnas linealmente independientes.
En este caso, es posible especificar una tolerancia: rank(A,tol) la
cual nos dar el rango hasta la tolerancia tol mediante el clculo
de los valores singulares que excedan el de valor de este.
det(A) nos da como resultado el determinante.

Pedro Ochoa Moreno
252
poly(A) nos dar los coeficientes en un orden decreciente de

potencias del polinomio caracterstico de la matriz A, p I A ;
posteriormente en el capitulo veremos que la aplicacin de este
comando cuando sea invocado con un vector de argumentos,
tendr un significado completamente diferente.
Pedro Ochoa Moreno

253
trace(A) este comando nos proporciona la traza de la matriz A,

por ejemplo, en el siguiente la traza seria la suma de los
elementos de la diagonal principal, como se muestra a
continuacin:
A=[2 7 8;3 9 4;2 4 6]

A=
Pedro Ochoa Moreno

254
2 7 8
3 9 4
2 4 6
trace(A)
ans =
Pedro Ochoa Moreno

255
17
norm(X, argumento) calcula la normal de una matriz o un vector

de acuerdo a la siguiente tabla, en la cual A es una matriz y x es
un vector:
Comando Operacin Comentarios
Pedro Ochoa Moreno

256
m
A 1 max aij
norm(A,1) j
i 1 El mas grande
Suma de columna
norm(A,2) A 2
max i i (A H A) con el mas grande
valor singular
m
A max aij
norm(A,inf) i
j-1 El mas grande
Pedro Ochoa Moreno

257
2 1
A F ( aij ) 2
norm(A,fro) ij La norma Frobenius
p 1
n
norm(x,p) x p ( x i ) p
La norma p
i1
norm(x) x 2
x x) H
La norma Euclidiana
El modulo mas
norm(x,inf) x max x i grande
i
Pedro Ochoa Moreno

258
El modulo mas
norm(-x,inf) x min
i
xi pequeo
Donde el exponente H nos indica la transpuesta de la conjugada.

La norm(x) es equivalente a la norm(x,2) ambos casos para
matrices y vectores.
kron(A,B) nos da como resultado un producto tensor de
Kronecker, por ejemplo, el resultado es una matriz cuyo bloque
Pedro Ochoa Moreno
259
ijthes el producto de la ijth entrada de A y de la matriz B, (A B)ij

=aijB.
A=[1 2 3;4 5 6];

B=[3 4 5; 6 7 8];
kron(A,B)
ans =
Pedro Ochoa Moreno

260
3 4 5 6 8 10 9 12 15
6 7 8 12 14 16 18 21 24
12 16 20 15 20 25 18 24 30
24 28 32 30 35 40 36 42 48
Estas funciones cubren una amplia variedad de aplicaciones:

desde una simple operacin de bsqueda de entradas extremas de un
Pedro Ochoa Moreno

261
vector con las funciones max y min, a la normalizacin de un vector

con x/norm(x), hasta calcular la dimensin de un subespacio
dimensionado por un conjunto de vectores los cuales requieren que
los vectores sean apilados dentro de una matriz para calcular el rango:
rank([x1,x2,,xn]). El comando min, max y sort con dos parmetros
de salida ser particularmente til; si queremos calcular la entrada
mas grande de una matriz A junto con dos apuntadores a las
posiciones h, k, entonces podemos usar
Pedro Ochoa Moreno

262
A= [1 2 3;4 5 6;7 8 9];

[m1,i1]=max(A);
[m,k]=max(m1);
h=i1(k);
m1
m1 =
Pedro Ochoa Moreno

263
7 8 9
i1
i1 =
3 3 3
Pedro Ochoa Moreno

264
m=
9
k
k=
3
h
Pedro Ochoa Moreno

265
h=
3
A continuacin, se presentan unos ejemplos con mayor complejidad.

Supongamos que necesitamos sortear las columnas de una matriz con
respecto a la primera columna. Por ejemplo, si tenemos la siguiente
matriz
Pedro Ochoa Moreno

266
1 2
5 1
R
3 3

2 4
Usando A = sort(R) deber resultar en
A=
Pedro Ochoa Moreno
267
1 1
2 2
3 3
5 4
Pedro Ochoa Moreno

268
Debido a que las columnas han sido ordenadas independientemente, y

que su respectiva asociacin se pierde. Para mantener esa asociacin
podemos usar
[S,i1]=sort(R);
A=R(i1(:,1),:);
S
Pedro Ochoa Moreno

269
S=
1 1
2 2
3 3
5 4
i1
Pedro Ochoa Moreno

270
i1 =
1 2
4 1
3 3
2 4
Pedro Ochoa Moreno

271
A=
1 2
2 4
3 3
5 1
Pedro Ochoa Moreno

272
Las funciones exponenciales y algunas otras funciones

relacionadas en MatLab son:
o expm(A) calcula e A ;
o logm(A) calcula el log(A);
Pedro Ochoa Moreno

273
o sqrtm(A) solo trabaja con matrices positivas y calcula la

raz cuadrada de la matriz, por ejemplo, dada una matriz U
tal que A UH .U .
En particular, para calcular la funcin e A de la matriz

exponencial, MatLab nos ofrece tres operadores ms, que son:
expm1, expm2 y expm3, los cuales calculan el resultado mediante la
Pedro Ochoa Moreno

274
aproximacin de Pade, aproximacin de Taylor y los valores propios

respectivamente.
Operaciones de matrices adicionales, son obtenidas con los
comandos funm, cuya sintaxis es funm(X,funcion); es simplemente
aplicada a la funcin especfica de la matriz X, como en el caso
funm(X,sqrt), es equivalente a sqrtm(X).
X=[1 2 3 4;2 3 4 5;3 4 5 6;4 5 6 7]
Pedro Ochoa Moreno

275
X=
1 2 3 4
2 3 4 5
3 4 5 6
4 5 6 7
funm(X,'sqrt')
Pedro Ochoa Moreno

276
ans =
0.4104 + 0.6487i 0.5574 + 0.2865i 0.7044 - 0.0756i 0.8514 - 0.4377i

0.5574 + 0.2865i 0.7571 + 0.1266i 0.9568 - 0.0334i 1.1565 - 0.1934i
0.7044 - 0.0756i 0.9568 - 0.0334i 1.2091 + 0.0088i 1.4615 + 0.0510i
0.8514 - 0.4377i 1.1565 - 0.1934i 1.4615 + 0.0510i 1.7665 + 0.2954i
sqrtm(X)
Pedro Ochoa Moreno
277
ans =
0.4104 + 0.6487i 0.5574 + 0.2865i 0.7044 - 0.0756i 0.8514 - 0.4377i

0.5574 + 0.2865i 0.7571 + 0.1266i 0.9568 - 0.0334i 1.1565 - 0.1934i
0.7044 - 0.0756i 0.9568 - 0.0334i 1.2091 + 0.0088i 1.4615 + 0.0510i
0.8514 - 0.4377i 1.1565 - 0.1934i 1.4615 + 0.0510i 1.7665 + 0.2954i
Pedro Ochoa Moreno

278
5.4 Operaciones lgicas
En la seccin 4.4 vimos un ejemplo de operador relacional

aplicado a una matriz; ahora discutiremos ese tpico en detalle.
Como se menciono con anterioridad el cero (0) significa FALSO,
cuando uno (1) o cualquier nmero diferente de cero significa
VERDADERO; entonces, si A y B son matrices cuyas entradas pueden
ser 0 o 1, por lo cual A&B nos dar como resultado una matriz cuyas
Pedro Ochoa Moreno

279
entradas sern 1, solo si las entradas correspondientes de A y B son

1. Existen operadores lgicos ms interesantes, por ejemplo, any(X),
donde X es un vector de 0s y 1s que dar 1 si al menos una de las
entradas de X es 1, cuando all(X) realiza la operacin contraria, por
ejemplo, el resultado ser 1 si todas las entradas de X son 1.
Si el argumento es una matriz, estos operadores trabajaran en el
sentido de las columnas; por ejemplo, si A es una matriz, all(A<0.5) el
resultado ser un vector tal que cada entrada es 1 si todas los
Pedro Ochoa Moreno

280
elementos correspondientes a la columna de la matriz A son menores

de 0.5, pero, para all(all(A<0.5)) el resultado ser 1 si todas las
entradas de A son menores de 0.5.
Finalmente find nos dar como resultado los ndices asociados
con los valores diferentes de cero de sus argumentos. En particular, si
x es un vector, i = find(x) nos dar como resultado los ndices de
entrada diferentes de cero, si A es una matriz [i,j] = find(A) nos dar
como resultado la fila y la columna de los elementos ndices diferentes
Pedro Ochoa Moreno

281
de cero. La importancia de esta funcin se vuelve ms clara, debido a

que los operadores lgicos nos darn como resultado matrices de 0s
y 1s; la bsqueda de entradas diferentes de cero puede significar que
la bsqueda de una condicin es satisfecha; por ejemplo, los ndices
de entrada de una matriz A que sean mayores de 2 son calculados por
A=[1 3 0;4 5 1];

[i,j]=find(A>2)
Pedro Ochoa Moreno

282
i=
2
1
2
j=
Pedro Ochoa Moreno

283
1
2
2
Lo anterior, significa que las entradas a 21, a12 y a22 son mayores
de 2, pero B = A(i,j), define la matriz
B=
Pedro Ochoa Moreno

284
4 5 5
1 3 3
4 5 5
Ahora, si tenemos que la matriz cuya kth entrada es A(i(k), j(h)),

cuando diag(B) nos da como resultado un vector con las entradas de
mayores que 2:
Pedro Ochoa Moreno

285
diag(B)
ans =
4
3
5
Pedro Ochoa Moreno

286
En este caso, una forma de mas simple de obtener el mismo

resultado ser con la siguiente lnea, B = A(A>2), pero el operador find
es tal vez el mas potente de los operadores lgicos en MatLab y las
aplicaciones iran mas all de los que se manejen en este curso.
Considrese la siguiente situacin: definir los vectores
t=0:0.005:20;
y=sin(t);
Pedro Ochoa Moreno

287
Queremos hacer la bsqueda de los valores de la variable

independiente t tal que los correspondientes valores de y sean 0.5.
ES claro que no cualquier computadora podr dar calcular las
soluciones exactas para la ecuacin sin t - 0.5 = 0, debido a que nos
~ ~
enfocamos en los puntos t tales que sin t 0.5 donde 0 el cual

es un escalar muy pequeo. La seleccin del escalar no es trivial,
tan pequeo como sea el valor podr resultar que el resultado se no
Pedro Ochoa Moreno
288
correcto; si, por ejemplo, si pensamos acerca del mas pequeo valor
posible de , podemos usar
[m,k]=min(abs(y-0.5))
m=
Pedro Ochoa Moreno

289
2.6509e-005
k=
2619
Pedro Ochoa Moreno

290
Debido a que se obtiene un solo ndice k, independientemente

que sin t toca la lnea y = 0.5 en siete ocasionasen el intervalo t 0,20
. La solucin es utilizar un valor diferente de , por ejemplo 0.05 :
i=find(abs(y-0.5)<0.05)'
i=
Pedro Ochoa Moreno

291
Columns 1 through 6
95 96 97 98 99 100
Columns 157 through 162
3882 3883 3884 3885 3886 3887
Pedro Ochoa Moreno

292
Es importante hacer nfasis que las operaciones

presentadas en esta seccin pueden ser realizadas mediante la
repeticin de simples pruebas como los ciclos for o while, pero
los resultados sern menos visibles y su ejecucin se alenta: uno
de los errores ms comnmente cometidos por los usuarios sin
suficientes conocimientos, es el de repetir comandos ya
existentes mediante programacin de instrucciones, esto se
discutir en el capitulo 8, donde se requerir un mejor
Pedro Ochoa Moreno

293
conocimiento de los comandos predefinidos para poder resolver

de la mejor manera el problema.
Una lista completa de los operadores de relacin, se muestra a
continuacin:
Verdadero si al menos existe un elemento diferente

any de cero.
Pedro Ochoa Moreno

294
Verdadero si todos los elementos son diferentes de

all cero.
Busca por ndices de entradas que satisfagan ciertas
aind condiciones dadas.
exist Inspecciona la existencia de una variable.
isnan Inspecciona si existe NaN
finite Inspecciona elementos finitos.
isinf Inspecciona elementos infinitos.
Pedro Ochoa Moreno
295
isempty Verdadero si la matriz esta vaca.

isieee Verdadero para aritmtica de punto flotante IEEE.
isstr Verdadera si la variable es una cadena.
5.5 Otras matrices especiales
Pedro Ochoa Moreno

296
En la seccin 3.4 se presentaron un conjunto de operadores de

MatLab como una parte introductoria sobre matrices; en esta seccin
daremos una lista completa
compan Forma de compaera.

tril Triangular inferior.
triu Triangular superior.
rand Matriz de entradas aleatorias (distribucin uniforme).
Pedro Ochoa Moreno
297
randn Matriz de entradas aleatorias (distribucin normal).

hankel Matriz de Hankel.
hilb Matriz de Hilbert.
invhilb Inversa de la matriz de Hilbert
hadamard Matriz de Hadamard
magic Cuadrado mgico.
toeplitz Matriz de Toeplitz.
vander Matriz de Vandermonde.
Pedro Ochoa Moreno
298
wilkinson Matriz de Wilkinson.

pascal Matriz de Pascal.
La sintaxis de esas operaciones vara de una a otra. En esta seccin

discutiremos solo algunos de los ms frecuentemente usados. Con
respecto a los otros, el participante a este curso deber leer los
manuales de MatLab, o consultar la ayuda en lnea.
Pedro Ochoa Moreno

299
compan necesita de un vector de entrada como argumento:
p=[1 0 -7 6]
A=compan(p)
A=
0 7 -6
Pedro Ochoa Moreno

300
1 0 0
0 1 0
Debemos recordar que la principal caracterstica de las matrices
compaeras es que los coeficientes de su polinomio caracterstico son
las entradas del vector p.
tril y triu trabajan como el operador diag en matrices: triu(A,k)
extrae la parte triangular de una matriz iniciando en la kth diagonal
Pedro Ochoa Moreno

301
(otra vez k > 0 para diagonal superior y k <0 para diagonal inferior). tril
trabaja de la misma manera, para la parte triangular inferior.
triu(A,0)
ans =
0 7 -6
Pedro Ochoa Moreno

302
0 0 0
0 0 0
triu(A,1)
ans =
0 7 -6
Pedro Ochoa Moreno

303
0 0 0
0 0 0
triu(A,2)
ans =
Pedro Ochoa Moreno

304
0 0 -6
0 0 0
0 0 0
tril(A,-1)
ans =
Pedro Ochoa Moreno

305
0 0 0
1 0 0
0 1 0
tril(A,0)
ans =
Pedro Ochoa Moreno

306
0 0 0
1 0 0
0 1 0
rand(m,n) produce un matriz m x n con entradas uniformemente

distribuidas en el intervalo de [0,1]; este es invocado con un simple
argumento que produce matrices cuadradas. randn(m,n) trabaja
anlogamente; pero la distribucin es normal con media igual a cero y
Pedro Ochoa Moreno

307
varianza unitaria. En este caso, se deber hacer nfasis en que esas

funciones debern hacer uso de deferentes generadores y diferentes
orgenes.
rand(3,3)
ans =
Pedro Ochoa Moreno

308
0.9355 0.8936 0.8132

0.9169 0.0579 0.0099
0.4103 0.3529 0.1389
randn(3,3)
ans =
Pedro Ochoa Moreno

309
-0.4326 0.2877 1.1892

-1.6656 -1.1465 -0.0376
0.1253 1.1909 0.3273
5.6 Ejercicios
Pedro Ochoa Moreno

310
Ejercicio 5.1 Dadas dos matrices A y B, el producto clsico fila

por columna es solo uno (aunque si bien el mas usado) de los
posibles producto matriciales. Entre ellos, podemos mencionar:
El producto Schur, definido por
A B a ij bij ;
Pedro Ochoa Moreno

311
El producto Lie, definido por

A, B
n
ij [a ik bkj bik a kj ];
k 1
Cmo se calcularan esos productos en MatLab?
Ejercicio 5.2 Resolver el siguiente sistema de ecuaciones

lineales:
Pedro Ochoa Moreno

312
2 x1 4 x 2 7 x 3 4 x 4 5
9 x1 3 x 2 2 x 3 7 x 1
5 x1 2 x 2 3 x 3 x 4 3
6 x1 5 x 2 4 x 3 3 x 4 2
Ejercicio 5.3 Para cada uno de los pares de vectores que se dan
a continuacin:
Pedro Ochoa Moreno

313
1. u = [2, -3, 6], v = [8, 2, -3];

2. u = [3, -5, 4], v = [6, 2, -1];
3. u = [3, -5, 2, 1], v = [4, 1, -2, 5];
4. u = [5, 3, -2, -4, -1], v = [2, -1, 0, -7, 2].
Calcular el producto interno <u, v>;

Calcular la distancia (Euclidiana) d(u, v);
Verificar que la desigualdad Cauchy-Schwartz
Pedro Ochoa Moreno
314
u, v u v
Verificar la desigualdad Minkovsky
uv u v
Pedro Ochoa Moreno

315
Ejercicio 5.4 Si la matriz A es definida por
1 0 6 3
1 2 0 2
A
0 3 1 2

6 0 4 1
Pruebe los siguientes comandos:
Pedro Ochoa Moreno

316
1. size(A);
2. max(A), max(max(A));
3. p=poly(A);
4. det(A), eig(A), [v,d]=eig(A).
Ejercicio 5.5 Calcule los ndices de fila y columna de las

entradas mas pequeas y grandes de la matriz A que se defini
en el ejercicio anterior.
Pedro Ochoa Moreno

317
Ejercicio 5.6 Dadas las matrices:
5 3 6 2 j 3j
A 7 2 0 , B 4 2 j 5 6 j

4 8 1 8 1 j
Calcular:
Pedro Ochoa Moreno

318
1. A*A, A*A, A.*A;

2. diag(A), diag(A,1);
3. exp(A), expm(A), sqrt(A), sqrtm(A), sqrtm(A)^2;
4. exp(log(A)), expm(logm(A)), funm(A,exp);
5. conj(B), real(B), imag(B), B-real(B)sqrt(-1)*img(B);
6. rand(B), max(A), norm(A), sign(A).
Pedro Ochoa Moreno

319
Ejercicio 5.7 Construya una matriz de 4 x 4 con entradas

aleatorias, una distribucin normal, una media de 10 y una
varianza de 0.5.
Ejercicio 5.8 Con referencia a la matriz A del ejercicio 5.4,

calcular:
1. test=(A<=1) & (A>=-2), all(test), all(all(test));
Pedro Ochoa Moreno

320
2. i=find(A==max(max(A))).
Ejercicio 5.9 Encuentre el conjunto de todas las soluciones del

sistema
x1 3 x 2 4 x 3 2 x 4 5
2 x 2 5x3 x 4 2
x3 3x 4 4
Pedro Ochoa Moreno

321
mediante la reduccin del sistema a una forma

equelon;
mediante el calculo de una solucin en particular y la
solucin general del sistema homogneo asociado.
Pedro Ochoa Moreno

322
Ejercicio 5.10 Que condiciones debern satisfacer los

escalares a, b y c para que el sistema que se muestra a
continuacin tenga una solucin?
x 2 y 3z a
3x y 2 z b
x 5 y 8z c
Pedro Ochoa Moreno

323
Pedro Ochoa Moreno

324
Pedro Ochoa Moreno

325
Pedro Ochoa Moreno

326
Pedro Ochoa Moreno

327
Pedro Ochoa Moreno

328
6
Polinomios
Pedro Ochoa Moreno
329
Los polinomios son representados en MatLab por un vector fila y

el cual contiene los coeficientes en orden de potencias decrecientes:
por ejemplo, el polinomio p(s) s 3 4s 2 2s 5 es representado por el
vector p(s) = [1 4 2 5]. Es importante aclarar que los coeficientes cero
son tambin considerados, por ejemplo: s 4 2 este es representado
por P(s) = [1 0 0 2].
Pedro Ochoa Moreno

330
6.1 Operaciones bsicas
Con anterioridad mencionamos la funcin que nos permitir

calcular el polinomio caracterstico de una matriz cuadrada A, y este
es p = poly(A), la funcin poly es usada tambin para reconstruir el
polinomio a partir de un conjunto de races dadas: por ejemplo, sea el
polinomio cuyas races estn en -3j2, -5, entonces el polinomio ser:
p(s) (s 3 j2)(s 3 2j)(s 5) el cual puede ser obtenido mediante
Pedro Ochoa Moreno

331
r=[-3-2*j, -3+2*j,-5];
p=poly(r);
p
p=
1 11 43 65
Pedro Ochoa Moreno

332
En el caso del producto polinomial, este es ejecutado mediante

la funcin conv:
a=[1 2 3]; b=[4 5 6];

c=conv(a,b)
Pedro Ochoa Moreno

333
c=
4 13 28 27 18
En realidad la operacin seria polinomio a polinomio y esto se da

a continuacin: ( s 2s 3)(4s 5s 6) 4s 13s 28s 27 s 18 .
2 2 4 3 2
La operacin inversa del producto es la divisin polinomial la cual

se realiza con la funcin deconv. Su sintaxis es
Pedro Ochoa Moreno

334
[q,r]=deconv(a,b)
q=
0.2500
r=
Pedro Ochoa Moreno

335
0 0.7500 1.5000
Donde los polinomios, q(s) es el cociente y r(s) el residuo, entonces
a(s)=q(s)b(s)+r(s)
Obviamente, si a(s) es divisible por b(s), entonces el residuo ser cero.
Pedro Ochoa Moreno

336
Las races del polinomio son calculadas con roots (la cual
actualmente construye la matriz companion (compaera) asociada al
polinomio y calcula sus valores propios). Con referencia al ejemplo
anterior, roots(p) nos da como resultado
roots(p)
Pedro Ochoa Moreno

337
ans =
-5.0000
-3.0000 + 2.0000i
-3.0000 - 2.0000i
polyval(p,x) calcula el valor p(x); donde x puede ser un escalar o un

vector o una matriz. En el primer caso, este nos da como resultado el
Pedro Ochoa Moreno

338
valor del polinomio en un punto dado, en el segundo caso obtenemos

la imagen de un conjunto de puntos en el vector, y en el tercer caso
obtenemos una matriz cuyas entradas son a p ( x ). Por lo tanto, en
ij ij
el ejemplo de la seccin 4.3.3 (funciones racionales), donde el

numerador y el denominador se muestran a continuacin:
x1=3*s.^2+5*s+7;
x2=s.^3+5*s.^2+7*s+12;
Pedro Ochoa Moreno

339
pueden ser reescritos como
omega=logspace(-2,2);
s=j*omega;
x1=polyval([3 5 7],s);
x2=polyval([1 5 7 12],s);
Pedro Ochoa Moreno

340
polyvalm(p,A) trabaja como polyval pero en el espacio de matrices.

Recuerde que, dado el polinomio de nth grado
n
p(s) p i s i
i 0
y la matriz cuadrada A, p(A) es definida por
Pedro Ochoa Moreno

341
n
p(A) p i A i
i0
2 3
Si, por ejemplo, p(s) s 2 s 1 y A , entonces polyval(p,A) nos da
5 8
polyval(p,A)
Pedro Ochoa Moreno

342
p(2) p(3)
ans = , esto es p(5) p(8

7 13
31 73
entonces, el calculo de los valores en el sentido de los elementos,
cuando polyvalm(p,A) nos da
Pedro Ochoa Moreno

343
polyvalm(p,A)
ans = , esto es A 2 A 1
22 33
55 88
este es el resultado correcto en lgebra de matrices.
Pedro Ochoa Moreno

344
Una operacin bastante frecuente es la derivada. MatLab usa la

funcin polyder para calcular la derivada de un polinomio; en
particular
q=polyder(p) nos da como resultado la derivada del

polinomio: q(s)=dp(s)/ds.
q=polyder(a,b) nos da como resultado la derivada del
producto a(s)b(s).
Pedro Ochoa Moreno
345
[q,d]=polyder(a,b) nos da como resultado la derivada de la

razn polinomial como una funcin racional:
q( s) d a( s)

d ( s ) ds b( s )
Pedro Ochoa Moreno

346
Otra operacin comn de polinomios es aquella que involucra

descomposicin de fracciones parciales: dada una funcin fraccional
racional b(s)/a(s) con descomposicin fraccional parcial:
b( s ) r r2 rn
1 k (s)
a ( s ) s p1 s p 2 s pn
Pedro Ochoa Moreno

347
el comando [r,p,k]=residue(b,a) nos dar como resultado la

descomposicin, donde el significado de los smbolos es obvio. En el
caso donde la multiplicidad m de la raz ith de a(s) es mayor que 1,
j
m >1, las descomposicin tambin incluye tales trminos como

j
rj r j 1 r j m 1

j
s pj (s p j ) 2
(s p j )
mj
Pedro Ochoa Moreno

348
residue tambin trabaja en una forma dual, cuando es invocado con

tres entradas y dos argumentos de salida: [b,a] = residue(r,p,k) que
nos dar como resultado los polinomios a(s) y b(s). Ntese que esta
unin usa dos modos de trabajo lo cual permitir al usuario obtener
fcilmente la descomposicin real, incluso en el caso de polos
complejos. Considrese, por ejemplo, la funcin racional
b( s ) s 1
4
a ( s ) s 8s 23s 2 26 s 10
3
Pedro Ochoa Moreno

349
Si aplicamos las siguientes lneas de instrucciones:
b=[1 -1];
a=[1 8 23 26 10];
[r,p,k]=residue(b,a)
Obtendremos, los siguientes resultados:
Pedro Ochoa Moreno

350
r=
-0.2600 + 0.3200i
-0.2600 - 0.3200i
0.5200
-0.4000
Pedro Ochoa Moreno

351
p=
-3.0000 + 1.0000i
-3.0000 - 1.0000i
-1.0000
-1.0000
k=
Pedro Ochoa Moreno

352
[]
Para obtener la forma real es necesario calcular el trmino asociado

de segundo grado asociado al par p=-3j mediante el uso de la
siguiente lnea de instruccin:
[b1,a1]=residue(r(1:2),p(1:2),[])
Pedro Ochoa Moreno

353
entonces los resultados son:
b1 =
-0.5200 -2.2000
Pedro Ochoa Moreno

354
a1 =
1.0000 6.0000 10.0000
Por lo tanto la expansin ser
0.52 0.4 0.52s 2.2

2
s 1 ( s 1) 2
s 6s 10
Pedro Ochoa Moreno

355
La siguiente lista resume los operadores para polinomios
poly Obtencin del polinomio a partir de sus races.

roots Obtencin de las races de un polinomio.
polyval Valor del polinomio en un punto dado.
polyvalm Evaluacin matricial de un polinomio.
conv Producto polinomial.
deconv Divisin polinomial.
Pedro Ochoa Moreno
356
residue Descomposicin en fracciones parciales.

polyder Derivada polinomial.
polyfit Interpolacin polinomial.
Por ltimo, podemos visualizar que el nico operador que falta de

analizar es el de polyfit que se discutir en la prxima seccin, as
como en una forma ms general el problema de interpolacin en
MatLab.
Pedro Ochoa Moreno

357
6.2 Interpolacin
El comando polifit nos ayuda a dar solucin a los problemas de

interpolacin lineal. Dados la variable independiente en un vector x y
los valores a interpolar en un vector y, el comando p = polyfit(x,y,n)
nos dar como resultado un polinomio de nth grado p(x) que interpola
los pares ( xi , yi ) mediante la interpolacin de mnimos cuadrados.
Pedro Ochoa Moreno

358
Hasta este punto es importante mencionar que los mtodos de

interpolacin disponibles en MatLab son:
polyfit interpolacin polinomial mediante mnimos cuadrados.
spline interpolacin cbica mediante lneas. Considerando los

vectores x e y manejados con anterioridad y el vector abcisa x i ,
el comando
Pedro Ochoa Moreno
359
yi = spline(x,y,xi);
El cual nos regresa como resultado un vector y i con los valores

asociados con la abcisa x i obtenida mediante la interpolacin
cbica mediante lneas.
Pedro Ochoa Moreno

360
interpft calcula un gran nmero de muestras empezando a partir

de un vector de muestras y, asumiendo que este se maneja en
pasos predefinidos. Su sintaxis es
yi = interpft(y,n);
y el resultado es un vector y i de n-dimensin.
Pedro Ochoa Moreno

361
interp1 es en si una tabla general de bsqueda de algoritmos.

Esta usa la interpolacin lineal y su formato es
yi = interp1(x,y,xi);
donde los smbolos usados en esta, mantienen el mismo

significado que el de las anteriores, solo que y puede ser una
matriz, entonces y i ser una matriz cuyas columnas interpolaran
Pedro Ochoa Moreno
362
las columnas correspondientes de y en los mismos puntos sobre

la abcisa. Es tambin posible seleccionar el mtodo de
interpolacin, mediante el uso del siguiente formato:
yi = interp1(x,y,xi,mtodo);
Los siguientes mtodos estn disponibles:
Pedro Ochoa Moreno

363
1. linear interpolacin lineal, si no se indica es por default.

2. spline interpolacin cbica mediante lneas.
3. cubic interpolacin cbica.
Todos estos mtodos requieren que x se incremente

montonamente; sin embargo, cubic requiere una abcisa
linealmente espaciada.
Pedro Ochoa Moreno

364
interp2 calcula una interpolacin en 2D. El comando es el

siguiente:
zi = interp2(x,y,z,xi,yi,mtodo);
trabaja igual que intrp1 solo que este utiliza tablas de dos
dimensiones (2D). Los posibles mtodos en este caso son
linear y cubic solamente. El mtodo por default es linear.
Pedro Ochoa Moreno

365
Aplicaciones de interpolacion lineal y spline cbica
Con la finalidad de ilustrar el empleo de la funcin de interpolacin

interp1, usaremos el siguiente conjunto de mediciones de
temperaturas tomadas de la cabeza de un motor nuevo que se estaba
probando con miras a usarse en un auto de carreras:
Pedro Ochoa Moreno

366
Tiempo (segundos) Temperatura ( F)

0 0
1 20
2 60
3 68
4 77
5 110
Pedro Ochoa Moreno
367
Si queremos calcular el valor d e temperatura en un tiempo t = 2.8,

o en otras palabras ser el valor de xi, las siguientes lneas nos
muestran este caso:
X=0:5;
y=[0,20,60,68,77,110];
y1=interp1(x,y,2.8)
Pedro Ochoa Moreno

368
y1 =
66.4000
x=0:5;
y=[0,20,60,68,77,110];
y1=interp1(x,y,2.8,'spline')
y1 =
Pedro Ochoa Moreno
369
67.7227
Las siguientes lneas nos permitirn visualizar grficamente los dos

tipos de interpolacin.
Pedro Ochoa Moreno

370
% Las siguientes lneas de instrucciones

% nos permitirn hacer la comparacin de
% interpolacin lineal con la de spline
% cbica.
%
x=0:5;
y=[0,20,60,68,77,110];
new_x=0:0.1:5;
Pedro Ochoa Moreno
371
new_y1=interp1(x,y,new_x,'linear');
new_y2=interp1(x,y,new_x,'spline');
subplot(2,1,1)
plot(new_x,new_y1,new_x,new_y2,x,y,'og')
title('Interpolacin lineal contra spline cbica')
xlabel('x'),grid
axis([-1,6,-20,120])
Pedro Ochoa Moreno

372
Pedro Ochoa Moreno

373
Pedro Ochoa Moreno

374
6.3 Ejercicios
Ejercicio 6.1 Dados los polinomios a(s) s 3 2s 2 5s 1 y b(s) s 2 1

, calcular a(s) b(s), a(s) 5b(s), a(s)b(s) y a(s)/b(s).
Ejercicio 6.2 Determine los polinomios cuyas races son

Pedro Ochoa Moreno
375
a) -1, -3, -5;

b) -2, -5j2;
c) 1, -1, j.
Ejercicio 6.3 Obtenga las races de los siguientes polinomios:
1. s 3 5s 2 7s 2;
Pedro Ochoa Moreno

376
2. (s 1) 3 (s 2 12s 9);
3. 2s j3s 1.
5 2
Ejercicio 6.4 El polinomio mnimo de una matriz es el polinomio

de menor grado entre los detractores de una matriz. Calcular el
polinomio mnimo de
Pedro Ochoa Moreno

377
2 1 0 0
0 2 0 0
A
0 0 1 1

0 0 2 4
Ejercicio 6.5 Calcular los puntos de la curva y los posibles

puntos de inflexin de las siguientes funciones:
1. f(x) x 4 5x 3 1;
Pedro Ochoa Moreno
378
x 1
2. g(x) .
x 3x 1
3
Ejercicio 6.6 Calcular la descomposicin por fracciones

parciales de la siguiente funcin:
s 2 3s
s 4 4s 3 7s 2 6s 2
Pedro Ochoa Moreno

379
Ejercicio 6.7 La densidad del aire (en kg m ) varia con la

3
altitud h (en km) de acuerdo con la tabla 6.1.

Calcular los polinomios de interpolacin de grado n=1,2,,6 y
determinar la norma de error.
h 7 10 15 21 27 34 39 43 47 51 55 59 61
556 369 191 75 26.2 9.9 4.4 2.3 1.4 0.8 0.5 0.33 0.25
Pedro Ochoa Moreno

380
Tabla 6.1 Densidad del aire
Calcule, adems, los valores de la densidad del aire a las

altitudes de 10, 20, 30, 40, 50 y 60 km mediante el uso del
algoritmo discutido en la seccin 6.2 (ntese que los valores de
la variable independiente no son igualmente espaciados).
Pedro Ochoa Moreno

381
Pedro Ochoa Moreno

382
Pedro Ochoa Moreno

383
Pedro Ochoa Moreno

384
Pedro Ochoa Moreno

385
7
Pedro Ochoa Moreno
386
Grficas
Las grficas son una de las caractersticas ms avanzadas de
MatLab. Este captulo es organizado como sigue: primeramente,
iniciaremos con los comandos para grficas simples en 2D lo cual le
permitir al participante trazar la grfica de funciones de una variable
Pedro Ochoa Moreno
387
real de una manera rpida; posterior el escalamiento de los ejes, as

como su etiquetacin se vera con detalle; y como ltimo, un etapa
avanzada con una breve repaso de las caractersticas de graficacin
de MatLab para el manejo de situaciones ms complejas; la parte
correspondiente a 3D ser estructura en la misma forma.
Para poder visualizar en una mayor profundidad las capacidades
de graficacin de MatLab se le recomienda al participante interactuar
con los manuales en formato PDF y la ayuda en lnea.
Pedro Ochoa Moreno

388
7.1 Graficas en dos dimensiones (2D)
MatLab le permite al usuario trazar graficas en diferente

ventanas, llamadas figures. Por omisin, MatLab traza una grfica
iniciando en la ventana no. 1; si queremos abrir ms ventanas
necesitamos teclear el comando figure(n), donde n nos indica el
nmero de la ventana a abrir. De ah en adelante MatLab trazara
Pedro Ochoa Moreno

389
grficas hasta la ventana n-th, a menos de que el usuario cambie de

figura mediante el comando figure. Para cerrar la ventana nth
mediante el comando close(n), close all cerrara todas las ventanas y
solo close cerrara la ventana en uso actualmente.
Para iniciar, empecemos por trabajar con la primera ventana. El
comando principal para trabajar con grficas en 2D es plot.
Iniciemos con un ejemplo sencillo: si queremos representar la
siguiente secuencia de caracteres grficamente:
Pedro Ochoa Moreno

390
{0,0.48,0.84,1,0.91,0.6,0.14}
Entonces ser suficiente con escribir las siguientes lneas:
y=[0 .48 .84 1 .91 .6 .14];

plot(y)
Pedro Ochoa Moreno

391
Los resultados se muestran en la figura 7.1.
Pedro Ochoa Moreno

392
Pedro Ochoa Moreno

393
Figura 7.1 Una grfica simple.
Algunos detalles surgen de este primer ejemplo. Primeramente,

podemos observar que el escalamiento de los ejes es llevado a cabo
automticamente; adems se hace notorio que el ttulo de la ventana
es Figure No. 1 y finalmente, los puntos son unidos mediante una
lnea slida.
Pedro Ochoa Moreno

394
La instruccin plot acepta un parmetro opcional del tipo cadena

( acotado por apostrofes ) para definir el tipo y color de los trazos.
MatLab maneja cuatro tipos de lneas, cinco tipos de puntos y
ocho colores bsicos, tal como se resumen en la Tabla 7.1.
Si queremos graficar los puntos del vector y definido con
anterioridad con asteriscos rojos y sin juntar los puntos entre ellos,
usaremos la siguiente lnea de instruccin:
Pedro Ochoa Moreno

395
plot(y,'*r')
Tipo de lnea Tipo de punto Color

Slido (guin) - Punto . Amarillo y
Doble guin -- Signo de mas + Prpura m
Colon : Asterisco * Cian c
Guin y punto -. Circulo Red r
Cruz x Verde g
Pedro Ochoa Moreno
396
Azul b
Blanco w
Negro k
Tabla 7.1 Opciones de trazado.
Y si luego aadimos algunos cometarios, veremos el resultado en la

figura 7.2.
Pedro Ochoa Moreno
397
title('Secuencia de puntos')
xlabel('Abcisa')
ylabel('Ordenada')
grid
Pedro Ochoa Moreno

398
Secuencia de puntos
1
0.9
0.8
0.7
0.6 Esta es una prueba

Ordenada
0.5
Pedro Ochoa Moreno
0.4
399
0.3
0.2
0.1
0
1 2 3 4 5 6 7
Abcisa
Figura 7.2 Colocacin de etiquetas.

title, xlabel e y label definen las etiquetas para el titulo y los ejes
respectivamente, cada vez que volvemos a teclear esos comandos,
las etiquetas previas son desplazadas por las nuevas. El comando
grid nos dibuja una malla sobre la que se traza la grfica, cada vez
que es tecleado este comando se invierte la seleccin, este se puede
Pedro Ochoa Moreno

400
usar por omisin tal como se manejo en el ejemplo, o grid on e

inversamente grid off, para que desaparezca la malla.
Para insertar texto en cualquier lugar en el rea de la grfica,
existe el comando:
gtext(x,y,text)
el cual, coloca la cadena de caracteres text en el punto con

coordenadas (x,y). Estos tres parmetros tambin pueden ser vectores
Pedro Ochoa Moreno

401
(de la misma longitud); en este caso la entrada i-th del vector cadena
(es en realidad una matriz de caracteres) es colocado en el punto con
coordenadas x i , y i . Tambin existe la posibilidad de de utilizar el
comando gtext(text) que es la versin manejada para el mouse, este
coloca el texto en el punto indicado por el punto seleccionado por el
mouse sobre la ventana de la grfica.
Ahora quiero presentarles algo menos trivial: por ejemplo si
deseamos trazar la grfica de la funcin y=f(t). El comando plot(a,b)
Pedro Ochoa Moreno

402
dibujara la grfica del par (a i , bi ) ; entonces si analizamos en detalle el

comando, tenemos que este tabulara la funcin bajo consideracin.
Por ejemplo, si tomamos el mismo de la seccin 4.3, que es y=sint, las
siguientes lneas nos permitirn ver el resultado grfico:
t=0:.05:4*pi;
y=sin(t);
plot(t,y,'g')
Pedro Ochoa Moreno

403
Mediante la forma anterior, podemos decir que la tabulacin no

siempre es una operacin comn, debido a eso puede suceder que la
funcin pueda exhibir diferentes escalas de tiempo; esto es, por
ejemplo, el caso para la funcin f (t ) e 10 sin(0.05t ) , para lo cual se
10 t
usa una pequea tabulacin de pasos acentundose la contribucin

del termino exponencial, pero la funcin sin necesita grandes pasos.
Pedro Ochoa Moreno

404
Esta situacin puede ser resuelta para cualquier caso particular,

mediante el uso de dos trazas. Por lo tanto, podemos pensar acerca
Pedro Ochoa Moreno

405
0.8
0.6
0.4
0.2
-0.2
Pedro Ochoa Moreno
-0.4
406
-0.6
-0.8
-1
0 2 4 6 8 10 12 14
Figura 7.3 Funcin sin t.
de producir dos grficas diferentes en dos ventanas diferentes, usando

dos escalas de tiempos diferentes:
t1=0:.01:1; %primera escala de tiempo, de 0 a 1 en pasos de 0.01.

y1=exp(-10*t1)+sin(0.05*t1);
t2=0:200; %segunda escala de tiempo, de 0 a 200 en pasos de 1.
Pedro Ochoa Moreno

407
y2=exp(-10*t2)+sin(0.05*t2);
figure(1)
plot(t1,y1)
figure(2)
plot(t2,y2)
Pedro Ochoa Moreno

408
1 1
0.9 0.8
0.8 0.6
0.7 0.4 Figura 2
0.6 0.2
0.5 Figura 1 0
0.4 -0.2
0.3 -0.4
0.2 -0.6
0.1 -0.8
0 -1
Pedro
0
Ochoa
0.1 0.2 0.3
Moreno
0.4 0.5 0.6 0.7 0.8 0.9 1 0 20 40 60 80 100 120 140 160 180 200
409
Figura 7.4 Grficas en dos escalas de tiempo.

7.2 Trazas mltiples
Obviamente, el mejor mtodo para comparar dos o ms trazas es

tenerlas en una misma ventana. Existen tres mtodos diferentes para
mltiples trazas:
Pedro Ochoa Moreno

410
1. Si necesitamos la grfica de dos o ms trazas en sobre los

mismos valores de la abcisa, podemos utilizar plot con
argumentos matriciales. Usando plot(X,Y):
Si Y es una matriz y X es un vector, entonces los

vectores (o columnas) de Y sern trazadas con
respecto a los valores en X.
Pedro Ochoa Moreno

411
Si X es una matriz e Y un vector, las columnas (o

filas) de X son trazados con respecto al vector Y.
Por ejemplo, para trazar las grficas de las funciones

y=sin(t) y y=cos(t) para t 0,2 podemos teclear las
siguientes lneas:
t=(0:.1:2*pi)'; %transpuesta para obtener un vector

Pedro Ochoa Moreno
412
%columna
y=[sin(t),cos(t)];
plot(t,y)
gtext('sin(t)')
gtext('cos(t)')
Pedro Ochoa Moreno

413
0.8
0.6 sin(t)
0.4
cos(t)
0.2
-0.2
-0.4
-0.6
Pedro Ochoa Moreno
-0.8
414
-1
0 1 2 3 4 5 6 7
Figura 7.5 Grficas para y= sin(t) e y= cos(t).

2. Si los dominios de las abcisas son diferentes, usaremos
plot con ms argumentos:
plot(X1,Y1,X2,Y2,,Xn,Yn)
Pedro Ochoa Moreno

415
trazar las grficas de los vectores pares X i , Yi , i= 1,,n.

Para delinear las trazas de sin(t) para t 0,3 y cos(t) para
t 1,4 , usaremos las siguientes lneas de instrucciones:
t1=(0:.1:3)';
y1=sin(t1);
t2=(1:.1:4)';
y2=cos(t2);
Pedro Ochoa Moreno

416
plot(t1,y1,t2,y2)
gtext('sin(t)')
gtext('cos(t)')
Pedro Ochoa Moreno

417
0.8 sin(t)
0.6
0.4
0.2
cos(t)
-0.2
-0.4
Pedro Ochoa Moreno
-0.6
418
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4
Figura 7.6 Grfica de trazas mltiples.
3. Finalmente, podemos guardar la grfica previa con el par

de comandos axis(axis), hold.
t1=(0:.1:4*pi);
Pedro Ochoa Moreno

419
y1=sin(t1);
plot(t1,y1,'g')
hold
Current plot held
t2=(0:.1:4*pi)';
y2=cos(t2);
plot(t2,y2,'m')
t3=(0:.1:4*pi)';
Pedro Ochoa Moreno

420
y3=-sin(t3);
plot(t3,y3,'y')
gtext('sin(t)')
gtext('cos(t)')
gtext('-sin(t)')
Pedro Ochoa Moreno

421
0.8 sin(t)
0.6
cos(t)
0.4
0.2
Pedro Ochoa Moreno

-0.2
422
-0.4
-sin(t)
-0.6
-0.8
-1
0 2 4 6 8 10 12 14
Figura 7.7 Graficas mltiples con retencin de la grafica inicial.
Otro ejemplo, que nos permitira comparar la conducta de la

funcin y=sin(t) con la de y e , en el dominio de t 0,5 , el resultado
t
se observa en la figura 7.8.
t=0:.1:5;
plot(t,sin(t)0
Pedro Ochoa Moreno

423
axis(axis)
hold
Current plot held
plot(t,[t;exp(t)],'k')
legend('sin(t)','exp(t)')
hold es un comando que congela los ejes en uso. Este es un

comando de intercambio en el sentido de que cada vez que nosotros
Pedro Ochoa Moreno

424
tecleamos hold su estatus es invertido, cuando una grfica es

congelada el prximo desbloqueara los factores de escalamiento, un
hold posterior congelara el escalamiento otra vez, los comandos hold
on y hold off nos permiten manejar esos cambios explcitamente.
Pedro Ochoa Moreno

425
1
sin(t)
0.8 exp(t)
0.6
0.4
0.2
0
Pedro Ochoa Moreno
-0.2 426
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 7.8 Graficas mltiples con propsitos de comparacin.
Una leyenda puede ser muy til para distinguir entre mltiples
trazas dentro de una ventana, el comando legend(linetype1,string1,
,linetypen, stringn) crea una leyenda asociada a cada lnea con su
correspondiente cadena, la aplicacin de este comando se observa en
la figura 7.8. Para propsitos prcticos, basta con teclear
legend(string1,srting2,.,stringn).
Pedro Ochoa Moreno

427
7.3 Escalamiento de ejes
Como se menciono con anterioridad el escalamiento de los ejes

es automtico, pero frecuentemente es necesario redefinir este. Para
cumplir con esta tarea, usaremos el comando axis que se ha visto con
anterioridad en conjuncin con hola. Aqu se analizaremos, las tres
funciones principales del comando axis:
Pedro Ochoa Moreno

428
axis([xmin xmax ymin ymax]) el cual define los valores

extremos de los ejes x e y; despus de trazada la grafica
es posible cambiar el escalamiento de los ejes al usar este
comando.
axis(axis) igual que el anterior solo que congela el
escalamiento de los ejes en uso.
Pedro Ochoa Moreno

429
axis(auto) restaura automticamente el escalamiento de

ejes congelado con anterioridad.
v=axis almacena los limites actuales de los ejes en un vector v.

Si uno de los limites tiene el valor de inf, entonces el valor extremo del
dato es usado; esto es equivalente a llevar a cabo un auto
escalamiento; entonces axis(-inf inf -inf inf) que es lo mismo que
axis(auto).
Pedro Ochoa Moreno
430
Otras capacidades del comando axis son:
axis(ij) usa las coordenadas de una matriz, con el eje

vertical direccionado hacia abajo (de acuerdo con la
direccin incremental del ndice usado en una matriz).
axis(xy) usa las coordenadas cartesianas, con el eje
vertical direccionado hacia arriba.
Pedro Ochoa Moreno
431
axis(square) supeditada la regin de la grafica a un rea

de forma cuadrada.
axis(equal) establece los mismos factores de
escalamiento a ambos ejes.
axis(off) desactiva el trazado de ejes.
axis(on) activa el trazado de ejes.
Pedro Ochoa Moreno

432
7.4 Ms graficas en dos dimensiones (2D)
En esta seccin se presentan los comandos remanentes para la

trazar graficas en 2D, que utilizan representaciones diferentes de las
coordenadas cartesianas de ejes lineales hasta ahora discutidos.
semilogx delinea el eje x en la escala log10.
Pedro Ochoa Moreno

433
semilogy trabaja en una forma idntica a la del comando

anterior, pero el rol del eje x es cambiado por el del eje y.
loglog trabaja como los dos previos pero con ambos ejes
logartmicamente.
polar(rho,theta) traza grficas en coordenadas polares; la
singularidad es que debe ser dado en radianes, pero los
ejes son trazados en grados; ms sin embargo, es
Pedro Ochoa Moreno

434
imposible utilizar argumentos mltiples (a menos que se

utilice el mtodo 3).
bar, stairs estos comandos nos permiten graficas del tipo
de barras y el de escalera respectivamente; si estos son
invocados con argumentos de salida, tal como [Xb,Yb] =
bar(X,Y), en este caso se generan los vectores Xb e Yb
que posteriormente se grafican con plot(Xb,Yb), este
trazara las grficas de barras o escalera. Este comando es
Pedro Ochoa Moreno
435
usado para cuando por ejemplo, cuando se necesitan

representar grficas continuas o discretas en el tiempo en
una misma figura. Es posible usar argumentos mltiples de
acuerdo al mtodo 1, siempre que los vectores a trazar
debern ser dados en formato de vectores columna.
hist calcula y traza histogramas. En particular, hist(x)
calcula y traza el histograma relacionado con los datos del
vector x, el escalamiento del eje x es con los valores del
Pedro Ochoa Moreno
436
vector x y la ocurrencia de estos valores es concerniente al

eje y. El histograma es calculado y graficado mediante la
divisin del eje x en segmentos; un segundo parmetro
opcional puede ser un entero, las barras a trazar, o un
vector, que defina los intervalos a usar. Por ejemplo,
supongamos que deseamos probar la precisin de un
generado aleatorio uniformemente rand. Por definicin, un
vector de muestreos de una variable estocstica con
Pedro Ochoa Moreno

437
distribucin uniforme deber resultar en un histograma

plano; entonces podemos usar las siguientes lneas para
graficar un histograma de 10 barras:
n=100;
y=rand(n,1);
hist(y,10)
gtext('Cien muestras')
Pedro Ochoa Moreno

438
esas lneas no producen el histograma de la figura 7.9.
Pedro Ochoa Moreno

439
Cien muestras
14
12
10
Pedro Ochoa Moreno 0

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
440
Figura 7.9 Histograma.

Cien muestras
Si incrementamos el14valor de n veremos que los nivelesCien
de muestras
las barras sean ms parejos. La14versin para coordenadas
polares usa el comando
12 rose, si en las lneas de
instruccin antes dadas, cambiamos
12 el comando hist por
rose, obtendremos la grafica de la figura 7.10.
10
10
Pedro Ochoa Moreno
8441
8
6
6
4
4
2
2
0
0 0.1 0 0.2 0.3 0.4 0.5 0.6 0.7 0.8
0 0.1 0.2 0.3 0.4 0.5 0.6
Cien muestras
90
80
120 60
60
150 40 30
20
180 0
210 330

270
300
442
Figura 7.10 Histograma en coordenadas polares.
fplot traza la grfica de una funcin dada. Sus dos formas

ms importantes son:
fplot(funcion,[xmin,xmax])
y
[x,y] = fplot(funcion,[xmin,xmax])
Pedro Ochoa Moreno
443
Mediante el uso de la primera forma, tenemos que el trmino

funcin es graficada en el intervalo de la abcisa determinado por
[xmin,xmax]. La segunda forma, por el contrario, no nos da un
resultado grfico, si nos entrega dos vectores uno de la abcisa y los
valores (o una matriz de valores, si la funcin bajo consideracin es un
vector) que pueden ser graficados mediante el uso del comando
plot(x,y).
Pedro Ochoa Moreno

444
7.5 Incrustacin de ms de una grafica en una ventana
Con anterioridad se haba considerado la opcin de abrir

ventanas graficas, pero algunas veces es necesario visualizar mas
trazas, aunque si bien estas se refieran a cantidades no homogneas,
pero que dependan de una misma variable, como ejemplo, tenemos
Pedro Ochoa Moreno

445
las graficas de la portada de este curso, que contiene tres variables no

homogneas que son: correccin radial, posicin angular y consumo
de energa de las entradas, todas estas dependen de la variable
tiempo.
El comando subplot nos permite mostrar trazas mltiples en la
misma ventana o imprimir estas en la misma pagina. La sintaxis de
este comando es:
Pedro Ochoa Moreno

446
subplot(m,n,p)
el comando anterior dividir la ventana en una matriz de subtrazas de

m x n, las trazas son numeradas a lo largo de la primera fila de la parte
superior de la ventana de la figura, luego se contina con la segunda
ventana, y as sucesivamente.
A continuacin se presenta un ejemplo de subplot para trazas en
dos dimensiones y un arreglo matricial de 3 x 1, con p [1,3] . Las
Pedro Ochoa Moreno

447
lneas que se presentan a continuacin, nos dan como resultado las

trazas mltiples de la figura 7.11.
% Programa de demostracin para poder visualizar
% mltiples graficas dentro de una misma ventana.
%
%Por Pedro Ochoa Moreno
%Agosto,2000.
Clear;
clc;
Pedro Ochoa Moreno
448
clf;
%Funcin 10sen3t
t=0:0.1:10;
y=10*sin(3*t);
subplot(311); plot(t,y,'LineWidth',2); %Grfica de 10sen3t
title('Funcin 10sen3t'), ylabel('Amplitud'),xlabel('Tiempo'),grid;
%Funcin 30cos3t
y=30*cos(3*t);
subplot(312); plot(t,y,'LineWidth',2); %Grfica de 30cos3t
title('Funcin 30cos3t'), ylabel('Amplitud'),xlabel('Tiempo'),grid;
%Funcin -90sen3t
y=-90*sin(3*t);
Pedro Ochoa Moreno

449
subplot(313); plot(t,y,'LineWidth',2); %Grfica de -90sen3t
Pedro Ochoa Moreno

450
title('Funcin -90sen3t'), ylabel('Amplitud'),xlabel('Tiempo'),grid;
Funcin 10sen3t
10
Amplitud 0
-5
-10
0 1 2 3 4 5 6 7 8 9 10
Funcin 30cos3t Tiempo
40
20
Pedro Ochoa Moreno

Amplitud
0
451
-20
-40
0 1 2 3 4 5 6 7 8 9 10
Tiempo
Funcin -90sen3t
100
50
Amplitud
-50
-100
0 1 2 3 4 5 6 7 8 9 10
Tiempo
Funcin 10sen3t
10
Amplitud
0
-5
-10
0 1 2 3 4 5 6 7 8 9 10
Funcin 30cos3t Tiempo
40
20
Amplitud
0
Pedro Ochoa Moreno
-20
452
-40
0 1 2 3 4 5 6 7 8 9 10
Tiempo
Funcin -90sen3t
100
50
Amplitud
-50
-100
0 1 2 3 4 5 6 7 8 9 10
Tiempo
Figura 7.11. Trazas mltiples en dos dimensiones y la matriz de

subregiones es de 3 x1.
7.5 Graficas en tres dimensiones (3D)
Las graficas en tercera dimensin son ms complejas que las de

dos dimensiones. Tambin debemos recordar que una figura en
tercera dimensin puede parecer o ser diferente con el simple hecho
Pedro Ochoa Moreno

453
de cambiar el punto de vista. Podemos dividir los objetos de 3D en tres

amplias categoras que son:
Superficies generadas por funciones matemticas de dos

variables suf.(soy);
Curvas o superficies las cuales son conocidas mediante
una descripcin paramtrica, x=x(t), y=y(t), z=z(t);
Pedro Ochoa Moreno

454
Superficies de revolucin generadas mediante la rotacin

de una curva alrededor de un eje fijo.
Antes de discutir las tres posibilidades anteriores, es importante

conocer que MatLab le permite a uno determinar el ngulo del punto
de vista, pero no la distancia del ojo al objeto trazado. Lo anterior es
llevado a cabo mediante los dos ngulos llamados el horizonte
(azimuth) y el de elevacin los cuales los podemos asociar a
Pedro Ochoa Moreno
455
longitud y latitud respectivamente. Lo anterior se puede ver en la figura

7.12
Pedro Ochoa Moreno

456
z
x
y
Punto de
vista
x
Pedro Ochoa Moreno
457
Figura 7.12 Marcos de referencia.

Existe la posibilidad de cambiar los valores usados por el
comando view, este trabaja esencialmente en dos formas:
view(az,el) establece el punto de vista en el az( ) y la el( )

en grados.
Pedro Ochoa Moreno

458
view(x,y,z) este le permite a uno definir el punto de vista

P(x,y,z) en coordenadas cartesianas; como se manejo en la
figura 7.12, pero no nos permite definir la distancia de
observacin, en otras palabras la longitud de P es ignorada.
A continuacin se presentan las figuras 7.13 y 7.14 con puntos

de vista de az(-45) y al(45); az(-45) y el(5) respectivamente:
Pedro Ochoa Moreno

459
Pedro Ochoa Moreno

460
Figura 7.13 Observacin de la figura con un punto de vista de az(-45)

y el(45).
Pedro Ochoa Moreno

461
Pedro Ochoa Moreno

462
Figura 7.14 Observacin de la figura con un punto de vista de az(-45)

y el(5).
7.6 Funciones de dos variables
Dada una funcin real de dos variables reales z=f(x,y). podemos

usar el comando mesh o surf para trazar su grafica. La diferencia
entre los dos comandos es que el primero traza la figura usando
segmentos de lnea que se unen a los valores de z y el ultimo, colorea
Pedro Ochoa Moreno

463
las regiones denominadas superficies y que se encuentran delimitadas

por esos segmentos de lnea; su sintaxis es la misma, as que sol
describiremos para el comando mesh. Una alternativa para trazar un
figura en 3D es la representacin de una en 2D a travs de sus curvas
de contorno, usando el comando contour.
El primer paso, ser el de construir las dos matrices X e Y que
definen el dominio de la funcin bajo consideracin y para esto
utilizaremos el comando meshgrid; la matriz X almacena copias del
Pedro Ochoa Moreno

464
intervalo ordenado por filas, la matriz Y contiene copias de los valores

de y almacenados por columnas. En otras palabras, dados dos
vectores con los intervalos x e y definiendo el dominio,
[X,Y] = meshgrid(x,y)
crea la matriz X con tantas filas como sea la longitud del vector y, y
cada fila es copiada del vector x; anlogamente, la matriz Y tiene un
Pedro Ochoa Moreno

465
numero de columnas semejantes a las del vector y como el numero de

elementos de x. De este modo el punto genrico con coordinadas
xi , y j puede ser calculado por ( X i, j ,Y i, j ).
Entonces si queremos calcular los valores de la funcin z=sinxcosy
para x [0,4] y y [2,1] , por lo tanto podemos usar las siguientes
lneas:
x=0:.1:4;
Pedro Ochoa Moreno

466
y=-2:.1:1;
[X,Y]=meshgrid(x,y);
Z=sin(X).*cos(Y);
contour(x,y,Z)
mesh(X,Y,Z)
meshc(X,Y,Z)
surfc(X,Y,Z)
Pedro Ochoa Moreno

467
El contorno en 2D lo podemos trazar con el comando

contour(x,y,Z), el resultado se puede observar en la figura 7.15 a) y el
comando mesh(X,Y,Z) en la figura 7.15 b).
Pedro Ochoa Moreno

468
0.5
-0.5
-1
-1.5
Pedro
-2
0
Ochoa
0.5 1
Moreno
1.5 2 2.5 3 3.5 4
469
a) b)
Figura 7.15 a) aplicacin del comando contour; b) aplicacin del

comando mesh.
Cabe hacer mencin que en la traza en 2D, los dos primeros

argumentos son los vectores definidos con anterioridad. Entonces en
este caso la instruccin meshgrid es sol usado para calcular los
Pedro Ochoa Moreno

470
valores de la funcin. En la figura 7.16 a) podemos ver la aplicacin

del comando meshc, y en el inciso b) vemos el uso del comando
surfc.
Pedro Ochoa Moreno

471
Pedro Ochoa Moreno

472
a) b)
Figura 7.16 Aplicacin de los comandos: a)meshc y b) surfc.

Como un ejemplo de 3D, en las siguientes lneas definimos con
el comando subplot(2,2,p) que la ventana ser dividida en cuatro
secciones y que se colocaran cuatro mallas en cada seccin,
mediante el comando mesh (para tres dimensiones) a la seccin
tambin se le denomina subregin, el resultado grafico se muestra en
Pedro Ochoa Moreno

473
la figura 7.15. Por otro lado si quisiramos poner todas las mallas en
una forma pila (cargador) vertical, entonces el comando seria
subplot(4,1,p), donde para este caso y el anterior el valor de p ira
desde uno hasta el valor del producto de m x n (en ambos casos el
rango de p es de 1 a 4).
t=0:pi/10:2*pi;
[X,Y,Z]=cylinder(4*cos(t));
Pedro Ochoa Moreno

474
subplot(2,2,1); mesh(X)
subplot(2,2,2); mesh(Y)
subplot(2,2,3); mesh(Z)
subplot(2,2,4); mesh(X,Y,Z)
Pedro Ochoa Moreno

475
Pedro Ochoa Moreno

476
Figura 7.17 Trazas mltiples en una sola ventana grfica.
Despus de haber utilizado el comando mesh, el cual solo nos

muestra las tres dimensiones en una forma esquemtica, pero si
queremos que las reas de la malla se llenen de color, en otras
palabras que el objeto parezca realmente slido, utilizaremos el
comando surf con los mismos argumentos de mesh. A continuacin
se presentan unas lneas que nos muestran lo anterior:
Pedro Ochoa Moreno

477
[X,Y]=meshgrid(-8:.5:8);
R=sqrt(X.^2+Y.^2)+eps;
Z=sin(R)./R;
mesh(X,Y,Z)
surf(X,Y,Z)
Pedro Ochoa Moreno

478
Los resultados son visibles en las graficas 7.16 y 7.17, podemos

observar los resultados para el comando mesh y surf
respectivamente.
Pedro Ochoa Moreno

479
Pedro Ochoa Moreno

480
Figura 7.18 Aplicacin del comando mesh.
Pedro Ochoa Moreno

481
Pedro Ochoa Moreno

482
Figura 7.19 Aplicacin del comando surf.
7.7 Ejercicios
Ejercicio 7.1 Trazar las graficas de todas las curvas definidas en

los captulos previos
Pedro Ochoa Moreno

483
Ejercicio 7.2 Compare las trazas, en el intervalo x [1,1], de la

polinomial de Chebyshev de grado n=0,1,2,3,4 y definido por la
formula
Tn (x) cos(n arcos(x))
Posteriormente y mediante el uso de del comando polyfit,

encontrar los coeficientes de esos polinomios.
Pedro Ochoa Moreno

484
Ejercicio 7.3 Trazar la grafica de la funcin
5000
f ( x, y ) 1
740 x y 100 x 2 100 y 2 6369
2 2
Ejercicio 7.4 Con referencia al ejercicio anterior, use el comando

surf y pruebe con diferentes mapas de colores; y por ultimo,
Pedro Ochoa Moreno

485
genere un mapa de color aleatorio (una matriz de 64 x 3) y

pruebe esta.
Ejercicio 7.5 Delinear la traza de la funcin definida en

coordenadas polares por cos usando el comando polar y
posteriormente despus de convertir a coordenadas cartesianas
usar el comando plot.
Pedro Ochoa Moreno

486
Pedro Ochoa Moreno

487
Pedro Ochoa Moreno

488
Pedro Ochoa Moreno

489
Pedro Ochoa Moreno

490
Pedro Ochoa Moreno

491
Pedro Ochoa Moreno

492
8
Pedro Ochoa Moreno
493
Programacin en MatLab
Hasta este momento hemos usado MatLab en un modo
interactivo, tecleando cada comando desde el teclado. Esta forma de
operaciones muy rpida y usual, ya que nos permite utilizar la
computadora como la extensin de una calculadora para obtener
resultados rpidamente, pero esto encara dos problemas; que pasa si
Pedro Ochoa Moreno
494
queremos repetir los mismos clculos ms veces y no estamos

dispuestos a teclear las mismas instrucciones otra vez. Mas sin
embargo, si tenemos que repetir el mismo comando para diferentes
valores de los parmetros involucrados. Para este ltimo problema
existe la posibilidad de cambiar los parmetros sin la necesidad de
repetir las instrucciones.
Para solucionar ambos problemas en el entorno de MatLab, el
primer problema a encarar ser solucionado con las estructuras de
Pedro Ochoa Moreno

495
control de flujo. En la siguiente seccin veremos los comandos para

controlar el flujo lgico de las instrucciones, en las siguientes dos
secciones veremos el diseo de programas en MatLab as como
funciones y finalmente veremos las herramientas de depuracin
disponibles en MatLab.
8.1 Estructuras bsicas de programacin
Pedro Ochoa Moreno

496
Como es conocido que con base a la teora de programacin

estructurada que cualquier programa puede ser implementado
mediante un lenguaje de programacin que tenga las tres operaciones
bsicas: 1) secuencia, 2) seleccin, 3) iteracin. Entonces
consideremos como MatLab implementa esas operaciones.
Pedro Ochoa Moreno

497
La secuencia en MatLab es dada simplemente por el orden

lexicografito de las instrucciones.
La seleccin es obtenida con el operador clsico de las clusulas

if condicin
conjunto de instrucciones 1
elseif condicin
Pedro Ochoa Moreno
498
else
end
La iteracin es obtenida con los operadores de ciclos
for i=1:n;
instrucciones
Pedro Ochoa Moreno
499
end
while condicin
instrucciones
end
Pedro Ochoa Moreno

500
Una instruccin de seleccin nos permite hacer una pregunta o

probar una condicin para determinar que pasos se ejecutaran a
continuacin. Primero veremos la instruccin de seleccin ms comn
la instruccin if y luego estudiaremos los operadores y funciones
relacionales y lgicos que se usan comnmente con las instrucciones
de seleccin.
Instruccin if sencilla
Pedro Ochoa Moreno

501
La forma general de la instruccin if sencilla es la siguiente:
if expresin lgica
Instrucciones
end
Pedro Ochoa Moreno

502
Si la expresin lgica es verdadera, ejecutamos las instrucciones

que estn entre la instruccin if y la instruccin end. Si la expresin
lgica es falsa, saltamos de inmediato a la instruccin que sigue
despus de la instruccin end. Es importante sangrar las instrucciones
dentro de la estructura if para que sea ms fcil de entender.
He aqu un ejemplo de la instruccin if:
if g < 50
Pedro Ochoa Moreno

503
Count = count + 1;
disp(g);
end
Supongamos que g es un escalar. Si g es menor que 50, count

se incrementa en 1 y se exhibe el valor de g en la pantalla; si no, se
pasan por alto estas dos instrucciones. Si g no es un escalar, count se
Pedro Ochoa Moreno

504
incrementara en 1 y slo se exhibir g en la pantalla si todos los

elementos de g son menores que 50.
Instrucciones if anidadas
He aqu un ejemplo de instrucciones if anidadas que amplia el

ejemplo anterior:
Pedro Ochoa Moreno

505
if g < 50
Count = count + 1;
disp(g);
if b > g
b = 0;
end
end
Pedro Ochoa Moreno

506
Una vez ms, supondremos que g y b son escalares. Entonces,

si g < 50, incrementamos count en 1 y exhibimos g. Adems, si b > g,
asignamos 0 a b. Si g no es menor que 50, pasamos de inmediato a la
instruccin que sigue a la segunda instruccin end. Si g no es un
escalar, la condicin g < 50 slo ser verdadera si todos los elementos
de son menores que 50, Si ni g ni b son escalares, b ser mayor que
g slo si cada uno de los pares de elementos correspondientes de g y
Pedro Ochoa Moreno

507
b son valores tales que el de b es mayor que el de g. Si g o b es un

escalar, la otra matriz se comparara con el escalar elemento por
elemento.
Clusulas else y elseif
La clusula else nos permite ejecutar una serie de instrucciones

si una expresin lgica es verdadera y una serie diferente si la
Pedro Ochoa Moreno

508
expresin es falsa. Para ilustrar esta instruccin, supongamos que

tenemos una variable interval. Si el valor de interval es menor que 1,
queremos asignar el valor interval/10 a x_increment; en caso contrario,
queremos asignar 0.1 a x_increment. Las siguientes lneas de
instrucciones ejecutan esos pasos:
if interval < 1
x_incremental = interval/10;
Pedro Ochoa Moreno

509
else
x_incremental = 0.1;
end
Si anidamos varios niveles de instruccin if else, puede ser

difcil determinar cules expresiones lgicas deben ser verdaderas (o
falsas) para ejecutar cada serie de instrucciones. En estos casos es
Pedro Ochoa Moreno

510
comn utilizar la clusula elseif para aclarar la lgica del programa,

como se ilustra con las siguientes lneas de instrucciones:
if temperatura > 100

disp(Demasiado caliente falla de equipo.)
elseif temperatura > 90
disp(Intervalo operativo normal.)
elseif temperatura > 50
Pedro Ochoa Moreno

511
disp(Temperatura por debajo del intervalo

operativo deseado.)
else
disp(Demasiado fri apagar equipo.)
end
En este ejemplo, las temperaturas entre 90 y 100 estn en el
intervalo operativo normal; las temperaturas fuera de ese intervalo
generan un mensaje apropiado.
Pedro Ochoa Moreno

512
Un ciclo es una estructura que nos permite repetir una serie de

instrucciones. Pero en general es aconsejable evitar los ciclos en
MatLab debido a que pueden aumentar el tiempo de ejecucin de los
programas.
Ciclo for
Pedro Ochoa Moreno

513
Un ciclo for tiene la estructura mostrada con anterioridad y esta

puede ser ms detallada, como se muestra a continuacin:
for indice=expresin
Instrucciones
End
Pedro Ochoa Moreno

514
Donde la expresin seria una matriz (que podra ser un escalar o un

vector) y las instrucciones se repetiran tantas veces como las
columnas que haya en la matriz de la expresin. Cada vez que se
repite el ciclo, el ndice tiene el valor de uno de los elementos de la
matriz de la expresin. Las reglas para escribir y usar un ciclo for son
las siguientes:
Pedro Ochoa Moreno

515
1. El ndice de un ciclo for debe ser una variable.
2. Si la matriz de la expresin es la matriz vaca (null), no se

ejecutar el ciclo. El control pasara a la instruccin que sigue
a la instruccin end.
3. Si la matriz de la expresin es un escalar, el ciclo se

ejecutara una vez, y el ndice contendr el valor del escalar.
Pedro Ochoa Moreno

516
4. Si la matriz de la expresin es un vector fila, en cada

repeticin del ciclo el ndice contendr el siguiente valor del
vector.
5. Si la matriz de la expresin es una matriz, en cada repeticin

del ciclo el ndice contendr la siguiente columna de la matriz.
Pedro Ochoa Moreno

517
6. Al completarse un ciclo for, el ndice contendr el ltimo valor

utilizado.
7. Se puede usar el operador de dos punto (: colon) para definir

la matriz de la expresin usando el siguiente formato:
for k = inicial:incremento:lmite
Pedro Ochoa Moreno

518
Ciclo while
El ciclo while es una estructura para repetir una serie de

instrucciones en tanto se cumple una condicin especificada. El
formato general de esta estructura de control es
while expresin
Pedro Ochoa Moreno

519
Instrucciones
end
Si la expresin es verdadera, se ejecutan las instrucciones, despus

de lo cual se vuelven a probar la condicin. Si la condicin se sigue
cumpliendo, se ejecuta otra vez la serie de instrucciones. Si la
condicin es falsa, el control pasa a la instruccin que sigue a la
instruccin end. Las variables modificadas dentro del ciclo deben
Pedro Ochoa Moreno

520
incluir las variables de la expresin, pues de lo contrario el valor de la

expresin nunca cambiaria. Si la expresin siempre es verdadera ( o
es un valor distinto de cero), el ciclo se convierte en ciclo infinito.
Los ciclos son estructuras necesarias en la mayor parte de los
lenguajes de alto nivel; no obstante, generalmente puede
aprovecharse la potencia de las operaciones elemento por elemento
con matrices para evitar el uso de ciclos en los programas de MatLab.
Pedro Ochoa Moreno

521
8.2 Archivos tipo script
Un archivo script (tambin llamado archivo .m) es un

procedimiento de MatLab escrito en cualquier editor de texto y
consistente de un conjunto de comandos de MatLab y que ser
ejecutado en el espacio de trabajo con solo invocarlo por su nombre
sin necesidad de escribir la extensin .m. Este tipo de archivo trabaja
Pedro Ochoa Moreno

522
directamente sobre las variables que estn actualmente en el espacio

de trabajo y no permite el uso de variables locales. Esta clase de
archivo puede ser visto como una secuencia de instrucciones de
MatLab escritas fueras del espacio de trabajo de MatLab y ejecutado
en este como un bloque simple de comandos. Por ejemplo,
escribamos las siguientes lneas en cualquier editor de texto:
% El presente programa es un archivo con extensin .m
% (fiboni.m) y el cual nos permitir calcular los
Pedro Ochoa Moreno
523
% nmeros Fibonacci.
%
clear; clc; clf;
f=[1 1];
i=1;
while f(i)+f(i+1)<1000
f(i+2)=f(i)+(i+1);
i=i+1;
end
plot(f,'g','LineWidth',2)
Pedro Ochoa Moreno
524
title('Nmeros Fibonacci')
xlabel('Abcisa')
ylabel('Ordenada')
grid
el siguiente paso, despus de editar esas lneas en el editor, el

siguiente paso es salvar este archivo como fibno.m, y luego en el
espacio de trabajo teclearemos solo el nombre del archivo para
Pedro Ochoa Moreno

525
obtener su resultado en este caso grafico, como se observa en la

figura 8.1 que se muestra a continuacin:
Pedro Ochoa Moreno

526
Nmeros Fibonacci
600
500
400
Ordenada
300
200

527
0
0 5 10 15 20 25 30 35 40 45 50
Abcisa
Figura 8.1 Representacin grfica de los nmeros de Fibonacci.
Al ejecutar el archivo en el espacio de trabajo no siempre se

ejecuta adecuadamente, cuando no se tiene la experiencia surgen los
errores ms comunes que son los de sintaxis, en este caso, una
alternativa para mantener el ojo visor sobre estos errores existe un
comando denominado diary que nos permite guardar la informacin
sobre los errores cuando estos son algunos. Su formato es: diary
Pedro Ochoa Moreno

528
nombrearchivo.m. Posteriormente se puede editar el archivo y sobre

este hacer las correcciones.
8.3 Funciones
Al usar MatLab para realizar mas y mas clculos uno se topara

con clculos que deseara que estuvieran incluidos en como funciones
de MatLab. En tales casos, se puede crear una funcin escrita por el
Pedro Ochoa Moreno

529
usuario a la cual su programa podr referirse del mismo modo como

se refiere a una funcin de MatLab. La funciones escritas por el
usuario tienen reglas muy especificas que deben obedecerse; sin
embargo antes de listar las reglas consideremos dos ejemplos
sencillos.
Una funcin puede ser creada en MatLab tal como un archivo
script (.m), pero este deber iniciar con el siguiente encabezado:
Pedro Ochoa Moreno

530
function [variables de salida] = nombre de la

funcin(variables de entrada)
Todas las variables usadas dentro de la funcin son de cierta

manera locales, con lo que al ejecutarse la funcin, estas desaparecen
del espacio de trabajo.
Como primer ejemplo, podemos ver a continuacin como MatLab
implementa la funcin trace:
Pedro Ochoa Moreno

531
function t = trace(a)
%TRACE Suma los elementos de la diagonal.
% TRACE(A) es la suma de los elementos de la diagonal de A,
% lo cual es tambin la suma de los valores propios de A.
% Copyright (c) 1984-94 by The MathWorks, Inc.
t=sum(diag(a));
Pedro Ochoa Moreno

532
En este ejemplo, podemos observar que de la segunda lnea a la

cuarta, estas fueron tecleadas como comentarios (anteponiendo a
estas un prefijo %); cuando los comentarios son definidos despus del
encabezado de la funcin, estos se mantienen como la ayuda en lnea
de la funcin en si, por ejemplo, si tecleamos help trace, el resultado
ser el siguiente:
help trace
Pedro Ochoa Moreno

533
TRACE Suma los elementos de la diagonal.

TRACE(A) es la suma de los elementos de la diagonal de A,
lo cual es tambin la suma de los valores propios de A.
Copyrigth (c) 1984-94 by The MathWorks, Inc.
La aplicacin prctica de la funcin trace, se puede visualizar a

continuacin:
Pedro Ochoa Moreno

534
a=[1 2 3;4 5 6;7 8 9];

b=trace(a);
b
b=
15
Pedro Ochoa Moreno

535
En muchas aplicaciones de ingeniera se usa una funcin

rectangular (Fig. 8.2). Una definicin comn de la funcin rectangular
es la siguiente:
Pedro Ochoa Moreno

536
1, x 0.5
rect(x)
0, en cualquier otro caso
Pedro Ochoa Moreno

537
1 y=rect(x)
Pedro Ochoa Moreno x

-0.5 0.5
538
Figura 8.2 Funcin rectangular.
He aqu la funcin definida por el usuario para evaluar esta funcin:
function r = rect(x)
% RECT Se define como la funcin rectangular
% como 1 en [-0.5, 0.5] y cero en los
% dems puntos.
Pedro Ochoa Moreno
539
%
r=zeros(size(x));
set1=find(abs(x)<=0.5);
r(set1)=ones(size(set1));
A continuacin escribiremos algunas lneas de instrucciones para

probar la funcin diseada,
y=rect(x);
Pedro Ochoa Moreno
540
plot(x,y)
title('Funcin Rect');
xlabel('x');
ylabel('y');
grid
su resultado se puede observar en la figura 8.3.
Pedro Ochoa Moreno

541
Funcion Rect
1
0.9
0.8
0.7
0.6
0.5
y
0.4
0.3
Pedro Ochoa Moreno

0.2
542
0.1
0
-3 -2 -1 0 1 2 3
x
Figura 8.3 Resultado grafico de la aplicacin de la funcin rect.
Como un siguiente paso resumiremos las reglas para escribir

funciones de archivo.m. Al leer cada regla nos podemos referir a los
dos ejemplos anteriores:
1. La funcin debe comenzar con una lnea que contenga

la palabra function, seguida del argumento de salida, un
Pedro Ochoa Moreno

543
signo de igual y el nombre de la funcin. Este nombre

ira seguido por los argumentos de entrad de la funcin
encerrada por los parntesis. Esta lnea distingue el
archivo de funcin de un archivo de guin.
2. Es recomendable que las primeras lneas sean

comentarios porque se exhibirn si se solicita ayuda
para el nombre de la funcin, como help trace o rect.
Pedro Ochoa Moreno

544
3. La nica informacin que la funcin devuelve est

contenida en los argumentos de salida que, desde
luego, son matrices. Siempre compruebe que la funcin
incluya una instruccin que asigne un valor al
argumento de salida.
Pedro Ochoa Moreno

545
4. Se pueden usar los mismos nombres de matriz tanto en

una funcin como en el programa que hace referencia a
ella. No habr confusin en cuanto a cul matriz es a la
que se refiere porque la funcin y el programa son
totalmente independientes. Por otro lado, no es posible
acceder desde el programa a ninguno de los valores
que se calculan en la funcin, como no sean los
argumentos de salida.
Pedro Ochoa Moreno

546
5. Una funcin que va a devolver mas de un valor debe

mostrar todos los valores que devolver en forma de
vector en la instruccin de la funcin, como en el
siguiente ejemplo que devuelve tres valores:
function [dist, vel, acel] = movimiento(x)
Pedro Ochoa Moreno

547
Los tres valores tendrn que calcularse dentro de la

funcin.
6. Una funcin que tenga mltiples argumentos de entrada

deber listar los argumentos en la instruccin de
funcin, como se muestra en el siguiente ejemplo que
tiene dos argumentos de entrada:
function error = mse(w,d)
Pedro Ochoa Moreno

548
7. Las variables especiales nargin y nargout pueden servir

para determinar el nmero de argumentos de entrada y
salida respectivamente de una funcin.
El comando what lista todos los archivos .m y .mat que se

encuentran disponibles en el espacio de trabajo actual. El comando
type seguido del nombre del archivo exhibe el contenido de ese
Pedro Ochoa Moreno

549
archivo en pantalla. Si el nombre del archivo especificado no tiene

extensin, el comando type supone que la extensin es .m.
8.4 Depuracin de programas
Es bien sabido que al escribir un programa cada fuente de error

posible que pueda volverse una fuente de error segura, si alguien se
Pedro Ochoa Moreno

550
atreve a decir que un programa trabajara bien en su primera prueba,

trabajara pero hay que recordar que existen errores que se entrelazan
y se compensan entre ellos, con el fin esencial, pero existen. Por
ahora discutamos como detectar y corregir los errores. Nuestra
primera confrontacin con estos ser en un modo interactivo, por lo
cual esos errores en archivos tipo script y finalmente funciones .m, en
particular con errores lgicos, son llamados los errores de tiempo de
Pedro Ochoa Moreno

551
corrida, debido a que estos son errores de sintaxis que son mas
sencillos de detectar y corregir.
Trabajar en un modo interactivo, es la forma ms sencilla de
detectar errores y visualizar el resultado intermedio de cada operacin
(es tan simple como omitir el semicolon al final de cada instruccin).
Esto deber ser realizado con cuidado, para evitar un flujo sin final de
nmeros al espacio de trabajo y por ende una carga de memoria
especialmente cuando se trabaja con matrices y vectores de grandes
Pedro Ochoa Moreno

552
dimensiones. Recuerde que MatLab nos indica el comando en el cual

las cosas no estn funcionando adecuadamente, entonces la primera
cosa que hay que hacer es invocar la ayuda en lnea de la funcin
(esto, hace que al desarrollar funciones es muy importante proveer a
esta con la informacin adecuada para su manejo, y que contenga al
menos su uso y los parmetros de entrada y salida).
Con anterioridad habamos manejado que un archivo tipo script
es nada menos que un archivo por lotes, por lo tanto, el acceso a una
Pedro Ochoa Moreno

553
depuracin de este tipo de archivos ser el mismo que se usa de una

manera interactiva; la nica diferencia es que tenemos que esperar a
que la ltima lnea de instruccin del archivo sea ejecutada. Es posible
suspender la ejecucin de un archivo tipo script, darle el control al
teclado, ejecutar algunas operaciones en modo interactivo (por
ejemplo, el control de algunas operaciones parciales) y finalizar la
ejecucin del archivo. Esto es posible hacerse con el comando
keyboard desde dentro del archivo. Cuando MatLab encuentra este
Pedro Ochoa Moreno

554
comando en un archivo de este tipo, este hace que la ejecucin del

archivo sea llevada a cabo en un modo interactivo, cambiando tambin
la linea de comando (prompt(>>)) por K>> para sealar que la
ejecucin ha sido detenido. Para salir de esta pausa slo tenemos
que presionar la teclear return (no se presione la tecla de Return o
Enter).
El resultado ms frecuente de un proceso de programacin en
MatLab es la creacin de un archivo de una funcin, del cual se puede
Pedro Ochoa Moreno

555
pensar como un nuevo comando que ser aadido a la biblioteca

bsica de MatLab. Lo anterior es porque hemos puesto una atencin
muy especial en la seccin anterior; para cumplir con esa tarea
tenemos una herramienta dedicada, que no puede trabajar en modo
interactivo y con archivos tipo script, esta es: el depurador (debugger).
Una de sus principales ventajas de un archivo tipo .m es que utiliza
variables temporales, por lo cual, desde ese punto de vista, la
ejecucin de una funcin slo afectara a las variables de entrada y
Pedro Ochoa Moreno

556
salida (y claro que tambin a las variables globales). Durante la fase

de chequeo de errores lo anterior resulta en una limitante; por lo que el
diseado de la funcin preferira tener la visibilidad de todas las
variables, las cuales son enmascaradas en variables temporales en
una fase posterior.
Obviamente, una posible solucin es el uso indiscriminado del
comando keyboard descrito con anterioridad, pero esto no es la forma
mas eficiente para probar una funcin en MatLab. Usando el debugger
Pedro Ochoa Moreno

557
podemos interrumpir la ejecucin en punto predeterminados con

anterioridad, inspeccionar las llamadas funciones y cambiar los valores
en una forma estructurada.
Veamos el uso del debugger en detalle. Supongamos que
tenemos el archivo plteig.m que calcula los valores propios de una
matriz A y los grfica estos en el plano complejo. Conocemos que si
uno de los valores propios es complejo entonces el comando plot(l) es
suficiente, donde el vector l contiene los valores propios. Pero si todos
Pedro Ochoa Moreno

558
los valores propios son reales una solucin posible es aadir una
pequea parte imaginaria para cuando se grafiquen. Lo cual, es hecho
por el archivo addimg.m. A continuacin se presentan ambos archivos:
function l=plteig(A)
% Dada una matriz cuadrada A,
% el comando l = plteig(A)
% graficara en el plano complejo
% los valores propios y almacenar
Pedro Ochoa Moreno

559
% estos en la variable l.
l=eig(A);
if ~any(image(l))
% si no existe al menos un valor
% propio complejo, entonces aadir
% una parte imaginaria ficticia.
l1=addimg(i);
else
l1=1;
end
Pedro Ochoa Moreno
560
% Ahora la variable l1 es usada para

% graficar solamente. Los valores
% propios son almacenados en l.
plot(l1,'*')
function y=addimg(x);
% Dado un vector o una matriz x,
% el comando y=addimg(x);
% dar como resultado y=x+j*eps
Pedro Ochoa Moreno
561
% (donde eps es una variable

% predefinida que nos indica que
% que se trabaja con precisin).
y=x+j*eps;
Ahora veremos como iniciaremos una sesin de depuracin. Lo

nico que necesitamos es definir los puntos de corte y ejecutar la
funcin plteig. Para llevar a cabo lo anterior teclearemos
Pedro Ochoa Moreno
562
dbstop in plteig
A continuacin procederemos a ejecutar plteig(A) (la matriz A

deber haber sido definida con anterioridad). MatLab nos responder
con
Pedro Ochoa Moreno

563
y posterior al cambio de prompt de >> a K>>, en la figura 8.4 podemos

observar que el cursor reposiciona en la primera lnea de instruccin
( 7 l=eig(A) )
Pedro Ochoa Moreno

564
Pedro Ochoa Moreno

565
Figura 8.4 Ejecucin del depurador en la funcin plteig.
Cabe mencionar que la ejecucin de la funcin se suspende en

la primera instruccin ejecutable, en este caso el clculo de los valores
propios, y una evidencia de este cambio es el prompt. Ntese que el
depurador nos muestra en la ventana del editor el punto donde se ha
detenido. Es posible detener el la ejecucin en un punto
Pedro Ochoa Moreno

566
predeterminado diferente al anterior, por ejemplo, para detener la

funcin en la lnea 12, teclearemos
dbstop plteig at 12
plteig(A)
K
Pedro Ochoa Moreno

567
El resultado visual del editor se muestra en la figura 8.5 .Para ver

los nmeros de lneas podemos usar el comando
K dbtype
1 function l=plteig(A)
2 % Dada una matriz cuadrada A,
3 % el comando l = plteig(A)
4 % graficara en el plano complejo
Pedro Ochoa Moreno

568
5 % los valores propios y almacenar

6 % estos en la variable l.
7 l=eig(A);
8 if ~any(image(l))
9 % si no existe al menos un valor
10 % propio complejo, entonces aadir
11 % una parte imaginaria ficticia.
12 l1=addimg(i);
Pedro Ochoa Moreno

569
13 else
14 l1=1;
15 end
16 % Ahora la variable l1 es usada para
17 % graficar solamente. Los valores
18 % propios son almacenados en l.
19 plot(l1,'*')
20
Pedro Ochoa Moreno

570
Ahora si tecleamos dbcont el depurador continuara hasta

finalizar la funcin y nos dar su resultado grafico como se observa en
la figura 8.6. Si no hubiramos utilizado dbstop in plteig at 12, el
depurador se viera detenido en la lnea donde la funcin addimg es
llamada (lnea 12). En este caso se detuvo en la misma lnea. Si
Pedro Ochoa Moreno

571
dbcont se detuviera en una lnea, se volvera a teclear esta y

finalizara la funcin al no haber puntos de ruptura definidos.
Pedro Ochoa Moreno

572
Pedro Ochoa Moreno

573
Figura 8.5 Ejecucin del depurador para detener la funcin plteig en la

lnea 12.
Pedro Ochoa Moreno

574
1.8
1.6
1.4
1.2
Pedro Ochoa
0.8 Moreno
0.6
575
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 8.6 Resultado grfico de la funcin plteig.
Tecleando la instruccin dbstep ser ejecutada como un simple

comando y la ejecucin se detendr en una lnea predeterminada
dentro de la funcin, por otro lado, si queremos ver otra variable dentro
de la funcin addimg, deberemos teclear
K dbstep in
Pedro Ochoa Moreno

576
Esta instrucciones avanzara mediante pasos n al usarse la forma

dbstep n. Por otro lado, si queremos revisar el espacio de trabajo con
who encontraremos solamente las variables x e y. Por ejemplo, para
ver las variables locales de la funcin actual. Tendremos que revisar el
espacio de trabajo anterior, entonces teclearemos dbup.
Si posteriormente introducimos el comando who, veremos que el
espacio de trabajo ha cambiado. Esta seria un forma apropiada de
Pedro Ochoa Moreno

577
verificar que los parmetros han sido intercambiados correctamente

entre las diferentes funciones, si queremos ver l, entonces iramos al
espacio de trabajo de addimg con dbdown, y veramos x; si no han
ocurrido errores en los parmetros anteriores, las dos variables
tendrn los mismos valores. Para finalizar la ejecucin podemos
hacerlo con dbstep. Esta claro que para casos mas complejos
podemos perdernos en una bifurcacin. En ese caso, la siguiente
instruccin ser muy til: dbstack la cual nos dice donde estamos y
Pedro Ochoa Moreno

578
como llegamos a ese punto. Mas sin embargo, el nmero de puntos

de ruptura en cada funcin puede verse incrementado
dramticamente, entonces podemos teclear dbstatus
NombredelaFuncion que listara los puntos de ruptura definidos en la
funcin. Estos pueden ser limpiados por: dbclear all in
NombredelaFuncion, o podemos remover uno por uno al aadir at n; y
finalmente podemos remover todos mediante dbclear all.
Pedro Ochoa Moreno

579
Cabe hacer mencin que este ltimo, puede ser realizado

mediante la remocin de todas las funciones de la memoria con clear
functions, y finalmente para salir del depurador, basta con teclear
dbquit.
8.5 Ejercicios
Pedro Ochoa Moreno

580
Ejercicio 8.1 Para los siguientes incisos, escriba las instrucciones

en MatLab que realicen los pasos indicados. Suponga que las
variables son escalares.
a) Si la diferencia entre volt_1 y volt_2 es mayor que 10.0,
exhibir los valores de volt_1 y volt_2.
b) Si el logaritmo natural de x es mayor o igual que 3,
asignar 0 a time e incrementar count en 1.
Pedro Ochoa Moreno

581
c) Si dist es menor que 50.0 y time es mayor que 10.0

incrementar time en 2; en caso contrario incrementar
time en 2.5.
d) Si dist es mayor o igual que 100.0, incrementar time en
2.0. Si dist esta entre 50 y 100, incrementar time en 1.
En los dems casos incrementar time en 0.5.
Pedro Ochoa Moreno

582
Ejercicio 8.2 Determine el nmero de veces que se ejecutaran

los ciclos for definidos por las instrucciones de los siguientes
incisos:
a) for k = 3:20
b) for count = -2:14
c) for k = -2:-1:-10
d) for time = 10:-1:0
Pedro Ochoa Moreno

583
e) for time = 10:5

f) for index = 2:3:12
Para verificar sus respuesta utilice el comando length que nos

devuelve el nmero de valores contenidos en un vector.
Ejercicio 8.3 Cree y pruebe las funciones escritas por el usuario

para calcular lo siguiente:
Pedro Ochoa Moreno

584
0 si x 0
1. step(x)
1 en los demas casos
Pedro Ochoa Moreno

585
0 si x 0
2. ramp(x)
1 en los demas casos
Pedro Ochoa Moreno

586
0 si x 0

3. g(x) sen (/2 si 0 x 1
1 si x 1

Pedro Ochoa Moreno

587
Pedro Ochoa Moreno

588
Pedro Ochoa Moreno

589
Pedro Ochoa Moreno

590
Pedro Ochoa Moreno

591
Pedro Ochoa Moreno

592
9
Anlisis Numrico
Pedro Ochoa Moreno
593
Existen una clase de operadores en MatLab que son

numricamente problemas matemticos. Estos son estrictamente los
operadores en el sentido matemtico, debido a que estos trabajan con
base a funciones en lugar de usar matrices, y estos pueden ser
divididos en las siguientes tres clases:
derivadas e integrales numricas;

solucin de ecuaciones lineales;
Pedro Ochoa Moreno

594
solucin de ecuaciones diferenciales.
A continuacin nos referiremos a funciones predefinidas
1 1
humps(x) 6
( x 0.3) 0.01 ( x 0.9) 2 0.04
2
cuyo archivo de funcin es
Pedro Ochoa Moreno

595
function [out1,out2] = humps(x)

%HUMPS A function used by QUADDEMO, ZERODEMO and
% FPLOTDEMO.
% Y = HUMPS(X) is a function with strong
% maxima near x = .3 and x = .9.
%
% [X,Y] = HUMPS(X) also returns X. With no
% input arguments,
% HUMPS uses X = 0:.05:1.
Pedro Ochoa Moreno
596
%
% Example:
% plot(humps)
%
% See QUADDEMO, ZERODEMO and FPLOTDEMO.
% Copyright (c) 1984-98 by The MathWorks, Inc.

% $Revision: 5.4 $ $Date: 1997/11/21 23:26:10 $
if nargin==0, x = 0:.05:1; end

Pedro Ochoa Moreno
597
y = 1 ./ ((x-.3).^2 + .01) + 1 ./ ((x-.9).^2 + .04) - 6;
if nargout==2,
out1 = x; out2 = y;
else
out1 = y;
end
Pedro Ochoa Moreno

598
y cuya grfica es dada en la figura 9.1, esta es obtenida con las

siguientes lneas:
x=-1:.01:2;
plot(x,humps(x))
Pedro Ochoa Moreno

599
100
80
60
40

600
0
-20
-1 -0.5 0 0.5 1 1.5 2
Figura 9.1 Grfica de la funcin humps(x).
Generalmente hablando, el archivo de la funcin que define a la

funcin, que ser dada como entrada a los operadores que se
discutirn en este capitulo deber tener la capacidad de darnos como
resultado vectores; esta es la razn porque los operadores punto (dot)
han sido ampliamente usados en la escritura de la funcin humps.m,
Pedro Ochoa Moreno

601
debido a que estos operan elemento por elemento; entonces si x es un

vector, humps(x) nos dar un vector.
9.1 Matemticas simblicas
Las operaciones de derivacin e integracin se utilizan mucho

para resolver problemas de ingeniera, es de todos conocidos que los
cursos de calculo implica el uso de tcnicas para realizar la derivacin
Pedro Ochoa Moreno

602
e integracin numrica usando valores de datos; en esta seccin

veremos la derivacin e integracin de expresiones simblicas.
9.1.1 Derivacin
Pedro Ochoa Moreno

603
Para la derivacin utilizaremos la funcin diff para determinar la

derivada de una expresin simblica. Existen cuatro formas de usar la
funcin diff para realizar una derivacin simblica:
diff(f) Devuelve la derivada de la expresin f respecto

a la variable independiente por omisin.
Pedro Ochoa Moreno

604
diff(f,t) Devuelve la derivada de la expresin f respecto

a la variable t.
diff(f,n) Devuelve la n-sima derivada de la expresin f

respecto a la variable independiente por
omisin.
diff(f,t,n) Devuelve la n-sima derivada de la expresin f
Pedro Ochoa Moreno

605
respecto a la variable t.
Puesto que la funcin diff tambin se utiliza para la derivacin

numrica, tal vez nos preguntemos como sabe la funcin si debe
calcular las diferencias numricas o realizar la derivacin numrica. La
funcin puede determinar qu es lo que se desea analizando los
argumentos de entrada: si el argumento es un vector, calcula
Pedro Ochoa Moreno

606
diferencias numricas; si el argumento es una expresin simblica,

realiza derivacin simblica.
El siguiente paso, es presentar la aplicacin de la funcin diff
para derivar simblicamente. Por ejemplo, si se han definido las
siguientes expresiones:
s1='6*x^3-4*x^2+b*x-5';
s2='sin(a)';
s5='10*sin(3*t)';
Pedro Ochoa Moreno

607
s3='(1-t^3)/(1-t^4)';
Si pretendemos conocer la primera derivada de la primera

expresin, basta con la siguiente lnea,
diff(s1)
y el resultado ser:
Pedro Ochoa Moreno

608
ans =
18*x^2-8*x+b
Si queremos conocer la segunda derivada de esa misma expresin,
diff(s1,2)
Pedro Ochoa Moreno

609
donde el resultado es:
ans =
36*x-8
Pedro Ochoa Moreno

610
Por otro lado la funcin dic tambin nos permite derivar la expresin
con respecto a una determinada variable, como se muestra a
continuacin:
diff(s1,'b')
entonces el resultado ser:
Pedro Ochoa Moreno

611
ans =
x
La aplicacin de la funcin diff a la segunda expresin (s2), se
lleva a cabo de manera idntica a lo visto con anterioridad
diff(s2)
Pedro Ochoa Moreno

612
donde el resultado sera:
ans =
cos(a)
El mismo camino seguiremos para la expresin (s3),
Pedro Ochoa Moreno

613
diff(s3)
donde el resultado es :
ans =
-3*t^2/(1-t^4)+4*(1-t^3)/(1-t^4)^2*t^3
Pedro Ochoa Moreno

614
es claro que el resultado se puede simplificar y para lo cual

utilizaremos el comando simplify, para reducir el resultado
simplify(diff(s3))
la aplicacin de ese Nuevo comando nos da como resultado:
ans =
Pedro Ochoa Moreno

615
-t^2*(t^2+2*t+3)/(t^3+t^2+t+1)^2
Por ltimo, con la expresin (s5), realizaremos las primera,

segunda y tercera derivadas, para analizar el comportamiento cclico
de la expresin:
diff(s5); diff(s5,2); diff(s5,3);
Pedro Ochoa Moreno

616
el resultado para la primera es :
ans =
30*cos(3*t)
para la segunda derivada es :
Pedro Ochoa Moreno

617
ans =
-90*sin(3*t)
y entonces, la tercera derivada ser:
ans =
Pedro Ochoa Moreno

618
-270*cos(3*t)
9.1.2 Integracin
Para realizar la integracin de una funcin simblica f, usaremos

la funcin int. Esta funcin intenta encontrar la expresin simblica F
Pedro Ochoa Moreno

619
tal que diff(F)=f. Es posible que la integral (o antiderivada) no exista

en forma cerrada o que MatLab no pueda obtener la integral. En estos
casos, la funcin devolver la expresin sin evaluarla. La funcin int
puede usarse en las siguientes formas:
int(f) Devuelve la integral de la expresin f respecto
Pedro Ochoa Moreno

620
a la variable independiente por omisin.
Int(f,t) Devuelve la integral de la expresin f respecto

a la variable t.
int(f,a,b) Devuelve la integral de la expresin f respecto

a la variable independiente por omisin,
evaluada en el intervalo [a,b], donde a y b son
Pedro Ochoa Moreno

621
expresiones numricas.
int(f,t,a,b) Devuelve la integral de la expresin f respecto

a la variable t evaluada en el intervalo [a,b],
donde a y b son expresiones numricas.
Int(f,m,n) Devuelve la integral de la expresin f respecto

a la variable independiente por omisin,
Pedro Ochoa Moreno

622
evaluada en el intervalo [m,n], donde m y n son

expresiones simblicas.
Para evitar posibles problemas, es recomendable especificar la

variable independiente en la derivacin y en la integracin simblica.
A continuacin presentamos varios ejemplos del uso de la funcin int
para la integracin simblica. Suponga que se han definido las
siguientes expresiones:
Pedro Ochoa Moreno

623
s1='6*x^3-4*x^2+b*x-5';
s2='sin(a)';
s3='sqrt(x)';
Si calculamos la integral simblica de las expresiones s1, s2 y s3 ;
int(s1)
Pedro Ochoa Moreno

624
ans =
3/2*x^4-4/3*x^3+1/2*b*x^2-5*x
int(s2)
ans =
Pedro Ochoa Moreno

625
-cos(a)
int(s3)
ans =
2/3*x^(3/2)
Pedro Ochoa Moreno

626
En las siguientes lneas de instruccin integraremos la expresin

s3, bajo diferentes condiciones:
int(s3,'a','b')
ans =
2/3*b^(3/2)-2/3*a^(3/2)
Pedro Ochoa Moreno

627
int(s3,0.5,0.6)
ans =
2/25*15^(1/2)-1/6*2^(1/2)
numeric(int(s3,0.5,0.6))
Pedro Ochoa Moreno

628
ans =
0.0741
9.2 Resolucin de ecuaciones
Pedro Ochoa Moreno

629
Las funciones matemticas simblicas pueden servir para

resolver una sola ecuacin, un sistema de ecuaciones y ecuaciones
diferenciales. La primera explicacin se refiere a la resolucin de una
sola ecuacin o de un sistema de ecuaciones; la segunda aborda la
resolucin de una ecuacin diferencial ordinaria.
9.2.1 Solucin de ecuaciones lineales
Pedro Ochoa Moreno

630
A continuacin describimos brevemente las funciones para

resolver una sola ecuacin o un sistema de ecuaciones:
Solve(f) Resuelve una ecuacin simblica f despejando

su variable simblica. Si f es una expresin
simblica, esta funcin resuelve la ecuacin feo
despejando su variable simblica.
Pedro Ochoa Moreno

631
Solve(f1,,fn) Resuelve el sistema de ecuaciones

representado por f1,,fn.
A fin de ilustrar la aplicacin de la funcin solve, supongamos

que se han definido las siguientes ecuaciones:
Pedro Ochoa Moreno

632
eq1='x-3=4';
eq2='x^2-x-6=0';
eq3='x^2+2*x+4=0';
eq4='3*x+2*y-z=10';
eq5='-x+3*y+2*z=5';
eq6='x-y-z=-1';
Pedro Ochoa Moreno

633
A continuacin se muestran la aplicacin d e las dos funciones

en las ecuaciones anteriores:
solve(eq1)
ans =
Pedro Ochoa Moreno

634
solve(eq2)
ans =
[ [ -2], [ 3] ]
Pedro Ochoa Moreno

635
solve(eq3)
ans =
[ [ -1+i*3^(1/2)], [ -1-i*3^(1/2)] ]
[x,y,z]=solve(eq4,eq5,eq6)
Pedro Ochoa Moreno

636
ans =
x = -2, y = 5, z = -6
Pedro Ochoa Moreno

637
9.2.2 Solucin de ecuaciones diferenciales
Primero trabajaremos en la solucin numrica, para lo cual

MatLab, tiene dos mtodos para resolver las ecuaciones diferenciales
ordinarias:
o ode23 mtodo de Runge-Kutta para 2nd y 3er orden;

o ode45 mtodo de Runge-Kutta para 4to y 5to orden.
Pedro Ochoa Moreno

638
La sintaxis es la misma para ambas funciones y requieren que

las funciones que sern integradas sean expresadas en forma normal
en un archivo de funcin, por ejemplo, un sistema de primer orden
dx
f (t , x) (9.1)
dt
Pedro Ochoa Moreno

639
Donde x es un vector cuya longitud es igual al orden de la

ecuacin y t es la variable independiente (tiempo; para ecuaciones que
modelan el comportamiento de un sistema dinmico).
La forma mas simple para llamar la secuencia es
[x,t]=ode23(xDot,t0,tf,x0);
Pedro Ochoa Moreno

640
Donde xDot.m es el archivo que calculara la funcin f de la (9.1), con

dos argumentos de entrada t y x, t0 y tf son los tiempos de integracin
inicial y final y x0 es el vector de las condiciones iniciales. Despus del
clculo x almacena la solucin de la ecuacin y t los valores
correspondientes a la variable independiente (tiempo); esto es
realizado porque el algoritmo de integracin utiliza un tamao de paso
variable; por lo que los puntos de integracin no son conocidos a priori
Pedro Ochoa Moreno

641
y debern ser regresados por el algoritmo como los argumentos de

salida.
Para ilustrar la funcin ode23, a continuacin se presentan los
pasos para calcular las soluciones numricas de las ecuaciones
diferenciales de primer orden:
1. y ' f 1 ( x, y ) 3x
2
2. y ' f 2 ( x, y ) 2 x cos ( y )
2
3. y ' f 3 ( x, y ) 3 y e
2x
Pedro Ochoa Moreno

642
Obsrvese que y ' se da en funcin de x en la primera ecuacin;

y en la segunda y tercera se da en funcin de x e y.
Puesto que de antemano conocemos las soluciones analticas de
estas EDO, tambin calcularemos y graficaremos la solucin analtica
como una serie de puntos; la solucin numrica se graficar con una
curva. Las siguientes instrucciones nos permitirn definir la funciones
Pedro Ochoa Moreno

643
requeridas para evaluar las ecuaciones diferenciales, suponiendo que

las entradas para x e y son escalares.
function dy=g1(x,y)
% G1 Esta funcin evala una
% EDO de primer grado.
%
dy=3*x.^2;
function dy=g2(x,y)
Pedro Ochoa Moreno
644

%
dy=2*x.*cos(y).^2;
function dy=g3(x,y)
%
dy=3*y+exp(2*x);
Pedro Ochoa Moreno
645
Como un siguiente punto presentaremos las lneas de

instruccin para calcular las solucione numricas de las ecuaciones
diferenciales usando las condiciones iniciales dadas. La solucin
numrica (x,num_y) se grafica junto con los puntos de la solucin
analtica (x,y) con la finalidad de demostrar la exactitud de las
soluciones numricas.
Pedro Ochoa Moreno

646
Ecuacin 1. La s siguientes instrucciones resuelven g1(x,y) dentro del

intervalo [2,4], suponiendo que la condicin inicial y=f(2) es igual a 0.5.
% Determinar la solucin de EDO 1.
%
[x,num_y]=ode23('g1',2,4,0.5);
y=x.^3-7.5;
subplot(2,1,1), plot(x,num_y,x,y,'*')
title('Solucin de la ecuacin 1')
xlabel('x'),ylabel('y=f(x)'),grid
Pedro Ochoa Moreno
647
Ecuacin 2. La s siguientes instrucciones resuelven g 2(x,y) dentro del

intervalo [0,2], suponiendo que la condicin inicial y=f(0) es igual a
/4.

%
[x,num_y]=ode23('g2',[0 2],pi/4);
y=atan(x.*x+1);
subplot(3,1,2), plot(x,num_y,x,y,'o')
Pedro Ochoa Moreno
648

Ecuacin 3. La s siguientes instrucciones resuelven g3(x,y) dentro del

intervalo [0,3], suponiendo que la condicin inicial y=f(0) es igual a 3.

%
Pedro Ochoa Moreno
649
[x,num_y]=ode23('g3',[0 3],3);
y=4*exp(3*x)-exp(2*x);
subplot(3,1,3), plot(x,num_y,x,y,'+')
En la figura 9.2; en el inciso a) se muestran las comparaciones

entre la solucin numrica y la analtica de la ecuacin 1 en el
intervalos [0,2]; en el b) en esta se muestran las comparaciones para
Pedro Ochoa Moreno
650
la ecuacin 2 en el intervalo [0,2]; y finalmente en el c) tenemos las

comparaciones para la ecuacin 3 en el intervalo [0,3].
El nmero de puntos calculados para la funcin y=f(x) por las
funciones ode23 y ode45 est determinado por las funciones MatLab y
no es un parmetro de entrada.
Si queremos calcular ms puntos de la funcin f(x), podemos usar
un mtodo de interpolacin con spline cbica que se presento en el
Pedro Ochoa Moreno

651
captulo 6, la cual seria una buena opcin para obtener una curva ms
continua de la funcin f(x).
Pedro Ochoa Moreno

652
a)
Solucin de la ecuacin 1
60
40
y=f(x)
20
0
b) 2 2.2 2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
x
Solucin de la ecuacin 2
1.4
1.2
y=f(x)
0.8
Pedro Ochoa
0.6
0 Moreno
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x
653
4
c) x 10 Solucin de la ecuacin 3
4
3
y=f(x)
0
0 0.5 1 1.5 2 2.5 3
x
Figura 9.2 Respuestas a las ecuaciones diferenciales 1,2 y 3.
9.2.3 Ecuaciones diferenciales de orden superior
Una ecuacin diferencial de orden superior se puede escribir

como un sistema de ecuaciones diferenciales de primer orden
Pedro Ochoa Moreno

654
acopladas usando un cambio de variables. Por ejemplo, considere la

siguiente ecuacin diferencial de orden n:
y (n) g ( x, y, y ' , y ' ' ,..., y ( n 1) )
Primero definimos n funciones nuevas desconocidas con estas

ecuaciones:
Pedro Ochoa Moreno

655
u 1 ( x ) y ( n 1)
u 2 ( x) y ( n 2 )

u n 2 ( x) y ' '
u n 1 ( x ) y '
u n ( x) y
Pedro Ochoa Moreno

656
Entonces, el siguiente sistema de n ecuaciones de primer orden

equivale a la ecuacin diferencial de orden n anterior:
u1' y ( n ) g ( x, u n , u n 1 ,..., u1 )
u u1
'
2

u n' 2 u n 3
u n' 1 u n 2
Pedro Ochoa Moreno

657
Para demostrar este proceso, considere la siguiente ecuacin

diferencial lineal de segundo orden:
y ' ' g ( x, y ' , y ' ' ) y ' (1 y 2 ) y
El primer paso es definir las dos nuevas funciones:
Pedro Ochoa Moreno

658
u1 ( x) y '
u 2 ( x) y
Luego obtenemos el sistema de ecuaciones diferenciales de

primer orden acopladas:
u1' y ' ' g ( x, u 2 , u1 ) u1 (1 u 22 ) u 2

u 2' u1
Pedro Ochoa Moreno

659
Podemos resolver un sistema de ecuaciones diferenciales de

primer orden usando las funciones ode de MatLab. Sin embargo, la
funcin que se use para evaluar la ecuacin diferencial deber calcular
los valores de las ecuaciones diferenciales de primer orden acopladas
en un vector. LA condicin inicial tambin deber ser un vector que
contenga una condicin inicial para y ,..., y ' , y. Las funciones
( n 1)
,y ( n 2)
ode de MatLab devuelven soluciones para cada una de las
Pedro Ochoa Moreno

660
ecuaciones diferenciales de primer orden, que a su vez representan

y ( n 1) , y ( n 2 ) ,..., y ' , y.
Par resolver el conjunto de dos ecuaciones acopladas que
planteamos en el ejemplo anterior, primero definimos una funcin que
calcule valores de las ecuaciones diferenciales de primer orden:
function u_prime=eqns2(x,u)
% EQNS2 Esta funcin calcula valores
% para dos ecuaciones acopladas.
Pedro Ochoa Moreno
661
%
u_prime(1)=u(1)*(1-u(2)^2)-u(2);
u_prime(2)=u(1);
Por lo tanto, para resolver el sistema de ecuaciones diferenciales de

primer orden en el intervalo [0,20] usando las condiciones iniciales
y ' (0) 0.0 y y 0 0.25, utilizaremos las siguientes lneas de
instrucciones:
Pedro Ochoa Moreno

662
% Estas lneas de instrucciones,

% nos permiten resolver una
% ecuacin de 2do. orden.
%
options = odeset('RelTol',1e-4,'AbsTol',[1e-4 1e-4 1e-5]);
initial=[0 0.25];
[x,num_y]=ode23('eqns2',[0 20],initial,options);
%
subplot(2,1,1), plot(t,num_y(:,1)),title('Primera derivada
de y'),grid
Pedro Ochoa Moreno
663
subplot(2,1,2), plot(t,num_y(:,2)),title('Segunda derivada

de y'),grid
Por lo regular se necesita de una condicin inicial o condicin

frontera para especificar una solucin nica. Anteriormente se
presentaron las funciones de MatLab para calcular la solucin
numrica de una ecuacin diferencial. Sin embargo, si existe una
solucin analtica de la ecuacin diferencial, generalmente es
Pedro Ochoa Moreno

664
preferible usarla. La funcin simblica para resolver ecuaciones

diferenciales es dsolve:
dsolve(ecuacion,condicion Resuelve simblicamente la ecuacin

) diferencial ordinaria especificada por
ecuacion. El argumento opcional
condicion especifica una condicin de
frontera o inicial.
Pedro Ochoa Moreno

665
La ecuacin simblica usa la letra D para denotar derivacin

respecto a la variable independiente. Una D seguida por un digito
denota derivacin repetida. As, Dy representa dy/dx y D2y representa
dy/dx.
Pedro Ochoa Moreno

666
Para poder entender lo anterior que mejor que unos ejemplos

que nos ilustren el uso de la funcin dsolve, para ello usaremos las
siguientes tres ecuaciones diferenciales ordinarias:
1. EDO: y' 3x 2
Condicin inicial: y ' ( 2) 0.5
2. EDO: y ' 2 x cos 2 ( y )
Pedro Ochoa Moreno

667
Condicin inicial: y ( 0) / 4
3. EDO: y' 3 y e 2 x
Condicin inicial: y ( 0) 3
Las siguientes instrucciones de MatLab que determinaran las

soluciones simblicas para estas ecuaciones diferenciales se
muestran a continuacin:
Pedro Ochoa Moreno

668
soln_1=dsolve('Dy=3*x^2','Dy(0)=0.5')
soln_1 =
x^3-7.5000000
soln_2=dsolve('Dy=2*x*cos(y)^2','y(0)=pi/4')
Pedro Ochoa Moreno

669
soln_2 =
atan(x^2+1)
soln_3=dsolve('Dy=3*y+exp(2*x)','y(0)=3')
soln_3 =
Pedro Ochoa Moreno

670
-exp(2*x)+4*exp(3*x)
Estas soluciones coinciden con las soluciones analticas presentadas
con anterioridad. Para graficar la primera solucin, podramos usar la
funcin ezplot. En el intervalo de [2,4]:
ezplot(soln_1, [2,4])
Pedro Ochoa Moreno

671
A continuacin se presenta el problema de calcular la velocidad y

aceleracin de una avin despus de aplicarle un nuevo empuje,
primero, presentaremos la funcin para calcular los valores dados de
la velocidad, estas lneas se muestran a continuacin:
function dv=g(t,v)
% G Esta funcin calcula valores
% dados de velocidad.
%
Pedro Ochoa Moreno

672
dv=3-0.000062*v.^2;
El programa para calcular la velocidad y la aceleracin se dan en las

siguientes lneas:
% Estas instrucciones nos permiten calcular la

% velocidad y la aceleracin de un avin despus
% de aplicarse un nuevo empuje.
Pedro Ochoa Moreno

673
%
vel_inicial=180;
segundos=240;
%
[t,num_v]=ode23('g',[0 segundos],vel_inicial);
acel=3-0.000062*num_v.^2;
%
subplot(2,1,1),plot(t,num_v),
title('Velocidad');
ylabel('m/s'),grid
Pedro Ochoa Moreno
674
subplot(2,1,2),plot(t,acc),title('Aceleracin');
ylabel('m/s^2'),xlabel('Tiempo'),grid
El resultado grfico se muestra en la figura 9.3, donde podemos

observar que la aceleracin se reduce a cero cuando la velocidad se
mantiene constante.
Pedro Ochoa Moreno

675
Pedro Ochoa Moreno

676
Velocidad
220
210
m/s
200
190
180
0
Pedro Ochoa Moreno 50 100 150 200 250
677
Aceleracin
1
0.8
0.6
m/s 2
0.4
0.2
0
0 50 100 150 200 250
Tiempo
Figura 9.3 Respuestas para las variables velocidad y aceleracin.
9.3 Ejercicios
Pedro Ochoa Moreno

678
Ejercicio 9.1 Determine la primera y segunda derivada de las

siguientes funciones empleando las funciones simblicas de MatLab.
1. g 1 ( x) x 3 5 x 2 2 x 8
2. g 2 ( x) ( x 2 4 x 4) * ( x 1)
3. g 3 ( x) (3 x 1) / x
4. g 4 ( x) ( x 5 4 x 4 9 x 3 32) 2
Pedro Ochoa Moreno

679
Ejercicio 9.2 Use las funciones simblicas de MatLab para determinar

los valores de las siguientes integrales. Compare sus respuestas con
las calculadas mediante integracin numrica.
0.6
1. 0.5 x dx
2. 0 1 x dx
0.5
3. 1 x dx
Pedro Ochoa Moreno

680
0.5
4. 0.5 xdx
Ejercicio 9.3 Resuelva los siguientes sistemas de ecuaciones usando

matemticas simblicas. Comparare sus respuestas con las
calculadas empleando los mtodos de matrices.
Pedro Ochoa Moreno

681
3 x1 2 x 2 x 3 1
1. x1 3 x 2 2 x 3 1
x1 x 2 x 3 1
10 x1 7 x 2 0 x 3 7
2. 3 x1 2 x 2 6 x 3 4
5 x1 x 2 5 x 3 6
Pedro Ochoa Moreno

682
x1 4 x 2 x 3 x 4 2
2 x1 7 x 2 x 3 2 x 4 16
3. x1 4 x 2 x 3 2 x 4 1
3x1 10 x 2 2 x 3 5 x 4 15
Pedro Ochoa Moreno

683
Ejercicio 9.4 Un Ingeniero Industrial supervisa la produccin de cuatro

tipos de computadoras. Se requieren cuatro clases de recursos: horas-
hombre, metales, plsticos y componentes electrnicos en la
produccin. En el cuadro 1 se resumen las cantidades necesarias para
cada uno de estos recursos en la produccin de cada tipo de
computadora. Si se dispone diariamente de 504 horas-hombre, 1970
Kg. de metal, 970 Kg. de plstico y 601 componentes electrnicos.
Cuntas computadoras de cada tipo se pueden construir por da?
Pedro Ochoa Moreno

684
Horas- Componentes
Computadora hombre Metales Kg. Plsticos Kg. unidades
/computadora /computadora /computadora /computadora
1 3 20 10 10
2 4 25 15 8
3 7 40 20 10
4 20 50 22 15
Pedro Ochoa Moreno

685
Cuadro 1. Recursos necesarios para producir cuatro tipos de

computadoras.
Ejercicio 9.5 Un ingeniero requiere 4,800 m de arena, 5,810 m de

grava fina, 5,690 m de grava gruesa para la construccin de un
proyecto. Existen tres bancos donde se pueden obtener estos
materiales. La composicin de cada banco se da en el cuadro 3.
Pedro Ochoa Moreno

686
Cuntos metros cbicos se debe tomar de cada banco para cumplir

con las necesidades del ingeniero?
Banco Aren Grava Grava

a fina gruesa
% % %
1 52 30 18
2 20 50 30
Pedro Ochoa Moreno

687
3 25 20 55
Ejercicio 9.6 Resuelva las tres ecuaciones diferenciales presentadas

como ejemplos, ahora usando la funcin ode45 y ode23 en conjunto y
grafique los valores de y que nos devuelven las funciones, a fin de
compararlos.
Pedro Ochoa Moreno

688
Pedro Ochoa Moreno

689
10
Pedro Ochoa Moreno
690
Simulink
10.1Fundamentos
Pedro Ochoa Moreno

691
Simulink es el acrnimo para las palabras Simulation y Link. Este

trmino nos hace asociar mentalmente la idea de simulacin, por
ejemplo, la idea de artificial nos induce asociar esta palabra con que
pasa o que puede pasar en el mundo real.
Simulink es una interfase muy amigable con el usuario, la cual
tambin permite el uso de esta herramienta sin tener el conocimiento
bsico o total de MatLab (sin embargo, si uno desea usar simulink
como un experto entonces la persona que interactu con esta
Pedro Ochoa Moreno

692
herramienta deber estar familiarizado con MatLab: vale la pena

recordar que simulink es solamente una caja de herramientas de
MatLab, no un paquete independiente.
Este ha sido diseado para trabajar con ambientes grficos
como los de Windows o Linux; por lo tanto la manera mas natural de
incluir informacin o modelos en simulink es dibujando estos. Simulink
tiene una amplia gama de bloques funcionales con lo cual todas las
tareas pueden ser conectadas mediante bloques (el conjunto seria lo
Pedro Ochoa Moreno

693
que comnmente conocemos en el rea de sistemas como diagramas

de bloques).
Antes de introducirnos en el ambiente de simulink es importante
entender el significado de los resultados alcanzables; podemos hacer
nfasis en que los resultados de cada simulacin son casi siempre
exactos. En particular, es esencial poner especial atencin en las
palabras casi y siempre.
Pedro Ochoa Moreno

694
Podemos empezar con esta ltima. El resultado de cada

simulacin es correcto, debido en consecuencia a la adaptacin del
modelo matemtico para el fenmeno fsico bajo consideracin. Un
simulador por si mismo no puede (y nunca ser capaz de) verificar si
el modelo es congruente con el mundo real. Simulink trabaja en base a
nmeros y nos regresa nmeros. No existe forma de preferir entre un
nmero y otro; en principio todos los nmeros estn disponibles.
Pedro Ochoa Moreno

695
El mundo real no es tan generoso: por lo cual es una prioridad

para los usuarios de simulink verificar que los nmeros tengan un
significado fsico, por ejemplo, si el modelo usado para la simulacin
es congruente con el mundo real.
Ahora si analizamos la palabra casi. Cabe recordar que una
computadora es una mquina para realizar clculos, la cual no tiene la
habilidad de evaluar exactamente; debido a que esta realiza algunas
Pedro Ochoa Moreno

696
aproximaciones y redondeos, que al realizar operaciones complejas y

repetitivas pueden modificar los resultados considerablemente.
Lo anterior se hace mas aparente, si se trabaja con la dinmica de
sistemas no lineales. En este caso no existe un mtodo para obtener
una solucin exacta; solo existen algunos mtodos numricos
aproximados los cuales nos permiten resolver en particular algunas
clases de problemas. Simulink cuenta con seis algoritmos de
integracin diferentes para la solucin de ecuaciones diferenciales con
Pedro Ochoa Moreno

697
lo cual este tiene la habilidad de manejar una amplia clase de

procesos. En la figura 10.1 a) se muestra la respuesta mediante el uso
del algoritmo que simulink tiene preestablecido (en este caso ode45
(Dormant-Prince)), y si cambiamos el algoritmo (ode23t(mod.
Stiff/Trapezoidal) podemos observar en la figura 10.1 b) una mejor
respuesta.
Pedro Ochoa Moreno

698
Resultado grfico con ode45 Resultado grfico con ode23t

10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
-6 -6
-8 -8
Pedro
-10
0 Ochoa
1 2 3 Moreno
4 5 6 7 8 9 10
-10
0 1 2 3 4 5 6 7 8 9 10
699
a) b)
Figura 10.1 Comparacin de algoritmos en la respuesta de un sistema.
Por lo tanto, es importante la seleccin de un buen mtodo de

integracin con la finalidad de evitar una sobrecarga de clculos (o
que se cicle la computadora) y por ende obtener resultados
incorrectos.
Pedro Ochoa Moreno

700
Para poder acceder a simulink, basta con teclear en el espacio de

trabajo la palabra simulink y posterior a esto aparece la ventana que
se muestra en la figura 10.2.
Pedro Ochoa Moreno

701
Pedro Ochoa Moreno

702
Figura 10.2 Pantalla de entrada a simulink.
Para poder acceder a la librera de simulink en este caso solo

basta con un doble-click en la librera indicada y obtendremos de
inmediato la pantalla de la figura 10.3, y as sucesivamente podemos
entrar hasta el ltimo nivel anidado.
Pedro Ochoa Moreno

703
Pedro Ochoa Moreno

704
Figura 10.3 Pantalla que presenta la biblioteca de simulink.
10.2 Construccin de esquemas en simulink
Pedro Ochoa Moreno

705
Tal vez la forma ms fcil de estudiar una herramienta de

simulacin es la de trabajar directamente en esta. Para empezar con
lo anterior veamos la aplicacin de un simple ejemplo.
Consideremos el sistema masa-resorte-amortiguador que se
muestra en la figura 10.4, cuyo modelo matemtico de entrada-salida
es
Pedro Ochoa Moreno

706
f(t)
M (masa)
y
k (resorte)
b (amortiguador)
Pedro Ochoa Moreno

707
Figura 10.4 Sistema masa-resorte-amortiguador.
my bx
kx f
donde m es la masa, k es la constante de elasticidad del resorte, b el

coeficiente de viscosidad del amortiguador y finalmente f es la fuerza
aplicada. Digamos que por simplicidad, que todas las constantes son
unitarias, entonces un posible diagrama de bloques se presenta en la
Pedro Ochoa Moreno

708
figura 10.5. Ser interesante comparar este diagrama con el

correspondiente de simulink que se presenta en la figura 10.6:
Pedro Ochoa Moreno

709
f +
_
y y
y
Figura 10.5 Diagrama de bloques del sistema masa-resorte-

amortiguador.
Pedro Ochoa Moreno

710
Pedro Ochoa Moreno

711
Figura 10.6 Esquema de simulink para el sistema masa-resorte-

amortiguador.
El participante de este curso podr ver que las diferencias no se
aprecian, lo cual nos da una idea de que la seleccin de un esquema
de simulink es la forma estndar de representacin de un diagrama de
bloques. Para implementar el diagrama de la figura 10.5, el primer
paso es teclear el comando simulink en el espacio de trabajo de
MatLab, cuando aparezcan la pantalla de las libreras, se selecciona el
Pedro Ochoa Moreno

712
men abrir carpeta y a la derecha de esta pantalla aparecer otra para

editar el esquema, como se observa en la figura 10.7. Para dibujar
solo basta con arrastrar los iconos de la pantalla de la izquierda a la
derecha y listo, la conexin es llevada a cabo con el apuntador del
mouse, cuando se termina el esquema podemos simularlo en la
misma pantalla en que se encuentra, podemos manejar los
parmetros y finalmente salvarlo archivonombre.mdl.
Pedro Ochoa Moreno

713
Pedro Ochoa Moreno

714
Pedro Ochoa Moreno

715
Figura 10.7 Pasos para la realizacin de un esquema en simulink.
10.3 Anlisis del esquema
Pedro Ochoa Moreno

716
Despus de dibujar el esquema, el siguiente paso es el de analizar el

sistema por medio de simulink. Una forma directa de conocer el
comportamiento del sistema es forzarlo ante una seal de entrada y
extraer la informacin de su tiempo de respuesta. Para lo anterior
debemos insertar una seal de entrada en el esquema de la figura
10.6. Para llevar a cabo esto es necesario que de la librera de
simulink nos posicionemos en fuentes (sources) y seleccionemos el
bloque de onda senoidal, luego mediante un doble-click en el icono
Pedro Ochoa Moreno

717
abriremos el cuadro de dialogo para modificar sus caractersticas. En

particular pondremos la frecuencia igual 10 rad/s. Despus de que la
entrada a sido conectada, el siguiente paso es el de buscar la librera
de drenes (sinks) y seleccionamos el de osciloscopio (scope), el
funcionamiento de este es idntico al de ese tipo de dispositivo. En la
figura 10.8 se presenta el esquema con la fuente y el dren.
Pedro Ochoa Moreno

718
Pedro Ochoa Moreno

719
Figura 10.8 Esquema con una fuente y un dren.
Si queremos obtener la grafica sin su entorno, es necesario

manejar a la par del osciloscopio el dren denominado to workspace
(que enva las variable al espacio de trabajo de MatLab, la etiqueta de
este es preestablecido por simout, como se observa en la figura 10.9.
Pedro Ochoa Moreno

720
Si despus de ejecutar la simulacin, nos trasladamos al espacio de

trabajo y tecleamos las siguientes lneas de instruccin:
Pedro Ochoa Moreno

721
Figura 10.9 Esquema de simulink con un bloque que enva informacin

al espacio de trabajo de MatLab.
Pedro Ochoa Moreno
722
who
Your variables are:
ScopeData simout tout
plot(simout.time,simout.signals.values)
Pedro Ochoa Moreno

723
Despus, ejecutar esta lneas en el espacio de trabajo, obtenemos la

ventana de figura de donde copiamos esta, porque del osciloscopio es
imposible. Por lo cual podemos decir que tenemos un osciloscopio con
memoria al aadirle el bloque to workspace. El resultado de la grfica
se muestra en la figura 10.10.
Pedro Ochoa Moreno

724
0.15
0.1
0.05
-0.05
-0.1
Pedro Ochoa Moreno-0.15

725
-0.2
0 1 2 3 4 5 6 7 8 9 10
Figura 10.10 Grafica obtenida de la memoria del espacio de trabajo.

10.4 Ejercicios
Ejercicio 10.1 Analice la respuesta del sistema descrito en el

esquema de la figura 10.4 cuando en este acta una fuerza del tipo:
1. Escaln unitario, positivo y negativo.
Pedro Ochoa Moreno

726
2. Onda cuadrada con magnitud unitaria y una

frecuencia de 5 rad / s.
Ejercicio 10.2 Analice la respuesta del siguiente sistema al aplicarle

una entrada escaln unitario.
x x u
Pedro Ochoa Moreno

727
Ejercicio 10.3 Analice la respuesta del siguiente sistema al aplicarle

una entrada escaln unitario.
x 1 x1 x 2
x 2 x1 x 2 u
Ejercicio 10.4 Realice los esquemas apropiados para resolver los

problemas 9.4 y 9.5.
Pedro Ochoa Moreno

728
Ejercicio 10.5 Implemente la solucin para la funcin f(t)=10sen (3t),

primero desarrollando la ecuacin diferencial y sus condiciones
iniciales y posteriormente elaborando el esquema y comparar las
respuestas tericas con las prcticas.
Pedro Ochoa Moreno

729
Ejercicio 10.6 El modelo clsico presa depredador, el cual describe

la evolucin de dos especies interactuantes, es modelado por las
ecuaciones de Lotka Volterra:
N 1 aN 1 bN 1 N 2
N 2 cN 2 dN 1 N 2
Pedro Ochoa Moreno

730
donde N 1 representa a la presa y N 2 al depredador, a es la tasa de

crecimiento de la presa en ausencia del depredador, c es la tasa de
reduccin del depredador en ausencia de la presa, mientras que b y d
representan a los coeficientes de interaccin del fenmeno. Analice la
conducta del sistema cuando a=3.5, b=0.1, c=4 y d=0.06, N 1 (0)=100 y
N 2 (0)=20. Grafique la respuesta tanto con respecto al tiempo como en
el plano de fase (graficar el nmero de presas como una funcin del
Pedro Ochoa Moreno

731
nmero de depredadores). Modifique las condiciones iniciales y

analice los diferentes comportamientos
Pedro Ochoa Moreno

732
Pedro Ochoa Moreno

733
Pedro Ochoa Moreno

734
Pedro Ochoa Moreno

735
Bibliografa
1. Getting Started with MATLAB, The MathWorks, Inc., 1999.
Pedro Ochoa Moreno
736
2. Using MATLAB, The MathWorks, Inc., 1999.

3. Using MATLAB Graphics, The MathWorks, Inc., 1999.
4. MATLAB Functions Reference Volume 1: Language and Volume
2: Graphics, The MathWorks, Inc., 1999.
5. Using Simulink, The MathWorks, Inc., 1999.
6. Solucin de Problemas de Ingeniera con MatLab, Delores M.
Etter, Prentice-Hall, 1998.
Pedro Ochoa Moreno

737
7. Using MatLab, Simulink and Control System Toolbox , Alberto

Cavallo, Roberto Setola y Francesco Vasca, Prentice-Hall, 1996.
8. Sistemas de Control en Ingeniera, Paul H. Lewis y Chang Yang,
Prentice-Hall, 1999.
Pedro Ochoa Moreno

738

CURSOMATLAB

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

CURSOMATLAB

Hochgeladen von

Copyright:

Verfügbare Formate

Curso Introductorio

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

3.1 Elementos de una matriz 17

Pedro Ochoa Moreno

4.1 Operaciones aritmticas 36

Pedro Ochoa Moreno

5.3 Funciones matriciales 51

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

9.1 Matemticas simblicas 123

Pedro Ochoa Moreno

10. Simulink 141

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

El software MatLab es uno de los que ms se han popularizado

Pedro Ochoa Moreno

consiguiente este es dirigido a las aplicaciones en el campo del

Pedro Ochoa Moreno

seleccionar entre seis mtodos de integracin de ecuaciones

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

El propsito de este captulo es el de proporcionar al participante

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.1. Ventana de comandos (ordenes) de MatLab.

Pedro Ochoa Moreno

ventana de comandos una lista de tpicos a los cuales tendremos

Control de la ventana de comandos.

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.2. Utilizacin de la orden helpwin dentro de la ventana de

Pedro Ochoa Moreno

comandos, siendo esta tambin interactiva con el usuario, esta se

Pedro Ochoa Moreno

otros productos, un contacto mas personalizado con MathWorks, la

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.3. Utilizacin de la orden helpdesk dentro de la ventana de

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.4. Utilizacin de la orden demo dentro de la ventana de

Tambin, es importante mencionar que aparte de la ventana de

Pedro Ochoa Moreno

comandos, desde donde podemos teclear el guin (script) del

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.5. Ventana del editor y depurador de MatLab.

Pedro Ochoa Moreno

Pedro Ochoa Moreno

Figura 2.6. Ventanas de graficas de MatLab.