Intromatlab

INTRODUCCION A MATLAB
Victoriano Carmona Centeno y Julio R. Fernandez Garca
A MATLAB
INTRODUCCION
c Victoriano Carmona Centeno y
Julio R. Fern
andez Garca
Profesores del Departamento de Matem
atica Aplicada II
Escuela Universitaria Politecnica
Universidad de Sevilla
ISBN 84-8264-257-X
Deposito Legal SE-233-98
Imprime Librera Papelera Panella
C/Virgen de Africa 8, 41011 Sevilla
Febrero de 1998
MATLAB es una marca registrada de
The Math Works, Inc.

INTRODUCCION
Hace ya bastante tiempo que el ordenador es utilizado en el c
alculo cientfico y su uso
cada vez se impone con m
as fuerza tanto en el terreno de la investigaci
on como pedag
ogicodidactico. Es por ello, que hayan salido al mercado distintos programas en los que aparecen
implementados algunos de los metodos que utilizamos da a da en la resoluci
on de nuestros
problemas.
Uno de estos programas es MATLAB (MATrix LABoratory, Laboratorio de Matrices)
que procede de los proyectos LINPACK y EISPACK y que ha evolucionado durante varios
a
nos hasta su forma actual. MATLAB destaca por su facil aprendizaje, f
acil utilizacion, gran
potencia y pocas exigencias de equipamiento inform
atico. Naturalmente, esta buena relaci
on
calidad-precio hace que sea uno de los programas de software matem
atico m
as extendido.
La potencia de MATLAB se manifiesta por dos caractersticas fundamentales: la
conjugaci
on entre programaci
on cl
asica y funcional y la gran variedad de problemas que es
capaz de resolver (Sistemas de Ecuaciones, Optimizacion, Ecuaciones diferenciales...). Su
facil uso y rapido aprendizaje estan ntimamente relacionados con su car
acter funcional y
con el ente primordial o elemental en MATLAB: La matriz. De esta forma, los datos en
MATLAB son, casi exclusivamente, matrices y la resoluci
on de un determinado problema se
lleva a cabo aplicando a las matrices introducidas las funciones que MATLAB dispone (o
que el usuario ha definido previamente).
MATLAB se presenta entonces como una herramienta eficaz y flexible en el C
alculo
Numerico (sobre todo en el Calculo Numerico Matricial) con excelente posibilidades gr
aficas,
que ayudan al profesor y al alumno tanto en sus trabajos docentes y de estudio como en su
labor de investigacion.
Estas paginas no pretenden agotar, en absoluto, todas las posibilidades que MATLAB
ofrece. Aquellos que deseen profundizar m
as en este tema pueden hacerlo consultando alguno
de los excelentes manuales de la bibliografa y las referencias que en ellos se citan. En ella
hemos incluido libros de ALGEBRA LINEAL para aquellos lectores que necesiten repasar
algunos de los conceptos que se van desarrollando.
El presente manual fue utilizado en 1997 como texto de referencia en el Curso de
Introducci
on a Matlab, celebrado en el Centro Inform
atico Cientfico de Andaluca
(C.I.C.A.) del 7 al 14 de Abril. Este curso, que fue dirigido por los autores, estuvo organizado
por el Vicerrectorado de Relaciones Institucionales y Extension Cultural de la Universidad
de Sevilla y fue homologado por la Consejera de Educacion y Ciencia.
Por u
ltimo deseamos hacer constar la colaboracion del profesor D. Francisco Felix
Lara Martn en la elaboraci
on de unos apuntes preliminares a esta obra.
LOS AUTORES
INTRODUCCION A MATLAB Victoriano Carmona Centeno y Julio R. Fernandez Garca
Indice General
1 Elementos b
asicos
1.1 Formatos de salida . . . . . . . .
1.2 Matrices por bloques . . . . . . .
1.3 Operaciones con Matrices. . . . .
1.4 Operaciones elemento a elemento
.
.
.
.
3
16
18
20
23
2 Tipos especiales de matrices. Construcciones.

2.1 Matrices especiales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Redefiniciones y construcciones a partir de la diagonal . . . . . . . . . . . . .
25
25
26
3 Sistemas de Ecuaciones Lineales y descomposiciones

3.1 Resolucion de S.E.L. . . . . . . . . . . . . . . . . . . . .
3.1.1 Sistemas cuadrados . . . . . . . . . . . . . . . . .
3.1.2 Sistemas superdeterminados. Mnimos cuadrados
3.1.3 Tiempo de c
alculo y n
umero de operaciones . . .
3.2 Descomposiciones . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Factorizaci
on LU. . . . . . . . . . . . . . . . . .
3.2.2 Descomposicion de Cholesky . . . . . . . . . . .
3.2.3 Factorizacion QR . . . . . . . . . . . . . . . . . .
3.2.4 Ortonormalizaci
on y espacio nulo . . . . . . . . .
3.3 Normas y n
umero de condicion . . . . . . . . . . . . . .
3.3.1 Normas vectoriales y matriciales . . . . . . . . .
3.3.2 N
umero de condici
on y rango . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
29
29
30
31
33
33
34
35
37
39
39
39
4 Autovalores y polinomios
4.1 Autovalores y autovectores . . . . . . . . . . . . . . . .
4.2 Valores singulares y pseudoinversa . . . . . . . . . . . .
4.3 Tratamiento de polinomios . . . . . . . . . . . . . . . .
4.3.1 Polinomio caracterstico de una matriz cuadrada
4.3.2 Operaciones con polinomios . . . . . . . . . . . .
4.3.3 Races de polinomios . . . . . . . . . . . . . . . .
4.3.4 Aproximaci
on por polinomios en el sentido de los
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
mnimos
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
cuadrados .
43
43
45
47
47
48
50
52
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE GENERAL
2
4.3.5
La orden polyvalm y semejantes . . . . . . . . . . . . . . . . . . . . .
5 Posibilidades gr
aficas
5.1 Graficos en el plano . . . . . . . . . . . .
5.1.1 Poligonales y curvas . . . . . . . .
5.1.2 Curvas en polares . . . . . . . . .
5.1.3 Curvas en parametricas . . . . . .
5.1.4 Histogramas y diagramas de barras
5.2 Curvas en el espacio y superficies . . . . .
5.2.1 Curvas en parametricas . . . . . .
5.2.2 Superficies . . . . . . . . . . . . . .
5.2.3 Curvas de nivel y vector gradiente
54
.
.
.
.
.
.
.
.
.
57
57
57
60
61
63
63
63
65
66
6 Funciones y programas en Matlab. MFicheros

6.1 Instrucciones en Matlab: input, if, error, while, break, pause, for . . . . .
6.2 Definicion de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
73
81
7 Aspectos de an
alisis num
erico
84
7.1
7.2
7.3
7.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Resoluci
on de Ecuaciones y Sistemas no Lineales .
Integraci
on numerica . . . . . . . . . . . . . . . . .
Optimizacion en una y varias variables . . . . . . .
Resoluci
on de Ecuaciones Diferenciales Ordinarias
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8 Consejos pr
acticos
8.1 Las ordenes help, lookfor y demo . . . . . . . . . . . . . . . . . .
8.2 Informaci
on sobre variables declaradas. Instrucciones para guardar
variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.3 Relaci
on con el sistema operativo. El comando diary . . . . . . . .
.
y
.
.
. . . .
salvar
. . . .
. . . .
10 Relaci
on de ejercicios
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9 Resumen de los comandos y funciones m

as utilizados
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
84
85
87
87
91
91
92
93
95
102
Captulo 1
Elementos b
asicos
En esta primera secci
on explicaremos aquello que es necesario conocer para comenzar a
utilizar MATLAB. En particular describiremos:
1. La introducci
on de matrices y sus elementos, declaraciones y variables MATLAB.
2. C
omo obtener informacion, terminar y salvar variables declaradas en una sesion.
3. N
umeros y expresiones aritmeticas.
4. Utilizaci
on de la ayuda.
5. Funciones de MATLAB.
DE MATRICES
LA INTRODUCCION
MATLAB trabaja esencialmente con matrices rectangulares cuyos elementos pueden ser
reales, complejos y/o cadenas de caracteres. En ocasiones consideraremos matrices de orden
1 por 1, que son escalares, y matrices con una fila o una columna, que representaran vectores.
En MATLAB podemos introducir las matrices de varias formas:
Introduciendo explcitamente una lista de elementos.
Generando matrices usando variables y funciones incorporadas.
Creando matrices en Mficheros.
Leyendo matrices desde ficheros de datos externos.
El lenguaje MATLAB no contiene ninguna declaracion de dimension u otro tipo de
declaraciones, como sucede en algunos lenguajes de programaci
on. MATLAB asigna y
almacena automaticamente, dependiendo de las caractersticas de cada ordenador.
El modo m
as facil de introducir matrices peque
nas es introducir explcitamente sus elementos, siguiendo las convenciones: Separar explcitamente la lista de elementos con espacios
3

CAPITULO 1. ELEMENTOS BASICOS
en blanco o comas, encerrar los elementos entre corchetes ([ ]) y usar ; para indicar el fin de
cada fila.
Por ejemplo, introduciendo la asignacion
>>A=[1 2 3;4 5 6;7 8 9]
resulta la salida
A =
1
4
7
2
5
8
3
6
9
MATLAB guarda la matriz para poder usarla posteriormente.

Las matrices tambien pueden introducirse por lneas, reemplazando el ; por un retorno
de carro. Por ejemplo, si tecleamos
>>A=[1 2 3
4 5 6
7 8 9]
obtenemos la misma salida
A =
1
4
7
2
5
8
3
6
9
Podemos introducir las matrices desde discos, utilizando ficheros.m. As si un fichero se

llama pepe.m y contiene las siguientes lneas de texto
A=[1 2 3
4 5 6
7 8 9]
entonces, la instrucci
on pepe lee el fichero pepe.m y genera la matriz A:
>>pepe
A =
1
4
7
2
5
8
3
6
9
El comando load y la funcion fread permiten leer matrices generadas durante sesiones
anteriores, importar matrices de otros programas o exportarlas. Pero este es un aspecto que
ser
a tratado mas adelante.
Las matrices pueden incluir algunas expresiones MATLAB; por ejemplo al teclear
5
>>x=[-1.3 sqrt(3) (1+2+3)*4/5]
resulta
>>x=
-1.3000
1.7321
4.8000
Los coeficientes de la matriz pueden referenciarse individualmente utilizando ndices encerrados dentro de un parentesis. Si continuamos con el ejemplo anterior, la asignaci
on
>>x(5)= abs(x(1))
produce
>>x=
-1.3000
1.7321
4.8000
1.3000
Observese que el tama

no de x aumenta automaticamente, acomoda al nuevo elemento
que hemos definido y da el valor cero a los elementos que no se han definido.
Si tecleamos
>>r=[10 11 12];
no obtenemos salida alguna; ello se debe a que hemos a
nadido el punto y coma al final. No
obstante MATLAB si ha almacenado la matriz r, para comprobarlo tecleamos
>>r
y resulta
>>r =
10
11
12
Podemos introducir matrices grandes utilizando matrices peque

nas como elementosde
la misma. Por ejemplo podemos a
nadir una fila a la matriz A.
>>A = [ A; r]
A =
1
2
3
4
5
6
7
8
8
10
11
12
De una matriz podemos extraer submatrices utilizando el smbolo :. Por ejemplo

6
>>A = A(1:3,:)
A =
1
2
4
5
7
8
3
6
9
toma las tres primeras filas de la matriz A y todas las columnas, y nos devuelve el resultado
introducido en la matriz original. Estos y otros aspectos los veremos mas adelante con mucho
mas detalle.
ASIGNACIONES Y VARIABLES MATLAB
MATLAB es un lenguaje de expresiones: interpreta y eval
ua las expresiones introducidas. Las asignaciones MATLAB son con frecuencia de la forma
variable=expresi
on
o simplemente
expresion
Podemos componer expresiones con operadores, caracteres especiales, funciones y variables. La evaluaci
on produce en la mayora de los casos una matriz. La matriz aparece, si se
desea, en pantalla y es asignada a una variable para su posterior uso. Si omitimos el nombre
de la variable y el signo =, MATLAB automaticamente crea una variable con el nombre
ans (variable de respuesta), donde almacena el resultado. Por ejemplo, si introducimos la
expresi
on
>>sqrt(2)/15
se obtiene
ans =
0.0943
Si una expresion es bastante complicada (y larga) y no es suficiente una lnea para escribirla completamente, podemos a
nadir al final tres puntos ( . . . ) seguidos de un retorno de
carro para indicar que la asignaci
on contin
ue en la lnea siguiente. Por ejemplo,
>>s= 1 - 1/2 + 1/3 - 1/4 + 1/5 - 1/6
- 1/8 + 1/9 - 1/10 + 1/11 - 1/12;
+ 1/7
...
eval
ua la suma de estas fracciones y asigna dicha suma a la variable s. Los espacios en blanco
tras los signos =, + y son opcionales, pero se incluyen para facilitar la lectura.
7
Podemos dar nombres a variables y funciones que empezaran siempre por letras y que
pueden estar seguidas de otras letras o dgitos. MATLAB solo reconoce los 19 primeros
caracteres de un nombre.
MATLAB es muy sensible: distingue entre letras may
usculas y min
usculas. A y a no son
la misma variable. Todos los nombres de funciones deben escribirse con min
usculas; inv(A)
es la inversa de A, pero INV(A) no est
a definida. El comando casesen anula (o activa) esta
sensibilidad.
EN EL ESPACIO DE TRABAJO (WORKSPACE)
RECOGIENDO INFORMACION
En los ejemplos previos hemos creado variables que han sido almacenadas en el espacio de
trabajo de MATLAB. Podemos listar estas variables tecleando who o whos dependiendo
de la informacion que necesitemos de las variables almacenadas.
>>who
Your variables are:
A
ans
r
Esto muestra que los ejemplos anteriores han generado cinco variables, incluyendo la
variable ans.
VARIABLES PERMANENTES
La variable ans y la variable eps tienen un significado especial para MATLAB.
Ellas son permanentes y no pueden borrarse con la orden clear1 . La variable eps es una
tolerancia para considerar cero aquellas variables que sean casi nulas (bastante u
til para
detener los procesos iterativos). El valor estandar de eps para estaciones de trabajo y
ordenadores compatibles es:
eps = 252
que es aproximadamente 2.22 1016 . Podemos inicializar eps a cualquier otro valor
incluido el cero.
Relacionadas con estas variables nos encontramos con las funciones pi, Inf y NaN que
generan valores especiales.
Por ejemplo, la funci
on pi nos devuelve el n
umero , precalculado por el programa
como 4 arctan(1) (cuatro veces el arco cuya tangente es uno). Otra posibilidad es calcular
tecleando imag(log(1)) (parte imaginaria del logaritmo principal de 1).
La funcion Inf, que se utiliza para infinito, se encuentra en algunas calculadoras o
lenguajes de computacion. Un camino para generar el valor que nos devuelva Inf es
1
La orden clear A B C limpia del espacio de trabajo estas tres variables.

8
>>s=1/0
Warning: Divide by zero
s =
Inf
Aunque, dependiendo de la version que utilicemos de MATLAB y el entorno de trabajo,

la respuesta al calculo anterior puede ser el smbolo .
En maquinas con cierta aritmetica, la divisi
on por cero no provoca un error ni la finalizacion de la ejecucion. Produce un mensaje y asigna un valor especial, que podemos utilizar
en calculos posteriores. Por ejemplo, la variable NaN es un n
umero relacionado con el
infinito pero con distintas propiedades. NaN siginfica No es Un N
umero. C
alculos como
Inf/Inf o 0/0 lo generan. Como otra variable intrseca de MATLAB podemos citar la unidad
imaginaria que se representa en MATLAB por i
o j.
LA UTILIDAD HELP
La utilidad help proporciona informacion instantanea de la mayora de los t
opicos de
MATLAB. El comando help sin argumentos muestra, dependiendo de la versi
on de MATLAB que estemos usando, una lista de los directorios que contienen ficheros relacionados con
MATLAB.
>>help
HELP topics:
c:\\matlab
\matlab\general
\matlab\ops
\matlab\lang
\matlab\elmat
\matlab\specmat
\matlab\elfun
\matlab\specfun
\matlab\matfun
\matlab\datafun
\matlab\polyfun
\matlab\funfun
methods.
\matlab\sparfun
\matlab\plotxy
\matlab\plotxyz
Establish \matlab session parameters.

General purpose commands.
Operators and special characters.
Language constructs and debugging.
Elementary matrices and matrix manipulation.
Specialized matrices.
Elementary math functions.
Specialized math functions.
Matrix functions - numerical linear algebra.
Data analysis and Fourier transform functions.
Polynomial and interpolation functions.
Function functions - nonlinear numerical
Sparse matrix functions.

Two dimensional graphics.
Three dimensional graphics.
9
\matlab\graphics
\matlab\color
\matlab\sounds
\matlab\strfun
\matlab\iofun
\matlab\demos
General purpose graphics functions.

Color control and lighting model functions.
Sound processing functions.
Character string functions.
Low-level file I/O functions.
Demonstrations and samples.
For more help on directory/topic, type "help topic".

Cada linea de pantalla incluye el nombre de un directorio seguido por una descripcion del
contenido de los directorios. Si ahora introducimos
>>help matfun
obtenemos la lista de las funciones sobre matrices m
as relevantes en Analisis Numerico Matricial.
Matrix functions - numerical linear algebra.
Matrix analysis.
cond
- Matrix condition number.
norm
- Matrix or vector norm.
rcond
- LINPACK reciprocal condition estimator.
rank
- Number of linearly independent rows or columns.
det
- Determinant.
trace
- Sum of diagonal elements.
null
- Null space.
orth
- Orthogonalization.
rref
- Reduced row echelon form.
Linear equations.
\ and /
- Linear equation solution; use "help slash".
chol
- Cholesky factorization.
lu
- Factors from Gaussian elimination.
inv
- Matrix inverse.
qr
- Orthogonal-triangular decomposition.
qrdelete
- Delete a column from the QR factorization.
qrinsert
- Insert a column in the QR factorization.
nnls
- Non-negative least-squares.
pinv
- Pseudoinverse.
lscov
- Least squares in the presence of known covariance.
Eigenvalues and singular values.

10
eig
poly
hess
qz
rsf2csf
cdf2rdf
schur
balance
svd
Eigenvalues and eigenvectors.

Characteristic polynomial.
Hessenberg form.
Generalized eigenvalues.
Real block diagonal form to complex diagonal form.
Complex diagonal form to real block diagonal form.
Schur decomposition.
Diagonal scaling to improve eigenvalue accuracy.
Singular value decomposition.
Matrix functions.
expm
- Matrix exponential.
expm1
- M-file implementation of expm.
expm2
- Matrix exponential via Taylor series.
expm3
- Matrix exponential via eigenvalues and eigenvectors.
logm
- Matrix logarithm.
sqrtm
- Matrix square root.
funm
- Evaluate general matrix function.
Si ahora tecleamos help lu obtenemos informaci
on de la factorizaci
on LU de una matriz.
>>help lu
LU
Factors from Gaussian elimination.
[L,U] = LU(X) stores a upper triangular matrix in U and a
"psychologically lower triangular matrix", i.e. a product
of lower triangular and permutation matrices, in L , so
that X = L*U.
[L,U,P] = LU(X) returns lower triangular matrix L, upper
triangular matrix U, and permutation matrix P so that
P*X = L*U.
By itself, LU(X) returns the output from LINPACKS ZGEFA routine.
Si tecleamos
>>help inverse
MATLAB nos contesta
inverse not found
pues en MATLAB inverse no es el nombre de ninguna funcion o comando, a menos que
haya sido a
nadida por alg
un usuario.
11
Una informaci
on mas general nos la proporciona lookfor. Por ejemplo
>>lookfor inverse
INVHILB Inverse Hilbert matrix.
ACOS Inverse cosine.
ACOSH Inverse hyperbolic cosine.
ACOT Inverse cotangent.
ACOTH Inverse hyperbolic cotangent.
ACSC Inverse cosecant.
ACSCH Inverse hyperbolic cosecant.
ASEC Inverse secant.
ASECH Inverse hyperbolic secant.
ASIN Inverse sine.
ASINH Inverse hyperbolic sine.
ATAN Inverse tangent.
ATAN2 Four quadrant inverse tangent.
ATANH Inverse hyperbolic tangent.
ERFINV Inverse of the error function.
INVERF Inverse Error function.
INV Matrix inverse.
PINV Pseudoinverse.
IFFT Inverse discrete Fourier transform.
IFFT2 Two-dimensional inverse discrete Fourier transform.
nos da una lista de funciones relacionadas con la palabra inverse.
TERMINANDO Y GUARDANDO EL ESPACIO DE TRABAJO (WORKSPACE)
Para terminar una sesi
on con MATLAB teclearemos quit o exit. Al finalizar
una sesion MATLAB se borran todas las variables del espacio de trabajo (i.e., las variables declaradas en la sesi
on actual). Antes de terminar podemos guardar el contenido del
workspace, para una sesion posterior, tecleando
>>save
Este comando salva todas las variables en un fichero llamado matlab.mat. La proxima
vez que MATLAB sea llamado podremos ejecutar load para restaurar, en el workspace,
el contenido de matlab.mat.
Podemos utilizar save y load con otros nombres de fichero.mat o bien guardar s
olo
aquellas variables en las que estemos interesados. El comando save temp X guarda en el
fichero temp.mat s
olo la variable X, mientras que save temp X Y Z almacena en temp.mat

12
las variables X,Y y Z. load temp cargas todas las variables almacenadas en el fichero
temp.mat
Por u
ltimo, con los comandos load y save podemos importar y exportar ficheros con
datos ASCII. (Ver mas adelante).
NUMEROS
Y EXPRESIONES ARITMETICAS
MATLAB utiliza la notacion decimal, pudiendo incluir factores con potencias de diez o
unidades imaginarias. Algunos ejemplos de n
umeros legales son:
3,
99,
9.6397238,
0.00001,
1.60210E 20,
6.02252e23,
3e5i,
2i
La aproximacion del n
umero es eps, i.e., aproximadamente 16 dgitos decimales significativos cuando se usa aritmetica de punto flotante. El rango de la mantisa es [308, 308].
Podemos combinar expresiones con los operadores aritmeticos usuales y las reglas de precedencia2 . Las operaciones elementales son:
+ Suma
Resta
Multiplicaci
on
/ Divisi
on derecha
\ Divisi
on izquierda
Potencia
Las operaciones con matrices hacen conveniente tener dos smbolos para la division. Esto
se analizara con m
as detalle cuando abordemos el estudio de las operaciones y funciones con
matrices. Pero, adelantamos que por ejemplo, las expresiones escalares 1/4 y 4\1 tienen el
mismo valor numerico, es decir 0.25.
NUMEROS COMPLEJOS, CADENAS DE CARACTERES Y MATRICES
MATLAB trabaja con n
umeros complejos y representa la unidad imaginaria por i
o j.
El n
umero z en forma binomica podemos escribirlo de dos formas
>>z=3+4*i
z =
3.0000 + 4.0000i
>>z=3+4*j
z =
3.0000 + 4.0000i
2
Para alterar el orden usual de la precedencia de las operaciones, utilizaremos parentesis.
13
Otra opci
on consiste en utilizar la notaci
on exponencial W=r*exp(i*theta).
>>w=4*exp(i*pi/2)
w =
0.0000 + 4.0000i
Dos formas para introducir matrices complejas son:
>>A=[1 2; 3 4] + i*[5 6; 7 8]
A =
1.0000 + 5.0000i
2.0000 + 6.0000i
3.0000 + 7.0000i
4.0000 + 8.0000i
>> A=[ 1 + 5*i 2 + 6*i; 3 + 7*i 4 + 8*i]
A =
1.0000 + 5.0000i
2.0000 + 6.0000i
3.0000 + 7.0000i
4.0000 + 8.0000i
En las versiones m
as actuales de MATLAB se pueden escribir los n
umeros complejos sin
necesidad de utilizar *. Pero hay que tener cuidado en no dejar espacios en blanco al escribir
la parte imaginaria de un n
umero complejo. Si escribimos
>>1+ 4i
se obtiene
1.0000 + 4.0000i
en cambio, al introducir
>>1 + 4 i
aparece el siguiente mensaje de error
???
1+4 i
\vert
Missing operator, comma, or semi-colon.
Esto tambien hay que tenerlo en cuenta cuando se utiliza la notacion exponencial con
n
umeros reales. Si introducimos
>>1.23e-4
la respuesta es
1.2300e-004
en cambio

14
>>1.23 e-4
produce el siguiente mensaje de error
??? 1.23 e
\vert
Missing operator, comma, or semi-colon.
Si hemos utilizado durante una sesion las letras i

o j como nombre de variables o funciones que juegan un papel distinto al de la unidad imaginaria, y necesitamos posteriormente
trabajar con complejos, podemos definir la unidad imaginaria del siguiente modo:
>>ii=sqrt(-1)
ii =
0 + 1.0000i
Consideremos, por ejemplo, la siguiente sesi
on
>>i
ans =
0 + 1.0000i
>>z = 1 + i
z =
1.0000 + 1.0000i
>>w= 1 + j
w =
1.0000 + 1.0000i
>>i=7
i =
7
>>j=6
j =
6
>>z
z =
1.0000 + 1.0000i
>>z= 1+i
z =
8
>>ii=sqrt(-1)
ii =
0 + 1.0000i
>>z=1+ii
15
z =
1.0000 + 1.0000i
Realmente MATLAB s
olo maneja matrices, pero los elementos de estas pueden ser
n
umeros (reales o complejos) o cadenas de caracteres. Por ejemplo si tecleamos
>> 34
ans =
34
aparece el n
umero 34, en cambio introduciendo matrices formadas por cadenas de caracteres
(incluido el espacio en blanco) podemos leer, por ejemplo, la profunda conversaci
on:
>> saludo=[Hola, Buenos d
as],respuesta=[Buenos d
as]
saludo =
Hola, Buenos d
as
respuesta =
Buenos d
as
FUNCIONES
La potencia de MATLAB se deriva de su extenso conjunto de funciones. Algunas funciones son intrnsecas al proceso de MATLAB en s mismo. Otras funciones se pueden
encontrar en una librera externa de ficheros.m distribuida con MATLAB, llamadas cajas
de herramientas (MATLAB Toolboxes).
Todava se est
an a
nadiendo funciones que han sido creadas por usuarios individuales,
o grupos de usuarios, para aplicaciones m
as especializadas. Este es un hecho importante,
cada usuario puede crear sus propias funciones y trabajar con ellas conjuntamente con las
funciones intrnsecas de MATLAB. Este

es un aspecto importante que desarrollaremos m
as
adelante.
MATLAB posee una gran clase de funciones, entre las que se inlcuyen las funciones
elementales que podemos encontrar en casi todas las calculadoras cientficas (abs, sqrt, log,
sin, . . . ). Las funciones de que disponemos en MATLAB se pueden clasificar, por grupos,
del siguiente modo:
1. Funciones elementales
2. Funciones especiales
3. Funciones matriciales elementales
4. Funciones matriciales especiales
5. Descomposici
on de matrices
6. An
alisis de datos
7. Tratamiento de polinomios

16
8. Ecuaciones diferenciales
9. Ecuaciones no lineales y optimizaci
on
10. Integraci
on numerica
11. Procesamiento de la se
nal
Una breve descripci

on de casi todas las funciones de estos grupos se puede encontrar en
los cuadros res
umenes del u
ltimo captulo o, con mas profundidad, en la gua de usuarios de
MATLAB.
Destacamos que la pr
actica totalidad de las funciones elementales de MATLAB no solo
act
ua sobre n
umeros, sino que tambien operan con matrices actuando directamente sobre las
entradas de la matriz.
En el subapartado dedicado al orden polyvalm veremos algunas funciones matriciales,
como la exponencial matricial, el logaritmo matricial, . . .
1.1
Formatos de salida
Antes de comenzar con el siguiente apartado (las operaciones matriciales) se

nalamos que
aunque MATLAB siempre trabaja en doble precisi
on, es posible elegir diversos formatos
de salida para los resultados numericos. Por defecto, el formato usual ser
a de 5 cifras
decimales.
Algunas de las posibilidades que tenemos las describimos a continuacion con ejemplos
concretos:
>> format short e
>> A=[4/3 7.908767 3]
A =
1.3333e+000 7.9088e+000 3.0000e+000
>> format long
>> A
A =
1.33333333333333
7.90876700000000
3.00000000000000
>> format long e
>> A
A =
1.333333333333333e+000
7.908767000000000e+000
3.000000000000000e+000
La orden format rat hace que los resultados numericos siempre aparezcan como n
umeros
racionales. Pero tengase en cuenta que esto no significa que la matriz en cuesti
on sea tratada
internamente, por MATLAB, como una matriz racional. Por consiguiente, esto resulta u
til
1.1. FORMATOS DE SALIDA
17
si tenemos la certeza de estar siempre trabajando con n

umeros racionales. Ponemos esto de
manifiesto con la aproximaci

on racional de MATLAB para 2.
>>format rat
>>sqrt(2)
ans =
114243/80782
>>format long e
>>114243/80782
ans =
1.414213562427273e+00
>>sqrt(2)
ans =
1.414213562373095e+00
Observese que si utilizamos format rat para la representaci
on de la matriz de Hilbert
de orden 5 se obtiene:
>>format rat
>>H=hilb(5)
H =
1
1/2
1/3
1/4
1/5
1/2
1/3
1/4
1/5
1/6
1/3
1/4
1/5
1/6
1/7
1/4
1/5
1/6
1/7
1/8
1/5
1/6
1/7
1/8
1/9
El formato format + muestra un diagrama de la matriz en el que solo aparecen los

elementos no nulos (positivos marcados con + y negativos con ). format + resulta
especialmente u
til para destacar la estructura de una matriz (banda ,diagonal por bloques,
...). Por ejemplo:
>> J=[-3 1 0 0;0 -3 0 0;0 0 4 1;0 0 0 4]
J =
-3
1
0
0
0
-3
0
0
0
0
4
1
0
0
0
4
>> format +
>> J
J =

18
-+
++
+
Para volver al formato corto usual podemos teclear format o bien format short.
En relacion con la presentaci
on por pantalla tenemos los comandos format compact
y format loose. El primero de ellos nos suprime las lneas en blanco que, por defecto,
aparecen en una sesi
on MATLAB, mostrando de esta forma m
as informacion en pantalla;
el segundo de los comandos anula el anterior.
1.2
Matrices por bloques
Es posible manejar bloques completos de una matriz utilizando los dos puntos (:). Por
ejemplo:
>> A=[4 5 3 2;3 5 7 -1;2 5 8 0]
A =
4
5
3
2
3
5
7
-1
2
5
8
0
>> A(1,:)
Nos proporciona la primera fila de la matriz A.
ans =
4
5
>> b=B(:,2)
Asigna a la variable b la segunda columna de la matriz B

b =
5
6
-1
>> bloque=A(2:3,1:2)
La variable bloque contiene el bloque formado por la intersecci
on de las filas 2a y 3a y
de las columnas 1a y 2a de la matriz A.
bloque =
3
2
5
5
1.2. MATRICES POR BLOQUES
19
En particular, es posible hacer referencia a un elemento concreto de una matriz. El

elemento (2, 1) de la matriz denominada bloque se obtiene de forma totalmente natural:
>> bloque(2,1)
ans =
2
Una instruccion del tipo M = [P ; B] construye, si es posible, una matriz M a
nadiendo a
P las filas de B. Vease,
>> P=[3 5 6; -2 .5 9]; B=[4 6 2; 9 0 0;5 5 0.25];
>> P,B
P =
3.0000
5.0000
6.0000
-2.0000
0.5000
9.0000
B =
4.0000
6.0000
2.0000
9.0000
0
0
5.0000
5.0000
0.2500
>> F=[P;B]
F =
3.0000
-2.0000
4.0000
9.0000
5.0000
5.0000
0.5000
6.0000
0
5.0000
6.0000
9.0000
2.0000
0
0.2500
La orden M = [P B], analoga a la anterior, construye la matriz M a

nadiendo a P las
columnas de B. Naturalmente, esto es posible si P y B tienen el mismo n
umero de filas.
>>G=[2 1;1
G =
2
1
O =
1
2
>>M1=[G O]
M1 =
2
1
3],O=[1 0 -1;2 1 -3]

1
3
0
1
-1
-3
1
3
1
2
0
1
-1
-3
Si se definen nuevos elementos de una matriz en una fila o columna no existente, los
elementos no definidos (en la filas o columnas no existentes) se toman como nulos.

20
>>P(3,2)=pi
P =
3.0000
-2.0000
0
5.0000
0.5000
3.1416
6.0000
9.0000
0
Los dos puntos se pueden utilizar con otra finalidad. Podemos definir un vector cuyos
elementos est
an en progresion artimetica:
>> t=0:2:10
t =
0
2
10
Los dos puntos tambien se pueden utilizar para transformar una matriz en un vector
columna, siguiendo el orden de las columnas.
>>A(:)
ans =
4
3
2
5
5
5
3
7
8
2
-1
0
1.3
Operaciones con Matrices.
En esta seccion mostraremos como las operaciones con matrices se realizan en MATLAB
de forma bastante natural.
Dada una matriz A, A0 nos proporciona la traspuesta de A, si esta es real, o la adjunta
en sentido hermtico, si A es de n
umeros complejos.
>> T=J
T =
-3
1
0
0
-3
0
0
0
4
0
0
0
1.3. OPERACIONES CON MATRICES.
21
0
0
1
4
>> C=[3+2*i 6-2*i;7 2*i]
C =
3.0000 + 2.0000i
6.0000 - 2.0000i
7.0000
0 + 2.0000i
>> T=C
T =
3.0000 - 2.0000i
7.0000
6.0000 + 2.0000i
0 - 2.0000i
La suma de matrices (+), el producto (*) y la potencia nesima de una matriz (A n) se
realizan como sigue.
>> S=T+C
S =
6.0000
13.0000
>> E=[6 3
E =
6
-1
5
>> P=E*E
P =
49
1
55
>>NI=[0 1
NI =
0
0
0
>>NI^3
ans =
0
0
0
13.0000 - 2.0000i
+ 2.0000i
0
2;-1 3 -1;5 3 8]
3
3
3
2
-1
8
1
55
11
-4
-4
98
-2;0 0 15;0 0 0]
1
0
0
-2
15
0
0
0
0
0
0
0
Para calcular el determinante de una matriz cuadrada usaremos la funcion det. Por
ejemplo, para la matriz de Hilbert de orden 5 el determinante es:
>>format rat
>>H=hilb(5)

22
H=
1
1/2
1/3
1/4
1/5
>> det(H)
ans =
1/266716800000
1/2
1/3
1/4
1/5
1/6
1/3
1/4
1/5
1/6
1/7
1/4
1/5
1/6
1/7
1/8
1/5
1/6
1/7
1/8
1/9
Para calcular la traza emplearemos trace, para obtener el rango rank y para hallar
la inversa inv. Esto se ilustra en el siguiente ejemplo:
>>A=[1 2 3;0 1 2;0 0 1]
A =
1
0
0
2
1
0
3
2
1
-2
1
0
1
-2
1
>>trace(A)
ans =
3
>>rank(A)
ans =
3
>>inv(A)
ans =
1
0
0
La orden size nos da un vector cuyas componentes nos indican el orden de la matriz.
1.4. OPERACIONES ELEMENTO A ELEMENTO
23
La primera componente denota el n

umero de filas y la segunda el n
umero de columnas.
>>size(A)
ans =
3
Por u
ltimo, indicar que la orden nnz determina el n
umero de elementos no nulos de la
matriz.
>>nnz(A)
ans =
6
1.4
Operaciones elemento a elemento
Si M y N son matrices del mismo orden M. N , M. N y M./N realizan el producto, la

potenciacion y la divisi
on elemento a elemento. (Naturalmente, la suma y la diferencia de
matrices se realizan elemento a elemento). Por ejemplo,
>> PE=E.*E
PE =
36
-3
10
-3
9
-3
10
-3
64
>> PO=E^2
PO =
43
33
25
-14
3
-13
67
48
71
>> PO=E.^2
PO =
36
9
4
1
9
1
25
9
64
>> M=[1 2 5];v=[1 2 3];
>> M.^v

24
ans =
1
125
Cuando una de las matrices sea de orden 1 por 1 (i.e., un escalar), las operaciones anteriores tambien tienen sentido. Vease
>> 3 .^v
ans =
3
9
>>3 ./v
ans =
3.0000
27
1.5000
1.0000
Notese el espacio entre el n

umero 3 y el punto; este es necesario en las primeras versiones
de MATLAB.
En relacion con las operaciones elemento a elemento podemos destacar la operaci
on
o
o
n +matriz (o matriz+n ) que, al contrario de las anteriores no necesita el punto (.), y cuyo
cometido es sumar a cada elemento de la matriz el n
umero en cuestion.
>>8+v
ans =
9
10
11
Captulo 2
Tipos especiales de matrices.

Construcciones.
2.1
Matrices especiales.
Indiquemos en primer lugar como generar autom

aticamente, con ayuda de algunas funciones
incorporadas en MATLAB, algunos tipos de matrices.
zeros(m,n) genera la matriz nula de orden m n. An
alogamente ones(m,n) produce
una matriz de orden m n con todos sus elementos iguales a uno. Si tecleamos zeros(n) o
ones(n) obtenemos los mismos resultados, pero en estos casos las matrices son cuadradas
de orden n.
>> Z=zeros(3,2)
Z =
0
0
0
0
0
0
Si tecleamos eye(n) obtendremos la matriz identidad de orden n. En cambio eye(m,n)
produce el siguiente efecto:
>> E=eye(2,4)
E =
1
0
0
1
0
0
0
0
As, las funciones anteriores pueden tener uno o dos argumentos de entrada dependiendo
de la finalidad que persigamos. Esta caracterstica no la poseen s
olo las funciones anteriores, sino que la mayora de las funciones de MATLAB gozan de la misma, como iremos
descrubiendo mas adelante.
Adem
as, la anterior caracterstica est
a ntimamente ligada con la funci
on (variable intrseca) nargin (n
umero de argumentos de entrada) que nos proporciona, una vez que
25
CAPITULO 2. TIPOS ESPECIALES DE MATRICES. CONSTRUCCIONES.
26
llamamos a una funcion, el n

umero de argumentos de entrada que utilizamos en dicha llamada (es decir, el n
umero de elementos entre parentesis y separados por comas que preceden
al nombre de una funci
on). Relacionada con la funci
on nargin nos encontramos la funci
on
nargout (n
umero de argumentos de salida) de la que hablaremos mas adelante.
La orden ones(A) nos proporciona una matriz de unos del mismo orden que A. Efectos
analogos tienen los comandos eye(A) y zeros(A).
>> ones(E)
ans =
1
1
1
1
1
1
1
1
Para la versi
on 4.2c de MATLAB las ordenes ones(A), eye(A) y size(A) han
quedado obsoletas y conviene sustituirlas por ones(size(A)), eye(size(A)) y zeros(size(A)).
Tambien es posible generar algunas matrices especiales como por ejemplo matrices de
Hilbert. As, hilb(n) produce la matriz de Hilbert de orden n:
>> H=hilb(5)
H =
1.0000
0.5000
0.3333
0.2500
0.2000
2.2
0.5000
0.3333
0.2500
0.2000
0.1667
0.3333
0.2500
0.2000
0.1667
0.1429
0.2500
0.2000
0.1667
0.1429
0.1250
0.2000
0.1667
0.1429
0.1250
0.1111
Redefiniciones y construcciones a partir de la diagonal
Existen varias funciones MATLAB que permiten redefinir la estructura de una matriz:
>>rot90(E)
Esta instrucci
on realiza un giro de 90o grados (en sentido positivo) de la matriz E.
ans =
0
0
0
1
0
0
1
0
A partir de una matriz A podemos conseguir nuevas matrices con los mismos elementos,
pero diferente estructura mediante instrucciones como:
reshape(A,m,n)que nos proporciona, a partir de los elementos de A, una matriz de
orden m n siguiendo el orden de las columnas. Naturalmente, A debe tener m n
elementos.
2.2. REDEFINICIONES Y CONSTRUCCIONES A PARTIR DE LA DIAGONAL
27
fliplr(A) que nos da la matriz A pero con las columnas en orden inverso.
flipud(A) que tiene el mismo efecto que fliplr(A), pero para las filas de A.
>> A=[3 4 6 8;1 0 7 20;-3 -2 8 0]
A =
3
4
6
8
1
0
7
20
-3
-2
8
0
>> R=reshape(A,2,6)
R =
3
-3
0
6
8
20
1
4
-2
7
8
0
>>fliplr(A),flipud(A)
ans =
8
6
4
3
20
7
0
1
0
8
-2
-3
ans =
-3
-2
8
0
1
0
7
20
3
4
6
8
Dada una matriz A existe la posibilidad de generar diversas matrices a traves de la(s)
diagonal(es) de A.
Para obtener la diagonal de una matriz A, (que puede no ser cuadrada) basta teclear
>> D=diag(A)
D =
3
0
8
Si v es un vector diag(v) nos da una matriz diagonal (cuadrada) cuya diagonal es v.
>> diag([5
ans =
5
0
0
7 -3])
0
7
0
0
0
-3
La orden diag(A) posee como variante la orden diag(A,k) que muestra la kesima
superdiagonal de A, si k es positivo, y la kesima subdiagonal, si k es negativo. (Observese
de nuevo la posibilidad de dar distinto n
umero de argumentos de entrada a una funcion
MATLAB).
28
CAPITULO 2. TIPOS ESPECIALES DE MATRICES. CONSTRUCCIONES.
>> D2=diag(A,2)
D2 =
6
20
>> D_1=diag(A,-1)
D_1 =
1
-2
De manera totalmente an
aloga a la orden diag(A) nos encontramos las ordenes triu(A)
y tril(A) que generan matrices triangulares superiores y triangulares inferiores, respectivamente, con los elementos superiores e inferiores, respectivamente, a la diagonal de A y
con los elementos diagonales de la misma.
>> TS=triu(A)
TS =
3
4
0
0
0
0
6
7
8
8
20
0
Tambien disponemos de las variantes triu(A,k) y tril(A,k) que act

uan de forma
analoga a la instrucci
on diag(A,k). Por ejemplo, triu(A,k) produce el siguiente efecto:
>> TS2=triu(A,2)
TS2 =
0
0
6
0
0
0
0
0
0
8
20
0
El lector puede practicar estas instrucciones descomponiendo una matriz cuadrada A como
suma de una matriz triangular inferior L, una matriz diagonal D y una matriz triangular
superior U . (Esta descomposici
on resulta u
til en la resoluci
on de S.E.L. mediantes metodos
iterativos).
Captulo 3
Sistemas de Ecuaciones Lineales y

descomposiciones
3.1
3.1.1
Resoluci
on de S.E.L.
Sistemas cuadrados
Si se desea resolver el S.E.L. (S) : Ax = b, donde A es una matriz cuadrada (no singular);
puede obtenerse la solucion mediante la operaci
on A\b. Esta operaci
on nos indica que estamos
dividiendo, por la izquierda, el vector columna b por la matriz A, i.e., estamos haciendo la
on no se realiza calculando la inversa1
operaci
on A1 b. Como se puede imaginar esta operaci
de A, se lleva a cabo de forma general mediante el metodo de Gauss con estrategia de pivoteo
parcial. Por ejemplo, para resolver el sistema
x + 2y =
3
3x 4y = 1
se realizan las siguientes instrucciones:
Introducci
on de la matriz de coeficientes y el vector columna b.
Resoluci
on del sistema mediante la divisi
on izquierda A\b.
>> A=[1 2;3 -4];b=[3 -1];
>> x=A\b
x =
1.0000
1.0000
Si A es singular, a
un cuando el sistema sea compatible, MATLAB nos proporcionara un
mensaje de error.
1
Pues el c
alculo de la inversa de una matriz es demasiado costoso desde el punto de vista computacional.
29
30 CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES Y DESCOMPOSICIONES

>> A=[1 2;2 4];b=[3 6];
>> x=A\b
Warning: Matrix is singular to working precision.
x =
Inf
Inf
3.1.2
Sistemas superdeterminados. Mnimos cuadrados
Si A no es cuadrada, A\b resuelve el sistema (S) en el sentido de los mnimos cuadrados. De

esta forma, podemos resolver el sistema anterior a
nadiendo una fila nula a la matriz ampliada
[A|b].
>> A(3,:)=[0 0];b(3)=0;
>> x=A\b
Warning: Rank deficient, rank = 1
x =
0
1.5000
tol =
2.9790e-015
Como podemos observar, s

olo hemos obtenido una de las soluciones del sistema. Para
tener todas, solamente nos falta una base del espacio nulo (n
ucleo) de la matriz A. Veremos
como obtener esto en una pr
oxima secci
on.
Se ha puesto de manifiesto en este subapartado que la resoluci
on del sistema Ax = b,
llevada a cabo por MATLAB mediante la orden A\b, depende de la estructura de la matriz
de coeficientes del sistema. De hecho, la divisi
on izquierda \ utiliza, a grandes rasgos, el
siguiente algoritmo:
Si la matriz A es una permutaci
on de una matriz triangular superior (resp. inferior) se
utiliza el metodo de subida (resp. bajada).
Si A es simetrica (hermtica) definida positiva se calcula la descomposicion de Cholesky
de A, i.e., se determina la matriz triangular superior R con elementos diagonales eson se determina x de la forma
trictamente positivos tal que A = Rt R y a continuaci
0
x = R\(R \b).
Si la matriz de coeficientes no es una permutacion de una matriz triangular o no es
definida positiva, la resolucion del sistema se lleva a cabo calculando la descomposicion
LU de A mediante el metodo de Gauss con estrategia de pivoteo parcial. Una vez
calculadas las matrices L y U , la soluci
on del sistema es x = U \(L\b).
Por u
ltimo, si A no es cuadrada se computa la descomposici
on QR de A mediante
simetras de Householder. Es decir, se calcula Q ortogonal, R triangular superior y P
matriz de permutacion tales que AP = QR. Una vez obtenidas P, Q y R se calcula x
mediante x = P (R\(Q0 b)).
DE S.E.L.
3.1. RESOLUCION
3.1.3
31
Tiempo de c
alculo y n
umero de operaciones
Como hemos visto en el captulo 1 la instrucci

on inv(A) calcula la inversa de la matriz
A, si esta es regular (en realidad, s
olo podemos fiarnos del resultado final si A no es casi
singular ). La resoluci
on de un determinado S.E.L. puede realizarse con MATLAB mediante
la orden inv(A)*b, pero como pondremos de manifiesto a continuaci
on es m
as efectivo la
utilizaci
on del comando A\b. Esta eficacia se pone de manifiesto comparando el n
umero
de operaciones de ambos metodos y el tiempo de c
alculo para llevar a cabo los mismos. El
n
umero de operaciones que MATLAB ha efectuado en una sesion puede obtenerse con el
comando flops. Ahora bien, la utilizaci
on de la version flops(0) hace que el contandor
(del n
umero de operaciones) se inicialice a cero, con lo que si seguidamente realizamos algunas
operaciones con MATLAB podemos conocer el n
umero de estas sin mas que teclear flops.
Para el sistema cuadrado
x + 2y =
3
3x 4y = 1
comparamos el n
umero de operaciones:
>>flops(0)
>>x=A\b
x =
1.0000
1.0000
>>flops
ans =
33
>>flops(0)
>>x=inv(A)*b
x =
1.0000
1.0000
>>flops
ans =
44
Se observa que, incluso para un sistema con dos ecuaciones y dos incognitas, el n
umero
de operaciones es mucho mayor si utilizamos para resolver el sistema la orden inv(A)b.
Dentro de los ejercicios que se acompa
nan al final se propone la construccion de una
funcion que nos permita resolver un S.E.L. cuadrado por el metodo de Cramer. Sera conveniente que el lector comparase con algunos ejemplos el n
umero de operaciones necesario para
la resoluci
on del sistema utilizando el metodo de Cramer y el algoritmo divisi
on izquierda.

Para la evaluaci
on de tiempos de calculo, tenemos varias posibilidades. Las funciones
tic y toc nos proporcionan conjuntamente el tiempo de c
alculo de cualquier expresi
on
MATLAB sin mas que teclear
>>tic
>>expresiones
>>toc
La funcion cputime nos propociona el tiempo en segundos usado por MATLAB desde
el instante en que entramos en el programa. De esta forma podemos calcular el tiempo de
c
alculo de cualquier expresi
on realizando las siguientes instrucciones:
>>t1=cputime
>>expresiones
>>t2=cputime-t1
Para comparar los tiempos de c
alculo tambien podemos hacer uso de los comandos clock
y etime. El primero de ellos nos muestra un vector fila de seis componentes en el que se
puede obeservar el a
no, mes, da, hora, minutos y segundos que marca el reloj de nuestro ordenador. La orden etime(t2,t1) nos proporciona el tiempo, en segundos, que han transcurrido
entre dos vectores de tiempo t1 y t2.
umeros aleatoCreamos una matriz y un vector (de grandes dimesiones2 ) formados por n
rios, comprendidos entre cero y uno, con ayuda de la funcion rand(m,n):
>>A=rand(30);b=rand(30,1);
y resolvemos el sistema Ax = b mediante la divisi
on izquierda \ y mediante la inversa
inv(A):
>>t1=clock;x=A\b;etime(clock,t1)
ans =
0.5167
>>t1=clock;x=inv(A)*b;etime(clock,t1)
ans =
1.0333
Se comprueba que la resolucion del sistema mediante la orden inv(A)b necesita mayor
tiempo de c
alculo que la divisi
on izquierda (de hecho, casi el doble de tiempo).
2
Hacemos esto, pues la diferencia entre los tiempos de c

alculo de los dos metodos para S.E.L. peque
nos es
casi inapreciable.
3.2. DESCOMPOSICIONES
3.2
33
Descomposiciones
3.2.1
Factorizaci
on LU.
Dada una matriz A [L,U]=lu(A) realiza la descomposicion LU (LR) de la matriz cuadrada

A. Esta descomposicion siempre se realiza siguiendo el metodo de Gauss con estrategia de
pivote parcial, por lo cual, aunque U es triangular superior, L en la mayora de los casos no
es triangular inferior.
>> A=[3 4 6 8;1 0 7 20;-3 -2 8 0]
A =
3
4
6
8
1
0
7
20
-3
-2
8
0
>> A=A(1:3,1:3)
A =
3
4
6
1
0
7
-3
-2
8
>> [L,U]=lu(A)
L =
1.0000
0
0
0.3333
-0.6667
1.0000
-1.0000
1.0000
0
U =
3.0000
4.0000
6.0000
0
2.0000
14.0000
0
0
14.3333
Sin embargo, introduciendo la orden [L,U,P]=lu(A)es posible conocer los intercambios
de filas, debidos al pivoteo parcial, que ha sufrido la matriz A. En este caso L s es triangular
inferior con unos en la diagonal y P es la matriz de permutaci
on que nos da los intercambios
de filas. Es decir, P A = LU . Compruebese
>> [L,U,P]=lu(A)
L =
1.0000
0
-1.0000
1.0000
0.3333
-0.6667
U =
3.0000
0
4.0000
2.0000
0
0
1.0000
6.0000
14.0000

0
14.3333
P =
1
0
0
0
0
1
0
1
0
Vemos que la funci

on lu posee una caracterstica particular: la funcion puede ser llamada con distinto n
umero de argumentos de salida seg
un nuestra finalidad. Esta caraterstica
no es privilegio exclusivo de la funci
on lu, sino muchas otras funciones de MATLAB,
como veremos m
as adelante, tambien presentan esta particularidad.
3.2.2
Descomposici
on de Cholesky
Si A es una matriz simetrica (hermtica) definida positiva la descomposici

on de Cholesky
de A se realiza con la funci
on chol(A). Se obtiene una matriz R triangular superior con
elementos diagonales estrictamente positivos tal que A = Rt R.
>>S=[2 -1 0;-1 2 -1;0 -1 2]
S =
2
-1
0
-1
2
-1
0
-1
2
>>chol(S)
ans =
1.4142
-0.7071
0
0
1.2247
-0.8165
0
0
1.1547
Notese que se obtiene un mensaje de error si la matriz no es definida positiva:
>>T=[2 -1 0;-1 2 0;-1 -1 -1]
T =
2
-1
0
-1
2
0
-1
-1
-1
>>chol(T)
??? Error using ==> chol
Matrix must be positive definite.
No obstante la funci
on chol con dos argumentos de salida nunca nos proporciona mensaje de error. Si escribimos [R, p] =chol(A) obtemos las siguientes respuestas:
Si A es definida positiva, entonces p = 0 y R contiene la descomposicion de Cholesky
de A.
35
Si A no es definida positiva, entonces p es un n

umero entero estrictamente positivo y
R una matriz triangular superior con elementos diagonales estrictamente positivos de
orden q = p 1 tal que R0 R = A(1 : q, 1 : q). Es decir, el comando chol con
dos argumentos de salida nos proporciona la descomposici
on de Cholesky de la mayor
submatriz principal de A que es definida positiva (y, salvo una unidad, el orden de esta).
>>[R,p]=chol(T)
R=
1.4142
-0.7071
0
1.2247
p=
3
Naturalmente, si ninguna submatriz principal de A es definida positiva R tendra como
valor la matriz vacia (matriz que no contiene elementos) y p sera igual a uno.
>>M=[-2 1;2 3];
>>[s,f]=chol(M)
s=
[ ]
f=
1
3.2.3
Factorizacion QR
La factorizaci
on QR de una matriz A, no necesariamente cuadrada, puede realizarse mediante la orden [Q,R]=qr(A); Q ser
a entonces una matriz ortogonal (o unitaria en el caso
complejo) y R una matriz triangular superior del mismo tipo que A, tales que A = QR. Tal
descomposicion se lleva a efecto mediante transformaciones de Householder y como se puede
observar en el siguiente ejemplo los elementos diagonales de R no tienen porque ser positivos.
(Se realiza la descomposici
on de esta forma por cuestiones de estabilidad en el metodo).
>> M=[4 6 -2 7;2 4 10 -1;-12 4 -3 0];
>> [Q,R]=qr(M)
Q =
-0.3123
-0.7840
0.5365
-0.1562
-0.5147
-0.8430
0.9370
-0.3471
0.0383
R =
-12.8062
1.2494
-3.7482
-2.0303
0
-8.1510
-2.5375
-4.9732
0
0
-9.6183
4.5984
Podemos comprobar que Q es ortogonal, es decir, (salvo errores de redondeo) Qt Q = I.

>> Q*Q
ans =
1.0000
-0.0000
-0.0000
-0.0000
1.0000
-0.0000
-0.0000
-0.0000
1.0000
De la misma forma que la funcion lu, la funcion qr tambien puede ser ejecutada
con tres argumentos de salida: la orden [Q,R,P]=qr(A) proporciona una matriz ortogonal
(unitaria) Q, una matriz R triangular superior con elementos diagonales decrecientes y una
matriz C de permutacion de columnas, tales que AC = QR.
>>[Q,R,MPC]=qr(M)
Q =
-0.3123
0.3187
-0.1562
-0.9464
0.9370
-0.0515
R =
-12.8062
-3.7482
0
-9.9474
0
0
MPC =
1
0
0
0
0
1
0
1
0
0
0
0
0.8949
0.2826
0.3454
1.2494
-2.0792
7.8814
-2.0303
3.1777
5.9817
0
0
0
1
Ponemos un ejemplo en el que se observa los elementos nulos en la diagonal de R.

>>MM=[1 1 2;2 0 2;-1 3 2;1 4 5]
MM =
1
1
2
2
0
2
-1
3
2
1
4
5
>>[Q,R]=qr(MM)
Q =
-0.3780
0.1416
0.6928
-0.7559
-0.1133
-0.5978
0.3780
0.6516
-0.3863
-0.3780
0.7366
0.1165
R =
-2.6458
-0.7559
-3.4017
0
5.0427
5.0427
-0.5976
-0.2417
-0.5323
0.5487
0
0
0
0
37
-0.0000
0
Hacemos notar que, una vez conocida R, el c

alculo del rango de A es inmediato, pues Q
es no singular. Para el ejemplo anterior R tiene dos filas nulas y por consiguiente el rango de
MM es dos. En efecto,
>>rank(MM)
ans =
2
3.2.4
Ortonormalizaci
on y espacio nulo
Gracias a la descomposici
on QR que se obtiene mediante MATLAB podemos calcular una
base ortonormal del espacio columna y una base ortonormal del espacio nulo (n
ucleo) de una
matriz A.
La funcion que permite obtener una base ortonormal del espacio columna de A es orth(A) y una base ortonormal del espacio nulo nos la proporciona la funci
on null(A).
>>Or=orth(M)
Or =
0.3123
-0.3187
0.1562
0.9464
-0.9370
0.0515
>> nulo=null(M)
nulo =
-0.2672
-0.5444
0.3430
0.7173
0.8949
0.2826
0.3454
Comprobamos que son bases ortonormales calculando Ort Or y nulot nulo.

Or*Or
ans =
1.0000
-0.0000
0.0000
nulo*nulo
ans =
1.0000
-0.0000
1.0000
-0.0000
0.0000
-0.0000
1.0000

Notese que con ayuda de null y \ se pueden resolver sistemas de ecuaciones compatibles
indeterminados. Por ejemplo, el sistema compatible indeterminado
x + 2y = 3
2x + 4y = 6
puede resolverse siguiendo los pasos:
1. Si es necesario, se a
nade un fila nula a la matriz ampliada para conseguir un sistema
no cuadrado.
2. Se calcula una soluci
on particular del mismo.
3. Calculamos una base del espacio nulo de la matriz de coeficientes.
Estos tres pasos se realizan en MATLAB del siguiente modo:
>>A=[1 2;2 4],b=[3 6]
A =
1
2
2
4
b =
3
6
>>A(3,:)=[0 0],b(3)=0
A =
1
2
2
4
0
0
b =
3
6
0
>>x=A\b
Warning: Rank deficient, rank = 1
x =
0
1.5000
>>nulo=null(A)
nulo =
-0.8944
0.4472
tol =
2.9790e-15
3.3. NORMAS Y NUMERO

DE CONDICION
39
De este forma, todas las soluciones del sistema anterior vienen dadas por
x=
0.8944
y = 1.5 + 0.4472
3.3
3.3.1
con R
Normas y n
umero de condici
on
Normas vectoriales y matriciales
Si A es una matriz cuadrada norm(A,p) (siendo p = 1, 2, inf) proporciona la norma p de

A.
>> V=[1 4;8 -1];
>> N2=norm(V,2)
N2 =
8.0828
>> N1=norm(V,1)
N1 =
9
>> Ninf=norm(V,inf)
Ninf =
9
Puesto que en la mayora de los casos se trabaja con la norma eucldea (i.e., en norma
2), por defecto norm(A) nos da el mismo valor que norm(A,2). (De nuevo la funcion
norm puede tener distinto n
umero de argumentos de entrada)
Para vectores norm(v,p) calcula la norma p del vector v y en este caso p puede ser
cualquier real del interalo [1, +].
>> w=[2 -4 6];
>> norm(w,3)
ans =
6.6039
3.3.2
N
umero de condici
on y rango
El n
umero de condici
on de una matriz nos proporciona el valor m
aximo de amplificaci
on de
los errores relativos en la resoluci
on de un S.E.L. sometido a perturbaciones. Si el n
umero de
condicion es mucho mayor que uno, la matriz esta mal condicionada y no debemos fiarnos de
la soluci
on del sistema; si por el contrario es pr
oximo a uno, la matriz se dice bien condicionada
y los posibles errores relativos en la soluci
on est
an acotados por los errores relativos cometidos
en los datos del sistema (matriz y termino independiente).
El n
umero de condici
on de una matriz A se calcula mediante MATLAB con la funcion
cond(A). Para la matriz de Hilbert anterior

>> cond(H)
ans =
4.7661e+005
Parece, entonces, necesario obtener el n
umero de condici
on de la matriz de coeficientes de
un sistema de ecuaciones lineales antes de resolverlo. Pero afortunadamente, MATLAB a
medida que resuelve el sistema calcula, mediante el comando rcond(A), una aproximaci
on
del inverso del n
umero de condici
on de la matriz de coeficientes A, d
andonos un aviso para
que tengamos en cuenta que si rcond(A) es peque
no, hay posibilidad de un gran error en
la solucion si hemos cometido un peque
no error en los datos del sistema. Para la matriz
H=hilb(5), 1/cond(A) = 2.0982e 006 y mediante la funci
on rcond se obtiene:
>> rcond(H)
ans =
1.4407e-006
Ponemos de manifiesto a continuaci
on la ventaja de la informacion complementaria de
MATLAB cuando resolvemos un S.E.L. Por ejemplo, para la resolucion del sistema
x + 2y + 3z = 1
4x + 5y + 6z = 0
7x + 8y + 9z = 0
mediante MATLAB, se efect
uan las siguientes instrucciones:
>>A=[1 2 3;4 5 6;7 8 9]

A =
1
2
3
4
5
6
7
8
9
>>b=[1 0 0]
b =
1
0
0
>>x=A\b
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 2.937385e-18
x=
1.0e+15 *
3.1522
-6.3044
3.1522
3.3. NORMAS Y NUMERO

DE CONDICION
41
Apreciamos en la obtenci
on de la resolucion del sistema un mensaje de error que nos
informa que la matriz de coeficientes puede ser casi singular (estar mal condicionada). De
hecho la soluci
on que hemos obtenido no es soluci
on del sistema, basta observar que Ax 6= b.
En efecto,
>>A*x
ans =
0.5000
-1.0000
-2.5000
De hecho, la matriz A no es casi singular es, sin lugar a dudas, singular :
>>det(A)
ans =
0
Esto no impide que MATLAB obtenga la inversa de esta matriz:
>>inv(A)
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 2.937385e-18
ans =
1.0e+16 *
0.3152
-0.6304
0.3152
-0.6304
1.2609
-0.6304
0.3152
-0.6304
0.3152
Como se observa MATLAB nos ha dado el mismo mensaje anterior y adem
as ha calculado la inversa de A. Evidentemente esta matriz no es la inversa de A, pues A ans no
da como resultado la matriz identidad:
>>A*ans
ans =
1.0e+17 *
-0.0901
-0.1801
-0.3603
-0.7206
-0.6305
-1.2610
-0.2702
-1.0809
-1.8915
Adem
as, como puede comprobarse f
acilmente, nuestro sistema es INCOMPATIBLE.
on adicional (como la mostrada en el
Advertencia: Aunque MATLAB nos da informaci
ejemplo anterior) cuando resolvemos un S.E.L. o calculamos la inversa de una matriz, se han
detectado, en algunas versiones de MATLAB (en distintos entornos de trabajo), y para el
S.E.L. anterior que no aparece ning
un mensaje de precaucion a la hora de resolver el sistema

o calcular la inversa de la matriz de coeficientes. Parece l
ogico, entonces, calcular cond(A)
(o rcond(A)) antes de resolver un sistema y tomar la decision de resolverlo una vez conocido
el n
umero de condici
on de la matriz de coeficientes.
El rango de una matriz se calcula mediante MATLAB con la funci
on rank(A). Por
ejemplo, para la matriz de coeficientes y la matriz ampliada del sistema anterior se obtiene:
>>rank(A)
ans =
2
>>rank([A b])
ans =
3
y por consiguiente se observa que el sistema anterior es incompatible.
Para la matriz de Hilbert anterior el rango es
>> rank(H)
ans =
5
En realidad, el rango de A se calcula como el n
umero de valores singulares (ver m
as
adelante) casi no nulos de esta. Esto permite utilizar la funci
on rank con dos argumentos
de entrada: rank(A,tol) que considera nulos los valores singulares menores que tol.
>> rank(H,.001)
ans =
3
Si hemos introducido un solo argumento de entrada para rank el valor de tol viene dado
por defecto como tol=max(size(A))norm(A)eps.
Finalizamos esta secci
on proponiendo al lector que resuelva los siguientes sistemas de
ecuaciones, que se encuentran propuestos en el libro de G. Strang, Algebra Lineal Aplicada,
y que compare los resultados obtenidos:
[A]
[B]
x +
y = 2
x + 1.0001y = 2
x +
y =
2
x + 1.0001y = 2.0001
Captulo 4
Autovalores y polinomios
4.1
Autovalores y autovectores
Los autovectores y autovalores (complejos) de una matriz cuadrada pueden calcularse conjuntamente por medio de la funci
on eig:
>>V=[1 4;8 -1];
V =
1
4
8
-1
>>[X,D]=eig(V)
X =
0.6446
-0.5101
0.7645
0.8601
D =
5.7446
0
0
-5.7446
As, se obtiene una matriz diagonal D cuya diagonal contiene los autovalores de la matriz
V y una matriz X que verifica la condici
on: V X = XD. Por tanto, las columnas de X son
autovectores de V .
En el siguiente ejemplo comprobamos que las columnas de X no tienen por que ser
linealmente independientes (tenganse en cuenta los errores de redondeo).
>>N=[1 1;0 1];
>>[X,D]=eig(N)
X =
1.0000
-1.0000
0
0.0000
D =
1
0
43
CAPITULO 4. AUTOVALORES Y POLINOMIOS
44
0
>>rank(X)
ans =
1
La funci
on eig(A) puede utilizar uno o dos argumentos de salida. En el caso de utilizar
dos argumentos se obtienen los autovectores y los autovalores como se ha descrito anteriormente. Cuando utilizamos un u
nico argumento de salida obtenemos un vector columna que
contiene los autovalores (puede que repetidos) de la matriz A.
>>aut=eig(V)
aut =
5.7446
-5.7446
>>VV=[1 2;-2 1]
VV =
1
2
-2
1
>>autVV=eig(VV)
autVV =
1.0000 + 2.0000i
1.0000 - 2.0000i
Estrechamente relacionadas con el c
alculo de autovalores tenemos la funciones hess(A)
y schur(A) que calculan la forma de Hessenberg y la forma de Schur (superior) de A,
respectivamente. Para la matriz de Hilbert de orden cinco y la matriz V anterior se obtiene:
>>hess(H)
ans =
0.0001
0.0002
0
0
0
>>schur(V)
ans =
5.7446
-0.0000
0.0002
0.0079
0.0143
0
0
0
0.0143
0.2556
-0.3302
0
0
0
-0.3302
1.4126
-0.3222
0
0
0
-0.3222
0.1111
-4.0000
-5.7446
Observese que en la diagonal de la matriz de Schur aparecen los autovalores de V .
4.2. VALORES SINGULARES Y PSEUDOINVERSA
4.2
45
Valores singulares y pseudoinversa
La descomposici
on en valores singulares de una matriz A cualquiera se efect
ua por medio de
la funcion svd. De esta forma, la orden [U,S,V]=svd(A) proporciona una matriz diagonal
S, del mismo tipo que A, y dos matrices ortogonales (unitarias) U y V tales que A = U SV t .
Los elementos de la diagonal de S son por tanto los valores singulares de la matriz A, i.e.,
la raz cuadrada1 de los autovalores de la matriz simetrica (hermtica) semidefinida positiva
At A (A A).
>>A=[1 2;-1 1;0 3]
A =
1
2
-1
1
0
3
>>[U,S,V]=svd(A)
U =
0.5531
0.6006
0.2436
-0.7793
0.7967
-0.1787
S =
3.7527
0
0
1.3846
0
0
V =
0.0825
0.9966
0.9966
-0.0825
-0.5774
-0.5774
0.5774
Podemos comprobar que la raz cuadrada de los autovalores de At A son los valores singulares de A:
>>sqrt(eig(A*A))
ans =
1.3846
3.7527
Vease que la funci
on sqrt ha actuado sobre cada uno de los elementos del vector columna
formado por los autovalores de At A.
Naturalmente la descomposici
on en valores singulares tambien es posible para matrices
con elementos complejos:
>>C=[2+i -i;3 3+2*i];
>>[U,S,V]=svd(C)
1
Puesto que A A es hermtica semidefinida positiva sus autovalores son no negativos.
46
U =
0.2292 + 0.0156i -0.7696 - 0.5958i
0.9710 + 0.0660i
0.1817 + 0.1406i
S =
4.7900
0
0
2.2485
V =
0.7071
-0.7071
0.6325 - 0.3162i
0.6325 - 0.3162i
La funcion svd permite la posibilidad de incluir varios argumentos de salidas. En
concreto, podemos utilizar uno o tres argumentos de salida. En el caso de la utilizaci
on de
svd con tres argumentos se obtienen las tres matrices anteriores y cuando se utiliza un solo
argumento de salida, se almacenan en el, los valores singulares formando un vector columna.
>>MN=[1 2 3;4 5 6;5 7 9]
MN =
1
4
5
2
5
7
3
6
9
>>vs=svd(MN)
vs =
15.6633
0.8126
0.0000
Notese que uno de los valores singulares de MN es nulo; esto sucede porque MN no es de
rango maximo.
Relacionada con el algoritmo de c
alculo de los valores singulares de una matriz A se
encuentra la orden pinv(A) que calcula la pseudoinversa (de Moore-Penrose) de A. Recordamos que la pseudoinversa de una matriz A de orden m n (denotada por A+ ) puede ser
calculada, una vez obtenida la descomposici
on en valores singulares de A, como A+ = V S + U
donde S + es la matriz diagonal de orden n m cuyos elementos diagonales no nulos son los
inversos de los elementos no nulos de S. Recuerdese ademas, que A+ A = I y que la pseudoinversa de A coincide con la inversa de A si esta es cuadrada y regular.
>>ps=pinv(A)
ps =
0.4444
-0.5556
0.1111
0.1111
>>ps*A
ans =
1.0000
-0.0000
-0.1111
0.2222
4.3. TRATAMIENTO DE POLINOMIOS
47
0.0000
1.0000
>>AA=[1 2;5 1];
>>inv(AA)
ans =
-0.1111
0.2222
0.5556
-0.1111
>>pinv(AA)
ans =
-0.1111
0.2222
0.5556
-0.1111
4.3
Tratamiento de polinomios
El tratamiento que MATLAB realiza con los polinomios en una indeterminada es muy
simple: s
olo hace falta introducir los coeficientes del polinomio (en orden decreciente de
potencias) en un vector fila2 . Aquellos resultados que nos muestren como salidas polinomios
tambien seran recogidos de esta forma.
As, el polinomio p(x) = 2x3 3x + 7 es representado por MATLAB como
>>p=[2 0 -3 7]
p =
2
0
4.3.1
-3
Polinomio caracterstico de una matriz cuadrada
La instrucci
on poly(A) nos proporciona los coeficientes del polinomio caraterstico (pA () =
det(I A)) de una matriz cuadrada A.
>>M=[4 6 -2 ;2 4 10;-12 4 -3]
M =
4
6
-2
2
4
10
-12
4
-3
>>pcM=poly(M)
pcM =
1.0e+03 *
0.0010
-0.0050
>>pcM=rats(poly(M))
pcM =
1
-5
2
-0.0840
-84
1.0040
1004
La dimesi
on del vector fila ser
a mayor en una unidad que el grado del polinomio.
48
Luego el polinomio caracterstico de M es

pC () = 3 52 84 + 1004
y podemos observar que el determinante de M es, salvo signo, el termino independiente del
polinomio caraterstico de M y que el coeficiente de 2 , salvo signo, nos lo proporciona la
traza de M .
>>det(M)
ans =
-1004
>>trace(M)
ans =
5
4.3.2
Operaciones con polinomios
Puesto que los polinomios se recogen en vectores filas, la suma y diferencia de dos polinomios
se realiza con las operaciones suma y diferencia (+ y ) de matrices. Pero, tengase en cuenta
que para sumar o restar matrices estas deben tener la misma dimensi
on y por consiguiente,
podemos realizar suma o diferencia de polinomios, siempre y cuando, estos tengan el mismo
grado. Por ejemplo si p(x) = 3x3 + 2x2 x + 1 y q(x) = 7x3 + 3x2 + 2x 15 la suma y
diferencia de ambos se realiza como sigue:
>>p=[3 2 -1 1],q=[-7 3 2 -15]
p =
3
2
-1
1
q =
-7
3
2
-15
>>s=p+q
s =
-4
5
1
-14
>>d=p-q
d =
10
-1
-3
16
En cambio si q(x) = 3x2 + 2x 15 la suma de ambos polinomios no puede realizarse de
forma tan simple:
>>q=[3 2 -15]
q =
3
2
-15
>>p+q
??? Error using ==> +
Matrix dimensions must agree.
49
El lector debera pensar una estrategia que permita sumar o restar polinomios de grados
diferentes. La multiplicacion y divisi
on de los polinomios p y q se llevan a cabo con las
funciones conv(p,q) y [c,r]=deconv(p,q). Para la funci
on deconv se entiende que en c
se guarda el cociente de la divisi
on de p entre q y en r el resto de la misma.
>>p=[1 -2 1],q=[1 -1 1]
p =
1
-2
1
q =
1
-1
1
>>conv(p,q)
ans =
1
-3
4
-3
Por el c
alculo anterior se obtiene que
(x2 2x + 1)(x2 x + 1) = x4 3x3 + 4x2 3x + 1
El cociente y el resto de la divisi
on
>>p=[1
-2
-1
p =
1
-2
-1
>>q=[1 -2 1]
q =
1
-2
1
>>[c,r]=deconv(p,q)
c =
1
0
-2
r =
0
0
0
x5 2x4 x3 + 7x2 6x + 2
se calculan mediante:
x2 2x + 1
-6
2]
-6
-1
3
0
Es decir, c(x) = x3 2x + 3 y r(x) = 2x 1. Compruebese.

Incluimos en esta secci
on una funcion que nos parece bastante interesante. Se trata de
la funci
on residue que nos proporciona, a grandes rasgos, la descomposici
on en fracciones
simples de una funci
on racional cuyo denominador posee races reales simples. De esta forma,
la instrucci
on [a,r,k]=residue(p,q) obtiene la descomposici
on
a1
an
P (x)
=
+ +
+ k(x)
Q(x)
x r1
x rn
y almacena las constantes ai en el vector a, las races ri en el vector r y el polinomio k(x) en
el vector fila k.
2
Por ejemplo, la descomposici
on en fraciones simples de x2x1 viene dada por:
50
>>[a,r,k]=residue([1 0 0],[1 0 -1])

a =
-0.5000
0.5000
r =
-1
1
k =
1
Es decir,
0.5
0.5
x2
+
+1
=
x2 1
x+1 x1
La funcion residue act
ua en MATLAB como su propia inversa, pues si se utiliza con
tres argumentos de entrada y dos de salida, es decir, de la forma [p,q]=residue(a,r,k),
nos proporciona la funcion racional que tiene como descomposici
on en fracciones simples los
vectores a, r y k.
>>[p,q]=residue(a,r,k)
p =
1.0000
0
q =
1
0
-1
4.3.3
Races de polinomios
Si el polinomio p(x) ha sido introducido en un vector p de la forma descrita anteriormente,

las races (complejas) de p(x) pueden ser calculadas con la orden roots(p). Las races de p,
que pueden estar repetidas, se almacenar
an en un vector columna.
Por ejemplo, las soluciones de la ecuaci
on x2 1 = 0 se obtiene f
acilmente:
>>p=[1 0 -1]
p =
1
0
>>rp=roots(p)
rp =
-1
1
-1
Si el polinomio posee races complejas MATLAB tambien nos las proporciona. Las races
de q(x) = x3 2x2 + x 2 son:

>>q=[1 -2 1 -2]
q =
1
-2
1
>>rq=roots(q)
rq =
2.0000
-0.0000 + 1.0000i
-0.0000 - 1.0000i
51
-2
Podemos evaluar el valor de un polinomio p en un cierto punto x R con la ayuda de la

funcion polyval(p,x). De esta forma, por ejemplo, podemos comprobar que p y q se anulan
(salvo errores de redondeo) en las componentes de rp y rq, respectivamente:
>>polyval(p,rp(1)),polyval(p,rp(2))
ans =
0
ans =
0
>>polyval(q,rq(1)),polyval(q,rq(2)),polyval(q,rq(3))
ans =
-6.6613e-15
ans =
0+ 2.2204e-16i
ans =
0- 2.2204e-16i
Puede tambien evaluarse el valor del polinomio en una serie de puntos, sin m
as que
introducir estos puntos en un vector x y teclear la orden anterior. Los valores de r(x) =
x2 x + 1 para x = 1, x = sqrt(2) y x = 1/2 son
>>r=[1 -1 1]
r =
1
-1
1
>>x=[1 sqrt(2) -1/2]
x =
1.0000
1.4142
>>polyval(r,x)
ans =
1.0000
1.5858
-0.5000
1.7500
El algoritmo que MATLAB utiliza para calcular las races de un polinomio esta basado
en la funci
on compan(p) que determina la matriz compa
nera del polinomio p; esto es, la
52
matriz cuyo polinomio caracterstico es, salvo constante multiplicativa, el polinomio dado.
Por ejemplo, la matriz compa
nera del polinomio p(x) = 2x2 2x + 4 es:
>>p=[2 -2 4]
p =
2
-2
>>A=compan(p)
A =
1
-2
1
0
y su polinomio caracterstico es proporcional a p:

>>pA=poly(A)
pA =
1
-1
Una vez que MATLAB obtine la matriz compa

nera de un polinomio p, con ayuda de
la funcion eig, calcula los autovalores de la misma, que, coinciden, naturalmente, con las
races de p.
>>roots(p)
ans =
0.5000 +
0.5000 >>eig(A)
ans =
0.5000 +
0.5000 -
4.3.4
1.3229i
1.3229i
1.3229i
1.3229i
Aproximaci
on por polinomios en el sentido de los mnimos cuadrados
Dados dos vectores x e y, de la misma dimension, la instrucci

on polyfit(x,y,n) calcula el (o
un) polinomio de grado n que mejor se aproxima (en el sentido de los minimos cuadrados)
a los pares de puntos (x(i), y(i)). En particular, si x e y son vectores de n + 1 componentes
(con todas las componentes de x distintas) la orden anterior nos proporciona el polinomio
que interpola los valores (xi , yi ), i = 1, . . . , n + 1.
Vamos a aplicar la funci
on polyfita la resoluci
on del siguiente problema:
En un experimento para determinar la capacidad de orientaci
on se coloca a un
individuo en una habitaci
on especial y despues de un cierto tiempo en ella se le
pide que encuentre el camino de salida de un laberinto. Se obtienen los siguientes
resultados:

Tiempo en la habitacion (horas):
Tiempo en salir del laberinto (minutos):
53
1
0.8
2
2.1
3
2.6
4
3
5
3.1
6
3.3
Se pide:
1. Encontrar la recta que mejor aproxime a los datos anteriores.
2. Con la recta obtenida, estimar el tiempo que tardara en salir del laberinto una persona
que ha permanecido en la habitacion 10 horas.
Puesto que nos piden una recta debemos encontrar el polinomio de grado uno que mejor
aproxime a los punto de la tabla anterior:
>>x=1:6
x =
1
2
3
4
5
>>y=[0.8 2.1 2.6 3 3.1 3.3]
y =
0.8000
2.1000
2.6000
>>recta=polyfit(x,y,1)
recta =
0.4543
0.8933
>>rats(recta)
ans =
159/350
67/75
3.0000
3.1000
3.3000
Luego la recta que mejor aproxima, en el sentido de los mnimos cuadrados, viene dada
por la ecuaci
on y = 159/350x + 67/75 y el tiempo estimado para salir del laberinto despues
de diez horas en la habitaci
on se obtiene como sigue:
>>estimado=polyval(recta,10)
estimado =
5.4362
Es decir, el tiempo estimado para salir del laberinto es 5.4362 minutos.
Una nueva estimaci
on se puede obtener calculando el polinomio de interpolaci
on de los
puntos (xi , yi ) para i = 1, . . . , 6. Esto se consigue con la siguientes instrucciones:
>>poliinterp=polyfit(x,y,5)
poliinterp =
0.0125
-0.2250
1.5542
-5.2250
9.0833
>>rats(poliinterp)
ans =
1/80
-9/40
373/240
-209/40
-4.4000
109/12
-22/5
54
Aproximacion por minimos cuadrados
Tiempo en el laberinto
6
5
4
3
2
1
0
1
5
6
7
Tiempo en la habitacion
10
Figura 4.1: Recta de regresi

on
>>estimado2=polyval(poliinterp,10)
estimado2 =
118.1000
Es decir, el polinomio de interpolaci
on tiene por ecuacion y = 1/80x5 9/40x4 +373/240x3
209/40x2 +109/12x22/5 y el tiempo estimado son 118.1 minutos3 . La recta de mejor aproximacion puede contemplarse en la siguiente figura, que ha sido realizada con MATLAB. (En
el captulo dedicado a las posibilidades gr
aficas aprenderemos a generarla).
4.3.5
La orden polyvalm y semejantes
En la subseccion anterior hemos visto como MATLAB puede propocionarnos el valor de

un polinomio p en una cierta colecci
on de puntos gracias a la funci
on polyval. Pues bien
n
n1
+ + c1 x + c0 , el valor de p en la matriz A, i.e., p(A) =
si p(x) = cn x + cn1 x
n
n1
+ + c1 A + c0 puede obtenerse con la funcion polyvalm(p,A).
cn A + cn1 A
>>p=[1 2 -1]
p =
1
2
>>A=[1 2;-1 1]
A =
1
2
-1
1
3
-1
Observese la diferencia tan enorme entre las dos estimaciones.
55
>>polyvalm(p,A)
ans =
0
8
-4
0
Se puede as comprobar el Teorema de Cayley-Hamilton que afirma que el polinomio
caracterstico de una matriz se anula en dicha matriz. (Tengase en cuenta los errores de
redondeo).
>>pcA=poly(A)
pcA =
1.0000
-2.0000
>>polyvalm(pcA,A)
ans =
1.0e-15 *
0.4441
0
0
0.4441
3.0000
La orden polyvalm nos permite evaluar un polinomio matricialmente, pero no s

olo
podemos evaluar polinomios matricialmente, sino que otras funciones elementales pueden
ser evaluadas de forma matricial. As por ejemplo, MATLAB posee las funciones expm,
logm y sqrtm que determinan la exponencial matricial, el logaritmo matricial y la raz
cuadrada matricial, respectivamente.
>>expoA=expm(A)
expoA =
0.4239
3.7972
-1.8986
0.4239
>>raizA=sqrtm(A)
raizA =
1.1688 + 0.0000i
-0.4278 + 0.0000i
>>logaritA=logm(A)
logaritA =
0.5493 - 0.0000i
-0.6755 + 0.0000i
0.8556 + 0.0000i
1.1688 - 0.0000i
1.3510 + 0.0000i
0.5493 - 0.0000i
N
otese que, salvo errores de redondeo, sqrtm(A)*sqrt(A)=A y logm(expm(A))=A.
>>logariteA=logm(expoA)
logariteA =
1.0000
2.0000 - 0.0000i
-1.0000 - 0.0000i
1.0000 + 0.0000i
>>raizA*raizA
56
ans =
1.0000 + 0.0000i
-1.0000 + 0.0000i
2.0000 + 0.0000i
1.0000 - 0.0000i
No solo las anteriores funciones pueden ser evaluadas matricialmente, sino que cualquier
funcion elemental puede ser evaluada en una matriz. Esto se consigue con la ayuda de la
funcion de MATLAB funm(A,funci
on) que determina el valor de funci
on en la matriz
A. Por el ejemplo, sen(A) es:
>>sA=funm(A,sin)
sA =
1.8329 + 0.0000i
-0.7393 - 0.0000i
1.4786 - 0.0000i
1.8329 - 0.0000i
Captulo 5
Posibilidades gr
aficas
A continuacion detallamos algunas de las posibilidades de representaci
on gr
afica que nos
ofrece MATLAB. Como siempre recomendamos una viva lectura del manual para una visi
on
mas extensa de las posibilidades de visualizaci
on gr
afica.
5.1
Gr
aficos en el plano
5.1.1
Poligonales y curvas
La curva m
as simple que podemos dibujar es una poligonal. Para ello, basta introducir un
vector M y teclear plot(M); esto produce la representaci
on de la poligonal que une los
puntos (i, M (i)), i = 1, . . . , max(size(M )). La figura 5.1 recoge esta poligonal.
>> M=[2 4 6 -2 0];
>> plot(M)
Podemos poner un ttulo a la grafica y etiquetas a los ejes mediante las instrucciones:
>> title(POLIGONAL)
>> xlabel(eje de abcisa)
>> ylabel(eje de ordenada)
Para obtener un mallado del gr
afico tecleamos
>> grid
De manera an
aloga, si introducimos dos vectores x e y, de la misma dimensi
on, la instrucci
on plot(x,y) nos proporcionar
a la gr
afica que se obtiene al unir los puntos (x(i),y(i)).
En la figura 5.2 representamos la curva y = x2 para x [3, 4] con este procedimiento.
>>
>>
>>
>>
x=-3:.1:4;
px=x.^2-1;
plot(x,px),title(PARABOLA),gtext(Figura 5.2)
grid
57

CAPITULO 5. POSIBILIDADES GRAFICAS
58
POLIGONAL
6
5
eje de ordenada
4
3
2
1
0
-1
-2
1.5
2.5
3
eje de abcsisa
3.5
4.5
Figura 5.1: Una poligonal
PARABOLA
16
14
12
10
Figura 5.2
8
6
4
2
0
-2
-3
-2
-1
Figura 5.2: Una parabola

5.1. GRAFICOS
EN EL PLANO
59
PARBOLA
3
2.5
2
1.5
1
0.5
0
-0.5
-1
-2
-1.5
-1
-0.5
0.5
1.5
Figura 5.3: Cambio en los ejes
La orden gtext(texto) permite situar el texto entre comillas en cualquier punto de

un grafico bidimensional, pues tecleando gtext(texto) despues de realizar un gr
afico nos
aparecer
a este en pantalla y el vector puntero de nuestro raton. Seguidamente situamos el
puntero donde queramos poner el texto y pulsamos, por u
ltimo, el boton del raton para
disponer el texto en el lugar elegido.
Para modificar la escala de los ejes en los que se representa el gr
afico (bidimensional)
podemos utilizar axis([xmin xmax ymin ymax]) para definir los intervalos [xmin,xmax] y
[ymin,ymax] donde se mueven los valores de x e y respectivamente. As, las instrucciones
>>plot(x,px),title(PARABOLA),grid
>>axis([-2 2 -1 3])
producen un cambio de escala en la figura 5.2 (ver figura 5.3). Para anular el efecto de esta
orden (i.e., el cambio de escala) y volver a la escala por defecto tecleamos axis.
MATLAB permite, mediante la orden plot(x,y,simb), elegir el tipo de lnea y el color
al representar una curva. En este caso, simb se trata de una cadena de uno o varios caracteres
que determinan el tipo de lnea y/o el color elegidos.
Tambien podemos dibujar simultaneamente varias curvas con una instruccion de la forma
plot(x1,y1,simb1,x2,y2,simb2,...,xN,yN,simbN)
que mostrara en pantalla todas las curvas (xI,yI) (con la opci
on simbI) en u
nico gr
afico.
En la figura 5.4 se ilustra el uso conjunto de estas dos u
ltimas posibilidades.

60
DISTINTOS TIPOS DE LINEAS
3
2.5
2
1.5
1
0.5
0
-0.5
-1
-2
-1.5
-1
-0.5
0.5
1.5
Figura 5.4: Distintos tipos de lnea
>>
>>
>>
>>
>>
>>
>>
t=-8:.2:8;
Y1=sin(t);
Y2=cos(t);
r=1/16*t+1/2;
plot(x,px,*,t,Y1,-.,t,Y2,o,t,r,:)
axis([-2 2 -1 3])
title(DISTINTOS TIPOS DE LINEA)
5.1.2
Curvas en polares
Para dibujar una curva dada en coordenadas polares disponemos del comando polar(t,r)
donde t representa el argumento y r el radio (m
odulo). Como ejemplo, en la figura 5.5 se
representa una espiral logartmica:
>>
>>
>>
>>
th=0:.08:100;
R=exp(0.1*th);
polar(th,R)
title(ESPIRAL LOGARITMICA)
Para obtener una representaci

on sin el sistema de referencia procederemos como se indica
a continuacion:
>> clf
>> axis off

5.1. GRAFICOS
EN EL PLANO
120
61
ESPIRAL LOGARITMICA
90
2.5e+004
2e+004
60
1.5e+004
150
30
1e+004
5000
180
210
330
240
300
270
Figura 5.5: Espiral logartmica
>>
>>
>>
>>
hold on
polar(th,R)
title(ESPIRAL LOGARITMICA)
hold off
La orden clf limpia la pantalla gr

afica. El comando axis o desactiva los ejes del
grafico que nos disponemos a realizar. La orden hold on hace que se superpongan en dicha
ventana todos los gr
aficos que se dibujen a continuacion. La orden hol o anula hold
on. La utlizacion de estas dos ordenes reviste interes, adem
as de en este caso concreto, en
aquellos casos en los que interese visualizar simult
aneamente distintas gr
aficas en una misma
figura.
5.1.3
Curvas en param
etricas
El siguiente ejemplo ilustra la representaci

on de una curva dada mediante sus ecuaciones
parametricas.
>>
>>
>>
>>
>>
>>
>>
t=0:.1:2*pi;
x=5*cos(t)-cos(5*t);
y=5*sin(t)-sin(5*t);
plot(x,y)
grid
title(EPICICLOIDE)
axis(square)

62
ESPIRAL LOGARITMICA
Figura 5.6: Espiral sin ejes
EPICICLOIDE
-2
-4
-6
-6
-4
-2
Figura 5.7: Curva en parametricas
5.2. CURVAS EN EL ESPACIO Y SUPERFICIES
63
60
50
40
30
20
10
0
-4
-3
-2
-1
Figura 5.8: Diagrama de barras
5.1.4
Histogramas y diagramas de barras
En esta brevsima secci

on estudiaremos dos formas m
as de representacion bidimensional: las
ordenes bar(x,y) y stairs(x,y) que producen diagramas de barras de distintos tipos. Ver
figuras 5.8 y 5.9:
>> x=-2:.2:4;
>> y=exp(x);
>>bar(x,y)
>> stairs(x,y)
5.2
5.2.1
Curvas en el espacio y superficies

Curvas en param
etricas
La representaci
on de una curva en el espacio dada mediante sus ecuaciones parametricas se
hace de modo similar al caso plano. Se utiliza la orden plot3
>> t = 0:pi/50:10*pi;
>> plot3(sin(t),cos(t),t);
>>title(HELICE)

64
60
50
40
30
20
10
0
-2
-1
Figura 5.9: Escalera
HELICE
35
30
25
20
15
10
5
0
1
0.5
1
0.5
-0.5
-1
-0.5
-1
Figura 5.10: Curva en el espacio
65
EL SOMBRERO
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
10
Superficie
10
5
-5
-10
-5
-10
Figura 5.11: Una curiosa superficie
5.2.2
Superficies
Para representar una funcion Z = f (x, y) procedemos como sigue:

1. Definimos el dominio en que se mueven las variables x e y, mediante
[x,y]=meshgrid(valores de x,valores de y)
2. Expresamos z como funcion de x e y.
3. Dibujamos la superficie mediante la opci
on mesh(x,y,z) o mesh(z). Con la primera
orden se tienen en cuenta los intervalos definidos para las variables independientes, pero
con las segunda no.
La figura 5.11 muestra el siguiente ejemplo:
>>
>>
>>
>>
[x,y]=meshgrid(-8:.5:8,-8:.5:8);
R=sqrt(x.^2+y.^2)+eps;
z=sin(R)./R;
mesh(x,y,z),title(EL SOMBRERO),text(-2.6,-10,-0.15,Superficie)
Si escribimos meshgrid(x) equivale a introducir meshgrid(x,x), con intervalos iguales

para las dos variables independientes
La orden text(x,y,z,texto) situa el texto en el punto de coordenadas (x, y, z)1 . Si
queremos observar esta superficie desde otros puntos de vista no tenemos mas que elegir los
1
Tambien exite la orden text(x,y,texto) para gr

aficos bidimensionales

66
ngulos de giro en horizontal y vertical que queremos aplicar a la figura. Conseguimos la

a
figura girada tecleando, a continuacion de mesh(x,y,z), la orden view(al,el), siendo al
y el los angulos elegidos.
La pantalla gr
afica puede ser dividida en varios trozos en los que se pueden realizar
distintos graficos. Esto se consigue mediante una instrucci
on del tipo subplot(ijk) seguida
de una orden de dibujo: la pantalla gr
afica quedara dividida en i j trozos y nuestro dibujo
aparecer
a en el k-esimo.
La figura 5.12 combina las ordenes view y subplot:
>>
>>
>>
>>
subplot(221),mesh(x,y,z),view(45,0)
subplot(222),mesh(x,y,z),view(45,-25)
5.2.3
Curvas de nivel y vector gradiente
MATLAB permite dibujar las lneas de contorno de una superficie, las curvas de nivel y
vectores gradiente.Esto se ilustra en los siguientes ejemplos:
2
2
En primer lugar dibujamos en la figura 5.13 la superficie de ecuaci
on z = xex y ,
utilizando mesh(x,y,z)
>>[x,y] = meshgrid(-2:.1:2);
>> z = x .* exp(-x.^2 - y.^2);
>> mesh(x,y,z)
>>title(SUPERFICIE)
Para obtener las lneas de contorno escribiremos contour3(x,y,z)
>> contour3(x,y,z)
>> title(Lineas de contorno)
Para obtener las curvas de nivel contour(x,y,z)
>> contour(x,y,z)
>> title(Curvas de nivel)
Si quisieramos identificar las curvas de nivel deberamos utilizar la orden clabel. Para
ilustrarlo considerar el siguiente ejemplo:
>> cs=contour(x,y,z);clabel(cs)
>> title(Curvas de nivel)
Para obtener la gr
afica simult
anea de la superficie y de las curvas de nivel utilizaremos
meshc(x,y,z)
67
1
1
0.5
0.5
0
-0.5
-10
-0.5
-10
-10
10
10
1
0
-1
-10
10
0
10 -10
1
0
-1
-10
10
10
0
10 -10
Figura 5.12: Distintos tipos de vista
0
10 -10

68
SUPERFICIE
0.5
-0.5
2
1
2
1
-1
-2
-1
-2
2 y 2
Figura 5.13: z = ex
Lineas de contorno
0.4
0.2
0
-0.2
-0.4
2
1
2
1
-1
-2
-1
-2
Figura 5.14: Representaci

on realizada con contour3
69
Curvas de nivel
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2
-1.5
-1
-0.5
0.5
1.5
Figura 5.15: Utilizaci

on del comando contour
Curvas de nivel
2
1.5
1
-0.1
0.3
0.5
-0.3
-0.4
0.4
0
-0.5
0.2
-0.2
-1
0.1
-1.5
-2
-2
0
-1.5
-1
-0.5
0.5
1.5
Figura 5.16: Con clabel se etiquetan las curvas nivel

70
Superficie y curvas de nivel
0.5
-0.5
2
1
2
1
-1
-2
-1
-2
Figura 5.17: Gr
afica realizada con meshc
>> meshc(x,y,z)
>> title(Superficie y curvas de nivel)
Si queremos visualizar las curvas de nivel y los vectores gradiente utilizaremos las ordenes
gradient y quiver. Esta u
ltima orden visualiza un vector cuyas componentes vienen dadas
por gradient
>>
>>
>>
>>
>>
>>
[x,y] = meshgrid(-2:.1:2);
z = x .* exp(-x.^2 - y.^2);
[px,py] = gradient(z,.1,.1);
contour(x,y,z);
hold on, quiver(x,y,px,py), hold off
title(Curvas de nivel y gradiente)
En el siguiente ejemplo se dibujan las curvas de nivel identific

andolas con la opci
on manual de la orden clabel. Utilizando dicha opci
on nos situamos en la vantana grafica y
pulsamos el rat
on encima de la curva que deseemos, seguidamente aparecera junto a ella el
n
umero que le corresponda.
>>[x,y] = meshgrid(-2:.1:2);
>> z = x .* exp(-x.^2 - y.^2);
>> [px,py] = gradient(z,.1,.1);
>> cs=contour(x,y,z);clabel(cs,manual);
71
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2
-1.5
-1
-0.5
0.5
1.5
Figura 5.18: Utilizaci

on de quiver
>> hold on, quiver(x,y,px,py), hold off

>>title(Curvas de nivel y gradiente)
Para graficos tridimensionales las utilizacion de axis es similar al caso bidimensional.
Para trabajar con distintas figuras simult
aneamente, en distintas ventanas, se utilizar
a la
orden figure(n).

72
2
1.5
0.1
-0.1
1
0.2
0.3
0.5
-0.2
-0.4
0.4
-0.3
-0.5
-1
-1.5
-2
-2
-1.5
-1
-0.5
0.5
1.5
Figura 5.19: El comando clabel con la opci

on manual
Captulo 6
Funciones y programas en Matlab.

MFicheros
6.1
Instrucciones en Matlab: input, if, error, while, break,

pause, for . . .
En este apartado exponemos el manejo de ficheros y funciones dentro de una sesi

on de
MATLAB. Esta caracterstica es particularmente interesante, ya que nos permitira definir
an ser utilizadas posteriormente del mismo modo que aquellas de
nuevas funciones: que podr
an
que disponemos en MATLAB; y crear lo que podemos llamar programas, que se ejecutar
dentro de una sesion.
Los ficheros que podemos editar para su utilizaci
on desde MATLAB ser
an ficheros de
texto en ASCII, creados por un editor que queda a nuestra elecci
on. La extensi
on de estos
ficheros ser
a .m.
Como hemos advertido los ficheros.m (o Mficheros) pueden crearse con dos finalidades:
1. Para crear ficheros de escritura o programas.
2. Para definir funciones por parte del usuario.
Los ficheros de escritura o programas son ficheros del tipo nombre.m que contienen una
sucesion de instrucciones de MATLAB. Al teclear dentro de una sesion el nombre del fichero
se produce la ejecuci
on secuencial de todas las instrucciones en el contenidas. Estos archivos
pueden ser utilizados de dos formas:
Como ficheros de datos.
Como programas.
Por ejemplo, si el Mfichero matrices.m contiene
73
CAPITULO 6. FUNCIONES Y PROGRAMAS EN MATLAB. MFICHEROS
74
A=[2 4 -5;8 -.07 1];

B=[2 -3;0 4]
al teclear
>>matrices
obtenemos
B =
2
0
-3
4
La matriz A no aparece en pantalla debido al ; sin embargo, a partir de este momento, las
matrices A y B podran ser utilizadas en la sesi
on como si hubieran sido definidas de manera
explcita. Naturalmente, esto resulta interesante, entre otras cosas, si vamos a trabajar con
una matriz suficientemente grande en distintas sesiones de MATLAB.
Al disponer MATLAB de instrucciones del tipo IF, WHILE y FOR (an
alogas a las que
podemos encontrar en lenguajes de programacion como FORTRAN o PASCAL) si un M
fichero nombre.m contiene una sucesion de instrucciones de este tipo que describen una
cierta tarea, al teclear dentro de una sesi
on el nombre del fichero, dichas instrucciones se
ejecutar
an secuencialmente dando un resultado similar a la ejecuci
on de un programa por un
interprete.
Antes de continuar describiremos las instrucciones if, while y for anteriormente
mencionadas y algunas otras que resultan u
tiles en este contexto. Para ello comentaremos,
dentro de un ejemplo concreto, el uso y posibilidades de estas ordenes.
El fichero bg.m contiene:
%BG: Metodo de biseccon o dicotomia.
% El programa BG resuelve la ecuacion g(x)=0 (para una funcion
% g que debe estar definida en un archivo.m) por el metodo
% de dicotomia (o biseccion).
gc=0;
c=0;
disp(Deme el extremo inferior del intervalo)
a=input(a= );
disp(Deme el extremo superior del intervalo)
b=input(b= );
if b<=a
error(Intervalo degenerado)
end
disp(Introduzca el nombre del archivo donde se encuentra la funcion)
g=input(nombre de funcion= ,s);
6.1. INSTRUCCIONES EN MATLAB: INPUT, IF, ERROR, WHILE, BREAK, PAUSE, FOR . . .
disp(Deme el valor del test de parada)
ep=input(ep= );
if ep<=0
error(El test de parada debe ser >0)
end
if feval(g,a)==0
solucion=a
return
end
if feval(g,b)==0
solucion=b
return
end
if feval(g,a)*feval(g,b)>0
error(El intervalo podria no contener solucion)
end
i=0;
while b-a>=ep
i=i+1;
c(i)=(a+b)/2;
gc(i)=feval(g,c(i));
if gc(i)==0
disp(La solucion se ha obtenido en uno de los puntos medios)
disp(de los subintervalos)
solucion=c(i)
return
end
if feval(g,a)*gc(i)<0
b=c(i);
else
a=c(i);
end
end
d=(a+b)/2;%Cuando hemos conseguido la tolerancia dada en ep,
%tomamos como solucion el punto medio del intervalo.
solucion=d
disp(El numero de iteraciones es:)
i
iop=menu(Desea la representacion grafica de las Aproximaciones,...
Si,No);
if iop==1
76
plot(gc)
grid
title(Representacion grafica de la aproximacion)
end
Las primeras lneas del programa bg son lneas de comentario. Si en una lnea aparece
el caracter %, todo lo que escribamos en esa lnea a continuacion del tanto por ciento ser
a
interpretado como un comentario y no se evaluara.
La lnea,
disp(Deme el extremo inferior del intervalo)
hace que el programa disponga en pantalla el texto escrito entre las comillas. (La funci
on
disp(matriz) hace que la matriz1 aparezca en pantalla).
La orden:
a=input(a= );
detiene moment
aneamente la ejecuci
on del programa, mostrando en pantalla a=, esperando
la introduccion de un dato numerico que sera asignado a la variable a. La opci
on
g=input(nombre de funcion= ,s);
detiene el programa a la espera de la introducci
on de una cadena de caracteres, que se asignar
a
a la variable g.
La instrucci
on feval(g,a) nos da el valor n
umerico de la funci
on g en el punto a. La
variable g debe contener, como cadenas de caracteres, el nombre del fichero que contiene
la definicion de la funcion que deseamos aplicar sobre a. Por ejemplo, sen(1/2) y log(1)
se pueden obtener con ayuda de la funcion feval como sigue:
>>feval(sin,1/2)
ans =
0.4794
>>feval(log,-1)
ans =
0 + 3.1416i
El conjunto de instrucciones
if feval(g,a)*gc(i)<0
b=c(i);
else
a=c(i);
end
1
Recuerdese que una matriz puede estar formada por cadena de caracteres.
act
ua de la siguiente manera:
si la condici
on feval(g,a)*gc(i)<0 se satisface, entonces la variable b toma el valor c(i),
en caso contrario a tomara el valor c(i).
La estructura general de un bloque IF es la siguiente:
if condici
on1
instrucciones1
elseif condici
on2
instrucciones2
.
.
.
else instruccionesN end
y act
ua de la siguiente forma:
Si condicion1 se satisface se ejecutar
an solamente las instrucciones1, si por el contrario
se satisface condici
on2 solo las instrucciones2se ejecutaran, . . . . Si ninguna de estas
condiciones es satisfecha se ejecutar
a s
olo el bloque instruccionesN. Las condiciones que
aparecen en un bloque IF son expresiones del tipo: expresi
on1 S expresion2, donde S puede
ogicos & (y), | (o),
ser: == (igual), <, >, <=, >= y = (distinto), incluidos los operadores l
(No) y las funciones l
ogicas que se encuentran en los cuadrosresumen del u
ltimo captulo.
La orden
error(texto)
detiene definitivamente la ejecuci
on del programa mostrando un mensaje de error aclarado
por el texto incluido.
>>bg
Deme el extremo inferior del intervalo
a= 1
Deme el extremo superior del intervalo
b= -1
??? Error using ==> bg
Intervalo degenerado
Las instrucciones de tipo WHILE son f
aciles de entender. La estructura general es:
while condici
on
instrucciones
end
78
lo que provoca la ejecuci

on de las instrucciones detalladas mientras la condici
on se verifique.
En el programa bg el bloque de instrucciones WHILE es:
while b-a>=ep
i=i+1;
c(i)=(a+b)/2;
gc(i)=feval(g,c(i));
if gc(i)==0
disp(La soluci n se ha obtenido en uno de los puntos medios)
disp(de los subintervalos)
solucion=c(i)
end
if feval(g,a)*gc(i)0
b=c(i);
else
a=c(i);
end
end
La instrucci
on return detiene por completo la ejecuci
on del programa. En nuestro
ejemplo se ha utilizado para romper el programa cuando la soluci
on es trivial (i.e., algunos
de los extremos del intervalo) o se ha alcanzado la soluci
on exacta en los puntos medios de
los subintervalos.
Una vez que el flujo del programa llega a la a instrucion
iop=menu(Desea la representacion grafica de las Aproximaciones,...
Si,No);
u:
aparece en pantalla2 el siguiente men
----- Desea la representacion grafica de las Aproximaciones ----1) Si
2) No
Select a menu number:

y el programa se detiene moment
aneamente a la espera de introducir uno de los valores
de opci
on. Si introducimos el valor 1, entonces la variable iop tomara el valor 1 y la
representaci
on se llevara a cabo, debido a la inclusi
on en el programa del bloque:
2
Si utilizamos MATLAB en un entorno de ventanas aparecer

a una ventana con botones de opci
on.
if iop==1
plot(gc)
grid
title(Representacion grafica de la aproximacion)
end
Si por el contrario seleccionamos el n
umero 2, la representaci
on no se realizara.
Si se desea interrumpir por un momento el programa (por ejemplo, para comprobar
algunos datos) incluimos en el la orden pause que lo detendr
a hasta que alguna tecla
sea pulsada. Tambien disponemos de la opci
on pause(n) que lo detiene por n segundos.
Para terminar comentamos los bucles FOR. La estructura de uno de estos bucles es:
for expresi
on
instrucciones
end
Por ejemplo, usando FOR podemos crear una matriz triangular inferior mediante dos
bucles anidados:
>> for i=1:4
for j=1:1:i
A(i,j)=1;
end
end
>> A
A =
1
0
1
1
1
1
1
1
0
0
1
1
0
0
0
1
Por u
ltimo, se
nalamos que los programas en MATLAB, como el programa bg, no
poseen variables internas al mismo. Esto es, cualquier variable definida en el programa pasa,
automaticamente, a formar parte de las variables del espacio de trabajo. Por consiguiente, si
en una sesion definimos la variable a como:
>>a=[1 2;2 4]
a =
1
2
2
4
y seguidamente calculamos la soluci
on de log x = 0 en [1/2, 3] con la ayuda de bg:
80
>>bg
Deme el extremo inferior del intervalo
a= 1/2
Deme el extremo superior del intervalo
b= 3
Introduzca el nombre del archivo donde se encuentra la funcion
nombre de funcion= log
Deme el valor del test de parada
ep= 0.00001
solucion =
1.0000
El numero de iteraciones es:
i =
18
----- Desea la representacion grafica de las Aproximaciones ----1) Si
2) No
Select a menu number: 2

aclaramos que, sin darnos cuenta, hemos perdido la matriz a, pues en nuestro programa esta
variable va tomando los valores del extremo inferior de los subintervalos que se generan en el
metodo de biseccion:
>>format long
>>a
a =
0.99999237060547
Si las variables definidas en una programa pasan a formar parte del espacio de trabajo,
una vez que el programa se ha ejecutado completamente tenemos la capacidad de obtener los
valores de algunas variables definidas en el. Por ejemplo, podemos saber cual es el valor de
c(9) en el programa bg:
>>c(9)
ans =
1.0029
DE FUNCIONES
6.2. DEFINICION
6.2
81
Definici
on de funciones
Podemos utilizar Mficheros para definir nuevas funciones no incorporadas al conjunto de

funciones MATLAB.
Si queremos definir una funcion fun(x1,...,xN)=[y1,...,yM] con N matrices como argumentos de entrada y M matrices como argumentos de salida crearemos un Mfichero de nombre
fun.m (es esencial la correspondencia entre el nombre de la funci
on y el del fichero) cuya
primera lnea debe ser
function [y1,...,yM]=fun(x1,...,xN)
y las restantes contendr
an la propia definici
on de la funci
on fun(x1,...,xN).
Por ejemplo, si el fichero house.m contiene:
%HOUSE: Matriz de Householder
% La funcion house(x) calcula la matriz de Householder
% asociada al vector columna x (si x=0 se toma la identidad)
function y=house(x)
[m,n]=size(x);
if any(x)==0,y=eye(m);return,end
I=eye(m);
N=x*x;
y=I+(-2/N)*(x*x);
y dentro de una sesion MATLAB introducimos un vector columna v y tecleamos H=house(v)
la variable H tomara como valor la matriz de Householder asociada al vector v, es decir,
t
H = I 2 xx
xt x
>> v=[1 4 -7 0];
>> H=house(v)
H =
0.9697
-0.1212
-0.1212
0.5152
0.2121
0.8485
0
0
0.2121
0.8485
-0.4848
0
0
0
0
1.0000
Notese que N es una variable interna de la funci

on house que no pasara a formar de
nuestro espacio de trabajo. Vease
>>N
??? Undefined function or variable.
Symbol in question ==> N
82
Las primeras lneas de comentario definidas en el fichero house.m nos informan del
cometido de la funcion house(x). As, con ayuda de la orden help podemos obtener
informaci
on de la funci
on house.
>>help house
La funcion house(x) calcula la matriz de Householder
asociada al vector columna x (si x=0 se toma la identidad)
La primera lnea de comentario se denomina lnea H1. La orden lookfor palabra realiza
una busqueda de palabra en la lnea H1 de todas las funciones contenidas en la ruta de acceso
de MATLAB. Para que lookfor realice una busqueda en el conjunto de las primeras lneas
de comentario basta teclear la orden lookfor palabra -all.
Para acabar este captulo recordamos que algunas funciones de MATLAB pueden ser
ejecutadas con distintos argumentos de entrada y distintos argumentos de salida y que esta
caracterstica estaba ntimamente ligada con las variables nargin (n
umero de argumentos de
entrada) y nargout (n
umero de argumentos de salida). Pues bien, como no poda ser menos,
cualquier funci
on creada por el usuario puede poseer esta caracterstica si as lo explicitamos
en la definici
on de nuestra funcion. Para ver esto nos creamos la funcion numero que nos
daran el n
umero de argumentos de entrada y el n
umero de argumentos de salida cuando
realizamos una llamada a la funcion numero.
El fichero numero.m contiene:
function [y1,y2,y3,y4,y5,y6,y7,y8,y9,y10]=numero(x1,x2,x3,x4,x5,...
x6,x7,x8,x9,x10)
%NUMERO: Numero de argumentos de entrada y salida
%Esta funcion nos proporciona el numero de argumentos de entrada
%y salida. Como maximo podemos dar diez argumentos de entrada y diez
%de salida.
y1=nargin;
y2=nargout;
De esta forma si teclamos
>>[a,b,c,d]=numero(1,2,[1 2],sqrt(1),4)
las variables a y b contendran el n
umero de argumentos de entrada y de salida, respectivamente, en la llamada a la funcion numero. Vease
a =
5
b =
4
c =
DE FUNCIONES
6.2. DEFINICION
83
[]
d =
[]
Observamos as que cuando realizamos la llamada a una funcion MATLAB, autom
aticamente
se determinan el n
umero de argumentos de entrada y el n
umero de argumentos de salida de
la llamada efectuada.
Por ejemplo, podemos crearnos una funcion que con dos argumentos de entrada nos
proporcione la suma de ambos y que con tres argumentos de entrada nos de el producto de
esos tres n
umeros. Llamamos a esta funci
on sumpro y est
a definida como:
function y=sumpro(x1,x2,x3)
%SUMPRO: Suma o producto
%La funcion sumpro nos proporciona la suma de dos numeros si
%introducimos dos argumentos de entrada y el produto de tres
%numeros, si son tres los argumentos de entrada.
na=nargin;
if na==1,
error(No hay bastantes argumentos de entrada)
elseif na==2
y=sum([x1 x2]);
else
y=prod([x1 x2 x3]);
end
Se pueden presentar las siguientes situaciones:
>>sumpro(2)
??? Error using ==> sumpro
No hay bastantes argumentos de entrada
>>sumpro(1,2)
ans =
3
>>sumpro(1,2,5)
ans =
10
>>sumpro(1,2,3,4)
??? Error using ==> sumpro
Too many input arguments.
Captulo 7
Aspectos de an
alisis num
erico
En esta seccion comentaremos, de forma breve, como Matlab puede ser utilizado para resolver los problemas que con mas frecuencia se pueden encontrar en el campo del An
alisis
Numerico: sistemas de ecuaciones (no lineales), integraci
on, optimizacion y ecuaciones diferenciales.
Solo vamos a comentar las versiones b
asicas de estas ordenes, que poseen numerosas
variantes. Como siempre recomendamos una lectura a fondo del manual.
7.1
Resoluci
on de Ecuaciones y Sistemas no Lineales
1. Ecuaciones:
Imaginemos que queremos resolver la ecuaci
on g(x) = 0 y adem
as que hemos podido
averiguar que una de las soluciones de tal ecuacion esta cercana al punto x0 . Entonces,
la orden fzero(g,x0) nos proporciona la raz de g m
as pr
oxima a x0 .
Se
nalamos que la funcion g debe estar introducida en un fichero denominado g.m. Por
ejemplo, para g(x) =sen(x2 ) 3x + 1 (ver figura 7.1) se tiene:
>>format long e
>>solucion=fzero(g,0)
solucion =
3.817356369038296e-001
que nos da la soluci
on mas cercana a cero de sen(x2 ) 3x + 1 = 0
2. Sistemas:
Para resolver un sistema de ecuaciones (no lineal1 ), como por ejemplo, (ver figura 7.2)
x2 + y 2 1 = 0
xy =0
1
La orden fsolve ha pasado a formar parte del la caja de herramientas de optimizaci

on.
84
NUMERICA
7.2. INTEGRACION
85
definimos la funci
on dim2(X, Y ) = (X 2 + Y 2 1, X Y )mediante el fichero dim2.m
que contiene:
function y=dim2(p)
x=p(1);z=p(2);
y=zeros(2,1);
% Es esencial
y(1)=x2+z2-1;
y(2)=x-z;
y tecleando:
>>sol1=fsolve(dim2,[1 1])
sol1 =
7.071078431372548e-001
7.071078431372548e-001
obtenemos la solucion del sistema m
as proxima al punto del plano (1, 1). Pero observese
que la circunferencia y la recta se cortan en otro punto, opuesto al anterior:
>>sol2=fsolve(dim2,[-1 -1])
sol2 =
-7.071078431372548e-001
-7.071078431372548e-001
7.2
Integraci
on num
erica
La integral definida de la funcion g en el intervalo [a, b] puede obtenerse de forma aproximada

mediante
1. quad(g,a,b) (Regla de Simpson)
2. quad8(g,a,b) (NewtonCotes)
As, para la funci
on anterior se tiene:
>>area=quad(g,-1,0)
area =
2.810248532388182e+000
>>area=quad8(g,-1,0)
area =
2.810268301723342e+000
CAPITULO 7. ASPECTOS DE ANALISIS

NUMERICO
86
Resolucion y minimizacion
1
0
cero
-1
-2
-3
-4
-5
-6
-7
minimo
-8
0
0.5
1.5
2.5
Figura 7.1: g(x) = sen (x2 ) 3x + 1
Interseccion de una recta y una circunferencia
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1
-0.5
0.5
Figura 7.2: Interseccion de y = x con x2 + y 2 = 1
EN UNA Y VARIAS VARIABLES

7.3. OPTIMIZACION
7.3
87
Optimizaci
on en una y varias variables
Si queremos calcular el mnimo de la funcion g en el intervalo [1,2.5] tecleamos

>>format
>>min=fmin(g,1,2.5)
min =
2.3266
Esto nos ofrece el punto del intervalo [1, 2.5] donde se alcanza el mnimo de g (vease la
figura 7.1). Para funciones de varias variables disponemos de la orden fmins(f,x0) que
on 4.2c fminsse incluye
calcula el mnimo de la funci
on f m
as cercano al punto x0 .(En la versi
en el toolbox dde optimizaci
on). Por ejemplo, la funci
on
z=
4x
x2 + y 2 + 1
alcanza su valor mnimo en el punto (1, 0), donde vale 2 (ver figura 7.3). Esto puede
4x
en el archivo maximini.m y teclemos las ordenes
calcularse si definimos f (x, y) = 2
x + y2 + 1
>>mini=fmins(maximini,[0,0.5])
mini =
0.9999
0.0001
>>maximini(mini)
ans =
-2.0000
El archivo maximini.m contiene
function z=maximini(p)
x=p(1);y=p(2);
z=zeros(1,1);
z=(-4*x)./(x.^2+y.^2+1);
7.4
Resoluci
on de Ecuaciones Diferenciales Ordinarias
Describamos con un ejemplo como proceder:

Deseamos resolver el problema de Cauchy (o problema de valor inicial)
x0 = cos(t)x
x(0) = 1
en [0, 3]
Para ello se define la funcion dife(t,x) (en el archivo dife.m) que representa la ecuaci
on
diferencial

NUMERICO
88
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2
-1
-2
-1
Figura 7.3: Optimizaci

on en varias varibles
function y=dife(t,x)
y=cos(t).*x;
y tecleamos:
>>t0=0;
>>tf=3;
>>x0=1;
>>[t,x]=ode23(dife,t0,tf,x0);
As, x contiene los valores (aproximados) que toma la soluci
on sobre los puntos del intervalo que se almacenan en el vector t.
>>disp(
t
0
0.0300
0.1726
0.3151
0.4602
0.6103
0.7684
0.9380
1.1245
t
x
1.0000
1.0304
1.1874
1.3632
1.5590
1.7736
2.0033
2.2394
2.4641
x ),disp([t,x])
DE ECUACIONES DIFERENCIALES ORDINARIAS

7.4. RESOLUCION
89
2.8
2.6
2.4
2.2
2
1.8
1.6
1.4
1.2
1
0
0.5
1.5
t
2.5
Figura 7.4: Soluci

on apoximada obtenida con ode23
1.3351
1.5794
1.8706
2.1746
2.3762
2.5520
2.7285
2.8893
3.0000
2.6433
2.7169
2.5977
2.2751
1.9969
1.7415
1.4919
1.2817
1.1499
En las figuras 7.4 y 7.5 pueden contemplarse la soluci

on aproximada ofrecida por MATLAB y la soluci
on exacta, respectivamente. N
otese que la soluci
on exacta es x(t) = esent .
La funcion ode23 resuelve ecuaiones diferenciales numericamente por metodos de Runge
Kutta de segundo y tercer orden, pero podemos resolver la ecuaci
on con mas aproximacion
si utilizamos la funci
on ode45, pues de esta forma estamos utilizando metodos de Runge
Kutta de cuarto y quinto orden.
Un buen ejercicio para el lector sera representar las graficas que aparecen en este captulo
que, naturalmente, han sido realizadas con MATLAB.

NUMERICO
90
2.8
2.6
2.4
2.2
2
1.8
1.6
1.4
1.2
1
0
0.5
1.5
t
Figura 7.5: Soluci

on exacta: x(t) = e
2.5
sen t
Captulo 8
Consejos pr
acticos
En este captulo exponemos algunos de los comandos que resultan de nteres cuando nos
disponemos a trabajar con MATLAB. Ponemos en evidencia que algunas de las funciones
que recogemos en este captulo ya han sido tratadas en los anteriores, pero estamos convencidos que resultar
a beneficioso darles un ligero repaso.
8.1
Las
ordenes help, lookfor y demo
Si tecleamos help ncof, siendo ncof el nombre de un comando o funcion disponible en

MATLAB, obtendremos una breve informaci
on sobre dicho comando o funci
on. Si ncof
ha sido creado por el usuario aparecer
a en pantalla el bloque de comentarios incluido en
las primeras lneas del fichero que define la funci
on o cmando ncof. Por ejemplo, para el
programa bg, definido en el captulo 5, se obtiene
>>help bg
BG: M\UNICODE{0xe9}todo de bisecci\UNICODE{0xf3}n o dicotom\UNICODE{0xed}a
El programa BG resuelve la ecuacion g(x)=0 (para una funcion
g que debe estar definida en un archivo.m) por el metodo
de dicotomia (o biseccion).
La orden help sin argumentos nos proporciona, seg

un la version de MATLAB de la
que hagamos uso, una colecci
on de las funciones y comandos que podemos utilizar. Notese
que, si la funciones definidas por el usuario aparecen en la ruta de acceso de MATLAB,
estas tambien podran visualizar en la colecci
on anterior.
Relacionada con la orden help nos encontramos con la orden lookfor cadena que nos
proporciona una lista de la funciones MATLAB (y del usuario) relacionadas con la palabra
cadena.
91

CAPITULO 8. CONSEJOS PRACTICOS
92
Estamos convencidos que un primer contacto con MATLAB debe ser la visualizaci
on de
todas y cada una de las demostraciones que el programa posee. En ellas pueden observarse
las posibilidades y usos de MATLAB en un tiempo relativamente corto. Las demostraciones
que MATLAB nos ofrece pueden contemplarse tecleando la orden demo. Una vez tecleada
esta orden aparecer
a, dependiendo de la version utilizada, un men
u con distintas opciones;
recomendamos que se visualicen todas, la primera vez que utilizamos MATLAB.
En versiones mas actuales la orden intro nos da un breve resumen de las capacidades
de MATLAB. Tambien recomendamos se haga uso de esta orden, al menos la primera vez
que hacemos correr MATLAB.
8.2
Informaci
on sobre variables declaradas.
para guardar y salvar variables
Instrucciones
El espacio de trabajo puede controlarse con tres grupos de instrucciones:

1. Instrucciones destinadas a obtener informacion sobre las variables que estamos utilizando en la sesi
on:
who nos proporciona una todas las variables que tenemos en memoria. La
variante whos nos da informacion adicional sobre las mismas.
2. Instrucciones de control de pantalla.
clc suprime el contenido de la pantalla de comandos.
clf borra el contenido de la pantalla de graficos.
shg nos muestra el contenido actual de la pantalla grafica.
3. Instrucciones para eliminar variables, salvarlas o cargarlas de un fichero.
La orden clear v1 v2 . . . vN elimina las variables v1, v2, ..., vN del espacio de trabajo.
Podemos utilizar otras variantes de clear para dejar libre mas memoria dentro de una
sesi
on. Por ejemplo, clear elimina todas la variables que se encuentran en el espacio
de trabajo.
MATLAB permite salvar, algunas o todas las variables que estamos utilizando en
una sesion, almacen
andolas en un fichero nombre.mat, mediante el comando save
nombre, o alguna de sus variantes. Si deseamos usar las variables que previamente
hemos salvado en un fichero nombre.mat, teclearemos load nombre y las variables
que se encuentran en nombre.mat seran cargadas en el espacio de trabajo.
Tambien podemos salvar nuestras variables en archivos ASCII, para ello utilizamos
algunas de las siguientes posibilidades:
CON EL SISTEMA OPERATIVO. EL COMANDO DIARY

8.3. RELACION
93
save nombre a /ascii que guardar

a en un fichero ascii la variable a en simple
precisi
on, i.e., con 8 cifras significativas.
save nombre a /ascii /double que almacena la variable a en doble precisi
on.
De la misma forma que podemos salvar variables en un archivo ASCII, tambien podemos
cargar, en una sesion MATLAB, variables almacenadas en un archivo ASCII. Esto
podemos conseguirlo1 tecleando load nombre; as obtendremos una variable llamada
nombre con el contenido del archivo de la misma denominacion.
8.3
Relaci
on con el sistema operativo. El comando diary
Al igual que en MSDOS en MATLAB disponemos de los comandos dir, delete, type
y chdir con los mismos cometidos. En cualquier caso si tecleamos ! nos situaremos momentaneamente en el sistema operativo; de esta manera, cualquier instrucci
on que contenga
como primer caracter ! sera interpretada como una orden del sistema. As, una alternativa
a la orden de MATLAB chdir directorio es la instrucci
on !cd directorio.
La instruccion type (antes mencionada) es de gran utilidad, pues podemos contemplar
las instrucciones, en MATLAB, de algunas de sus funciones y aprender bastante sobre su
lenguaje de programacion. Por ejemplo, el n
umero de condici
on de una matriz se calcula
mediante la versi
on 3.5j de MATLAB de la siguiente forma:
>>type cond
function y = cond(x)
%COND Condition number in 2-norm. COND(X) is the
% largest singular value of X to the smallest.
ratio
% J.N. Little 11-15-85

% Revised 3-9-87 JNL
% Copyright (c) 1985, 1986, 1987 by the MathWorks, Inc.
if length(x) == 0 % Handle null matrix
y = NaN;
return
end
s = svd(x);
if any(s == 0)
% Handle singular matrix
disp(Condition is infinite)
y = Inf;
return
1
En versiones mas actuales hay que teclear load nombre /ascii
of
the
94
CAPITULO 8. CONSEJOS PRACTICOS
end
y = max(s)./min(s);
La opci
on diary nombre.m tecleada dentro de una sesion, har
a que todo cuanto aparezca en pantalla a partir de esta lnea sea almacenado en el archivo nombre.m, hasta que
anulemos este comando mediante la instrucci
on diary o.
Recordamos que para las funciones, las variables definidas en ella (i.e., internas) no pasan
a forma parte del espacio de trabajo y que lo contrario sucede para los MFicheros que se
ejecutan en forma de programas.
Por u
ltimo, invitamos al lector a investigar la utilidad del comando echo y sacarle todo
el partido posible.
Captulo 9
Resumen de los comandos y

funciones m
as utilizados
En este captulo presentamos, en forma de cuadros, un resumen de los comandos y funciones que con mas frecuencia se utilizan en MATLAB. Para la realizaci
on de los cuadros
res
umenes se ha intentando, en la medida de lo posible, seguir el ndice de materias de los
captulos anteriores. Naturalmente, se realiza una breve descripci
on del comando o funcion
en cuesti
on, que puede aumentarse con ayuda de las p
aginas anteriores, del comando help
de MATLAB o del manual. Algunos de los comandos pueden aparecer repetidos en m
as de
un cuadro.
Advertimos que algunas funciones (o comandos) de MATLAB han podido variar de unas
verisones a otras o quedarse obsoletos; recomendamos tener cerca el manual de la versi
on que
estemos utilizando.
BASICO
help
lookfor
who
whos
what
which
CtrlC
quit
exit
demo
intro
casesen
Ayuda
Busca funciones relacionadas con una palabra
Muestra las variables del espacio de trabajo
Lo mismo que who, pero con mas informacion
Muestra archivos.m
Muestra el directorio de un comando
Interrupci
on
Salir de MATLAB
Salir de MATLAB
Demostracion de MATLAB
Breve introduccion
Sensibilidad a las may
usculas
95
UTILIZADOS
96CAPITULO 9. RESUMEN DE LOS COMANDOS Y FUNCIONES MAS
VARIABLES PERMANENTES
eps
Valor de precisi
on
ans
Variable de respuesta cuando no hay asignacion
pi
i, j
Unidad imaginaria
Inf
Infinito
NaN
No es un n
umero
flops
N
umero de operaciones
clock
Fecha y hora actual
date
Fecha actual
nargin
N
umero de argumentos de entrada
nargout
N
umero de argumentos de salida
cputime
Tiempo de CPU
tic, . . . , toc Tiempo de c
alculo
=
[, ]
.
...
;
%
:
CARACTERES ESPECIALES
Asignacion
Creaci
on de matrices
Punto decimal. Operaciones elemento a elemento
Continuacion de lnea
Terminaci
on de filas. Suprime impresi
on de resultado
Comentario
Genera vectores
OPERACIONES MATRICIALES Y PUNTUALES

+
Suma
Diferancia
on
, . Multiplicaci
/, ./ Divisi
on derecha
on izquierda
\, .\ Divisi
, .
Potenciacion
0
Transposici
on.
97
abs
real
conj
log
sin
tan
acos
atan2
cosh
asinh
atanh
fix
ceil
rem
FUNCIONES ELEMENTALES
Valor absoluto o modulo
angle Argumento
Parte real
imag
Parte imaginaria
Conjugado
exp
Funci
on exponencial de base e
Logaritmo neperiano
log10 Logaritmo en base 10
Seno
cos
Coseno
Tangente
asin
Arcoseno
Arcocoseno
atan
Arcotangente
Arcotangente de x/y
sinh
Seno hiperbolico
Coseno hiperb
olico
tanh
Tangente hiperb
olica
Argumento seno hiperbolico
acosh Argumento coseno hiperb
olico
Argumento tangente hiperbolica round Redondeo al entero mas cercano
Redondeo hacia cero
floor
Redondeo hacia
Redondeo hacia +
sign
Signo
Resto de la divisi
on
sqrt
Raz cuadrada
MATRICES ESPECIALES
compan Matriz compa
nera
eye
Matriz identidad
gallery
Matrices famosas
magic
Matriz m
agica
hilb
Matriz de Hilbert
invhilb
Inversa de la matriz de Hilbert
ones
Matriz de unos
rand
Matriz aleatoria
zeros
Matriz nula
DE MATRICES
MANIPULACION
rot90
Rotaci
on de 90o
tril
Triangular inferior
triu
Triangular superior
reshape Reordenaci
on
fliplr
Inversion en el orden de las columnas
flipud
Inversion en le orden de las filas
:
Bloques de Matrices
diag
Diagonal
UTILIZADOS
DE S.E.L. Y DESCOMPOSICIONES
RESOLUCION
Divsision izquierda. Soluci
on de S.E.L.
\
inv
Matriz inversa
pinv Pseudoinversa
lu
Descomposicion LU (LR)
chol Descomposicion de Cholesky
qr
Descomposicion QR
sdv
Descomposicion en valores singulares
shur Descomposicion de Schur
FUNCIONES MATRICIALES
det
Determinante
poly
Polinomio caracterstico
trace
Traza
eig
Autovalores y autovectores
diag
Diagonal
expm
Exponencial matricial
logm
Logaritmo matricial
sqrtm
Raz cuadrada matricial
funm
Evaluaci
on de funcion matricial
polyvalm Evaluaci
on matricial de un polinomio
TRATAMIENTO DE POLINOMIOS
roots
Races de polinomios
polyval Valor n
umerico de polinomios
conv
Multiplicaci
on
deconv Division
residue Descomposici
on en fracciones simples (complejas)
polyfit Ajuste de datos mediante polinomios
99
FUNCIONES Y OPERADORES LOGICOS

Y RELACIONALES
any
Condiciones l
ogicas
all
Conciones l
ogicas
strcomp Compara cadenas caracteres
find
Detecta ndices para relaciones logicas
finite
Encuentra infinitos
isnan
Detecta NaN
isempty Encuentra matrices vacas
isstr
Detecta cadenas de caracteres
<
Menor que
>
Mayor que
<=
Menor o igual que
>=
Mayor o igual que
==
Igualdad
Distinto
=
&
Y
O
|
No
eval
num2str
int2str
sprintf
hex2num
CADENAS DE CARACTERES
Evalua texto
Convierte n
umeros en cadenas de caracteres
Convierte enteros en cadenas de caracteres
Convierte n
umeros en cadenas de caracteres
Convierte cadenas hexadecimales en n
umeros
INSTRUCCIONES DE ARCHIVO
load
Cargar variables de un archivo en el espacio de trabajo
save
Guardar variables en un fichero
type
Mostrar contenido de un archivo
cd
Cambiar de directorio
delete Borrar un archivo
diary Archivar una sesion de trabajo
!
Instrucci
on del sistema operativo
Ver tambien fread, fopen, . . .
UTILIZADOS
CONTROL DE FLUJO Y PROGRAMACION

if, elseif, else
Bloque condicional
end
Termina bloques
for, while
Repetici
on de instrucciones
break
Ruptura de bucles
return
Retorno
pausa, pausa(n) Pausa. Pausa de n segundos
input
Entrada de datos desde el teclado
error
Mensaje de error
feval
Evalua funci
on definida por cadena de caracteres
function
Define una funcion
global
Define variables globales
echo
Muestras instrucciones en pantalla
menu
Genera un men
u
GENERANDO GRAFICOS
plot
Grafico bidimensional
subplot
Divide la pantalla de graficos
loglog
Grafico logaritmico
semilogx
Grafico semilogaritmico en el eje x
semilogy
Grafico semilogartmico en el eje y
polar
Representaci
on en polares
meshgrid
Dominio de definicion de superficies
mesh
Grafico tridimensional
bar, stairs Diagramas de barras
title
Ttulo
xlable
Etiqueta en el eje x
ylabel
Etiqueta en el eje y
grid
Mallado
text, gtext Coloca texto en la pantalla gr
afica
ginput
Entrada de coordenadas desde el gr
afico
axis
Escalado de los ejes
view
Punto de vista tridimensional
shg
Muestra el contenido de la pantalla grafica
clf
Limpia la pantalla de gr
aficos
hold
Mantiene el gr
afico en pantalla
101
CONTROL DE LA VENTANA DE COMANDOS
clc
Limpia la pantalla de comandos
format Formato de salida
disp
Dispone matriz o texto
home
Mueve el cursor al comienzo
ANALISIS
NUMERICO
fzero
Resoluci
on de ecuaciones
quad, quad8 Integraci
on numerica
fmin
Mnimos en una variable
ode23, ode45 Resoluci
on de ecuaciones diferenciales
di
Derivadas Aproximadas
ANALISIS
DE DATOS (POR COLUMNAS)
max
M
aximo
min
Mnimo
sum
Suma
prod
Producto
cumsum Suma acumultiva
cumpro Producto acumulativo
sort
Ordena
mean
Valor medio
median
Mediana
std
Desviaci
on tpica
hist
Histogramas
cov
Matriz de covarianza
corrcoef Coeficientes de correlaci
on
Captulo 10
Relaci
on de ejercicios
1. Introduce las siguientes matrices:
A=
1 2
3 4
B=
0 0.1 1
2 3/4
5

2
1 4
D = 32
7
0 9
8 1
6 2
E=
1

C= 0
1
1 0 2 3 1
(a) Muestra las matrices anteriores utilizando diversos formatos de salida.

(b) Eval
ua a12 , b23 , c11 , (Dt )41 y (E t )31 .
(c) Comprueba que (At )t = A.
2. Utilizando las matrices anteriores, extrae las siguientes filas o columnas:
(a) Primera fila de A.
(b) Primera fila de At .
(c) Segunda columna de B.
(d) Cuarta columna de D.
(e) Tercera columna de Dt .
3. De la siguiente relaci
on de matrices identifica las que son simetricas o antisimetricas:
!
1 2 3
1 1
a)
b) 4 5 6
1 1
7 8 9
!
1 1
1 1 1
c)
d)
1 0
1 1 1
102
103
e) A = (aij ) M4 (R), siendo aij =
1
i+j
1
i2 +j
f) A = (aij ) M4 (R), siendo aij =
1 0 1
g) 0 2 0
1 0 3
4. Sea x = 2 e y = 1.
x
2x
3
(a) Introduce la matriz A = x + y x y x + y

2x x2 + y2
2
(b) Cambia la entrada 2x a 2x + y.
(c) Escribe A(2, 3) = 3 y; y muestra A.

(d) Escribe A(1, 1) = 0; y muestra A.
(e) Escribe A = 0; y muestra A.
5. Usa clc para limpiar la pantalla e introduce a continuaci
on la matriz
!
1 2 3 4
A=
5 6 7 8
(a) Introduce A(1, :).
(b) Introduce A(:, 1).
(c) Introduce A(2, :).
(d) Introduce A(:, 2).
(e) Escribe los comandos que muestran la columna tercera y a continuacion la cuarta.
(f) Que ocurre s pretendemos mostrar la inexistente quinta columna de A?
6. Limpia la pantalla y el espacio de trabajo con clc y clear y a continuacion introduce:
(a) u = 1 : 5
(b) v = 5 : 2 : 8
(c) w = (1 : 5)0
(d) x = 5 : 1 : 5 (e) y = 2 pi : .1 : 2 pi (f) u(2)
(g) v(3)
(h) w(4)
(g) y(1)
y(126)
7. Para el anterior vector u realiza:
(a) u. 2
(b) u. 3 (c) u. (1/2) (d) u. (1)
!
1 2
8. Introduce A =
y a continuaci
on:
5 3
(a) A. 2
(f) (A. 2) 3
(b) A. 3
(g) sqrt(A)
(c) A. (1/2)
(h) exp(A)
(d) A. (1)
(i) log(A)
(e) A. 6
(j) log10(A)
DE EJERCICIOS
CAPITULO 10. RELACION
104
9. Encuentre el complejo conjugado y el m

odulo de cada uno de los siguientes n
umeros
complejos:
(a)2
(b) 2i
(c) 3 i
(d) ( 3 + i)( 3 3i)
(f) 3 8
(h) ei + 1
(e) i2
(g) (Re : (i))2
12i
(j) (1 + i)1
(k) (3 + 2i)(4 + i) (l) 2+3i
(i) (1 + i)2
76i
3i
2
(m) 1+i 29i (n) Im((1 + i) ) (o) log(2i)
(p) sen(2i)
(a) eps
(b) pi
(c) Inf
(e) 0/0
(f) 2 + NaN (g) NaN/NaN
10. Observe la salida:
(i) 1/Inf
(j) 2 + Inf
(k) Inf + 0
(m) inf*inf
1 2 3 4 5
6 7 8 9 10
11. Introduce A =
y observa la salida:
11 12 13 14 15
16 17 18 19 20
(a) A(1, :)
(e) A(1, 1 : 2 : 5)
/i) A([1 1], [2 2])
(b) A(3, :)
(f) A([2, 4], :)
(j) A([2 2], [5 4])
(c) A(:, 2)
(g) A([4, 2], :)
(k) A([3 2], [5 4])
(d) 1/0
(h) Inf/Inf
(l) NaN/Inf
(d) A(:, 5)
(h) A(4 : 1 : 1, 5 : 1 : 1)
12. Construye las siguientes matrices utilizando ., +, , \, , , :, zeros, eye, ones y diag.
(a) A = 2,3
(b) B = I4
(c)
(d)
(e)
(f)
1 1
C= 1 1
1 1
1 0 0
D= 0 1 0
0 0 1
0 1 1
E= 1 0 1
1 1 0
0 0 0
1 0 0
F =
0 2 0
0 0 3
0 0
0 0
0 0
1 1
1 1
1 1
0 0
0 0
0 0
0 0
105
(g)
(h)
(i)
(j)
(k)
0 0 0 0
G= 1 0 0 0
0 1 0 0
0 1 0
H= 0 0 2
0 0 0
!
3 3 3
I=
3 3 3
4 5 6
J = 8 10 12
12 15 18
1 1/2 1/3
K = 1/2 1/4 1/6

1/3 1/6 1/9
(l) La matriz de orden 5 cuyas filas son todas iguales a (1 2 3 4 5)

(m) La matriz de orden 5 cuyas columnas son todas iguales a (1 2 3 4 5)t
(n) Genera los vectores x = (1, 2, 3, 4, 5) e y = (5, 4, 3, 2, 1) y calcula la suma
de ambos.
13. Para las matrices del ejercicio anterior:
(a) Suprime la primera fila de D.
(b) Suprime la tercera columna de la matriz E.
(c) Calcula el menor del elemento k2 2.
(d) Calcula el adjunto de j13 .
14. Construye las matrices
A=
2 1 0
0
1 2 1 0
0 1 2 1
0
0 1 2
B=
3
1
1
1
1
3
1
1
1
1
3
1
1
1
1
3
y calcula con ayuda de la divisi

on izquierda A1 B, AB 1 , A1 v, ut B 1 siendo v =
(1, 0, 0, 0) y u = (0, 1, 0, 0).
15. Resuelve los siguientes sistemas de ecuaciones
x2 + x3 + x4 = 4
3x3 4x4 = 7
3x1 +
x1 + x2 + x3 + 2x4 = 6
2x1 + 3x2 + x3 + 3x4 = 6
2x1 + 3x2 + 2x3 = 9
x1 + 2x2 3x3 = 14
3x1 + 4x2 + x3 = 14
DE EJERCICIOS
106
16. Calcula la descomposici

on LU de A calculando primeramente [L, U ] = lu(A) y comprobando que A = LU ; y seguidamente [L, U, P ] = lu(A) confirmando que P A = LU .
(a) A =
(b) A =
(c) A =
(d) A =
3 1 2 1
1 5 4 1
3 1
2
3
2 2 2
3
3 2
5
4
2 3
6
8
1 6 9 20
4 1
4
1
4 2 4 1
30 20 45 12
20 15 36 10
35 28 70 20
!
0 1
1 0
17. Encontrar la soluci

on, en el sentido de los mnimos cuadrados, del sistema
)
x1 + 2x2 + 2x3 + 3x4 = 2
x3 + 2x4 = 1
18. Encontrar la recta que mejor aproxima en el sentido de los mnimos cuadrados a la
nube de puntos {(3, 10), (2, 15), (1, 9), (0, 27), (1, 18), (2, 34), (3, 42)}.
19. Con la utilidad help lee la informaci
on sobre sum, cumsum, prod, cumprod y di.
(a) Dado a = (1, 2, 3, 4) utiliza cumsum y sum para calcular el valor de
4 X
k
X
ai .
k=1 i=1
1 2 3
3 X
3
Y
aij .
(b) Dada la matriz A = 4 5 6 usa sum y prod para calcular el valor
j=1
i=1
7 8 9
(c) Usa sum y prod para calcular el valor
3 Y
3
X
aij para la matriz de apartado b).
j=1 i=1
(d) Dada la matriz del apartado b) usa sum y cumprod para calcular el valor
3 X
3
Y
aij .
j=1 i=1
107
20. Calcular An para algunos valores n enteros y positivos. Estudiar el comportamiento de
An para n grande.
!
0.6
0.5
0.6 0.5
a) A =
b) A =
0.18 1.2
0.2 1.2
!
0.67 0.31 0.20
0.9 1.0
c) A =
d) A = 0.18 0.54 0.40
0 0.9
0.15 0.15 0.40
0.2
0.8 0.2 0.1
21. Sea A = 0.1 0.7 0.3 y x0 = 0.3

0.5
0.1 0.1 0.6
Calcula xn = An xn1 para n = 1, 2, . . . , 16 y comprueba que, con la menos tres cifras

significativas, se obtiene que xn = x16 n 16.
22. Consideremos el sistema de ecuaciones en diferencias:

)
zn+1 =
0.6zn + 0.5cn
con z1 = 100, c1 = 1000
zn+1 = 0.16zn + 1.2cn
C
ual es le comportamiento de zn y cn para n grande?
Si se escribe el sistema en forma matricial, c
ual es el comportamiento de las sucesivas
potencias de la matriz del sistema?
23. Comprobar directamente que det(B ) = 2 6= 0 siendo B la matriz definida por
!
107 + 107
B =
6= 0
1/
1/
. Vare desde 101 hasta 1012 y calcule los determinantes de las matrices B que se
obtienen.
24. Para la matriz A del ejercico 16 calcule A1 mediante inv : (A) y
n
umero de operaciones.
25. Sea Az la matriz de orden 5 dada por
z 1
0
0
0
1
z 1
0
0
Az = 0 1
z 1
0
0
0 1
z 1
0
0
0 1
z
(a) Pruebe que A5 es regular encontrando su inversa.
adj(A)
. Compare
det(A)
DE EJERCICIOS
108
(b) Demuestre que A2 es regular calculando su rango.

(c) Pruebe que A0 es singular intentando calcular su inversa.
(d) Disminuya lentamente el valor de z desde 2 y estime el primer valor de z menor
que 2 para el cual Az no tiene inversa.
(e) Construya la matriz B de orden 10 que posee la misma estrutura que A2 y el
vector c = (1, 1, . . . , 1). Resuelva el sistema Bx = c mediante inv(B) c y B\c
comparando el n
umero de operaciones y el tiempo de c
aculo. Que metodo es mas
eficiente?
on exacta del sistema
26. Pruebe que x1 = 1, x2 = 1 es la soluci
)
0.89x1 + 0.53x2 = 0.36
0.47x1 + 0.28x2 = 0.19
a bien o
Tome x1 = 0.47 y x2 = 0.11 y compruebe que casi resuelve el sitema. Est
mal condicionado?
27. Consideremos las matrices
!
2 1
A=
2 2 1 2
P =
0
1 1
B=P
AP
1+2
1++2
con 6= 0.
Dar a valores peque
nos y calcular los autovalores, determinantes y rangos de las
matrices A y B. Que conclusiones se pueden decucir?
!
0.4 0.5
28. Sea A =
. Utilice MATLAB para sumar varios terminos de la serie
0.18 0.2
de eA y comprobar que converge a expm : (A).
29. Realiza los siguientes c
alculos:
(a) expm(zeros(2)).
(b) expm(eye(2)).
(c) X = expm([0 1; 1 0]); X t X.
(d) A = rand(3); X = logm(A); expm(X).
(e) sqrtm([0 1;0 0]).
Analiza analticamente el u
ltimo apartado.
30. Siendo L = [1 2 2 0 1 5 pi sqrt(2)], realice los siguientes c
alculos: s=sign(L),
s==1, find(s==1), length(find(s==1)).
109
31. Con la utilidad help informate sobre el cometido de la funci
on poly. Construye los
polinomios que tienen por races:
(a) 1, 2, 3.
(b) ei2k/5 , k = 0, 1, 2, 3, 4, 5.
(c) 1 con multiplicidada 5.
32. Usando la funcion poly calcula los n
umeros combinatorios
!
!
!
10
10
10
,
,... ,
0
1
10
33. Calcula las races de los polinomios:
(a) p(x) = x3 + 6x2 72x + 27
(b) q(x) = 2x4 + x3 2x 8
34. Eval
ua p(A) en los siguientes casos:
(a) A = ones(3), p(t) = t3 3t2
(b) A = eye(3), p(t) = (t 1)3
(c) A = rand(2), p(t) = t2 (a11 + a22 )t + (a11 a22 a12 a21 )
35. Calcula la pseudoinversa de las
A=
0
1
2
3
matrices:
1
1
A=
0 0 1 2
1 2 2 3
36. Experimente la funcion sdv sobre vectores filas y vectores columnas. Que puede
deducir?
37. Encontrar la recta que mejor aproxima en el sentido de los mnimos cuadrados a la nube
de puntos {(3, 10), (2, 15), (1, 9), (0, 27), (1, 18), (2, 34), (3, 42)},utilizando la orden
polyfit(x,y,n).
38. Encuentre la recta que pasa por los puntos (0, 1) y (2, 3).
39. Determine la par
abola que pasa por (1, 2), (0, 1) y (2, 4).
DE EJERCICIOS
110
40. Repersentar la funci

on z = f (x, y) =sen(x)sen(y).
41. Representar la funci
on f (x, y) =
4x
x2 +y2 +1
y encontrar su valor m
aximo.
42. Calcula los autovalores de las siguientes matrices:
5 3 6
(a) A = 2 6 6
2 3 9
0
0
0
0
(b) A =
0 1
1 0
(c) ones(20)
0
1
0
0
1
0
0
0
(d) orth((2*rand(5)-1)+i*(2*rand(5)-1))
Que propiedad cumplen los autovalores del apartado d)?
1 0 0
1 1 1
43. Utilice MATLAB para comprobar que las matrices A = 0 2 0 y B = 0 2 1

0 0 3
0 0 3
son semejantes.
44. Escribe una funcion MATLAB que remplace por 0 las componentes de un vector real
que sean menores, en valor absoluto, que un n
umero positivo dado.
45. Describa una funcion con las siguientes condiciones:
Tenga dos vectores x e y de dimension n y un angulo t (en radianes) como argumentos de entrada.
Nos proporcione los pares de n
umeros que se obtienen aplicando a (xi , yi ), i =
1, . . . , n un giro con centro el origen t de angulo t.
46. Escriba un programa en MATLAB con las siguientes caractersticas:
Nos pida introducir (por el tecaldo) cuatro puntos del plano P1 , P2 , P3 , P4 y un
angulo t.
Represente el cuadril
atero Q determinando por P1 , P2 , P3 , P4 .
Y en el gr
afico anterior dibuje, adem
as, el cuadril
atero que se obtiene al aplicar a
Q un giro con centro el origen y angulo t.
47. Construye una funcion que calcule el kesimo coeficiente del producto de polinomios.
111
48. Con ayuda de la funcion poly y las f
ormulas de Cardano construye una funcion que
nos proporcione la suma de los cuadrados de los autovalores de una matriz.
49. Construye una funcion MATLAB con las siguientes caractersticas:
Acepte como argumentos de entrada un matriz A Mn y polinomio p.
Nos proporcione el vector fila (p(1 ), . . . , p(n )), donde i son los autovalores de
A.
Evalue la matriz p(A).
Nos proporcione un vector fila con los autovalores de p(A).
50. Escribir una funcion que act

ue sobre dos argumentos: una matriz A y un n
umrero
natural i; proporcionando como resultado la matriz que se obtiene al suprimir la i
esima fila de la matriz A.
51. Idem para la columna j de una matriz.
52. Describir la funci
on que nos proporciona el menor complementario del elemento aij de
la matriz A.
53. Describir la funci
on que nos proporciona el elemento adjunto de aij .
54. En un archivo .m describir la funcion que nos proporciona la adjunta (ya traspuesta)
de una matriz.
55. Con ayuda de la funcion anterior describir la funcion que determina la inversa de A
umero de operaciones y el tiempo de c
alculo
mediante A1 = adj(A)
det(A) . Comparar el n
entre nuestra funci
on inversa y la funci
on inv de MATLAB.
56. Describir una funcion en MATLAB que nos proporcione la suma de dos polinomios
de cualquier grado.
57. Con ayuda de las funciones diag y triu describir la funcion que con una matriz A
como argumento de entrada nos proporcione la descomposicion de A como suma de
una matriz diagonal, una triangular superior y otra inferior.
58. Dise
nar una funcion que resuelva un sistema cuadrado por la regla de ,Cramer. Comparar el tiempo de c
alculo y el n
umero de operaciones con la resoluci
on del sistema
mediante inv(A)*b y A\b.
59. Realizar una estrategia que calcule la descomposici
on LU sin pivoteo parcial, para una
matriz no necesariamente cuadrada.
60. Escribir una funcion con tres argumentos (una matriz A y dos n
umeros enteros positivos
i, j) que nos propocione la matriz que se obtiene intercambiando las filas i y j de la
matriz de entrada A.
DE EJERCICIOS
112
61. Idem, pero intercambiando columnas.

62. Contruir una funcion que nos proporcione la matriz resultante de sumar a la fila iesima
de A la jesima fila multiplicada por . (Naturalmente i 6= j).
63. Hacer lo mismo, pero para las columnas de A.
64. Describir una funcion que tenga como argumentos de entrada una matriz A Mmn
y un vector (columna) b Rm , genere 100 vectores (colunma) aleatorios x Rn y nos
devuelva el mnimo de kAx bk cuando x recorre los anteriores vectores aleatorios.
65. Escribir una funcion MATLAB que aceptando, como argumento, una matriz cuadrada
A nos proporcione el valor m
aximo de kAuk cuando u recorre 100 vectores alearorios
unitarios.
66. Editar en un archivo de extensi
on .m una funcion que nos proporciona la recta que
mejor aproxima (por mnimos cuadrados) a una nube de puntos y que represente en un
mismo grafico la recta encontrada y los puntos dados.
67. Escribir una funcion que nos de como resultado 1 o 0, dependiendo si la matriz de
entrada es hermtica o no.
68. Hacer lo mismo que en el ejercicio anterior, pero para detectar matrices hermticas
definidas positivas.
69. Generar un programa que nos pida un n
umero natural positivo n y nos proprocione el
nesimo n
umero de Fibonacci.
70. Dise
nar una funcion que nos resulva un S.E.L. cuadrado compatible utilizando el metodo
de Gauss con estrategia de pivote total.
71. Describir una funcion MATLAB que nos estudie la compatibilidad de un sitema de
ecuaciones lineales y lo resuelva cuando sea compatible (determinado o indeterminado).
Aplicar esa funcion a
A=
1+2
1++2
con 6= 0 y b = (1, 1)t
para valores peque

nos de .
72. Realizar una estrategia que determine la descomposicion QR mediante el metodo de
GramSchmidt de una matriz A con columnas linelamente independientes. Escriba la
estrategia en un archivo.m.
113
73. Considere la matriz
A=
1
1
1
1+
1
1
1
1+
1
1
1
1+
6= 0
Asigne un valor peque

no a y aplique el metodo de GrammSchmidt (ver ejercicio
anterior) para ortonormalizar las columnas de A. Comprudebe si realmente se han
obtenido columnas ortonormales. Aplique la funcion qr sobre A y obtenga resultados.
Bibliografa
[1] PCMATLABTM for MSDOS Personal Computers (Users Guide).
The MathWorks, Inc., (1990).
[2] MATLAB Reference Guide.
The MathWorks, Inc., (Octubre 1992).
[3] B. Noble, J.W. Daniel Algebra

Lineal Aplicada.
Ed. Prentice Hall, (1989).
[4] G. Strang Algebra

Lineal y sus Aplicaciones.
Ed. Addison Wesley, (1990).
[5] S.I. Grossman Algebra

Lineal, (Quinta edici
on)
Ed. MacGraw-Hill, (1996)
[6] M. Marcus Matrices y Matlab: a tutorial
Prentice-Hall (1993)
114

Intromatlab

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Intromatlab

Cargado por

Copyright:

Formatos disponibles

INTRODUCCION A MATLAB

Victoriano Carmona Centeno y Julio R. Fernandez Garca

INTRODUCCION A MATLAB Victoriano Carmona Centeno y Julio R. Fernandez Garca

2 Tipos especiales de matrices. Construcciones.

3 Sistemas de Ecuaciones Lineales y descomposiciones

La orden polyvalm y semejantes . . . . . . . . . . . . . . . . . . . . .

6 Funciones y programas en Matlab. MFicheros

9 Resumen de los comandos y funciones m

MATLAB guarda la matriz para poder usarla posteriormente.

Podemos introducir las matrices desde discos, utilizando ficheros.m. As si un fichero se

Observese que el tama

Podemos introducir matrices grandes utilizando matrices peque

La orden clear A B C limpia del espacio de trabajo estas tres variables.

Aunque, dependiendo de la version que utilicemos de MATLAB y el entorno de trabajo,

Establish \matlab session parameters.

Sparse matrix functions.

General purpose graphics functions.

For more help on directory/topic, type "help topic".

Eigenvalues and eigenvectors.

Para alterar el orden usual de la precedencia de las operaciones, utilizaremos parentesis.

Si hemos utilizado durante una sesion las letras i

funciones intrnsecas de MATLAB. Este

Una breve descripci

Antes de comenzar con el siguiente apartado (las operaciones matriciales) se

1.1. FORMATOS DE SALIDA

si tenemos la certeza de estar siempre trabajando con n

manifiesto con la aproximaci

El formato format + muestra un diagrama de la matriz en el que solo aparecen los

Matrices por bloques

Asigna a la variable b la segunda columna de la matriz B

1.2. MATRICES POR BLOQUES

En particular, es posible hacer referencia a un elemento concreto de una matriz. El

La orden M = [P B], analoga a la anterior, construye la matriz M a

3],O=[1 0 -1;2 1 -3]

Operaciones con Matrices.

1.3. OPERACIONES CON MATRICES.

1.4. OPERACIONES ELEMENTO A ELEMENTO

La primera componente denota el n

Operaciones elemento a elemento

Si M y N son matrices del mismo orden M. N , M. N y M./N realizan el producto, la

Notese el espacio entre el n

Tipos especiales de matrices.

Indiquemos en primer lugar como generar autom

CAPITULO 2. TIPOS ESPECIALES DE MATRICES. CONSTRUCCIONES.

llamamos a una funcion, el n

Redefiniciones y construcciones a partir de la diagonal

2.2. REDEFINICIONES Y CONSTRUCCIONES A PARTIR DE LA DIAGONAL

CAPITULO 2. TIPOS ESPECIALES DE MATRICES. CONSTRUCCIONES.

Tambien disponemos de las variantes triu(A,k) y tril(A,k) que act

Sistemas de Ecuaciones Lineales y

30 CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES Y DESCOMPOSICIONES

Sistemas superdeterminados. Mnimos cuadrados

Si A no es cuadrada, A\b resuelve el sistema (S) en el sentido de los mnimos cuadrados. De

Como podemos observar, s

Como hemos visto en el captulo 1 la instrucci

32 CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES Y DESCOMPOSICIONES

Hacemos esto, pues la diferencia entre los tiempos de c

Dada una matriz A [L,U]=lu(A) realiza la descomposicion LU (LR) de la matriz cuadrada

34 CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES Y DESCOMPOSICIONES

Vemos que la funci

Si A es una matriz simetrica (hermtica) definida positiva la descomposici

Si A no es definida positiva, entonces p es un n

36 CAPITULO 3. SISTEMAS DE ECUACIONES LINEALES Y DESCOMPOSICIONES