1. El documento describe cómo generar gráficos en MATLAB. Introduce conceptos básicos como vectores, matrices y funciones, y explica cómo crear gráficos 2D, 3D y estadísticos. 2. Se explican comandos para manipular datos como plot, mesh, histogram, entre otros. 3. El documento es una guía para aprender a visualizar y analizar datos de forma gráfica usando MATLAB.
Este documento describe y compara dos métodos para encontrar las raíces de una ecuación: el método del punto fijo y el método de la regla falsa. Explica cómo funciona cada método a través de fórmulas matemáticas y ejemplos numéricos. Señala que el método del punto fijo converge cuando la derivada de la función es menor que 1, mientras que el método de la regla falsa puede converger más rápido al localizar la raíz en un intervalo más pequeño entre iteraciones.
Este documento presenta el método numérico de Runge-Kutta para resolver ecuaciones diferenciales ordinarias. Explica que este método iterativo permite resolver ecuaciones diferenciales sin necesidad de integrales. Luego, describe las fórmulas para los métodos de Runge-Kutta de segundo, tercer y cuarto orden. Finalmente, resuelve dos ejemplos numéricamente usando el método de cuarto orden y el software MATLAB.
Este documento explica diferentes métodos de interpolación como la interpolación lineal, la fórmula de interpolación de Lagrange y el método de interpolación de mínimos cuadrados. Incluye ejemplos y aplicaciones prácticas de cada método. También cubre el uso de herramientas computacionales como MATLAB para realizar interpolación de datos.
MÉTODO ITERATIVO DE GAUSS_SEIDEL USANDO FORTRAN 90, MATLAB Y SCILABMarco Antonio
Este documento presenta la resolución de un sistema de ecuaciones lineales utilizando el método iterativo de Gauss-Seidel para hallar la reacción normal y la tensión de una cuerda que sostiene una esfera sobre un plano inclinado. Se describe el problema físico, la formulación matemática del sistema y su implementación en Fortran, MATLAB y Scilab aplicando el método de Gauss-Seidel.
Prueba de independencia (arriba y abajo)Henry Cordova
Este documento describe la prueba de independencia de corrida de arriba hacia abajo. Explica que la prueba determina una secuencia de unos y ceros basada en la comparación de números consecutivos, y cuenta el número de "corridas" o secuencias continuas de unos y ceros. Luego calcula valores esperados, varianzas y un estadístico Z para determinar si los números son independientes o no. El documento proporciona un ejemplo numérico y concluye que la prueba determina si los números generados son estadísticamente independientes entre
Método de la regla falsa (o metodo de la falsa posición) MNTensor
Este documento describe el método de la regla falsa para encontrar las raíces de una función. El método aprovecha la idea de unir los puntos (a, f(a)) y (b, f(b)) con una línea recta cuya intersección con el eje x proporciona una mejor estimación de la raíz. El algoritmo repite este proceso de sustituir el intervalo por la nueva estimación hasta alcanzar un error menor al establecido. El documento también muestra ejemplos de implementar este método en Excel y Visual Basic.
Este documento describe el método de bisección y el método de la regla falsa para encontrar las raíces de una ecuación. El método de bisección divide repetidamente el intervalo en dos partes iguales hasta encontrar la raíz con la precisión deseada. El método de la regla falsa es similar pero divide el intervalo de forma desigual basándose en la función. El documento incluye ejemplos y algoritmos de ambos métodos.
El método de Newton-Raphson es ampliamente utilizado para localizar raíces de funciones. Calcula una aproximación mejorada de la raíz basada en el punto donde la tangente a la función cruza el eje X. Iterativamente, calcula un nuevo punto utilizando la fórmula xi+1 = xi - f(xi)/f'(xi) hasta alcanzar la precisión deseada. Proporciona resultados precisos pero puede converger lentamente para algunas funciones como cuando f'(x) es cero.
Este documento describe y compara dos métodos para encontrar las raíces de una ecuación: el método del punto fijo y el método de la regla falsa. Explica cómo funciona cada método a través de fórmulas matemáticas y ejemplos numéricos. Señala que el método del punto fijo converge cuando la derivada de la función es menor que 1, mientras que el método de la regla falsa puede converger más rápido al localizar la raíz en un intervalo más pequeño entre iteraciones.
Este documento presenta el método numérico de Runge-Kutta para resolver ecuaciones diferenciales ordinarias. Explica que este método iterativo permite resolver ecuaciones diferenciales sin necesidad de integrales. Luego, describe las fórmulas para los métodos de Runge-Kutta de segundo, tercer y cuarto orden. Finalmente, resuelve dos ejemplos numéricamente usando el método de cuarto orden y el software MATLAB.
Este documento explica diferentes métodos de interpolación como la interpolación lineal, la fórmula de interpolación de Lagrange y el método de interpolación de mínimos cuadrados. Incluye ejemplos y aplicaciones prácticas de cada método. También cubre el uso de herramientas computacionales como MATLAB para realizar interpolación de datos.
MÉTODO ITERATIVO DE GAUSS_SEIDEL USANDO FORTRAN 90, MATLAB Y SCILABMarco Antonio
Este documento presenta la resolución de un sistema de ecuaciones lineales utilizando el método iterativo de Gauss-Seidel para hallar la reacción normal y la tensión de una cuerda que sostiene una esfera sobre un plano inclinado. Se describe el problema físico, la formulación matemática del sistema y su implementación en Fortran, MATLAB y Scilab aplicando el método de Gauss-Seidel.
Prueba de independencia (arriba y abajo)Henry Cordova
Este documento describe la prueba de independencia de corrida de arriba hacia abajo. Explica que la prueba determina una secuencia de unos y ceros basada en la comparación de números consecutivos, y cuenta el número de "corridas" o secuencias continuas de unos y ceros. Luego calcula valores esperados, varianzas y un estadístico Z para determinar si los números son independientes o no. El documento proporciona un ejemplo numérico y concluye que la prueba determina si los números generados son estadísticamente independientes entre
Método de la regla falsa (o metodo de la falsa posición) MNTensor
Este documento describe el método de la regla falsa para encontrar las raíces de una función. El método aprovecha la idea de unir los puntos (a, f(a)) y (b, f(b)) con una línea recta cuya intersección con el eje x proporciona una mejor estimación de la raíz. El algoritmo repite este proceso de sustituir el intervalo por la nueva estimación hasta alcanzar un error menor al establecido. El documento también muestra ejemplos de implementar este método en Excel y Visual Basic.
Este documento describe el método de bisección y el método de la regla falsa para encontrar las raíces de una ecuación. El método de bisección divide repetidamente el intervalo en dos partes iguales hasta encontrar la raíz con la precisión deseada. El método de la regla falsa es similar pero divide el intervalo de forma desigual basándose en la función. El documento incluye ejemplos y algoritmos de ambos métodos.
El método de Newton-Raphson es ampliamente utilizado para localizar raíces de funciones. Calcula una aproximación mejorada de la raíz basada en el punto donde la tangente a la función cruza el eje X. Iterativamente, calcula un nuevo punto utilizando la fórmula xi+1 = xi - f(xi)/f'(xi) hasta alcanzar la precisión deseada. Proporciona resultados precisos pero puede converger lentamente para algunas funciones como cuando f'(x) es cero.
El documento describe el método de iteración de punto fijo para resolver ecuaciones. Un punto fijo de una función g es un número p tal que g(p)=p. El método inicia con una aproximación x0 e itera xi+1=g(xi) hasta converger a la solución. La función g debe cumplir que su derivada sea menor a 1 en el punto fijo para garantizar convergencia. El documento provee ejemplos numéricos para ilustrar el método.
Este documento presenta la transformada de Laplace como una herramienta útil para resolver ecuaciones diferenciales. Primero introduce la transformada de Laplace y sus condiciones de existencia. Luego, describe propiedades clave como la linealidad y cómo se aplican la transformada a funciones derivadas e integrales. Finalmente, introduce dos teoremas de traslación y cómo se puede usar la función escalón unitario con la transformada de Laplace. El documento proporciona definiciones, teoremas y ejemplos para ilustrar el uso de la transformada de Laplace en la resolución de e
Este documento presenta ejercicios resueltos sobre métodos numéricos para la integración. Se comparan los métodos del trapecio, Simpson 1/3 y Simpson 3/8 para integrar funciones. También se aplican métodos compuestos como el trapecio y Simpson para integrales dobles e integrales triples, resolviéndolas numéricamente. Finalmente, se utilizan fórmulas de cuadratura de Gauss-Legendre para aproximar integrales.
Este documento describe diferentes métodos numéricos para aproximar la derivada de una función, conocidos como diferencias finitas. Explica que la derivada puede aproximarse como la primera diferencia dividida hacia adelante, hacia atrás o central, con diferentes órdenes de error. También presenta un ejemplo numérico para ilustrar cómo aplicar estos métodos y calcular el error de las aproximaciones usando diferentes tamaños de paso.
Este documento presenta el concepto de interpolación polinómica. Explica cómo construir un polinomio de interpolación que pasa exactamente por una serie de puntos de datos dados, y cómo evaluar dicho polinomio en otros puntos. También introduce el polinomio de interpolación de Lagrange como una forma eficiente de calcular el polinomio de interpolación sin usar la matriz de Vandermonde.
Los sistemas lineales y no lineales se describen, siendo los sistemas no lineales más complejos de calcular debido a que no siguen el principio de superposición. Las ecuaciones no lineales a menudo no pueden resolverse explícitamente y requieren métodos numéricos. Los ejemplos incluyen ecuaciones diferenciales no lineales, como las ecuaciones de Lorenz y modelos de crecimiento de poblaciones, así como ecuaciones en derivadas parciales no lineales que gobiernan los fluidos.
Este documento presenta la transformada de Laplace como un método para resolver ecuaciones diferenciales lineales mediante la conversión de problemas de valores iniciales en problemas algebraicos. Primero introduce el concepto de integral impropia y criterios de convergencia. Luego define la transformada de Laplace y sus propiedades. Finalmente, explica cómo aplicar la transformada inversa de Laplace para obtener la solución de una ecuación diferencial a partir de la solución algebraica del problema transformado. El documento contiene numerosos ejemplos y ejercicios resueltos.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Gauss-Seidel con relajación. Explica los pasos para implementar cada método y provee un ejemplo numérico para ilustrar cómo se aplican. Concluye que el método de Gauss-Seidel converge más rápido que el método de Jacobi y que el método de Gauss-Seidel con relajación puede acelerar aún más la convergencia.
El documento describe las funciones gráficas de MATLAB. MATLAB proporciona una variedad de funciones para crear gráficos de datos y herramientas interactivas para manipularlos. Los gráficos se pueden imprimir o exportar a formatos estándar. El entorno de MATLAB incluye funciones para trazar datos y crear y modificar gráficos de manera interactiva.
DIFERENCIACIÓN E INTEGRACIÓN ANÁLISIS NUMÉRICO DeysiEscobar
Este documento trata sobre diferentes métodos de diferenciación e integración numérica. Explica brevemente qué es la diferenciación numérica y cómo puede usarse para aproximar derivadas. Luego describe la integración numérica y algunos métodos como la extrapolación de Richardson, las fórmulas de Newton-Cotes, la regla del trapecio, el método de Romberg, la regla de Simpson y las fórmulas de cuadratura Gaussiana.
Este documento presenta el reporte de las prácticas de interpolación realizadas en GNU Octave. Se analizan tres métodos de interpolación: lineal, cuadrática y de Newton. La interpolación lineal y cuadrática se usan para estimar el logaritmo natural de 2. La interpolación de Newton proporciona resultados más precisos al incorporar las otras interpolaciones en una sola fórmula general. Se demuestra el uso de comandos como fprintf y formatos de salida para controlar la presentación de los resultados.
Este documento presenta ejercicios resueltos sobre cadenas de Markov. En el primer ejercicio se demuestra que una sucesión de variables aleatorias independientes e igualmente distribuidas define una cadena de Markov. En el segundo ejercicio se clasifican los estados de una cadena dada y se calculan periodos. En el tercer ejercicio se calcula la probabilidad conjunta de estar en un estado en diferentes momentos de tiempo.
Este documento describe las medidas estadísticas clave para distribuciones discretas, incluida la distribución binomial. Define la función de densidad, los momentos, la moda, la función característica y cómo se usan para calcular medidas como la media, la varianza, la simetría y la curtosis. Luego se centra en la distribución binomial, definiendo sus funciones básicas y cómo calcular sus momentos e incluso las medidas de funciones de la variable aleatoria.
Este documento describe la modulación de amplitud (AM) de doble banda lateral y portadora de máxima potencia. Explica el proceso de modulación donde la señal de información se multiplica con la portadora y luego se suma a la portadora. Esto produce una señal modulada cuya amplitud varía en función de la señal de información. También presenta fórmulas matemáticas para modelar este proceso de modulación y analizar la variación de la amplitud en el tiempo y la frecuencia.
Este documento presenta una introducción a las pruebas de hipótesis, describiendo los conceptos básicos como la hipótesis nula, la hipótesis alternativa y los diferentes tipos de ensayos. Luego, proporciona ejemplos detallados de cómo realizar pruebas de hipótesis para comparar medias, proporciones y diferencias de muestras. Los ejemplos cubren temas como duración de focos, instalación de bombas de calor, volumen de llenado de botellas y apoyo a una propuesta entre votantes de
El documento describe el método de Simpson 1/3, el cual se usa para hallar el valor aproximado del área bajo una curva definida. Explica que la fórmula de Simpson 1/3 requiere la función y el intervalo de evaluación, y luego detalla cómo aplicar la regla simple y compuesta de Simpson 1/3 para resolver integrales mediante la sustitución de valores en la fórmula correspondiente.
El documento presenta un problema de resolución de sistemas de ecuaciones lineales para determinar la cantidad de hombres, mujeres y niños en un grupo de 30 personas. Se plantea un sistema de 3 ecuaciones con 3 incógnitas (x=hombres, y=mujeres, z=niños) y se resuelve aplicando el método de Gauss, obteniendo como solución x=y=z=10.
Presentacion metodos numerico teoria de errores mervismarin23
1) Un error es la diferencia entre un valor real y una aproximación a ese valor. Existen diferentes tipos de errores que pueden expresarse de forma absoluta o relativa.
2) Los métodos numéricos producen resultados aproximados que deben especificarse en términos de cifras significativas para indicar su precisión. Errores comunes incluyen errores de redondeo y truncamiento.
3) Para que los métodos numéricos sean útiles en ingeniería, deben ser lo suficientemente exactos para cumplir los requisitos del problema, y lo suficiente
Este documento describe varios métodos numéricos para aproximar el valor de una integral definida, incluida la regla del rectángulo, la regla del punto medio, la regla del trapecio y la regla de Simpson. Explica cómo cada método usa diferentes polinomios de interpolación para aproximar la función integranda y calcular el área bajo la curva. También discute cómo dividir el intervalo en subintervalos puede mejorar la precisión de la aproximación.
Este documento presenta una introducción a los comandos básicos y conceptos de matrices en MATLAB. Explica cómo ingresar y manipular vectores, matrices, realizar operaciones matemáticas y cómo guardar y acceder a la ayuda en MATLAB. También describe funciones como eye(), zeros(), ones() y operaciones matriciales como suma, producto, transposición e inversa.
El documento describe las características y funcionalidades de MATLAB. MATLAB es una herramienta que surgió para realizar cálculos matemáticos, especialmente con matrices. Permite realizar cálculos, crear gráficos y trabajar con números complejos, matrices y funciones matemáticas de manera sencilla. Además de cálculos, MATLAB permite programar mediante un lenguaje parecido a BASIC o C para agrupar operaciones frecuentes.
El documento describe el método de iteración de punto fijo para resolver ecuaciones. Un punto fijo de una función g es un número p tal que g(p)=p. El método inicia con una aproximación x0 e itera xi+1=g(xi) hasta converger a la solución. La función g debe cumplir que su derivada sea menor a 1 en el punto fijo para garantizar convergencia. El documento provee ejemplos numéricos para ilustrar el método.
Este documento presenta la transformada de Laplace como una herramienta útil para resolver ecuaciones diferenciales. Primero introduce la transformada de Laplace y sus condiciones de existencia. Luego, describe propiedades clave como la linealidad y cómo se aplican la transformada a funciones derivadas e integrales. Finalmente, introduce dos teoremas de traslación y cómo se puede usar la función escalón unitario con la transformada de Laplace. El documento proporciona definiciones, teoremas y ejemplos para ilustrar el uso de la transformada de Laplace en la resolución de e
Este documento presenta ejercicios resueltos sobre métodos numéricos para la integración. Se comparan los métodos del trapecio, Simpson 1/3 y Simpson 3/8 para integrar funciones. También se aplican métodos compuestos como el trapecio y Simpson para integrales dobles e integrales triples, resolviéndolas numéricamente. Finalmente, se utilizan fórmulas de cuadratura de Gauss-Legendre para aproximar integrales.
Este documento describe diferentes métodos numéricos para aproximar la derivada de una función, conocidos como diferencias finitas. Explica que la derivada puede aproximarse como la primera diferencia dividida hacia adelante, hacia atrás o central, con diferentes órdenes de error. También presenta un ejemplo numérico para ilustrar cómo aplicar estos métodos y calcular el error de las aproximaciones usando diferentes tamaños de paso.
Este documento presenta el concepto de interpolación polinómica. Explica cómo construir un polinomio de interpolación que pasa exactamente por una serie de puntos de datos dados, y cómo evaluar dicho polinomio en otros puntos. También introduce el polinomio de interpolación de Lagrange como una forma eficiente de calcular el polinomio de interpolación sin usar la matriz de Vandermonde.
Los sistemas lineales y no lineales se describen, siendo los sistemas no lineales más complejos de calcular debido a que no siguen el principio de superposición. Las ecuaciones no lineales a menudo no pueden resolverse explícitamente y requieren métodos numéricos. Los ejemplos incluyen ecuaciones diferenciales no lineales, como las ecuaciones de Lorenz y modelos de crecimiento de poblaciones, así como ecuaciones en derivadas parciales no lineales que gobiernan los fluidos.
Este documento presenta la transformada de Laplace como un método para resolver ecuaciones diferenciales lineales mediante la conversión de problemas de valores iniciales en problemas algebraicos. Primero introduce el concepto de integral impropia y criterios de convergencia. Luego define la transformada de Laplace y sus propiedades. Finalmente, explica cómo aplicar la transformada inversa de Laplace para obtener la solución de una ecuación diferencial a partir de la solución algebraica del problema transformado. El documento contiene numerosos ejemplos y ejercicios resueltos.
Este documento describe tres métodos iterativos para resolver sistemas de ecuaciones lineales: el método de Jacobi, el método de Gauss-Seidel y el método de Gauss-Seidel con relajación. Explica los pasos para implementar cada método y provee un ejemplo numérico para ilustrar cómo se aplican. Concluye que el método de Gauss-Seidel converge más rápido que el método de Jacobi y que el método de Gauss-Seidel con relajación puede acelerar aún más la convergencia.
El documento describe las funciones gráficas de MATLAB. MATLAB proporciona una variedad de funciones para crear gráficos de datos y herramientas interactivas para manipularlos. Los gráficos se pueden imprimir o exportar a formatos estándar. El entorno de MATLAB incluye funciones para trazar datos y crear y modificar gráficos de manera interactiva.
DIFERENCIACIÓN E INTEGRACIÓN ANÁLISIS NUMÉRICO DeysiEscobar
Este documento trata sobre diferentes métodos de diferenciación e integración numérica. Explica brevemente qué es la diferenciación numérica y cómo puede usarse para aproximar derivadas. Luego describe la integración numérica y algunos métodos como la extrapolación de Richardson, las fórmulas de Newton-Cotes, la regla del trapecio, el método de Romberg, la regla de Simpson y las fórmulas de cuadratura Gaussiana.
Este documento presenta el reporte de las prácticas de interpolación realizadas en GNU Octave. Se analizan tres métodos de interpolación: lineal, cuadrática y de Newton. La interpolación lineal y cuadrática se usan para estimar el logaritmo natural de 2. La interpolación de Newton proporciona resultados más precisos al incorporar las otras interpolaciones en una sola fórmula general. Se demuestra el uso de comandos como fprintf y formatos de salida para controlar la presentación de los resultados.
Este documento presenta ejercicios resueltos sobre cadenas de Markov. En el primer ejercicio se demuestra que una sucesión de variables aleatorias independientes e igualmente distribuidas define una cadena de Markov. En el segundo ejercicio se clasifican los estados de una cadena dada y se calculan periodos. En el tercer ejercicio se calcula la probabilidad conjunta de estar en un estado en diferentes momentos de tiempo.
Este documento describe las medidas estadísticas clave para distribuciones discretas, incluida la distribución binomial. Define la función de densidad, los momentos, la moda, la función característica y cómo se usan para calcular medidas como la media, la varianza, la simetría y la curtosis. Luego se centra en la distribución binomial, definiendo sus funciones básicas y cómo calcular sus momentos e incluso las medidas de funciones de la variable aleatoria.
Este documento describe la modulación de amplitud (AM) de doble banda lateral y portadora de máxima potencia. Explica el proceso de modulación donde la señal de información se multiplica con la portadora y luego se suma a la portadora. Esto produce una señal modulada cuya amplitud varía en función de la señal de información. También presenta fórmulas matemáticas para modelar este proceso de modulación y analizar la variación de la amplitud en el tiempo y la frecuencia.
Este documento presenta una introducción a las pruebas de hipótesis, describiendo los conceptos básicos como la hipótesis nula, la hipótesis alternativa y los diferentes tipos de ensayos. Luego, proporciona ejemplos detallados de cómo realizar pruebas de hipótesis para comparar medias, proporciones y diferencias de muestras. Los ejemplos cubren temas como duración de focos, instalación de bombas de calor, volumen de llenado de botellas y apoyo a una propuesta entre votantes de
El documento describe el método de Simpson 1/3, el cual se usa para hallar el valor aproximado del área bajo una curva definida. Explica que la fórmula de Simpson 1/3 requiere la función y el intervalo de evaluación, y luego detalla cómo aplicar la regla simple y compuesta de Simpson 1/3 para resolver integrales mediante la sustitución de valores en la fórmula correspondiente.
El documento presenta un problema de resolución de sistemas de ecuaciones lineales para determinar la cantidad de hombres, mujeres y niños en un grupo de 30 personas. Se plantea un sistema de 3 ecuaciones con 3 incógnitas (x=hombres, y=mujeres, z=niños) y se resuelve aplicando el método de Gauss, obteniendo como solución x=y=z=10.
Presentacion metodos numerico teoria de errores mervismarin23
1) Un error es la diferencia entre un valor real y una aproximación a ese valor. Existen diferentes tipos de errores que pueden expresarse de forma absoluta o relativa.
2) Los métodos numéricos producen resultados aproximados que deben especificarse en términos de cifras significativas para indicar su precisión. Errores comunes incluyen errores de redondeo y truncamiento.
3) Para que los métodos numéricos sean útiles en ingeniería, deben ser lo suficientemente exactos para cumplir los requisitos del problema, y lo suficiente
Este documento describe varios métodos numéricos para aproximar el valor de una integral definida, incluida la regla del rectángulo, la regla del punto medio, la regla del trapecio y la regla de Simpson. Explica cómo cada método usa diferentes polinomios de interpolación para aproximar la función integranda y calcular el área bajo la curva. También discute cómo dividir el intervalo en subintervalos puede mejorar la precisión de la aproximación.
Este documento presenta una introducción a los comandos básicos y conceptos de matrices en MATLAB. Explica cómo ingresar y manipular vectores, matrices, realizar operaciones matemáticas y cómo guardar y acceder a la ayuda en MATLAB. También describe funciones como eye(), zeros(), ones() y operaciones matriciales como suma, producto, transposición e inversa.
El documento describe las características y funcionalidades de MATLAB. MATLAB es una herramienta que surgió para realizar cálculos matemáticos, especialmente con matrices. Permite realizar cálculos, crear gráficos y trabajar con números complejos, matrices y funciones matemáticas de manera sencilla. Además de cálculos, MATLAB permite programar mediante un lenguaje parecido a BASIC o C para agrupar operaciones frecuentes.
Este documento proporciona una introducción a MATLAB, incluyendo: 1) Cómo trabajar con vectores, funciones y representarlas gráficamente; 2) Los mandatos básicos como help, clear y diary; 3) Cómo definir y manipular variables, vectores y matrices; 4) Funciones incorporadas como eye, zeros y rand. El objetivo es aprender las herramientas básicas de MATLAB para aplicarlas a cálculos numéricos.
Este documento proporciona una introducción a MATLAB, incluyendo: 1) Cómo trabajar con vectores, funciones y representarlas gráficamente; 2) Los mandatos básicos como help, clear y diary; 3) Cómo definir y manipular variables, vectores y matrices; 4) Funciones incorporadas como eye, zeros y rand. El objetivo es aprender las herramientas básicas de MATLAB para aplicarlas a cálculos matemáticos y de ingeniería.
Este documento describe el entorno de trabajo de MatLab. Introduce MatLab como un software para realizar cálculos numéricos con vectores y matrices y resolver problemas de ingeniería y ciencia. Explica las ventanas principales de MatLab, como trabajar en la ventana de comandos, diferentes formatos de salida numérica, y comandos básicos como help y edit. También presenta operaciones aritméticas básicas y funciones matemáticas comunes.
Este documento presenta una introducción a MATLAB, incluyendo comandos básicos, operaciones con matrices y vectores, y funciones matemáticas. Explica cómo iniciar y salir de MATLAB, guardar sesiones, buscar ayuda, y realizar cálculos, asignaciones y comentarios. También describe cómo introducir y manipular vectores y matrices, y utilizar funciones como eye, zeros, ones, rand y sort.
El documento introduce MATLAB como un lenguaje de programación para realizar cálculos numéricos con vectores y matrices. MATLAB permite trabajar con números escalares, cadenas de caracteres y otras estructuras de datos. Es una herramienta potente, flexible y de gran exactitud para tareas matemáticas y de ingeniería. El documento describe las principales funciones y características de la interfaz gráfica de usuario de MATLAB.
1. Este documento introduce el uso básico de MATLAB para trabajar con vectores, funciones y matrices. MATLAB permite realizar cálculos numéricos de manera interactiva mediante comandos de una línea.
2. Se explican comandos básicos como help, clear, diary y format para obtener ayuda, limpiar variables, guardar sesiones y establecer la precisión numérica. También se describen cómo crear, editar y operar con vectores, matrices y funciones en MATLAB.
3. El documento concluye explicando cómo crear y manipular matrices usuales
Este documento presenta apuntes sobre el uso básico de MATLAB. Explica conceptos como operaciones numéricas, matrices, gráficas, programación con scripts y funciones, y bucles. El documento está dividido en cuatro sesiones que cubren estos temas de forma gradual e incluyen ejercicios al final de cada sección.
Este documento presenta apuntes sobre el uso básico del programa MATLAB. Explica operaciones numéricas, vectores y matrices en MATLAB, incluyendo su creación, suma y multiplicación. También cubre temas como el uso de variables, formato de salida, y funciones internas como rand y pi. El documento está organizado en cuatro sesiones que introducen progresivamente más conceptos sobre programación en MATLAB.
Este documento presenta apuntes sobre el uso del programa MATLAB. Contiene cuatro capítulos que cubren operaciones básicas, gráficas, programación con funciones y bucles, y ejercicios de práctica. El documento proporciona instrucciones detalladas sobre cómo utilizar MATLAB para cálculos numéricos, manipulación de vectores y matrices, y desarrollo de scripts y funciones.
El documento introduce MATLAB, un lenguaje de programación para realizar cálculos científicos. MATLAB permite manipular matrices, desarrollar algoritmos, adquirir y visualizar datos, y más. Incluye herramientas para ingeniería como análisis de señales y control de sistemas. El documento luego cubre características clave de MATLAB como tipos de datos, variables, constantes, y estructuras de control como bucles y bifurcaciones para la programación.
Matlab es un lenguaje de programación para realizar cálculos científicos. Proporciona herramientas para manipulación de matrices, desarrollo de algoritmos, simulación, análisis de datos y visualización. Se usa comúnmente en ingeniería para procesamiento de señales, control de sistemas y otros propósitos. El documento describe características básicas de Matlab como tipos de datos, variables, estructuras de control como bucles y bifurcaciones, y aplicaciones comunes en ingeniería.
Este documento introduce los conceptos básicos de MATLAB. MATLAB es un programa para realizar cálculos numéricos con matrices y vectores. Incluye una variedad de gráficos en 2D y 3D, un lenguaje de programación propio y permite guardar y cargar variables y estados de sesión. El documento describe la ventana inicial de MATLAB, realiza un ejercicio sencillo y explica conceptos como el workspace, editor/debugger y preferencias.
Presentación de matlab electromagnetismo ...SimonCaceres4
Este documento describe las funciones básicas de MATLAB. MATLAB es un lenguaje de programación diseñado para realizar cálculos numéricos con vectores y matrices. El documento explica los elementos básicos de la interfaz de MATLAB como la ventana de comandos y el espacio de trabajo. También describe funciones matemáticas comunes, sentencias de control de flujo y cómo crear gráficos.
Este documento presenta:
1) Diferentes funciones de conversión en MATLAB como int2str, num2str, str2double, entre otras. 2) El uso de operadores relacionales y lógicos. 3) Comandos para lectura y escritura interactiva como input, disp. 4) Introducción a la programación en MATLAB mediante funciones y diferentes estructuras de control de flujo.
Este documento presenta una introducción básica al software MATLAB. MATLAB es un programa matemático utilizado para resolver problemas del mundo real mediante el cálculo numérico y simbólico. Integra el cálculo, la visualización y la programación en un entorno fácil de usar que permite expresar soluciones de forma análoga a la notación matemática. El documento explica cómo iniciar MATLAB, los elementos de su escritorio y cómo trabajar con variables, números, cadenas, operadores y funciones dentro del programa.
1) El documento presenta apuntes sobre el uso del software MATLAB para ingeniería. Se dividen en secciones sobre comandos básicos, vectores, matrices, gráficas 2D y 3D, cálculo simbólico y programación.
2) Explica comandos básicos como variables, operadores matemáticos, formatos numéricos y ayuda. También introduce variables lógicas.
3) Detalla operaciones con vectores como suma, multiplicación y funciones matemáticas aplicadas a vectores. Explica también polinomios y matrices
El documento explica cómo generar gráficas simples de funciones en Matlab usando el comando plot. Se crean variables vectoriales x e y para almacenar los valores de la función a graficar y luego se usa plot(x,y) para trazar la gráfica. También se explican opciones para mejorar la apariencia de la gráfica y editarla desde la ventana gráfica o usando comandos. Finalmente, se introducen scripts para automatizar la generación de gráficas sin tener que escribir comandos cada vez.
Este documento resume las principales funciones y comandos de MATLAB. MATLAB es un programa comercial para realizar cálculos matemáticos y generar gráficos. Ofrece herramientas para el análisis numérico, procesamiento de señales y matrices. Incluye paquetes especializados llamados toolboxes. MATLAB se inicia directamente desde Windows y permite evaluar comandos en la línea de comandos.
El documento describe la estructura del sistema centralizado de provisión de energía eléctrica en Ecuador. Explica que el Ministerio de Electricidad y Energía Renovable es el organismo rector responsable de satisfacer las necesidades de energía del país a través de la generación, transmisión y distribución. También describe las principales empresas involucradas como la Corporación Eléctrica del Ecuador, la Corporación Nacional de Electricidad y el Centro Nacional de Control de Energía, y sus respectivas funciones. Finalmente, resume los derechos de los consumidores según la Constituc
El documento resume las ventajas de las herramientas web 2.0 como las redes sociales que ayudan a difundir información de manera gratuita y personal a otras personas. Algunas herramientas mencionadas son Google Drive para editar documentos en línea, Flickr para compartir imágenes, blogs para expresar pensamientos y YouTube para compartir videos. Estas herramientas también permiten mantener contacto global y dar a conocer ideas.
El documento habla sobre las herramientas Web 2.0 y sus ventajas. Menciona que las redes sociales ayudan a difundir documentos e información de manera útil. También describe herramientas como Google Drive para editar documentos en línea, Flickr para compartir imágenes, blogs para expresar pensamientos y YouTube para mostrar videos. Finalmente, señala que estas herramientas permiten mantener contacto global y dar a conocer ideas.
Este documento presenta la información de contacto de Carlos José Correa Sánchez en varias plataformas como Wordpress, Flickr, YouTube y Slideshare. También explica que le asignaría a su blog personal la licencia Creative Commons Reconocimiento-NoComercial 3.0 Unported, la cual permite modificar el contenido siempre que se reconozca su autoría y no se utilice con fines comerciales.
Arrays Bidimensionales y Multidimensionales - Carlos CorreaCarlitos Correa Jr.
Un arreglo bidimensional es un arreglo de arreglos unidimensionales que se puede visualizar como una matriz con filas y columnas. Los arreglos bidimensionales se declaran indicando el tipo de datos, nombre y número de filas y columnas, por ejemplo int a[4][3]. Los elementos se acceden usando dos índices, el de fila y el de columna, como a[fila][columna].
El documento resume conceptos clave sobre magnetismo y electromagnetismo. Explica que el magnetismo estudia los campos magnéticos y la propiedad de atracción de los imanes. Define los polos magnéticos, líneas de fuerza y fuerzas magnéticas. También define electromagnetismo como una teoría de campos que describe fenómenos donde intervienen cargas eléctricas en reposo o movimiento usando campos eléctricos y magnéticos. Por último, explica los conceptos de flujo magnético y permeabilidad.
1. ´
GRAFICAS CON MATLAB
Roberto Rodr´
ıguez del R´
ıo
Departamento de Matem´tica Aplicada
a
Universidad Complutense de Madrid
´
INTRODUCCION
1. Manejo elemental de Matlab.
1.1. Interfaz de usuario. Variables.
1.2. Vectores y Matrices.
2. Gr´ficas 2D.
a
2.1. Funciones de la forma y = f (x)
2.2. Curvas en param´tricas.
e
2.3. Curvas en polares.
2.4. Cambios de coordenadas polares-cartesianas.
3. Gr´ficas 3D.
a
3.1. Curvas en el espacio.
3.2. Funciones de la forma z = f (x, y)
3.3. Manipulacin de Gr´ficos 3D.
a
3.4. Algunas superficies en el espacio.
3.5. Gr´ficos de funciones complejas.
a
4. Gr´ficos estad´
a
ısticos.
4.1. Diagramas de sectores.
4.2. Diagramas de Pareto.
4.3. Diagramas de barras.
4.4. Histogramas.
5. Gr´ficas en movimiento: “movies”.
a
REFERENCIAS
1
2. ´
INTRODUCCION
El nombre MatLab es una abreviatura de las palabras MATrix LABoratory. MatLab es un sistema interactivo para c´lculos cient´
a
ıficos y de
ingenier´ basado en las matrices. Con ´l se pueden resolver complejos
ıa
e
problemas num´ricos sin necesidad de escribir un programa espec´
e
ıfico
para ello, aunque tambi´n es posible programar. Adem´s, el programa
e
a
MATLAB dispone, dependiendo de la versi´n, de diferentes m´dulos
o
o
(Toolboxes) que permiten resolver problemas espec´
ıficos.
Nosotros nos vamos a centrar en la capacidad de MatLab para generar gr´ficos, aunque, antes de llegar hasta este punto, haremos un r´pido
a
a
resumen de los comandos b´sicos del programa.
a
Debido a que MatLab es un programa de C´lculo Num´rico, la fora
e
ma de producir gr´ficos es completamente distinta de la de programas
a
de C´lculo Simb´lico como Derive, Mathematica o Maple. En MatLab,
a
o
nosotros tenemos que calcular mediante comandos adecuados los puntos
que despu´s se representar´n en la gr´fica.
e
a
a
1. MANEJO ELEMENTAL DE MATLAB
Supongamos que hemos sido capaces de abrir el programa. En Matlab, las ´rdenes se introducen escribi´ndolas una a una a continuaci´n
o
e
o
del prompt (>>) que aparece en la ventana del usuario. Veamos en primer
lugar, algunas de las operaciones matem´ticas m´s elementales.
a
a
Para sumar dos n´meros:
u
>>2+2
ans =
4
Despu´s de escribir cada comando hay que pulsar Intro para que
e
lo ejecute. Si despu´s de esta agotadora primera sesi´n con MatLab
e
o
queremos salir del programa, se puede hacer de dos formas, escribiendo
exit a continuaci´n del prompt, o bien con File Exit MATLAB.
o
El valor que queremos calcular tambi´n se puede asignar a una vae
riable. Por ejemplo:
x=3^2
x=
9
2
3. Hay que tener en cuenta que MatLab distingue entre may´sculas y
u
min´sculas, por lo tanto, se distingue entre la variable X y la variable x.
u
La notaci´n para las operaciones matem´ticas elementales es la hao
a
bitual en todos los programas de C´lculo Simb´lico:
a
o
suma
resta
divisi´n
o
exponenciaci´n
o
multiplicaci´n
o
+
/
^
*
Tambi´n est´n definidas algunas de las funciones m´s comunes utilie
a
a
zadas en Matem´ticas. Su sintaxis coincide tambi´n con la que se utiliza
a
e
en la mayor´ de los programas de Matem´ticas, como, por ejemplo, el
ıa
a
programa DERIVE, aunque hay algunas diferencias. Algunas de estas
funciones son:
sin
sinh
asin
cos
cosh
acos
tan
atan
exp
log
log10
sqrt
abs
seno
seno hiperb´lico
o
arcoseno
coseno
coseno hiperb´lico
o
arcocoseno
tangente
arcotangente
exponencial
logaritmo neperiano
logaritmo decimal
ra´ cuadrada
ız
valor absoluto
Para obtener listas completas de todas las funciones que puede utilizar Matlab, as´ como para saber el uso de cada una de ellas o de cualquier
ı
comando, siempre se puede acudir al help. Esto se puede hacer de varias
formas, poniendo >>helpwin, siendo el propio programa quien nos ofrece
la ayuda (como en cualquier otro programa), o poniendo >>helpdesk,
con lo que nos ofrece ayuda interactiva, conect´ndose a Internet si este
a
recurso est´ disponible en nuestro ordenador.
a
Si conocemos el nombre del comando, pero queremos saber para
qu´ sirve, se puede poner:
e
>>help comando
3
4. Y nos ofrecer´ ayuda sobre el comando en cuesti´n, si ´ste existe.
a
o
e
Por ejemplo,
>>help rotate3d
ROTATE3D Interactively rotate the view of a 3-D plot.
ROTATE3D ON turns on mouse-based 3-D rotation.
ROTATE3D OFF turns if off.
ROTATE3D by itself toggles the state.
See also ZOOM.
Nos ofrece informaci´n sobre el comando rotate3d, comando que
o
sirve para rotar figuras tridimensionales utilizando el rat´n.
o
Otra forma de buscar ayuda es utilizar el comando lookfor, por
ejemplo, poniendo >>lookfor cos, nos aparecer´ una lista con todos
a
los comandos que tienen que ver con la funci´n coseno.
o
1.1. Interfaz de usuario. Variables
Con las flechas del cursor: ↑ y ↓ , se pueden recuperar las ´rdenes
o
anteriores, sin tener que volver a teclearlas. Esto resulta util en el caso
´
de una equivocaci´n o cuando se quiere repetir un comando con alguna
o
peque˜a modificaci´n.
n
o
A veces, puede resultar necesario, hasta imprescindible, que el resultado de un c´lculo no aparezca en pantalla. Por ejemplo, si generamos
a
una matriz de orden muy alto con el objeto de hacer despu´s una gr´fica.
e
a
El hecho de que aparezca la matriz en pantalla puede resultar un poco
engorroso. Para conseguir esto se pone un punto y coma al final de la
instrucci´n.
o
Por ejemplo,
x=sin(3);1
No aparece ning´n resultado, pero ha realizado el c´lculo, porque si
u
a
escribimos el valor de x, aparecer´ el valor 0.1411.
a
1
El argumento de las funciones trigonom´tricas siempre se mide en radianes.
e
4
5. Los comandos se pueden ir escribiendo y ejecutando uno a uno, es
decir, rengl´n a rengl´n, y tambi´n se pueden escribir uno a continuaci´n
o
o
e
o
de otro en una misma l´
ınea, en cuyo caso deben ir separados por comas.
Si el comando o la cantidad de comandos es demasiado larga para que
aparezca en un unico rengl´n, se puede romper la cadena y seguir en el
´
o
siguiente rengl´n, escribiendo tres puntos suspensivos. Por ejemplo,
o
>>x=sin(10),y=cos(10),...
z=tan(10)
x =
-0.5440
y =
-0.8391
z =
0.6484
Los resultados num´ricos que ofrece MatLab se pueden visualizar en
e
diferentes formatos. Por defecto, si un resultado es un n´mero entero, lo
u
ofrecer´ como tal. Si no lo es, lo har´ con 4 cifras decimales (redondeana
a
do a la cuarta cifra). Si el resultado es un n´mero grande, lo expresar´ en
u
a
notaci´n cient´
o
ıfica. Este formato que usa por defecto se puede modificar en el men´ File Preferences Numeric Format, aunque tambi´n
u
e
se puede hacer directamente escribiendo las ´rdenes a continuaci´n de
o
o
>>:
Si escribimos:
>>x=34/8449;
y vamos cambiando el formato como se indica en la siguiente tabla,
volviendo a escribir >>x, cada vez se obtiene el mismo resultado en las
distintas formas num´ricas.
e
5
6. Formato
format long
format short e
format long e
format hex
format bank
format +
format rat
format short
Variable x
0.00402414486922
4.0241e-003
4.024144869215292e-003
3f707b9f29b8eae2
0.00
+
2/497
0.0040
Caracter´
ısticas
16 d´
ıgitos
5 d´
ıgitos m´s exponente
a
16 d´
ıgitos m´s exponente
a
sistema hexadecimal
2 decimales
signo +, - ´ 0
o
aproximaci´n racional
o
formato por defecto
No obstante, independientemente del formato que se est´ utilizando,
e
la representaci´n interna del n´mero siempre es la misma, lo unico que
o
u
´
cambia es la forma en que lo vemos en la pantalla.
En Matlab, lo normal es ir asignando valores escalares o matriciales a
variables, si en un momento determinado queremos saber con qu´ variae
bles estamos trabajando, se puede escribir >>who, que nos indica qu´ vae
riables est´n en uso; el comando >>whos, nos indica lo mismo, pero
a
adem´s nos informa del tama˜o y del tipo de variable. O bien, en el
a
n
item File con Show Workspace, que produce el mismo resultado que
>>whos. Para borrar una variable, se puede utilizar el comando >>clear
variable, y borrar´ la variable que se indique, si se pone s´lo >>clear,
a
o
se borrar´n todas las variables que se est´n utilizando actualmente.
a
e
Las variables pueden contener hasta 19 caracteres, los caracteres m´s
a
all´ del 19 se ignoran. Las variables deben comenzar con una letra, sea
guida por letras, d´
ıgitos o guiones de subrayado.
Adem´s hay algunas variables especiales que se utilizan por defecto:
a
ans: Es la variable que se utiliza en los resultados. En la operaci´n
o
siguiente se puede recuperar este resultado volviendo a escribir
ans. Esta variable se modificar´n en cuanto haya un nuevo resula
tado.
pi: El n´mero π. (No hay una variable para el n´mero e, pero se
u
u
podr´ definir >>e=exp(1)).
ıa
eps: Es el n´mero m´s peque˜o que utiliza el ordenador tal que,
u
a
n
cuando se le suma 1, crea un n´mero en coma flotante mayor que
u
1.
Inf: Infinito, aparece si hacemos 1/0.
NaN: Mensaje de error (Not a Number), por ejemplo, 0/0.
6
7. realmin, realmax: Son, respectivamente, el menor y el mayor de
los n´meros reales utilizables.
u
Poniendo el s´
ımbolo % se consigue que no se ejecute lo que venga
a continuaci´n, en el mismo rengl´n, sino que se interprete como un
o
o
comentario, se suele utilizar para escribir comentarios aclaratorios en
l´
ıneas de comandos de manera que no afecten a su ejecuci´n. Por ejemplo,
o
si ponemos,
>>sqrt(2) % Ra´z cuadrada de 2
ı
calcular´ la ra´ de 2 y se saltar´ el comentario.
a
ız
a
Una buena forma de acabar la lectura de esta primera introducci´n
o
ser´ la de echar un vistazo a la demo que viene incorporada con el proıa
grama. Para activarla basta con teclear >>demo, aparecer´ una ventana
a
en la que se pueden ir viendo algunas de las capacidades del programa.
1.2. Vectores y matrices
Los vectores y las matrices son los elementos b´sicos con los que
a
trabaja Matlab. Veamos c´mo se introducen y c´mo se pueden hacer
o
o
algunas de las operaciones elementales con ellos.
VECTORES. Un vector se puede definir introduciendo sus coordenadas, separadas por espacios o por comas, entre corchetes:
>> x=[1 2 3]
x
=
1
2
3
Si queremos definir un vector columna, se separan las filas por puntos
y comas, o bien se calcula el transpuesto de un vector fila con >>x’.
Otra forma de crear vectores es la siguiente:
>> x=1:0.5:3
x =
1.0000
1.5000
2.0000
2.5000
3.0000
que genera un vector que va desde 1 hasta 10 con un paso de 0.5 unidades.
Exactamente el mismo resultado lo conseguir´
ıamos con el comando
linspace
7
8. >>x=linspace(1,3,5)
que produce 5 n´meros igualmente espaciados entre 1 y 3.
u
PRODUCTO ESCALAR. Consideremos los dos vectores siguientes:
>>a=[1 2 3];b=[2 -3 5];
Si los multiplicamos de la forma
c=a.*b
c =
2
-6
15
obtenemos el producto de los elementos del primero y del segundo vector
elemento a elemento. Para obtener el valor del producto escalar
>>sum(c)
ans =
11
El producto de dos vectores o dos matrices elemento a elemento
ser´ muy importante cuando queramos representar gr´ficas de funciones.
a
a
MATRICES. Para introducir una matriz, se separa cada fila con
un punto y coma
A=[3 2 1; 6 5 4; 9 8 7]
A =
3 2 1
6 5 4
9 8 7
Ejercicio 1.1. Despu´s de definida la matriz, probar los siguientes coe
mandos e intentar descubrir para qu´ sirven:
e
a) >>A(2,3) o por ejemplo >>A(1,2)
b) A(:,1) y tambi´n A(2,:)
e
c) A^2 y A.^2. ¿En qu´ se diferencian estos dos comandos?
e
Veamos algunas operaciones elementales con matrices. Definimos dos
matrices 3 × 3
>>A=[1 1 2; 3 4 6; 2 1 0];B=[-1 2 0; 2 0 0; -2 3 4];
8
9. Para sumarlas
>>C=A+B
C =
0
5
0
3
4
4
2
6
4
Para multiplicarlas
>>D=A*B
D =
-3
-7
0
8
24
4
8
24
0
Para elevar una matriz a una potencia
>>A^3
ans =
45
162
43
44
157
39
58
204
46
Para calcular su determinante
>>det(A)
ans =
-4
Para calcular su inversa, si existe
>>inv(A)
ans =
1.5000
-3.0000
1.2500
-0.5000
1.0000
-0.2500
0.5000
0
-0.2500
MATRICES PREDEFINIDAS. En MatLab hay varios comandos que sirven para definir con gran facilidad matrices de tipos particulares. Algunas de estas funciones son las siguientes:
eye(n), matriz unidad de tama˜o (n × n)
n
9
10. zeros(m,n), matriz de ceros de tama˜o (m × n)
n
zeros(n), lo mismo, pero de orden (n × n)
ones(n), matriz de unos (n × n)
ones(m,n), lo mismo, pero de orden (m × n)
linspace(x1,x2,n), genera un vector con n valores igualmente
espaciados entre x1 y x2
logspace(d1,d2,n), genera un vector con n valores espaciados
logar´
ıtmicamente entre 10d1 y 10d2
rand(n), matriz de n´meros aleatorios entre 0 y 1, distribuidos
u
uniformemente (n × n)
rand(m,n), lo mismo, de tama˜o m × n
n
randn(n), matriz de n´meros aleatorios (n×n), distribuidos seg´n
u
u
la normal estandar, N (0, 1)
magic(n), crea una matriz en forma de cuadrado m´gico de taa
ma˜o n × n
n
´
2. GRAFICAS 2D
2.1. Funciones de la forma y = f (x)
Para hacer gr´ficas de funciones de una variable con MatLab, pria
mero tenemos que crear una tabla de valores de la variable para despu´s
e
dibujar la funci´n. Por ejemplo, queremos dibujar la gr´fica de la funci´n
o
a
o
y = sen(x):
Primero creamos una tabla de valores para x
>>x=0:pi/100:2*pi;
Con este comando hemos formado una tabla (el vector x) con 200
valores entre 0 y 2 ∗ π. Otra forma de conseguir el mismo resultado ser´
ıa
utilizar el comando
>>x=linspace(0,2*pi,200);
Ahora calculamos los valores de y
>> y = sin(x);
y por ultimo la dibujamos (ver figura 1)
´
10
11. 1
0.8
0.6
0.4
0.2
0
−0.2
−0.4
−0.6
−0.8
−1
0
1
2
3
4
5
6
7
Figura 1. Gr´fica de y = sen(x).
a
>>plot(x,y)
Realmente lo que hemos hecho es dibujar 200 puntos de la funci´n en
o
el intervalo [0, 2π], y posteriormente el programa los ha unido mediante
segmentos. Si el n´mero de puntos es lo suficientemente grande, como
u
en este caso, no se aprecian los v´rtices.
e
Veamos un ejemplo algo m´s complicado. Queremos dibujar ahora
a
2
la gr´fica de la funci´n y = xe−x .
a
o
Definimos los valores para los que queremos hacer la gr´fica
a
>>x=-3:.01:3;
Es decir, que vamos a dibujar la gr´fica en el intervalo [−3, 3] con un
a
paso de longitud 0.01.
Definimos la funci´n
o
>>y=x.*exp(-x.^2);
(¿Por qu´ hay que poner los puntos antes de las operaciones?)
e
Y por ultimo, se escribe el comando para que ejecute el dibujo (fi´
gura 2.)
>>plot(x,y)
El aspecto de la gr´fica se puede modificar utilizando algunos coa
mandos:
11
12. 0.5
0.4
0.3
0.2
0.1
0
−0.1
−0.2
−0.3
−0.4
−0.5
−3
−2
−1
0
1
2
3
2
Figura 2. Gr´fica de y = xe−x .
a
0.5
0.4
0.3
0.2
0.1
0
−0.1
−0.2
−0.3
−0.4
−0.5
−3
−2
−1
0
1
2
3
2
Figura 3. Gr´fica de y = xe−x con cuadr´
a
ıcula.
- Cuadr´
ıcula. Si queremos que aparezca una cuadr´
ıcula sobre el dibujo, utilizaremos el comando >>grid on. El aspecto del dibujo ser´
ıa
ahora como el de la figura 3. Para desactivar la cuadr´
ıcula habr´ que
a
escribir >>grid off.
- Color y trazo. El comando plot ofrece m´ltiples posibilidades de cou
lor y forma de trazo de la gr´fica. Por ejemplo, el comando
a
>>plot(x,y,’r*’), nos dibujar´ la gr´fica en color rojo y con asteıa
a
riscos. Para consultar todas las posibilidades, hacer >>help plot.
- Ejes. Los ejes que aparecen por defecto en una gr´fica tambi´n se
a
e
pueden modificar. Con el comando >>axis([-2 2 -1 1]), conseguiremos que la gr´fica aparezca en la regi´n −2 ≤ x ≤ 2, −1 ≤ x ≤ 1.
a
o
Con >>axis square, conseguiremos que la figura aparezca en un cua12
13. drado, sin cambiar el rango de los ejes. Con el comando >>axis equal,
conseguiremos que los rangos de los ejes sean iguales.
- Zoom. Utilizando el comando >>zoom on. Se puede agrandar la
figura o alguna zona seleccionada de la figura. Hay que abrir la figura
y utilizar los botones izquierdo y derecho del rat´n. Para desactivarlo,
o
habr´ que escribir >>zoom off.
a
- Varias gr´ficas en la misma figura. Se pueden dibujar tantas gr´fia
a
cas como se quieran en una misma figura. Si ya tenemos dibujada una,
y generamos una nueva gr´fica, en principio la figura anterior es sustia
tuida por la nueva. Sin embargo, utilizando el comando >>hold on, se
mantendr´ la anterior, con todas sus propiedades, y se podr´ dibujar
a
a
encima una nueva. Para desactivar el comando anterior: >>hold off.
Otra forma de hacerlo es dibujar desde el principio dos gr´ficas juntas,
a
por ejemplo, vamos a dibujar las gr´ficas de las funciones y = sen(x) e
a
π
y = sen(x + ) en la misma figura (4):
3
Generamos las tablas,
>>x=linspace(0,2*pi,300);
>>y=sin(x);
>>z=sin(x+pi/3);
Y ahora las dibujamos
1
0.8
0.6
0.4
0.2
0
−0.2
−0.4
−0.6
−0.8
−1
0
1
2
3
4
5
6
7
Figura 4. Gr´ficas de y = sen(x) y de y = sen(x +
a
>>plot(x,y,’r-’,x,z,’g--’),grid on
13
π
).
3
14. (La primera en color rojo, con trazo continuo, y la segunda en verde,
con trazo discontinuo).
- Etiquetado de gr´ficas. Existen diversas posibilidades para el etia
quetado de las gr´ficas. Ve´moslo con un ejemplo (ver figura 5):
a
a
>>x=linspace(-3,3,500);y=exp(-x.^2);z=2*exp(-x.^2);
>>plot(x,y,’-’,x,z,’--’) % dibujamos dos funciones
>>title(’Campanas de Gauss’)
>>xlabel(’Eje de Abscisas’) % Etiqueta el eje horizontal
>>ylabel(’Eje de Ordenadas’) % Etiqueta el eje vertical
>>legend(’exp(-x^2)’, ’2*exp(-x^2)’) % Pone una leyenda
Campanas de Gauss
2
exp(−x2)
2
2*exp(−x )
1.8
1.6
Eje de Ordenadas
1.4
1.2
1
0.8
0.6
0.4
0.2
0
−3
−2
−1
0
Eje de Abscisas
1
2
3
Figura 5. Etiquetado de gr´ficas.
a
Adem´s de los comandos descritos antes para etiquetar gr´ficas, exisa
a
te la posibilidad de poner un texto en alg´n otro lugar de la figura. Con
u
el comando >>gtext(’texto’), se abrir´ la figura y podremos indicar
a
con el rat´n el lugar donde ha de ir el texto, que seleccionaremos con un
o
clic.
- Obtenci´n de puntos desde el gr´fico. Una vez que se ha realizao
a
do una gr´fica, podemos necesitar conocer las coordenadas de algunos
a
puntos de la misma. Por ejemplo, el lugar aproximado en el que est´n
a
los m´ximos y m´
a
ınimos, o si queremos a˜adir alguna recta o una poligon
nal al dibujo. Para conseguir esto, se puede utilizar el comando ginput.
Escribiendo
>>[x,y]=ginput(N)
14
15. Donde N es el n´mero de puntos cuyas coordenadas queremos obu
tener. Despu´s de ejecutado el comando habr´ que pulsar con el bot´n
e
a
o
izquierdo del rat´n sobre el dibujo tantas veces como puntos hayamos
o
especificado. Las coordenadas de esos puntos quedar´n almacenadas en
a
las variables [x, y].
Para dibujar gr´ficas de funciones definidas a trozos, necesitamos
a
utilizar lo que vamos a denominar ´
ındices o variables l´gicas. Veamos
o
un ejemplo. Creamos un vector con los n´meros del 1 al 7
u
>>x=1:7
x =
1
2
3
4
5
6
7
0
1
1
1
Y ahora escribimos
>>x>4
ans =
0
0
0
Observamos que donde no se cumple la condici´n, aparece 0 y donde
o
se cumple, aparece 1. Para crear estas variables l´gicas se pueden utilizar
o
los siguientes operadores relacionales:
<
>
<=
>=
==
∼=
menor que
mayor que
menor o igual
mayor o igual
igual
distinto
Estos operadores se pueden combinar utilizando los operadores l´gio
cos:
&
|
∼
y
o
no
As´ por ejemplo, sobre el mismo x de antes, si escribimos
ı,
>>(2<x)&(x<=6)
ans =
0
0
1
1
1
15
1
0
16. obtenemos unos en los valores que verifican 2 < x ≤ 6.
Ahora supongamos que queremos
x2
f (x) = 1
−x + 2
representar la funci´n
o
si x < 0
si 0 ≤ x < 1
si 1 ≤ x
Generamos una tabla de valores en el dominio en el que queramos
dibujar la funci´n
o
>>x=linspace(-2,3,3000);
Y ahora definimos la funci´n, multiplicando cada trozo por el ´
o
ındice
l´gico que describa el lugar en el que queremos dibujarlo,
o
>>y=(x.^2).*(x<0)+1.*((0<=x)&(x<1))+(-x+2).*(1<=x);
Y ahora la dibujamos. Resulta conveniente hacerlo con puntos, asteriscos o cruces porque, de otra forma, no aparecer´n las discontinuidades
a
>>plot(x,y,’.’),grid on,title(’Funci´n definida a trozos’)
o
Y obtenemos la gr´fica de la figura 6.
a
Función definida a trozos
4
3.5
3
2.5
2
1.5
1
0.5
0
−0.5
−1
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
2.5
3
Figura 6. Una funci´n definida a trozos.
o
Ejercicio 2.1. Dibujar las gr´ficas de las siguientes funciones eligiena
do, en cada caso, una tabla de valores adecuada para que aparezcan los
aspectos m´s representativos de la funci´n:
a
o
16
17. a) f (x) = x(x2 + 4)2
√
b) f (x) = x − x
log x
x
x(x − 2)
d) f (x) =
(x + 1)(x − 2)
c) f (x) =
e) f (x) = sen
f ) f (x) =
1
x
x
e|x−1|
x2 si x < 0
−1 si x ≥ 0
−x si x < −1
h) f (x) = 1
si 0 < x < 2
2
−x si x > 2
√
1 − x si x < −1
i) f (x) = 1 − x2 si −1 < x < 1
√
x − 1 si x > 1
g) f (x) =
2.2. Curvas en param´tricas
e
Veamos ahora c´mo se pueden representar curvas en el plano dadas
o
en forma param´trica, es decir, de la forma
e
r(t) = (x(t), y(t))
t ∈ [a, b]
Empecemos con un ejemplo: queremos dibujar la gr´fica de la curva
a
r(t) =
t(t2 − 1) 2(t2 − 1)
, 2
t2 + 1
t +1
;
−5 ≤ t ≤ 5
En primer lugar generamos los valores de t en el intervalo indicado,
>>t=linspace(-5,5,1000);
Y ahora lo podemos dibujar de dos formas distintas:
>>plot((t.*(t.^2-1))./(t.^2+1),(2*(t.^2-1))./(t.^2+1))
17
18. 2
1.5
1
0.5
0
−0.5
−1
−1.5
−2
−5
−4
−3
−2
−1
0
1
2
3
4
5
Figura 7. Curva en param´tricas.
e
obtendremos la gr´fica de la figura 7.
a
Y otra forma de hacerlo es utilizar el comando
>>comet((t.*(t.^2-1))./(t.^2+1),(2*(t.^2-1))./(t.^2+1))
Los dos comandos producen el mismo resultado, sin embargo, la forma de ejecuci´n es diferente, la segunda es m´s divertida, aparece un
o
a
circulito (el cometa) que va dibujando la curva. La velocidad de ejecuci´n
o
depende del n´mero de puntos que hayamos generado con el comando
u
linspace.
Dibujada una curva en param´tricas existe la posibilidad de dibujar
e
sobre la misma los vectores velocidad, utilizando el comando quiver.
Por ejemplo, para dibujar los vectores velocidad sobre la curva
r(t) = (cos(t), sen(t)) ,
t ∈ [0, 2π]
>>t=linspace(0,2*pi,20);
>>quiver(cos(t),sin(t),-sin(t),cos(t)),axis square
Produce la gr´fica de la figura 8.
a
La sintaxis del comando es >>quiver(r(t),r’(t)). El n´mero de
u
vectores que aparecen en este caso es 20. Si el n´mero de puntos que se
u
indica con el comando linspace es demasiado grande, puede que no se
aprecie con claridad la gr´fica, ya que ´ste ser´ el n´mero de vectores
a
e
a
u
que se dibujen.
18
19. 1.5
1
0.5
0
−0.5
−1
−1.5
−1.5
−1
−0.5
0
0.5
1
1.5
Figura 8. Vectores velocidad sobre una circunferencia.
Ejercicio 2.2. Dibujar las curvas en param´tricas siguientes; en los
e
apartados a) y b), dibujar adem´s los vectores velocidad, utilizando el
a
comando quiver:
a)r(t) = (2 cos3 t, 2 sen3 t); −π ≤ t ≤ π
b)r(t) = (3 sen t, 2 sen(2t));
−π ≤ t ≤ π
c)r(t) =
t
π
t
t
t
12( )2 − 9 , (( )2 − 1)16( )2 + 2
π
π
π
d)r(t) =
3
cos t(cos t + 1), 2 sen(2t) ;
2
−π ≤ t ≤ π
e)r(t) = (sen(2t) + sen t, − cos(2t) − cos t);
t
4
t
4
f )r(t) = e sen(2t), e cos(2t) ;
g)r(t) =
2
7t 2
7
t cos( ), t sen( ) ;
3
2 3
t
h)r(t) =
t−
; −3 ≤ t ≤ 3
−π ≤ t ≤ π
−π ≤ t ≤ π
−π ≤ t ≤ π
11
22
sen(3t), − cos(3t) ;
10
10
−3π ≤ t ≤ 3π
2.3. Curvas en polares
Una curva en coordenadas polares es la imagen de la funci´n
o
r = h(θ),
θ ∈ [θ1 , θ2 ]
19
20. Un punto de la curva en polares (r0 , θ0 ) tiene distancia al origen r0 y
el ´ngulo que forma el vector de posici´n del punto con el eje horizontal,
a
o
medido en sentido positivo, es θ0 .
Por lo tanto, la relaci´n entre las coordenadas polares y las coordeo
nadas param´tricas es
e
x = r cos(θ)
y = r sen(θ)
Para dibujar una curva en polares con MatLab se utiliza el comando
polar. Por ejemplo, para dibujar la gr´fica de
a
r = 2 − 4 cos(θ),
−π ≤ θ ≤ π
Generamos los valores del ´ngulo tetha
a
>>tetha=linspace(-pi,pi,100);
Calculamos los valores de r
>>r=2-4*cos(tetha);
90
6
120
60
4
30
150
2
180
0
210
330
300
240
270
Figura 9. Curva en polares.
Y dibujamos la gr´fica
a
20
21. >>polar(tetha,r)
Ejercicio 2.3. Dibujar las gr´ficas de las siguientes funciones, dadas
a
en coordenadas polares:
a) r = 7 − 7 sen(θ);
−π ≤ θ ≤ π
b) r = 3 − 6 sen(θ);
−π ≤ θ ≤ π
c) r = sen(6θ);
−π ≤ θ ≤ π
d) r = cos(8θ);
−π ≤ θ ≤ π
e) r =
5 cos(2θ);
−π ≤ θ ≤ π
2.4. Cambios de coordenadas polares-cartesianas
Hay dos comandos que permiten hacer cambios de coordenadas. Si
queremos cambiar de coordenadas polares a coordenadas cartesianas hay
que utilizar el comando
>>[x,y]=pol2cart(theta,r);
Esto es, suponiendo que los puntos en coordenadas polares est´n
e
previamente almacenados en las variables theta y r. Los puntos ahora
obtenidos se podr´ dibujar utilizando el comando plot.
ıan
Para hacer el cambio de coordenadas cartesianas a coordenadas polares, habr´ que utilizar
ıa
>>[theta,r]=cart2pol(x,y);
Ejercicio 2.4. En los ejemplos del ejercicio anterior, utilizar el comando pol2cart para cambiar las coordenadas polares obtenidas a coordenadas cartesianas. Usar despu´s el comando plot para obtener las gr´ficas
e
a
en las nuevas coordenadas.
´
3. GRAFICAS 3D
En esta secci´n vamos a ver c´mo se pueden dibujar con MatLab
o
o
gr´ficos de curvas en el espacio en forma param´trica, gr´ficas de funa
e
a
ciones de dos variables z = f (x, y), y algunos ejemplos de superficies
parametrizadas.
21
22. 3.1. Curvas en el espacio
Se generan de una manera similar a las curvas en el plano, con la
diferencia de que aqu´ se utilizan los comandos plot3 o comet3, tambi´n
ı
e
existe un comando quiver3 para dibujar vectores velocidad sobre las
curvas.
Por ejemplo, queremos dibujar la h´lice
e
r(t) = (sen(t), cos(t), t)
0 ≤ t ≤ 8π
y sobre ella los vectores velocidad.
Generamos los valores de t:
>>t=linspace(0,8*pi,2000);
Y ahora podemos utilizar dos comandos:
plot3 lo que nos da el dibujo completo
>>plot3(sin(t),cos(t),t),grid on
con lo que obtendremos la gr´fica de la figura 10.
a
30
25
20
15
10
5
0
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
Figura 10. Gr´fica de una h´lice.
a
e
O tambi´n comet3, que funciona de manera an´loga a como lo hac´
e
a
ıa
el comando comet en las curvas en el plano.
>>comet3(sin(t),cos(t),t)
Para dibujar algunos vectores velocidad sobre la curva hay que utilizar el comando quiver3(vector posici´n,vector velocidad). Al
o
22
23. igual que con el comando quiver, tambi´n conviene volver a generar
e
los valores de t de manera que no sean demasiados para que se pueda
apreciar mejor la gr´fica. Por ejemplo,
a
>>t=linspace(0,8*pi,30);
>>quiver3(sin(t),cos(t),t,cos(t),-sin(t),1)
Ejercicio 3.1. Representar las curvas siguientes y representar en gr´fia
ca aparte algunos vectores velocidad de la curva en los intervalos indicados:
a)r(t) = (2 cos3 (t), 2 sen3 (t), t)
− 4 ≤ t ≤ 3.
1
sen t)
− π ≤ t ≤ π.
4
t
t
t
c)r(t) = ( cos t, sen t, )
− 12 ≤ t ≤ 19.
6
6
36
t
t
t
d)r(t) = (e 4 sen(2t), e 4 cos(2t), )
− 10 ≤ t ≤ 4,8.
4
t
e)r(t) = (sen(2t) + sen(t), − cos(2t) − cos(t), )
− 9 ≤ t ≤ 10.
6
b)r(t) = (cos(t), 2 cos2 (t),
f )r(t) = (cos(3t), 2 cos2 (t), sen(2t))
− π ≤ t ≤ π.
3.2. Funciones de la forma z = f (x, y)
Para dibujar gr´ficos de funciones de dos variables z = f (x, y), al
a
igual que para funciones de una variable, en primer lugar hay que generar
tablas de valores para las variables x e y, en realidad, ahora lo que
tenemos que hacer es generar un mallado sobre un rect´ngulo del plano
a
XY . Para eso se utiliza el comando meshgrid.
Por ejemplo, si queremos dibujar la gr´fica de la funci´n
a
o
z = e−(x
2 +y 2 )
en la regi´n del plano D = {(x, y)/−2 ≤ x ≤ 2, −2 ≤ y ≤ 2}, habr´ que
o
a
efectuar los pasos siguientes:
Generamos el mallado
>>[x,y]=meshgrid(-2:.5:2);
Sustituimos en la funci´n para calcular los valores de z
o
>>z=exp(-x.^2-y.^2);
23
24. Y ahora podemos dibujar el gr´fico con alguno de los siguientes coa
mandos que producen los dibujos mostrados en la figura 11:
>>plot3(x,y,z)
>>mesh(x,y,z)
>>surf(x,y,z)
>>surf(x,y,z),shading flat %efecto de sombreado distinto
Comando plot3
Comando mesh
1
1
0.5
0.5
0
2
2
0
0
2
−2
2
0
0
0
−2
−2
Comando surf
−2
Comando surf con shading flat
1
1
0.5
0.5
0
2
2
0
0
2
2
0
0
−2
0
−2
−2
−2
Figura 11. Gr´ficas 3D.
a
3.3. Manipulaci´n de gr´ficos 3D
o
a
MALLADO. El comando meshgrid se puede utilizar tambi´n para
e
generar mallados de regiones rectangulares. Por ejemplo, si queremos
hacer un mallado para la regi´n [0, 1] × [0, 3], tendremos que escribir
o
>>[x,y]=meshgrid(0:.1:1,0:.1:3);
La secuencia 0:.1:1 describe la variaci´n de la variable x, y 0:.1:3
o
la de la variable y. Si s´lo se utiliza un intervalo, ´ste se aplica a las dos
o
e
variables. Tambi´n se puede utilizar dentro de meshgrid el comando
e
linspace.
SOMBRAS Y COLORES. Para conseguir efectos de sombreados
y colores diferentes se pueden consultar todas las posibilidades de los
24
25. comandos colormap y shading. Algo que resulta tambi´n interesante,
e
es a˜adir una escala de colores al dibujo que nos permite conocer las
n
alturas (coordenada z) de los diferentes puntos de la gr´fica, esto se
a
consigue con el comando colorbar (despu´s de dibujada la gr´fica).
e
a
Para generar la gr´fica de la figura 12 ha sido utilizada la siguiente
a
secuencia de comandos:
>>[x,y]=meshgrid(linspace(-1,1,50));
>>z=cos((x.*y)./(x.^2+y.^2+1));
>>surf(x,y,z),colorbar
0.995
0.99
1
0.99
0.985
0.98
0.98
0.97
0.975
0.96
0.97
0.95
0.965
0.96
0.94
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
0.955
0.95
0.945
Figura 12. Gr´fica 3D con escala de colores.
a
Como se puede observar, los puntos m´s altos corresponden a los
a
colores m´s calientes y los puntos m´s bajos de la gr´fica est´n coloreados
a
a
a
a
con colores fr´
ıos.
EJES. Las longitudes de los ejes coordenados tambi´n se pueden
e
modificar con el comando
>>axes([xmin xmax ymin ymax zmin zmax])
Los comandos grid on y axis square tambi´n funcionan en este
e
tipo de gr´ficos.
a
´
´
ROTACION DE GRAFICAS. Otro comando interesante en las
gr´ficas 3D es rotate3d, que nos permite, utilizando el rat´n sobre la
a
o
figura, rotarla de manera interactiva en tres dimensiones.
25
26. CURVAS DE NIVEL. Dada una funci´n z = f (x, y), las curvas
o
sobre el plano XY , determinadas por f (x, y) = k, donde k es una constante se llaman curvas de nivel. Hay varias formas de obtenerlas usando
MatLab.
Vamos a representar la gr´fica de la funci´n
a
o
z = x2 + y 2 ,
dibujando algunas curvas de nivel.
Creamos el mallado,
>>[x,y]=meshgrid(-2:.1:2);
Sustituimos en la funci´n, para calcular los valores de z,
o
>>z=x.^2+y.^2;
Ahora, podemos dibujar la gr´fica utilizando alguno de los comandos
a
descritos anteriormente.
Las curvas de nivel se pueden hacer utilizando alguno de los comandos siguientes (ver figuras 13, 14 y 15):
>>contour(x,y,z,10) % dibuja 10 curvas de nivel
>>contour3(x,y,z,10) % lo mismo, pero en el espacio
>>pcolor(x,y,z),colorbar
Esta ultima orden dibuja un mapa de colores por niveles, la orden
´
colorbar hace aparecer una escala de valores seg´n el color, es decir,
u
nos indica el valor de la variable z, como se describi´ antes.
o
Si se usa el comando contour, despu´s se pueden etiquetar las curvas
e
con los valores correspondientes de la z. Para hacer esto:
Primero dibujamos las curvas de nivel con
>>contour(x,y,z,10)
Despu´s guardamos la informaci´n en una variable, por ejemplo,
e
o
>>cs=contour(x,y,z,30);
A continuaci´n, tenemos dos opciones:
o
26
27. 2
1.5
1
0.5
0
−0.5
−1
−1.5
−2
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
Figura 13. Curvas de nivel sobre el plano XY .
8
7
6
5
4
3
2
1
0
2
2
1
1
0
0
−1
−1
−2
−2
Figura 14. Curvas de nivel en el espacio.
>>clabel(cs) % etiqueta algunas aleatoriamente
O bien
>>clabel(cs,’manual’) % nos permite elegirlas con el rat´n
o
Por otra parte, el comando >>meshc(x,y,z), dibuja la gr´fica, y por
a
debajo, las curvas de nivel (algunas veces ser´ necesario modificar los
a
ejes para que la gr´fica de la funci´n no tape a las curvas de nivel).
a
o
Ejercicio 3.2. Representar las gr´ficas de las siguientes funciones de
a
2 variables, utilizando alguno de los comandos descritos anteriormente.
Dibujar tambi´n algunas curvas de nivel:
e
1
a)z =
9 + x2 + y 2
27
28. 2
8
1.5
7
1
6
0.5
5
0
4
−0.5
3
−1
2
−1.5
1
−2
−2
−1.5
−1
−0.5
0
0.5
1
1.5
2
0
Figura 15. Gr´fica 3D con escala de colores.
a
b)z = −
|xy|
2
2
cos( x +y )
4
c)z =
3 + x2 + y 2
d)z =
y2
− 3|x|
5
e)z = e−(x
2 +y 2 )
3.4. Algunas superficies en el espacio
Hay varios comandos en MatLab que permiten generar las gr´ficas
a
3 (superficies que no son funciones.) Estos comandos
de superficies en R
son funciones que ya vienen programadas.
ESFERA. Se genera utilizando el comando >>sphere(n), donde n
es el n´mero de puntos en los que queda dividido el ecuador de la esfera.
u
Cuanto mayor sea n, mayor ser´ la aproximaci´n a la curvatura real de
a
o
la esfera (de radio 1, centrada en el origen.) Poniendo s´lo >>sphere, el
o
valor que tomar´ n ser´ 20, por defecto
a
a
>>sphere,axis square,title(’ESFERA’)
Obtenemos la gr´fica de la figura 16.
a
Ejercicio 3.3. Utilizando el comando sphere, dibujar varias esferas
con diferentes valores de n. Probar, en particular, los valores 2, 3, 4,
etc.
28
29. ESFERA
1
0.5
0
−0.5
−1
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
Figura 16. Esfera de radio 1 centrada en el origen.
Ejercicio 3.4. Vectores Normales a una superficie
Dibujar los vectores normales a la superficie de una esfera siguiendo
los siguientes pasos:
Dibujar una esfera utilizando lo descrito anteriormente, pero guardando la informaci´n en tres variables
o
>>[x,y,z]=sphere(n);
Utilizar el comando >>surfnorm(x,y,z)
Este comando tambi´n se puede utilizar para dibujar los vectores nore
males en superficies de funciones de la forma z = f (x, y). Para dibujar
las normales en el sentido opuesto habr´ que poner surfnorm(x’,y’,z’).
a
CILINDRO. El comando >>cylinder(R,n) genera autom´ticaa
mente un cilindro de revoluci´n de radio R, donde n es el n´mero de
o
u
puntos de la circunferencia de la base del cilindro. Como en el caso de la
esfera, si usamos s´lo >>cylinder(R), el n´mero n es, por defecto, 20.
o
u
Lo realmente interesante de este comando es que tambi´n admite
e
radios variables R(t), con t ∈ [a, b]. De esta forma, puede ser utilizado
para obtener las gr´ficas de diferentes tipos de superficies de revoluci´n,
a
o
donde la generatriz es una funci´n definida por R(t). Por ejemplo, si
o
queremos dibujar un paraboloide de revoluci´n, podemos utilizar como
o
√
generatriz la funci´n r(t) = t, con t ∈ [0, 2]
o
29
30. >>t=linspace(0,2,20);r=sqrt(t);cylinder(r)
Y obtendremos la gr´fica de la figura 17. (No conviene poner demaa
siados puntos en linspace para que se pueda apreciar bien el dibujo.)
1
0.8
0.6
0.4
0.2
0
1.5
1
0.5
0
−0.5
−1
−1.5
−1.5
−1
−0.5
0
0.5
1
1.5
Figura 17. Paraboloide de revoluci´n generado con cylinder.
o
Ejercicio 3.5. Dibujar las superficies generadas por >>cylinder(R(t),30),
en cada uno de los siguientes casos:
a) R(t) = t, t ∈ [−1, 1]
b) R(t) = t2 , t ∈ [−1, 1]
c) R(t) = 2 + sen(t), t ∈ [−2π, 2π]
d) R(t) = et , t ∈ [−3, 3]
´
´
MAS SUPERFICIES DE REVOLUCION. El comando
>>makevase hace aparecer una ventana interactiva que permite dibujar gr´ficas de superficies de revoluci´n en las que la generatriz es una
a
o
poligonal cuyos v´rtices se se˜alan con el rat´n sobre el propio dibujo.
e
n
o
3.5. Gr´ficos de funciones complejas
a
El comando cplxmap permite representar gr´ficas de funciones coma
plejas de variable compleja en el siguiente sentido:
Sea la funci´n compleja de variable compleja
o
f : C −→ C
z −→ w = f (z)
El comando >>cplxmap(z,f(z)) dibuja una gr´fica tridimensional
a
en la que el eje X es la parte real de la variable, es decir, Real(z); el eje
30
31. Y es la parte imaginaria de la variable, es decir, Im(z) y el eje Z es la
parte real de la imagen de la funci´n, es decir, Re(f (z)).
o
La variable z va a pertenecer siempre al dominio constituido por
el disco unidad centrado en el origen y las coordenadas de los puntos
deben estar en forma polar. Esto se consigue utilizando previamente el
comando >>cplxgrid(n), donde n es el n´mero entero positivo.
u
Por ejemplo, con los comandos
>>z=cplxgrid(12);
>>cplxmap(z,z.^2)
obtenemos la gr´fica de la funci´n f (z) = z 2 (figura 18)
a
o
1
0.5
0
−0.5
−1
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
Figura 18. Gr´fica de f (z) = z 2 .
a
Obs´rvese que para cada valor de z, su imagen f (z), es unica. Ese
´
to no es as´ para cualquier funci´n compleja. Por ejemplo, la funci´n
ı
o
o
f (z) = z 1/2 es una funci´n bivaluada, la funci´n g(z) = z 1/3 es una funo
o
ci´n trivaluada, cada z puede producir tres valores distintos para g(z), y
o
as´ sucesivamente. Para obtener las gr´ficas de estas funciones especiaı
a
les, que se denominan Superficies de Riemann, MatLab dispone de un
comando que las dibuja autom´ticamente, es el comando cplxroot(n),
a
donde n es el ´
ındice de la ra´
ız.
El comando >>cplxroot(2) generar´ la superficie de la figura 19.
ıa
Para obtener m´s informaci´n, se pueden ejecutar los comandos
a
o
cplxdemo y grafcplx, que contienen sendas demostraciones de gr´fia
cas de funciones complejas.
31
32. 1
0.5
0
−0.5
−1
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
Figura 19. Gr´fica de f (z) = z 1/2 .
a
´
4. GRAFICOS ESTAD´
ISTICOS
A pesar de que no se puede decir que MatLab sea el programa ideal
para hacer c´lculos relacionados con la Estad´
a
ıstica2 , dispone de algunos
comandos que nos permiten calcular algunos de los par´metros estad´
a
ısticos b´sicos, as´ como comandos para generar bastantes gr´ficos.
a
ı
a
Dependiendo del tipo de datos estad´
ısticos de los que dispongamos,
resulta conveniente utilizar uno u otro tipo de gr´fico. Vamos a ir viendo
a
los que se pueden hacer con MatLab, que son: diagramas de Sectores,
diagramas de Pareto, diagramas de barras e histogramas.
4.1. Diagramas de sectores
Resultan utiles para representar datos de tipo cualitativo, en los que
´
tenemos varias opciones, el diagrama de sectores permite compararlas
en un c´
ırculo con sectores cuyo ´ngulo es directamente proporcional al
a
porcentaje de cada opci´n.
o
Ejemplo 4.1 Los resultados de las elecciones generales del 12 de marzo
de 2000 al Congreso de los Diputados fueron los siguientes:
2
No al menos como programas especializados en c´lculos estad´
a
ısticos, como
puede ser el programa STATGRAPHICS.
32
33. Formaci´n Pol´
o
ıtica
Partido Popular
Partido Socialista Obrero Espa˜ol
n
Converg`ncia i Uni´
e
o
Izquierda Unida
Partido Nacionalista Vasco
Otros
Total
N´ mero de Esca˜ os
u
n
183
124
15
8
7
12
350
Para dibujar un diagrama de sectores de los resultados de las elecciones, procedemos como sigue. Introducimos los datos en un vector
>>x=[183 125 15 8 7 12]
x =
183
125
15
8
7
12
Y ahora, dibujamos el diagrama. Se puede poner una leyenda que nos
indique qu´ sector corresponde a cada partido pol´
e
ıtico. Como se puede
observar en el gr´fico (figura 20), MatLab calcula autom´ticamente los
a
a
porcentajes correspondientes y los pone junto a su sector
>>pie(x),legend(’PP’, ’PSOE’,’CiU’,’IU’,’PNV’,’Otros’)
(Nota: si la leyenda no sale en el lugar deseado, se puede mover utilizando el bot´n izquierdo del rat´n y coloc´ndola en el lugar adecuao
o
a
do.)
3%
PP
PSOE
2%
2%
4%
CiU
IU
PNV
Otros
52%
36%
Figura 20. Diagrama de sectores.
Con el comando pie3 se obtiene tambi´n un diagrama de sectores,
e
pero en versi´n tridimensional (ver figura 21).
o
33
34. Tanto para el comando pie, como para el comando pie3 existe la
posibilidad de separar uno o m´s sectores para destacarlos con respecto
a
de los dem´s. Por ejemplo, si queremos separar los sectores correspona
dientes a los dos primeros datos
>>pie3(x,[1 1 0 0 0 0])
El vector que se pone a continuaci´n de x debe tener la misma lono
gitud que el x, los unos y los ceros indican, respectivamente, los sectores
que queremos separar y los que no.
PP
PSOE
CiU
IU
PNV
3%
Otros
2% 2%
4%
36%
52%
Figura 21. Diagrama de sectores 3D.
4.2. Diagramas de Pareto
Vamos a utilizar el ejemplo 4.1, pero ligeramente modificado:
Formaci´n Pol´
o
ıtica
Partido Popular
Partido Socialista Obrero Espa˜ol
n
Otros
Total
N´ mero de Esca˜ os
u
n
183
124
42
350
El diagrama de Pareto que produce MatLab constar´ de barras cuyas
a
alturas son el n´mero de esca˜os, ordenadas en forma decreciente y sobre
u
n
las barras, un pol´
ıgono con las frecuencias acumuladas de los esca˜os.
n
Adem´s, en el eje vertical derecho aparece una escala de porcentajes.
a
Para generarlo, escribimos
>>x=[183 125 42]
x =
183
125
42
34
35. >>pareto(x),ylabel(’N´mero de Esca~os’)
u
n
Y obtenemos el gr´fico de la figura 22.
a
100%
300
86%
250
71%
200
57%
150
43%
100
29%
50
Número de Escaños
350
14%
0
1
2
3
0%
Figura 22. Diagrama de Pareto.
Este comando tiene un peque˜o problema y es que si la frecuencia
n
de uno de los datos es peque˜a en comparaci´n con las otras, puede no
n
o
aparecer en el dibujo. Por ejemplo, si hubi´semos utilizado los datos tal y
e
como aparec´ en el ejemplo 4.1, algunas de las barras correspondientes
ıan
a los partidos pol´
ıticos que hab´ obtenido un n´mero bajo de esca˜os
ıan
u
n
no habr´ aparecido.
ıan
4.3. Diagramas de barras
Existen varias posibilidades para representar diagramas de barras.
Supongamos que queremos representar los siguientes datos en un diagrama de barras:
Introducimos los datos en un vector
>>x=[10 2 3 5 18 20 15 ];
Y ahora usamos los comandos bar, barh, bar3 y bar3h para generar los gr´ficos. (Usando el comando subplot podemos conseguir que
a
aparezcan todos en la misma figura.)
>>subplot(2,2,1),bar(x),title(’Barras Verticales’)
>>subplot(2,2,2),barh(x),title(’Barras Horizontales’)
>>subplot(2,2,3),bar3(x),title(’Barras Verticales 3D’)
>>subplot(2,2,4),bar3h(x),title(’Barras Horizontales 3D’)
35
36. Barras Verticales
20
Barras Horizontales
7
15
6
5
10
4
3
5
2
1
0
1
2
3
4
5
6
7
0
Barras Verticales 3D
5
10
15
20
Barras Horizontales 3D
20
7
6
5
4
3
2
1
15
10
5
0
1
2
3
4
5
0
6
10
7
20
Figura 23. Diagramas de barras.
Obtenemos los gr´ficos de la figura 23.
a
Hay que observar que las gr´ficas 3D se pueden modificar utilizando
a
el comando rotate3d descrito en las secciones anteriores.
Los datos pueden estar agrupados, en este caso, las ´rdenes anteriores
o
los dibujan tambi´n agrupados de manera que resulte f´cil compararlos.
e
a
Veamos el siguiente ejemplo:
>>x=[1 2 3;4 3 6; 10 9 8; 4 2 7;12 10 7];
Ahora, utilizando los mismos comandos que antes, obtenemos los
gr´ficos de la figura 24.
a
Y por ultimo, tambi´n se pueden agrupar en 3D, de forma diferen´
e
te a la anterior, con la orden bar3(x,’group’) y se puede hacer que
aparezcan las barras apiladas con bar3(x,’stack’) (ver figura 25).
4.4. Histogramas
Para generar histogramas se utiliza el comando hist. Por ejemplo,
generamos 1000 n´meros aleatorios siguiendo la normal N (0, 1)
u
>>x=randn(1000,1);
Con la orden hist(x), obtenemos (figura 26) un histograma en el
que los datos aparecen agrupados en 10 intervalos. Si queremos que
36
37. 12
10
5
8
4
6
3
4
2
2
1
0
1
2
3
4
5
0
5
10
15
15
5
10
4
3
5
2
0
1
1
2
3
4
0
10
5
20
Figura 24. Diagramas de barras con datos agrupados.
aparezcan m´s o menos intervalos, habr´ que indicarlo con >>hist(x,N),
a
a
donde N es el n´mero de intervalos.
u
´
5. GRAFICAS EN MOVIMIENTO: “MOVIES”
Entre las m´ltiples posibilidades del programa MatLab est´ la de
u
a
producir gr´ficas en movimiento. Se trata de peque˜os programas, llaa
n
mados “movies”, que elaboran una “pel´
ıcula”fotograma a fotograma.
Estos fotogramas, una vez visualizados, producen la sensaci´n de movio
miento.
Veamos un ejemplo: queremos dibujar la gr´fica de la curva y =
a
λ sin(x) para varios valores de λ contenidos en el intervalo [−1, 1].
Veamos en primer lugar el programa:
En primer lugar, abrimos el editor de programas de MatLab, con
File New M-File. Se abre un editor en el que escribiremos lo siguiente,
Ejemplo 1
function cuerda
% movie cuerda
x=linspace(0,2*pi,1000); n=50;
% n numero de fotogramas
37
38. 12
30
10
25
8
20
6
15
4
10
2
5
0
0
1
1
2
2
3
3
4
4
5
5
Figura 25. Datos agrupados en 3D y barras apiladas.
for j = 1:n
t=(2*pi/49)*(j-1);
y=sin(t)*sin(x);
plot(x,y,’*’),axis([0 2*pi -1.2 1.2])
F(j) = getframe;
end
movie(F,2) % veces que queremos ver la peli
A continuaci´n lo guardamos (en el directorio que aparece por deo
fecto, Work) con el nombre cuerda. Si se pone otro nombre, habr´ que
a
cambiar la primera l´
ınea del programa. Para ejecutarlo, basta con escribir el nombre del programa, cuerda, en la l´
ınea de comandos.
El n´cleo del programa lo constituyen el conjunto de comandos:
u
for j = 1:n
t=(2*pi/49)*(j-1);
y=sin(t)*sin(x);
plot(x,y,’*’),axis([0 2*pi -1.2 1.2])
F(j) = getframe;
end
Es lo que en programaci´n se deonomina un bucle, esto es, un cono
junto de instrucciones, en este caso, comandos gr´ficos que se ejecutan
a
varias veces, dependiendo del valor de j. A medida que j var´ de 1 a
ıa
38
39. 250
200
150
100
50
0
−4
−3
−2
−1
0
1
2
3
4
Figura 26. Histograma.
50, t var´ de 0 a 2π y, por tanto, λ = sin(t) var´ entre -1 y 1. Para
ıa,
ıa
cada valor de j se realiza un gr´fico/fotograma que se almacena con
a
la instrucci´n F(j) = getframe;. Por ultimo, el comando movie(F,2)
o
´
permite visualizar la pel´
ıcula el n´mero de veces que se le indique.
u
A continuaci´n se incluyen algunos ejemplos m´s de “movies”:
o
a
Ejemplo 2
function elipse
% movie
n=30; x=linspace(0,2*pi,200);
for j = 1:n
t=(pi/29)*(j-1);
plot(cos(x),sin(t)*sin(x),’rs’),
axis([-1 1 -1 1]);
F(j)=getframe;
end
movie(F,5)
Ejemplo 3
function colores
% movie
39
40. n=30;
for j = 1:n
x=rand(10);
imagesc(x)
F(j) = getframe;
end
movie(F,5)
Ejemplo 4
function membrana
% movie membrana
[x,y]=meshgrid(-1:.1:1); n=20;
for j = 1:n
t=(2*pi/19)*(j-1);
z=2*sin(t)*exp(-x.^2-y.^2);
surf(x,y,z),axis([-1 1 -1 1 -2 2])
F(j) = getframe;
end
movie(F,6)
Ejemplo 5
function picos
% movie
[x,y,z]=peaks; n=20;
for j = 1:n
t=(2*pi/19)*(j-1);
z1=sin(t)*z;
surf(x,y,z1),axis([-3 3 -3 3 -5 5])
F(j) = getframe;
end
movie(F,3)
Ejemplo 6
40
41. function reloj
% movie reloj
n=100;
for j = 1:n;
t=linspace(0,2*pi,1000);
plot(cos(t),sin(t)),axis square hold on horas=0:12;
plot(.9*cos(horas*2*pi/12),... .9*sin(horas*2*pi/12),’k*’)
hor=pi/2-(j-1)*2*pi/(n-1); %horaria
plot([0 .5*cos(hor)],[0 .5*sin(hor)]),
min=pi/2-(j-1)*12*2*pi/(n-1); % minutera
plot([0 .8*cos(min)],[0 .8*sin(min)]) hold off
F(j) = getframe;
end
movie(F)
41
42. REFERENCIAS
CHEN, K., GIBLIN, P. e IRVING, A. Mathematical Explorations with
Matlab. Cambridge University Press. Cambridge, 1999.
DUOANDIKOETXEA, J. “An´lisis de Fourier: historia y aplicaciones
a
recientes”. En Zuazua, E. (Director) Temas relevantes de la Matem´tia
ca actual: el reto de la Ense˜anza Secundaria. Centro de publicaciones
n
del Ministerio de Educaci´n, Cultura y Deporte/UIMP. Madrid, 2000.
o
P´gs. 11-43.
a
HARMAN, Th. L., DABNEY, J. y RICHERT, N. Advanced Engineering
Mathematics using Matlab. Vol. 4. PWS. Boston, 1997.
HIGHAM, D.J. y HIGHAM, N.J. Matlab guide. SIAM. Philadelphia,
2000.
RODR´
IGUEZ DEL R´ R. “Matem´ticas en el Aula de Inform´tica”.
IO,
a
a
En Zuazua, E. (Director) Temas relevantes de la Matem´tica actual: el
a
reto de la Ense˜anza Secundaria. Centro de publicaciones del Ministerio
n
de Educaci´n, Cultura y Deporte/UIMP. Madrid, 2000. P´gs. 145-210.
o
a
ZUAZUA, E. (Director) Temas relevantes de la Matem´tica actual: el
a
reto de la Ense˜anza Secundaria. Centro de publicaciones del Ministerio
n
de Educaci´n, Cultura y Deportes/UIMP. Madrid, 2000.
o
42