Matlab Completo

Funciones MATLAB para calcular las
races de una ecuacin

En esta pgina, vamos calcular la races de un polinomio mediante la
funcin roots. Un estudio ms detallado de los polinomios se encuentra en la
pgina titulada "Polinomios y fracciones polinmicas". La raz de una
ecuacin mediante procedimientos grficos, que nos va a servir para estimar
un valor prximo a la raz buscada. Las races de una ecuacin transcendente
mediante fzero y finalmente, las races de un sistema de ecuaciones
transcedentes mediante fsolve.
Races de un polinomio
Para calcular las races de la ecuacin
a1xn+a2xn-1+...+anx+an+1=0
se emplea la funcin roots y se le pasa el vector p formado por los coeficientes
del polinomio. La funcin roots devuelve un vector columna que contiene las
races.
>> p=[a1 a2 ... an an+1];
>> x=roots(p)
La funcin roots tiene una funcin inversa poly que se le pasa el vector x que
contiene las races y devuelve los coeficientes del polinomio
p=poly(x)
Sea f(x)= x5- 3.5x4 + 2.75x3 + 2.125x2 - 3.875x + 1.25
Guardamos los coeficientes del polinomio en el vector fila p=[1 -3.5 2.75
2.125 -3.875 1.25];
Mediante la funcin plolyval, podemos calcular el valor del polinomio cuando
proporcionamos el valor de x
>> p=[1 -3.5 2.75 2.125 -3.875 1.25];
>> polyval(p, 1.5) %valor del polinomio cuando se proporciona el valor
de x.
ans= -0.6250
>> r=roots(p) %races del polinomio
r =
2.0000
-1.0000
1.0000 + 0.5000i
1.0000 - 0.5000i
0.5000
>> c=poly(r) %reconstruimos el polinomio a partir de las races
Comprobamos que las races calculadas son correctas utilizando la

funcin polyval, pasndole los coeficientes del polinomio p y el valor xi de
cada una de las races
>> polyval([1 3 3 2],
-2)
Como ejercicio se sugiere al lector, hallar las races de las ecuaciones

siguientes con la funcin roots y reconstruir el polinomio con la funcin poly,
o calcular el valor del polinomio para cada una de las races con la
funcin polyval
x3 + x2 + x + 1 = 0
x5+x2-2x-4=0
x5-x4 + x3 +2x2-1
Procedimiento grfico
Vamos a estudiar varios procedimientos para calcular la raz de una ecuacin
trascedente, por ejemplo, x-cos(x)=0
En primer lugar, vamos a hacer una representacin grfica de esta funcin para
conocer aproximadamente el punto donde la funcin corta al eje X.
Escribimos el script mouse_raiz y lo guardamos un fichero .M
x=0:0.1:pi/2;
y=x-cos(x);
plot(x,y)
grid on
xlabel('x')
ylabel('y')
title('x-cos(x)')
Se selecciona en el men Tools/Data Cursor, o el icono de la barra horizontal

de herramientas
. Situamos el cursor en forma de cruz prximo a la raz de
la funcin y podemos leer sus coordenadas. Cuanto mejor sea la resolucin de
la grfica ms cerca podremos estar de la raz buscada. La resolucin de la
grfica es el paso x utilizado, para calcular la tabla de valores (x, y) en el
intervalo que va desde xi hasta xf . En este ejemplo x=0.1
Podemos utilizar la herramienta Zoom In y Pan

para acercarnos a
este punto y el botn Zoom Out para alejarnos y volver a la situacin inicial.
En la imagen podemos ver que despus de acercarnos repetidamente al punto
de corte con el eje X mediante Zoom In y la mano Pan, la raz buscada est
comprendida entre 0.735 y 0.74.
Races simples
Podemos utilizar el puntero del ratn para buscar los puntos en los que la
funcin corta al eje X, aadiendo el comandoginput al final del
script mouse_raiz
x=0:0.1:pi/2;
y=x-cos(x);
plot(x,y)
grid on
xlabel('x')
ylabel('y')
title('x-cos(x)')
[xRaiz,yRaiz] = ginput
En la ventana de comandos corremos el script mouse_raiz. La raz buscada se

seala mediante el cursor en forma de cruz de color negro. Se pulsa el botn
izquierdo del ratn y luego la tecla Retorno.
>> mouse_raiz
xRaiz =
yRaiz =
0.7379
-0.0022
Races mltiples
Si la funcin tiene ms de una raz, se seala cada uno de los puntos de
interseccin de la funcin con el eje X con el puntero del ratn y se pulsa el
botn izquierdo del ratn. Finalmente, se pulsa Retorno y aparecen las
abscisas en el vector xRaiz y las ordenadas en el vector yRaiz de dichos
puntos.
Nos aproximaremos a las races que ya conocemos de una funcin para ilustrar
este interesante procedimiento grfico
Guardamos el script mouse_raiz mediante File/Save As.. con el
nombre mouse_raiz_1. Modificamos el script para representar la funcin
coseno con el eje horizontal en grados y lo guardamos mediante File/Save o
pulsando el icono correspondiente.
Las dos races de cos(x)=0 en el intervalo (0,360) son 90 y 270.
x=0:1:360;
y=cosd(x);
plot(x,y)
grid on
xlabel('x')
ylabel('y')
title('cos(x)')
[xRaiz,yRaiz] = ginput
En la ventana de comandos corremos el script mouse_raiz_1. En la ventana

grfica, pulsamos dos veces el botn izquierdo del ratn:
1.
cuando el puntero est situado aproximadamente en el punto de

coordendas (90,0), pulsamos el botn izquierdo del ratn
2.
cuando el puntero est situado en el punto (270,0), pulsamos el botn

izquierdo del ratn
3.
pulsamos Retorno,
y obtenemos lo siguiente:
>> mouse_raiz_1
xRaiz = 89.8618
yRaiz = -0.0088
270.5069
-0.0029
El procedimiento grfico nos da una estimacin de las races (puntos de

interseccin en la representacin grfica de la funcin con el eje X) de una
ecuacin trascendente en un intervalo (a,b) dado.
La funcin MATLAB fzero

La funcin fzero puede encontrar la raz de una ecuacin trascendente f(x)=0.
Su sintaxis es
fzero(funcion,x0)
Donde funcion es el nombre de la funcin cuyas races queremos determinar
y x0 es el intervalo [a b] donde la funcin cambia de signo, es decir, el signo
de f(a) es distinto al signo de f(b). x0 puede ser tambin un valor cercano a la
raz es decir, una primera aproximacin. Podemos definir una funcin annima
y guardarla en el manejador func.Le pasamos la funcin annima func a fzero.
En la ventana de comandos, definimos la funcin y buscamos un intervalo [0.4
1] donde la funcin cambia de signo. Alternativamente, probamos una primara
aproximacin a la raz buscada x0=0.6
>> func=@(x) cos(x)-x;
>> func(0.4)
ans =
0.5211
>> func(1)
ans =
-0.4597
>> r=fzero(func,[0.4 1]) %intervalo donde se encuentra la raz
r= 0.7391
>> fzero(func,0.6) %aproximacin inicial a la raz
ans =
0.7391
Podemos definir explcitamente la funcin func y guardarla en el fichero

func.m
function y=func(x)
y=cos(x)-x;
end
Llamamos a fzero anteponiendo al nombre de la funcin el smbolo @ (vase

al final de la pgina Funciones)
>> fzero(@func,0.6)
ans= 0.7391
A veces la funcin func definida y guardada en un fichero .M precisa de los

valores de ciertos parmetros a, b
function y=func(x,a,b)
%cdigo de la funcin
end
A fzero solamente le podemos pasar el manejador (handle) de la funcin de

variable x. La forma en que la funcin funcconoce el valor de sus
parmetros a y b es crear una funcin annima f1 en trminos de func y se le
pasamos su manejador a la funcin fzero
f1=@(x)func(x,a,b);
p=fzero(f1,x0);
En el ejercicio "La ecuacin de van der Waals" utilizaremos esta opcin.
Funciones implcitas
La siguiente funcin se estudia en la asignatura Energa Solar Fotovoltaica
(tercer curso).
y=351012(exp(x+0.01y0.025)1)x+0.01y1000y=351012(exp(x+0.01y0
.025)1)x+0.01y1000
Donde x representa la diferencia de potencial e y la intensidad de la corriente

elctrica.
Representamos la funcin f(x,y) el intervalo [0,0.7] en el eje X y en el
intervalo [0,3.1] en el eje Y. Utilizamos la funcin MATLAB contour que
habitualmente se emplea para dibujar curvas de nivel.
xx=linspace(0,0.7,50);
yy=linspace(0,3.1,100);
[x,y] = meshgrid(xx,yy);
f=3-5e-12*(exp((x+y*0.01)/0.025)-1)-(x+y*0.01)/1000-y;
contour(x,y,f,[0,0],'r');
xlabel('d.d.p. V');
ylabel('Intensidad');
title('Fotovoltaica')
grid on
Una representacin grfica similar la obtenemos con la funcin ezplot

Vamos a estudiar con ms detalle esta funcin.
En primer lugar, sabemos que para el valor de x prximo a 0.6 V (diferencia de
potencial) la intensidad y vale cero. Empleamos la funcin
MATLAB fzero para obtener un valor ms preciso.
f=@(x,y) 3-5e-12*(exp((x+y*0.01)/0.025)-1)-(x+y*0.01)/1000-y;
g=@(x) f(x,0);
Vmax=fzero(g,0.6);
fprintf('Valor mximo de la d.d.p. %1.4f\n',Vmax)
En la ventana de comandos vemos este valor

Valor mximo de la d.d.p. 0.6780
Dado un valor de la diferencia de potencial x en el intervalo [0,0.678],

queremos obtener el correspondiente valor de la intensidad de la corriente y.
Suministramos a fzero un valor prximo a la raz buscada, por ejemplo, 3.

Aadimos las siguientes lneas de cdigo al script.
....
x=0.6;
g=@(y) f(x,y);
y=fzero(g,3);
fprintf('Para una d.d.p. de %1.4f le corresponde una intensidad de
%1.4f\n',x, y)
En la ventana de comandos vemos este valor

Para una d.d.p. de 0.6000 le corresponde una intensidad de 2.6214
Dado un vector de valores de la diferencia de potencial x el intervalo

[0,0.678], queremos obtener el correspondiente vector de intensidades y.
Finalmente, con estos dos vectores (x,y) dibujaremos la curva diferencia de
potencial - intensidad mediante el comando plot. El script completo es el
siguiente
f=@(x,y) 3-5e-12*(exp((x+y*0.01)/0.025)-1)-(x+y*0.01)/1000-y;
g=@(x) f(x,0);
Vmax=fzero(g,0.6); %intervalo de valores de la d.d.p. [0,Vmax]
x=linspace(0,Vmax,100);
n=length(x);
opt=optimset('display','off'); %evita que fzero emita mensajes de aviso
y=zeros(size(x));
for i=1:n
y(i)=fzero(@(y) f(x(i),y),3,opt);
end
plot(x,y,'r')
ylim([0 3.1])
xlabel('d.d.p. V')
ylabel('Intensidad')
title('Fotovoltaica')
Obtenemos una representacin grfica similar a la obtenida empleando la

funcin MATLAB contour.
Sistemas de ecuaciones no lineales

Calcular las races del sistema de dos ecuaciones:
f1(x,y)=2x2-xy-5x-1=0
f2(x,y)=x+3log10x-y2=0
En la figura vemos el punto de interseccin y mediante Tools/Data Cursor sus

coordendas aproximadas..
x=linspace(2.5,5.5,50);
y1=(2*x.^2-5*x-1)./x;
y2=sqrt(x+3*log10(x));
plot(x,y1,'b',x,y2,'r')
Vamos a utilizar la funcin fsolve de MATLAB para obtener el punto de

interseccin.
En primer lugar, tenemos que definir la funcin denominada sis_ecuaciones y
guardarla en el correspondiente fichero . M. A esta funcin le tenemos que
pasar los valores de x e y en el vector xn, y nos devuelve los valores de las
funcionesf1(x,y) y f2(x,y) en el vector s.
function s=sis_ecuaciones(xn)
x=xn(1);
y=xn(2);
s=[2*x^2-x*y-5*x-1, x*3*log10(x)-y^2];
end
Creamos el script sis_ecuaciones_script para llamar al procedimiento

numrico implementado en la funcin fsolve de MATLAB.
x0 =[3 2]; %valor inicial
[x,fval] = fsolve(@sis_ecuaciones,x0);
fprintf('La solucin es x=%1.3f, y=%1.3f\n',x(1),x(2));
fprintf('Valores de la funcin = %g\n',fval)
A fsolve tenemos que pasarle la funcin que hemos definido, sis_ecuaciones y

la aproximaxin inicial (x0, y0) que hemos encontrado anteriormente de forma
grfica. Esta funcin nos devuelve las coordenadas (x,y) del punto de
interseccin buscado y los valores de las funciones f1(x,y) y f2(x,y) en dicho
punto.
En la ventana de comandos corremos el script sis_ecuaciones_script
>> sis_ecuaciones_script
La solucin es x=3.958, y=2.664
Valores de la funcin = -1.33692e-010
Valores de la funcin = -3.07305e-009
Sistema de ecuaciones lineales. Mtodo

de Gauss
La tcnica ms comn para resolver el sistema de ecuaciones lineales es la de
hacer uso de un procedimiento para la eliminacin sucesiva de las incgnitas
denominado mtodo de Gauss. Describiremos la aplicacin de este mtodo
para un sistema de cuatro ecuaciones con cuatro incgnitas y posteriormente,
la generalizaremos para un sistema de necuaciones.
Sistema de cuatro ecuaciones con cuatro incgnitas

a11x1+a12x2+a13x3+a14x4=b1a21x1+a22x2+a23x3+a24x4=b2a31x1+a32x2+a33x3+
a34x4=b3a41x1+a42x2+a43x3+a44x4=b4a11x1+a12x2+a13x3+a14x4=b1a21x1+a22x
2+a23x3+a24x4=b2a31x1+a32x2+a33x3+a34x4=b3a41x1+a42x2+a43x3+a44x4=b4
(2)
Despejamos x1 de la primera ecuacin
x1=b1a11a12a11x2a13a11x3a14a11x4x1=b1a11a12a11x2a13a11x3a14a11x4
y la sustituimos en las restantes, quedando el sistema de tres ecuaciones con

tres incgnitas
a122x2+a123x3+a124x4=b12a132x2+a133x3+a134x4=b13a242x1+a143x3+a144x4=b14a2
21x2+a231x3+a241x4=b21a321x2+a331x3+a341x4=b31a422x1+a431x3+a441x4=b41
con
a1ij=aijai1a1ja11b1i=biai1b1a11(i,j2,3,4)aij1=aijai1a1ja11
bi1=biai1b1a11(i,j2,3,4)
Despejamos, ahora, x2 de la primera ecuacin

x2=b12a122a123a122x3a124a122x4x2=b21a221a231a221x3a241a221x4
y las sustituimos en las dos restantes, quedando un sistema de dos ecuaciones

con dos incgnitas.
a233x3+a234x4=b23a243x3+a244x4=b24a332x3+a342x4=b32a432x3+a442x4=b42
con
a2ij=a1ija1i2a12ja122b2i=b1ia1i2b12a122(i,j
3,4)aij2=aij1ai21a2j1a221bi2=bi1ai21b21a221(i,j3,4)
Despejamos ahora, x3 de la primera ecuacin

x3=b23a233a234a233x4x3=b32a332a342a332x4
y la sustituimos en la ecuacin restante,

a344x4=b34a443x4=b43
con
a3ij=a2ija2i3a23ja233b3i=b2ia2i3b23a233(i,j
4)aij3=aij2ai32a3j2a332bi3=bi2ai32b32a332(i,j4)
Por tanto, el proceso de resolver un sistema lineal de ecuaciones por el mtodo

de Gauss se reduce a la construccin de un sistema equivalente que tenga una
matriz triangular.
a11x1+a12x2+a13x3+a14x4=b1a122x2+a123x3+a124x4=b12
a233x3+a234x4=b23
a344x4=b34a11x1+a12x2+a13x3+a14x4=b1
a221x2+a231x3+a241x4=b21a332x3+a342x4=b32
a443x4=b43
Ahora vamos obteniendo las incgnitas empezando por la ltima ecuacin y

terminando en la primera.
x4=b34a344x3=b23a234x4a233x2=b12a123x3a124x4a122x1=b1a12x2a13x3a14x4a11x4=b43a443x3=
b32a342x4a332x2=b21a231x3a241x4a221x1=b1a12x2a13x3a14x4a11
Sistema de n ecuaciones con n incgnitas

Sea un sistema de n ecuaciones con n incgnitas
a11x1+a12x2+a13x3+...+a1nxn=b1a21x1+a22x2+a23x3+...
+a2nxn=b2....an1x1+an2x2+an3x3+...+annxn=bn{a11x1+a12x2+a13x3+...
+a1nxn=b1a21x1+a22x2+a23x3+...+a2nxn=b2....an1x1+an2x2+an3x3+...+annxn=bn
que convertimos en el sistema equivalente

a11x1+a12x2+a13x3+...+a1nxn=b1
a122x2+a123x3+...+a12nxn=b12a233x3+...+a23nxn=b23....
an2n1n1xn1+an2n1nxn=bn2n1
an1nnxn=bn1n{a11x1+a12x2+a13x3+...+a1nxn=b1a221x2+a231x3+...
+a2n1xn=b21a332x3+...+a3n2xn=b32....
an1n1n2xn1+an1nn2xn=bn1n2annn1xn=bnn1
donde
a1ij=aijai1a11a1jb1i=biai1a11b1i,j=2...na2ij=a1ija1i2a122a12j
b2i=b1ia1i2a122b12i,j=3...nakij=ak1ijak1ikak1kkak1kj
bki=bk1iak1ikak1kkbk1ki,j=k...nk=1,2...n1aij1=aijai1a11a1j
bi1=biai1a11b1i,j=2...naij2=aij1ai21a221a2j1bi2=bi1ai21a221b21
i,j=3...naijk=aijk1aikk1akkk1akjk1bik=bik1aikk1akkk1bkk1
i,j=k...nk=1,2...n1
Obtenemos las incgnitas xna x1

xn=bn1nan1nnxi=bi1ii+1nai1ijxi1jai1ii
i=n1,n2,...2,1xn=bnn1annn1xi=bii1i+1naiji1xji1aiii1
i=n1,n2,...2,1
function x=gauss_ecuacion(A,b)
Ab=[A b];
n=length(b);
%matriz triangular
for k=1:n-1
for i=k+1:n
factor=Ab(i,k)/Ab(k,k);
for j=k:n+1
Ab(i,j)=Ab(i,j)-factor*Ab(k,j);
end
end
end
%incgnitas
x=zeros(n,1);
x(n)=Ab(n,n+1)/Ab(n,n);
for i=n-1:-1:1
x(i)=Ab(i,n+1)/Ab(i,i);
for j=i+1:n
x(i)=x(i)-Ab(i,j)*x(j)/Ab(i,i);
end
end
end
Podemos abreviar el cdigo suprimiendo el bucle de ndice j y sustituyndolo

por el operador :
Ab=[A b];
n=length(b);
%matriz triangular
for k=1:n-1
for i=k+1:n
Ab(i,k:n+1)=Ab(i,k:n+1)-factor*Ab(k,k:n+1);
end
end
%incgnitas
x=zeros(n,1);
for i=n-1:-1:1
x(i)=Ab(i,n+1)/Ab(i,i)-Ab(i,i+1:n)*x(i+1:n)/Ab(i,i);
end
end
Probamos la funcin gauss_ecuacion con los sistemas de ecuaciones

x1+2x2+3x3=62x1+2x2+3x3=7x1+4x2+4x3=9x1+x2+x3=42x1
+x2+3x3=73x1+x2+6x3=2{x1+2x2+3x3=62x1+2x2+3x3=7x1+4x2+4x3=9{x1+x2+x
3=42x1+x2+3x3=73x1+x2+6x3=2
>> A=[1,2,3;2,2,3;1,4,4];
>> b=[6;7;9];
>> gauss_ecuacion(A,b)
ans =
1
1
1
>> A=[1,1,1;2,1,3;3,1,6];
>> b=[4;7;2];
ans =
19
-7
-8
Mejora del procedimiento de Gauss

Sea el sistema de ecuaciones
a11x1+a12x2+a13x3+...+a1nxn=b1a21x1+a22x2+a23x3+...
+a2nxn=b2....an1x1+an2x2+an3x3+...+annxn=bn{a11x1+a12x2+a13x3+...
+a1nxn=b1a21x1+a22x2+a23x3+...+a2nxn=b2....an1x1+an2x2+an3x3+...+annxn=bn
El procedimiento de Gauss no se puede aplicar si a11 es nulo. La solucin a

este problema es intercambiar filas hasta conseguir que a110. A este
elemento a11 que aparece como denominador se le denomina elemento pivote.
Si despus de la primera iteracin
a11x1+a12x2+a13x3+...+a1nxn=b1a122x2+a123x3+...
+a12nxn=b12a132x2+a133x3+...+a13nxn=b13....a1n2x2+a1n3x3+...
+a1nnxn=b1na1220{a11x1+a12x2+a13x3+...+a1nxn=b1a221x2+a231x3+...
+a2n1xn=b21a321x2+a331x3+...+a3n1xn=b31....an21x2+an31x3+...
+ann1xn=bn1a2210
el primer elemento de la segunda fila (pivote) es nulo hay que intercambiar

filas entre las n-1 ecuaciones restantes para que este elemento sea distinto de
cero.
Para mejorar la estabilidad del mtodo de Gauss en cada una de las
interacciones se intercambian filas para conseguir que el elemento pivote sea
el elemento mayor (en valor absoluto) de cada una de las columnas, es decir
que los elementos:
a11,a122,a233...ak1kkk=1,2,...n1a11,a221,a332...akkk1k=1,2,...n1
sean lo ms grandes (en valor absoluto).
0x1+4x22x32x4=41x1+2x2+4x33x4=53x13x2+8x3
2x4=71x1+1x2+6x33x4=7{0x1+4x22x32x4=41x1+2x2+4x33x4=53x13x
2+8x32x4=71x1+1x2+6x33x4=7
Creamos el siguiente script para ver el proceso de intercambio de filas y de

reduccin de la matriz A a una matriz triangular.
A=[0,4,-2,-2;1,2,4,-3;-3,-3,8,-2;-1,1,6,-3];
b=[-4;5;7;7];
Ab=[A b]
n=length(b);
for k=1:n-1
[mayor,j]=max(abs(Ab(k:n,k)));
fila=j+k-1;
if fila~=k
fprintf('intercambio fila %i por fila %i\n',k,fila);
Ab([k,fila],:)=Ab([fila,k],:);%intercambio de filas
Ab %muestra la matriz
end
%convierte en matriz triangular
for i=k+1:n
end
Ab %muestra la matriz
end
En la ventana de comandos vemos lo siguiente:

%matriz ampliada Ab
%El elemento pivote Ab(1,1) es cero
Ab =
0
4.00
1.00
2.00
-3.00
-3.00
-1.00
1.00
intercambio fila 1 por fila 3
-2.00
4.00
8.00
6.00
-2.00
-3.00
-2.00
-3.00
-4.00
5.00
7.00
7.00
Ab =
-3.00
-3.00
8.00
-2.00
7.00
1.00
2.00
4.00
-3.00
5.00
0
4.00
-2.00
-2.00
-4.00
-1.00
1.00
6.00
-3.00
7.00
%se hacen ceros los elementos de la primera columna de las filas 2,3,4
Ab =
-3.00
-3.00
8.00
-2.00
7.00
0
1.00
6.67
-3.67
7.33
0
4.00
-2.00
-2.00
-4.00
0
2.00
3.33
-2.33
4.67
%se examinan los valores de los elementos de la segunda columna de las
filas 2,3,4
intercambio fila 2 por fila 3
Ab =
-3.00
-3.00
8.00
-2.00
7.00
0
4.00
-2.00
-2.00
-4.00
0
1.00
6.67
-3.67
7.33
0
2.00
3.33
-2.33
4.67
%se hacen ceros los elementos de la segunda columna de las filas 3,4
Ab =
-3.00
-3.00
8.00
-2.00
7.00
0
4.00
-2.00
-2.00
-4.00
0
0
7.17
-3.17
8.33
0
0
4.33
-1.33
6.67
%se examinan los valores de los elementos de la tercera columna de las
filas 3,4
%no hay intercambio
%se hacen ceros los elementos de la tercera columna de la fila 4
%se completa la matriz triangular
Ab =
-3.00
-3.00
8.00
-2.00
7.00
0
4.00
-2.00
-2.00
-4.00
0
0
7.17
-3.17
8.33
0
0
0
0.58
1.63
Modificamos la funcin gauss_ecuacion para incluir la mejora

Ab=[A b];
n=length(b);
%matriz triangular
for k=1:n-1
[mayor,j]=max(abs(Ab(k:n,k)));
fila=j+k-1;
if fila~=k
Ab([k,fila],:)=Ab([fila,k],:);%intercambio de filas
end
for i=k+1:n
end
end
%incgnitas
x=zeros(n,1);
for i=n-1:-1:1
x(i)=Ab(i,n+1)/Ab(i,i)-Ab(i,i+1:n)*x(i+1:n)/Ab(i,i);
end
end
Llamamos a la funcin gauss_ecuacion para resolver el sistema de cuatro

ecuaciones lineales
>> A=[0,4,-2,-2;1,2,4,-3;-3,-3,8,-2;-1,1,6,-3];
>> b=[-4;5;7;7];
ans =
0.6000
1.6000
2.4000
2.8000
Sistemas de ecuaciones lineales
En esta pgina se discute y se resuelve un sistema de ecuaciones lineales

Matriz inversa
Se denomina matriz identidad I a aquella matriz cuadrada de

dimensiones mm en la cual los elementos de la diagonal valen 1 y el resto de
los elementos vale cero. MATLAB dispone de la funcin eye(m) para crear
una matriz cuadrada de dimensin m con los elementos de la diagonal
principal unos y el resto ceros.
El producto de la matriz identidad I por otra matriz A nos da la matriz A
A=[a11a21a12a21a13a23]
I=100010001A*I=[a11a21a12a21a13a23]A=[a11a12a13a21a21a23]
I=[100010001]A*I=[a11a12a13a21a21a23]
Si la matriz A es cuadrada, se obtiene el mismo resultado efectuando el

producto A*I o I*A
Si A es una matriz cuadrada, B es su matriz inversa si el
producto A*B=B*A=I
En MATLAB se puede obtener la matriz inversa de A elevando A a la
potencia -1, A-1 o bien, mediante la funcininv(A)
>> A=[-1 0 3; 2 -1 0; 3 1 -2]

A =
-1
0
3
2
-1
0
3
1
-2
>> B=inv(A)
B =
0.1538
0.2308
0.2308
0.3077
-0.5385
0.4615
0.3846
0.0769
0.0769
>> A*B
ans =
1.0000
0
0
-0.0000
1.0000
-0.0000
0
-0.0000
1.0000
Determinante
Un determinante es un nmero asociado a una matriz cuadrada. Para una

matriz cuadrada de dimensin 22
A=[a11a21a12a22]|A|=a11a22a12a21A=[a11a12a21a22]|A|=a11a22a12a21
El determinante de una matriz mm se desarrolla en trminos de una

combinacin de determinates de matrices de dimensin m-1m-1 y as,
sucesivamente, hasta llegar a los determinantes de matrices 22.
En MATLAB la funcin det(A) calcula el determinante de la matriz
cuadrada A.
>> A=[-1 0 3; 2 -1 0; 3 1 -2];
>> det(A)
ans = 13
Rango de una matriz
El rango de una matriz es el mximo nmero de filas linealmente

independientes. La funcin rank calcula el rango de una matriz. Sea la
matriz A
A=0132111320221101A=[0121110131202321]
>> A=[0 -1 2 1; 1 -1 0 -1; 3 1 2 0; 2 -3 2 -1];
>> rank(A)
ans =
3
Como podemos apreciar la fila cuatro es combinacin lineal de la fila 1 y la

fila 2:. a4j=a1j+2a2j, j=1...4
Divisin por la izquierda y por la derecha
La divisin por la izquierda se utiliza para resolver la ecuacin AX=B. En esta

ecuacin X es el vector columna de las incgnitas, B es el vector columna de
los trminos independientes y A es una matriz cuadrada.
a11x1+a12x2+a13x3=b1a21x1+a22x2+a23x3=b2a31x1+a32x2+a33x3=b3a11a21a3
1a12a22a32a13a23a23x1x2x3=b1b2b3AX=Ba11x1+a12x2+a13x3=b1
a21x1+a22x2+a23x3=b2a31x1+a32x2+a33x3=b3[a11a12a13a21a22a23a31a32a23]
[x1x2x3]=[b1b2b3]AX=B
A-1AX=IX=X
De modo que
X=A-1B
En MATLAB esta ltima expresin se escribe utilizando el operador divisin
por la izquierda
X=A\B
La divisin por la derecha se utiliza para resolver la ecuacin XC=D. En esta
ecuacin X y D son vectores fila y C es una matriz cuadrada.
XCC-1=DC-1
X=DC-1 o bien, X=D/C (divisin por la derecha)
Sistema de ecuaciones lineales
Consideremos el sistema de ecuaciones lineales
a11x1+a12x2+.....+a1nxn=b1a21x1+a22x2+.....
+a2nxn=b2...am1x1+am2x2+.....
+amnxn=bma11a21...am1a12a22...am2............a1na2n...amnx1x
2...xn=b1b2...bm{a11x1+a12x2+.....
+a1nxn=b1a21x1+a22x2+.....+a2nxn=b2...am1x1+am2x2+.....
+amnxn=bm[a11a12...a1na21a22...a2n............am1am2...amn][x1x2...xn]=[b1b2...bm]
que podemos escribir Ax=b, donde A es una matriz de

dimensin mn, y x y b son dos vectores columna de
longitudesn y m respectivamente. Tenemos un sistema de m ecuaciones
con n incgnitas.
1.
El sistema tiene solucin si y solo si el rango de la

matriz A es igual al rango de la matriz ampliada A|b. Sistema
compatible.
2.
Si el rango es igual al nmero n de incgnitas el sistema

tiene una solucin nica. Sistema compatible determinado
3.
Si el rango es menor que el nmero n de incgnitas

entonces hay un nmero infinito de soluciones. Sistema
compatible indeterminado.
Vamos a ver algunos ejemplos:

1.-Sea el sistema de tres ecuaciones con dos incgnitas
2x1+x2=32x1x2=0x12x2=4{2x1+x2=32x1x2=0x12x2=4
En forma matricial se escribe

221112[x1x2]=304[212112][x1x2]=[304]
La matriz A y la matriz ampliada A|b son respectivamente

A=221112Ab=221112304A=[212112]A|
b=[213210124]
>>
>>
>>
Ab
A=[2 1; 2 -1;
b=[3;0;4];
Ab=[A b]
=
2
1
2
-1
1
-2
>> rank(A)
ans =
2
>> rank(Ab)
ans =
3
1 -2];
3
0
4
El sistema no tiene solucin (primer caso). Cada una de las ecuaciones del
sistema representa una recta, identificamosx1con x y x2 con y. En la figura
vemos la representacin grfica de las rectas: y=3-2x, y=2x, y=x/2-2; que como
vemos no se cortan en un punto.
2.-Sea el sistema de tres ecuaciones con dos incgnitas
2x1+x2=34x1+2x2=66x1+3x2=9246123[x1x2]=369{2x1+x
2=34x1+2x2=66x1+3x2=9[214263][x1x2]=[369]
>> A=[2 1; 4 2; 6 3];
>> b=[3;6;9];
>> Ab=[A b];
>> rank(A)
ans =
1
>> rank(Ab)
ans =
1
El sistema tiene solucin, pero como el rango es menor que el nmero de

incgnitas hay un nmero infinito de soluciones (tercer caso).
Como vemos tenemos tres ecuaciones iguales, la segunda es igual a la primera
multiplicada por dos y la tercera es igual a la primera multiplicada por tres. En
la figura se representa la recta y=3-2x, que es la solucin del sistema de
ecuaciones.
3.-Sea el sistema de tres ecuaciones con dos incgnitas y su representacin

matricial
2x1+x2=32x1x2=5x12x2=4221112[x1x2]=354{2x1+
x2=32x1x2=5x12x2=4[212112][x1x2]=[354]
>> A=[2 1; 2 -1; 1 -2];
>> b=[3;5;4];
>> Ab=[A b];
>> rank(A)
ans =
2
>> rank(Ab)
ans =
2
El sistema tiene solucin nica ya que el rango es igual al nmero de

incgnitas (segundo caso).
>> X=A\b
X =
2.0000
-1.0000
En la figura vemos la representacin grfica de las rectas: y=3-2x, y=2x5, y=x/2-2; que como vemos se cortan en un el punto x=2, y=-1.
Divisin por la izquierda \
Vamos a practicar la divisin por la izquierda \ resolviendo el sistema de tres

ecuaciones con tres incgnitas:
3x1x2=52x1+x2+x3=02x1x2+4x3=15322111014x1x2x3=
5015AX=BX=A\B3x1x2=52x1+x2+x3=02x1x2+4x3=15[310211214]
[x1x2x3]=[5015]AX=BX=A\B
>> A=[3 -1 0; -2 1 1; 2 -1 4];

>> b=[5;0;15];
>> Ab=[A b];
>> rank(A)
ans =
3
>> rank(Ab)
ans =
3
>> A\b
ans =
2.0000
1.0000
3.0000
>> inv(A)*b
ans =
2.0000
1.0000
3.0000
La funcin rref de MATLAB
Esta funcin nos puede ser til para resolver sistemas de ecuaciones.
La matriz ampliada Ab del sistema de tres ecuaciones con

tres incgnitas del apartado anterior es
Ab=3221110145015Ab=(3102112145015)
>> A=[3 -1 0; -2
>> b=[5;0;15];
>> Ab=[A b];
>> R=rref(Ab)
R =
1
0
0
1
0
0
1 1; 2 -1 4];
0
0
1
2
1
3
Pasamos la matriz Ab a la funcin rref de MATLAB y obtenemos la matriz

ampliada R del sistema equivalente de ecuaciones
R=100010001213x1=2x2=1x3=3R=(100010001213)
{x1=2x2=1x3=3
Sea ahora, el sistema de tres ecuaciones con tres

incgnitas siguiente:
x1+x2+x3=6x12x3=42x1+x2x3=18{x1+x2+x3=6x12x3=42x1+x2
x3=18
Creamos la matriz A de los coeficientes y la matriz ampliada Ab

>> A=[1 1 1;1 0 -2;2 1 -1];
>> b=[-6;4;18];
>> Ab=[A b];
>> R=rref(Ab)
R =
1
0
-2
0
0
1
3
0
0
0
0
1
El sistema equivalente es
x12x3=0x2+3x3=00=1{x12x3=0x2+3x3=00=1
Se trata de un sistema incompatible, tal como podemos comprobar calculando

el rango de la matriz A y de su ampliadaAb
>> rank(A)
ans =
2
>> rank(Ab)
ans =
3
Finalmente, sea el sistema
x1+x2+x3=6x12x3=42x1+x2x3=10{x1+x2+x3=6x12x3=42x1+x2x3=
10
Creamos la matriz A de los coeficientes y la matriz ampliada Ab

>> A=[1 1 1; 1 0 -2;2 1 -1];
>> b=[6;4;10];
>> Ab=[A b];
>> rref(Ab)
ans =
1
0
-2
4
0
1
3
2
0
0
0
0
La ltima fila 0x1+0x2+0x3=0 se verifica para cualquier valor de x1, x2 y x3

El sistema equivalente es
{x12x3=4x2+3x3=2{x1=4+2x3x2=23x3{x12x3=4x2+3x3=2{x1=4+2x3x2=2
3x3
Una solucin sera por ejemplo, x1=4, x2=2 y x3=0.

>> rank(A)
ans =
2
>> rank(Ab)
ans =
2
El sistema es compatible e indeterminado.

Valores y vectores propios
El clculo de los valores propios y de los vectores propios de una matriz

simtrica tiene gran importancia en las matemticas y en la ingeniera, entre
los que cabe destacar, el problema de la diagonalizacin de una matriz, el
clculo de los momentos de inercia y de los ejes principales de inercia de un
slido rgido, o de las frecuencias propias de oscilacin de un sistema
oscilante.
Se denominan valores propios o races caractersticas de una matriz
cuadrada A, a los valores de tales que.
det(AE)=a11a21...an1a12a22...an2...a1n...a2n...ann=0det(
AE)=|a11a12...a1na21a22...a2n.........an1an2ann|=0
Desarrollando el determinante tenemos un polinomio de grado n en .

Trataremos de encontrar los coeficientes del polinomio y luego, aplicaremos
un mtodo de hallar las races del polinomio.
Una vez hallados los valores propios, para hallar el vector
propio X correspondiente al valor propio es necesario resolver el sistema
homogneo
AX=XAX=X
donde el vector X es X={x1,x2,...xn}X={x1,x2,...xn} Siempre podemos

tomar x1 como 1, y hallar las otras n-1 incgnitas. De las necuaciones podemos
tomar n-1, y resolver el sistema lineal.
(a22)x2+a23x3+....+a2nxn=a21a32x2+(a33)x3+....
+a3nxn=a31...............................................an2x2+an3x3+....+
(ann)xn=an1(a22)x2+a23x3+....+a2nxn=a21a32x2+(a33)x3+....
+a3nxn=a31...............................................an2x2+an3x3+....+(ann)xn=an1
El polinomio caracterstico
Dada una matriz cuadrada A de dimensin n. El polinomio caracterstico de la

matriz es
p()=n+p1n1+p2n2+...pn1+pnp()=n+p1n1+p2n2+...pn1+pn
Los coeficientes se hallan mediante las siguientes relaciones:

p1=s1p2=12(s2+p1s1)..........................pn=1n(sn+p1sn1+....
+pn1s1)p1=s1p2=12(s2+p1s1)..........................pn=1n(sn+p1s
n1+....+pn1s1)} (1)
Los valores s1, s2, ... sn son las trazas de las potencias de la matriz cuadrada A.
s1=trazaAs2=trazaA2....................sn=trazaAntraza
A=i=1inaiis1=trazaAs2=trazaA2....................sn=trazaAn}trazaA=i=1inaii
La aplicacin de este mtodo no reviste dificultad, se calculan:
Las potencias de la matriz A y la traza de cada una de

ellas,
Los coeficientes pi del polinomio caracterstico
Los valores propios o las races del polinomio mediante el
comando roots
Conocidos los valores propios se calculan los vectores

propios
Hallar el polinomio caracterstico de la matriz

1234212332124321(1234212332124321)
El desarrollo del determinante secular mediante el mtodo de Leverrier

conduce a la ecuacin
4434025620=04434025620=0
Conocidos los coeficientes del polinomio caracterstico, se determinan las

races por algn procedimiento numrico, el mejor procedimiento es utilizar la
funcin MATLAB roots que veremos con ms detalle en el captulo races de
una ecuacin.
Vectores propios
Conocidos los valores propios de una matriz simtrica A, se pueden calcular el

vector propio X correspondiente a cada valor propio .
AX=X
mediante el siguiente procedimiento. Supongamos una matriz simtrica A de
dimensin 4.
a11a21a31a41a12a22a32a42a13a23a33a43a14a24a34a44
x1x2x3x4=x1x2x3x4a11a21a31a41a12a22a3
2a42a13a23a33a43a14a24a34a44
x1x2x3x4=0[a11a12a13a14a21a22a23a24a31a32a33a34a41a42a43a44]
[x1x2x3x4]=[x1x2x3x4]
[a11a12a13a14a21a22a23a24a31a32a33a34a41a42a43a44][x1x2x3x4]=0
Conocido el valor propio , tenemos un sistema de ecuaciones homogneo de

4 ecuaciones con 4 incgnitas. Le damos a x1 el valor arbitrario de 1 y lo
convertimos en el sistema de tres ecuaciones con tres incgnitas
a21x1+(a22)x2+a23x3+a24x4=0a31x1+a32x2+
(a33)x3+a34x4=0a41x1+a42x2+a43x3+
(a44)x4=0(a22)x2+a23x3+a24x4=a21x1a32x2+
(a33)x3+a34x4=a31x1a42x2+a43x3+
(a44)x4=a41x1(a22)a32a42a23(a33)a43a24a34(a44)
x2x3x4=a21x1a31x1a41x1{a21x1+
(a22)x2+a23x3+a24x4=0a31x1+a32x2+(a33)x3+a34x4=0a41x1+a42x2+a43x3+
(a44)x4=0{(a22)x2+a23x3+a24x4=a21x1a32x2+
(a33)x3+a34x4=a31x1a42x2+a43x3+
(a44)x4=a41x1[(a22)a23a24a32(a33)a34a42a43(a44)]
[x2x3x4]=[a21x1a31x1a41x1]
La funcin leverrier
A la funcin leverrier se le pasa la matriz cuadrada A de dimensin n y

devuelve dos matrices
La matriz V de los vectores propios, cada vector propio

correspondiente a un valor propio es un vector columna
La matriz diagonal D que contiene los valores propios en

las columnas ordenados, de modo que al valor propio i que
se guarda en el elemento diagonal D(i,i) le corresponde el
vector columna i de la matriz cuadrada V(1:n,i)
La funcin leverrier realiza dos tareas:
Calcula los valores propios
1.
Calcula las potencias de la matriz A y sus trazas

guardndolas en el vector s.
2.
Calcula n coeficientes del polinomio caracterstico de

acuerdo con las frmulas (1) y los guarda en el vector p. Se
ha de tener en cuenta que el coeficiente que falta es el de
mayor grado y vale 1. El vector de los coeficientes del
polinomio caracterstico es el vector ampliado [1 p] cuyo
primer trmino es 1 y a continuacin el resto de los
coeficienetes calculados.
3.
Calcula las races del polinomio, que son los valores propios
empleando la funcin MATLAB roots, a la cual se le pasa el
vector de los coeficientes y devuelve el vector (columna) de
las races.
4.
Creamos una matriz D de dimensin n en cuya diagonal

principal guardamos los valores propios, D(i,i)=i
Calcula el vector propio para cada uno de los valores

propios.
1.
Extraemos de la matriz A la submatriz A(2:n,2:n) y creamos

otra matriz B de dimensin n-1. Los elementos de la diagonal
de la matiz B, valen B(i,i)=A(i,i)-i
2.
Extraemos los elementos 2..n de la primera columna de la

matriz A del siguiente modo, A(2:n,1), los cambiamos de
signo y los asignamos al vector C de dimensin n-1.
3.
Los n-1 elementos del vector popio correspondiente al

valor propio i se obtienen resolviendo un sistema de n-1
ecuaciones con n-1 incgnitas, mediante el operador divisin
por la izquierda \ tal como hemos visto en la pginaVectores
y matrices.
4.
El vector propio S correspondiente al valor propio i est

formado por la unidad y los n-1 valores que hemos obtenido
al resolver el sistema lineal de n-1 ecuaciones con n-1
incgnitas.
5.
El vector propio S se normaliza (su mdulo es la unidad).

Recurdese que el cuadrado del mdulo de un vector es el
producto escalar de dicho vector consigo mismo.
6.
El vector propio S correspondiente al valor propio i es la

columna i de la matriz V. V(1:n,i)=S/norm(S). La funcin
MATLAB norm calcula el mdulo de un vector.
Finalmente podemos comprobar que los resultados son correctos realizando el

producto
VDV-1
cuyo resultado es la matriz original A.
function [V,D]=leverrier(A)
%V vectores propios en columnas
% D valores propios en la diagonal de la matriz
n=length(A); %dimensin de la matriz
p=zeros(1,n); %reserva memoria para n elementos
s=zeros(n,1);
B=zeros(n); %reserva memoria para la matriz cuadrada de dimensin n
for i=1:n
B=A^i; %potencia de la matriz A
s(i)=trace(B); %calcula la traza de las sucesivas potencias de
la matriz A
end
%calcula los coeficientes del polinomio caracterstico
p(1)=-s(1);
for i=2:n
p(i)=-s(i)/i;
for j=1:i-1
p(i)=p(i)-p(j)*s(i-j)/i;
end
end
%races del polinomio caracterstico
raiz=roots([1 p]);
%Los valores propios aparecen en la diagonal de la matriz D
D=diag(raiz);
%Vectores propios para cada valor propio
C=-1.*A(2:n,1); %columna de A
V=zeros(n);
S=zeros(n,1); %vector propio
for i=1:length(D)
B=A(2:n,2:n)-D(i,i)*eye(n-1); %submatriz de A
S=[1 (B\C)'];
% vectores propios normalizados
%cada vector propio es una columna de V
V(1:n,i)=S/norm(S);
end
end
Probamos la funcin leverrier en la ventana de comandos

>> A=[1 2 3 4; 2 1 2 3; 3 2 1 2;
A =
1
2
3
4
2
1
2
3
3
2
1
2
4
3
2
1
>> [V,D]=leverrier(A)
V =
0.5468
0.6533
0.4483
0.4483
0.2706
-0.5468
0.4483
-0.2706
-0.5468
0.5468
-0.6533
0.4483
D =
9.0990
0
0
0
-3.4142
0
0
0
-1.0990
0
0
0
>> V*D*inv(V)
4 3 2 1]
0.2706
-0.6533
0.6533
-0.2706
0
0
0
-0.5858
ans =
1.0000
2.0000
3.0000
4.0000
2.0000
1.0000
2.0000
3.0000
3.0000
2.0000
1.0000
2.0000
4.0000
3.0000
2.0000
1.0000
La funcin MATLAB eig
MATLAB dispone de la funcin eig que realiza las mismas tareas que la
funcin leverrier.
>> A=[1 2 3 4; 2 1 2 3; 3 2 1 2; 4 3 2 1]
A =
1
2
3
4
2
1
2
3
3
2
1
2
4
3
2
1
>> [V,D]=eig(A)
V =
0.6533
-0.4483
0.2706
0.5468
0.2706
0.5468
-0.6533
0.4483
-0.2706
0.5468
0.6533
0.4483
-0.6533
-0.4483
-0.2706
0.5468
D =
-3.4142
0
0
0
0
-1.0990
0
0
0
0
-0.5858
0
0
0
0
9.0990
Ejercicio
Calcular los vectores propios y los valores propios de las matrices
111310210711151115
Integracin numrica
Hay muchas situaciones en la que es preciso aplicar procedimientos numricos

para obtener la integral definida de una funcin. En este captulo se explicarn
dos procedimientos:
Mtodo del punto medio
El procedimiento del trapecio
El procedimiento de Simpson
Concepto de integral definida
Para introducir el concepto de integral definida vamos a resolver el siguiente

problema de cinemtica.
http://www.sc.ehu.es/sbweb/fisica_/cinematica/rectilineo/rectilineo/rectilineo_
3.html
Dada la velocidad de un mvil en funcin del tiempo v(t) calcular el
desplazamiento x-x0 de dicho mvil entre los instantes t0 y t.
Dividimos el intervalo t0 a t en pequeos intervalos de tiempo ti=ti-ti-1

En el instante ti-1 la velocidad del mvil es vi-1, en el instante ti la velocidad del
mvil es vi. La velocidad media <vi> en el intervalo de tiempo ti=ti-ti1 comprendido entre ti-1 y ti es
<vi>=v(ti)+v(ti1)2<vi>=v(ti)+v(ti1)2
El desplazamiento del mvil durante el intervalo de tiempo ti=ti-ti1 comprendido entre ti-1 y ti es aproximadamente el rea del rectngulo <vi>ti.
El desplazamiento total x-x0 entre el instante inicial t0, y el instante
final t=tn es, aproximadamente
xx0i=1n<vi>tixx0i=1n<vi>ti
donde n es el nmero de intervalos

Si v=-t2+14t+21 (m/s) y tomamos n=10 intervalos iguales, entre el
instante t0=0 y t=10 s el desplazamiento aproximado vale
ti-1
ti
<vi>
<vi>ti
27.5
27.5
39.5
39.5
49.5
49.5
57.5
57.5
63.5
63.5
67.5
67.5
69.5
69.5
67.5
67.5
10
63.5
63.5
10
575.0
Cuando el nmero de intervalos en los que se ha dividido un intervalo dado

(t0, t) es muy grande ti-->0, la velocidad media <vi> en el intervalo
comprendido entre ti-1 y ti es la velocidad v en cada instante t. En el lmite, el
desplazamiento se expresa como
xx0=t0tvdtxx0=t0tvdt
Si v=-t2+14t+21 (m/s), el desplazamiento entre el instante t0=0 y t=10 s vale
xx0=t0t(t2+14t+21)dt=t33+7t2+21t100=17303=576.6667
mxx0=t0t(t2+14t+21)dt=t33+7t2+21t|010=17303=576.6667m
Se ha de tener en cuenta que los ndices en MATLAB comienzan en uno no en

cero. Creamos un funcin denominadaintegral_1 que realice las siguientes
tareas:
1.
Calcular la velocidad en el instante ti
2.
Calcular la velocidad en el instante ti+1
3.
Calcular la velocidad media vm del mvil en el intervalo de

tiempo ti=ti+1-ti
4.
Calcular el desplazamiento aproximado en dicho intervalo

de tiempo, vmti.
5.
Calcular el desplazamiento total aproximado x-x0 de dicho

mvil entre los instantes t0 y t.
function suma=integral_1(f,t)
suma=0;
v1=f(t(1));
for i=1:length(t)-1
v2=f(t(i+1));
vm=(v1+v2)/2;
suma=suma+vm*(t(i+1)-t(i));
v1=v2;
end
end
En el script (ms abajo), el vector t1 contiene n+1 datos comprendidos entre el

tiempo inicial t0 y la final tf ambos incluidos, si el nmero de intervalos es n.
t0=input('tiempo inicial, t0: ');
tf=input('tiempo final, tf: ');
n=input('nmero intervalos, n: ');
vel=@(t) -t.^2+14*t+21; %funcin velocidad
t1=linspace(t0,tf,n+1);
res=integral_1(vel,t1); %calcula la integral
fprintf('El desplazamiento es %3.2f: \n',res)
En la ventana de comandos corremos el script velocidad

>> velocidad
tiempo inicial, t0: 0

tiempo final, tf: 10
nmero intervalos, n: 10
El desplazamiento es: 575.00
Mtodo del punto medio
El mtodo del punto medio es muy fcil de entender, ya que aproxima la

integral definida
abf(x)dxabf(x)dx
por la suma de pequeos rectngulos. Como se ve en la figura el rea de cada

rectngulo es f(xm) xi, donde xm=(xi+1+xi)/2 es la posicin intermedia
entre xi y xi+1.
Definimos la funcin integral_2 para que realice las siguientes tareas:

1.
Calcula la posicin intermedia xm=(xi+1+xi)/2 entre xi y xi+1
2.
Calcula el rea del rectngulo f(xm) xi, donde xi=xi+1-xi
3.
Calcula el rea total aproximada en el intervalo a, b.
function suma=integral_2(f,x)
suma=0;
for i=1:length(x)-1
xm=(x(i+1)+x(i))/2;
suma=suma+f(xm)*(x(i+1)-x(i));
end
end
Escribimos el script velocidad_1

t0=input('tiempo inicial, t0: ');
vel=@(t) -t.^2+14*t+21; %funcin velocidad
t1=linspace(t0,tf,n+1);
res=integral_2(vel,t1); %calcula la integral
fprintf('El desplazamiento es: %3.2f\n',res)
En la ventana de comandos corremos el script velocidad_1

>> velocidad_1
tiempo inicial, t0: 0
El desplazamiento es: 577.50
Frmula del trapecio
Para calcular la integral definida de la funcin f(x) en el intervalo comprendio

entre x0 y x, dividimos este intervalo en pequeos intervalos de longitud h=xi+1xi. Sustituimos la funcin por la recta que une los puntos (xi, yi) y (xi+1, yi+1). El
rea sombreada en la figura es la suma del rea de un rectngulo ms el rea
de un tringulo, vale
hyi+12h(yi+1yi)=12h(yi+1+yi)hyi+12h(yi+1yi)=12h(yi+1+yi)
El rea total aproximada bajo la curva es
h2(y1+y2)+h2(y2+y3)+h2(y3+y4)+...
+h2(yn2+yn1)+h2(yn1+yn)=h2(y1+2y2+2y3+2y4+...
+2yn2+2yn1+yn)h2(y1+y2)+h2(y2+y3)+h2(y3+y4)+...
+h2(yn2+yn1)+h2(yn1+yn)=h2(y1+2y2+2y3+2y4+...+2yn2+2yn1+yn)
Definimos en la funcin trapecio el procedimiento. Donde f es la funcin

integrando, y x el vector de n+1 datos comprendidos entre la abscisa
inicial x0 y la final xf ambas incluidas, si el nmero de intervalos es n.
function sum=trapecio(f,x0, xf, nInterv)
%el nmero de puntos es n intervalos ms uno
x=linspace(x0,xf,nInterv+1);
n=length(x);
sum=(f(x(1))+f(x(n)))/2;
for i=2:n-1
sum=sum+f(x(i));
end
sum=sum*(x(2)-x(1));
end
Dada la funcin integrando f(x), calculamos la aproximacin a la integral

definida en el intervalo comprendido entre x0 yx, escribiendo el
script velocidad_2.
x0=input('abscisa inicial, x0: ');
xf=input('abscisa final, xf: ');
deriv=@(x) -x^2+14*x+21; %definicin del integrando
res=trapecio(deriv,x0,xf,n); %calcula la integral
fprintf('El valor aproximado de la integral: %3.2f\n',res)

>> velocidad_2
abscisa inicial, x0: 0
abscisa final, xf: 10
El valor aproximado de la integral: 575.00
El mtodo de Simpson (1/3)
En este procedimiento, se toma el intervalo de anchura 2h, comprendido

entre xi y xi+2, y se sustituye la funcin f(x) por la parbola que pasa por tres
puntos (xi, yi), (xi+1, yi+1), y (xi+2, yi+2).
Calculamos la contribucin a la integral del primer intervalo (x0, x0+2h) y

generalizaremos para el resto de los intervalos.
La ecuacin de la parbola y=ax2+bx+c que pasa por los puntos (x0, y0), (x0+h,
y1), (x0+2h, y2) es
y0=ax20+bx0+cy1=a(x0+h)2+b(x0+h)+cy2=a(x0+2h)2+b(x0+2h)
+cy0=ax02+bx0+cy1=a(x0+h)2+b(x0+h)+cy2=a(x0+2h)2+b(x0+2h)+c
Este sistema de tres ecuaciones con tres incgnitas, se reduce a

y1=y0+2ax0h+ah2+bhy2=y0+4ax0h+4ah2+2bhy1=y0+2ax0h+ah2+bhy2=y0+4a
x0h+4ah2+2bh
Despejamos el coeficiente a, y 2ax0+b

a=y22y1+y02h22ax0+b=4y13y0y22ha=y22y1+y02h2
2ax0+b=4y13y0y22h
Sustituimos la curva por la porcin de parbola en el intervalo (x0, x0+2h). La

integral vale.
I=x0x0+2h(ax2+bx+c)dx=a3(6x20+12x0h2+8h3)+b2(4x0h+4h2)+c(2h)=2h(ax
20+bx0+c)
+2(2ax0+b)h2+83ah3=h3(y0+4y1+y2)I=x0x0+2h(ax2+bx+c)dx=a3(6x02+12x0h2+
8h3)+b2(4x0h+4h2)+c(2h)=2h(ax02+bx0+c)+2(2ax0+b)h2+83ah3=h3(y0+4y1+y2)
En general, el valor del rea aproximada, en el intervalo (xi, xi+2h) sombreada

en la figura, es
h3(yi+4yi+1+yi+2)h3(yi+4yi+1+yi+2)
El rea aproximada en el intervalo (a, b) es

abf(x)dxh3(y0+4y1+y2)+h3(y2+4y3+y4)+....
+h3(yn2+4yn1+yn)abf(x)dxh3(y0+4y1+y2)+h3(y2+4y3+y4)+....
+h3(yn2+4yn1+yn)
o bien, agrupando trminos

abf(x)dxh3((y0+yn)
+4(y1+y3+....yn1)+2(y2+y4+....yn2))abf(x)dxh3((y0+yn)
+4(y1+y3+....yn1)+2(y2+y4+....yn2))
El primer parntesis, contiene la suma de los extremos, el segundo, la suma de

los trminos de ndice impar, y el tercero la suma de los trminos de ndice
par. En el mtodo de Simpson, el nmero de divisiones n debe de ser par.
Definimos en la funcin simpson el procedimiento. Donde f es la funcin
integrando, y x el vector de n+1 datos comprendidos entre la abscisa
inicial x0 y la final xf ambas incluidas, si el nmero de intervalos es n que tiene
que ser un nmero PAR.
function suma=simpson(f,x0,xf,n)
%n nmero par de intervalos, n+1 nmero de puntos en el vector
x=linspace(x0,xf,n+1);
h=x(2)-x(1);
suma=f(x(1))+f(x(n+1));
for i=2:2:n
suma=suma+4*f(x(i));
end
for i=3:2:n-1
suma=suma+2*f(x(i));
end
suma=suma*h/3;
end
Dada la funcin integrando f(x), calculamos la aproximacin a la integral

definida en el intervalo comprendido entre x0 yx, escribiendo el
script velocidad_3
x0=input('abscisa inicial, x0: ');
xf=input('abscisa final, xf: ');
n=input('nmero intervalos (par), n: ');
if rem(n,2)==1
disp('El nmero intervalos tiene que ser par ');
break
end
deriv=@(x) -x^2+14*x+21; %definicin del integrando
res=simpson(deriv,x0,xf,n); %calcula la integral
fprintf('El valor aproximado de la integral: %3.2f\n',res)

>> velocidad_3
abscisa inicial, x0: 0
abscisa final, xf: 10
El valor aproximado de la integral: 576.67
Apreciamos la mejora en el resultado de la integral con el mtodo de Simpson.

Existe una versin del mtodo de Simpson denominada 3/8 en el que se
emplea una ecuacin cbica para concectar cuatro puntos.
Integracin numrica con funciones

MATLAB
MATLAB dispone de las funciones denominadas quad y dblquad para las
integrales simples y dobles
Integrales simples
La funcin quad(function, a, b);devuelve el resultado aproximado de la
integral cuando se le pasa la funcin a integrar en el primer
parmetro function, los lmites a y b de la integral. Ejemplos:
010(t2+14t+21)dt=t33+7t2+21t100=17303=576.6667
m010(t2+14t+21)dt=t33+7t2+21t|010=17303=576.6667m
>> f=@(x) -x.^2+14*x+21;
>> q=quad(f,0,10)
q = 576.6667
Integrales dobles
Queremos calcular una integral doble de la funcin f(x,y) en la regin

rectangular de abscisas a y b y de ordenadas c y d, tal como se muestra en la
figura
badcf(x,y)dydxabcdf(x,y)dydx
MATLAB dispone de la funcin dblquad (se sustituye por integral2 en

versiones ms recientes de MATLAB) que realiza esta tarea. Supongamos que
queremos calcular la integral doble
2130x2ydydx1203x2ydydx
Creamos el script integral_doble, en el que definimos la funcin

annima f(x,y) y llamamos a dblquad pasndole la funcin, los lmites de
integracin de la variable x, y los lmites de integracin de la variable y.
f=@(x,y) x.^2.*y;
res=dblquad(f,1,2,0,3);
fprintf('El valor de la integral es: %2.3f\n',res)
En la ventana de comandos corremos el script integral_doble
>> integral_doble
El valor de la integral es: 10.500
Como puede comprobarse fcilmente haciendo la integral doble.

Para calcular la integral doble de la funcin f(x,y) en la regin no rectangular
comprendida entre las curvas y=c(x),y=d(x) y las rectas x=a y x=b
[Math Processing Error]
Al integrar la funcin f(x,y) respecto de la variable y entre los lmites c(x)

y d(x) nos queda la funcin g(x) que integramos entre los lmites a y b.
ba(d(x)c(x)f(x,y)dy)dx=bag(x)dxab(c(x)d(x)f(x,y)dy)dx=abg(x)dx
Utilizamos la funcin MATLAB quad, para resolver ambas integrales, tal

como vemos en el siguiente ejemplo.
20x2+xx3x(x3y4+xy2)dydx=02(x2+xx3x(x3y4+xy2)dy)dx02x3xx2+x(x3
y4+xy2)dydx=02(x3xx2+x(x3y4+xy2)dy)dx
Definimos la funcin g(x) del siguiente modo

function z=g(x)
n=length(x);
z=zeros(size(x));
for j=1:n
%lmites de y
c=x(j)^3-x(j);
d=x(j)^2+x(j);
%integrando f(x,y)
f=@(y) x(j)^3*y.^4+x(j)*y.^2;
z(j)=quad(f,c,d);
end
end
En el script integral_doble1 llamamos a la funcin quad para resolver la

integral de g(x)
res=quad(@g,0,2);
fprintf('El valor de la integral es: %3.3f\n',res)
En la ventana de comandos corremos el script integral_doble1

>> integral_doble1
El valor de la integral es: 961.181
Comprobar los resultados de las integrales siguientes:

0.10.5x3x2ey/xdydx0.033301x2x(x2+y3)dydx1.00010.10.5x3x2ey/xdydx0.
033301x2x(x2+y3)dydx1.0001
Solucin
Integral de pares de datos

Supongamos que en una experiencia hemos medido la velocidad de un mvil
en funcin del tiempo,
t(s) 1 2 3 4 5 6 7 8 9 10
v(m/s) 5.0 6.0 5.5 7.0 8.3 7.6 6.2 6.1 7.0 5.7
calcular el desplazamiento del mvil utilizando la funcin trapz, que emplea
el procedimiento del trapecio.
>> t=[1 2 3 4 5 6 7 8 9 10];
>> v=[5.0 6.0 5.5 7.0 8.3 7.6 6.2 6.1 7.0 5.7];
>> des=trapz(t,v)
des =
59.0500
Solucin numrica de ecuaciones diferenciales (I)
Las leyes que gobiernan los fenmenos de la naturaleza se expresan

habitualmente en forma de ecuaciones diferenciales. Las ecuaciones del
movimiento de los cuerpos (la segunda ley de Newton) es una ecuacin
diferencial de segundo orden, como lo es la ecuacin que describe los sistemas
oscilantes, la propagacin de las ondas, la transmisin del calor, la difusin, el
movimiento de partculas subatmicas, etc.
Pocas ecuaciones diferenciales tienen una solucin analtica sencilla, la mayor

parte de las veces es necesario realizar aproximaciones, estudiar el
comportamiento del sistema bajo ciertas condiciones. As, en un sistema tan
simple como un pndulo, la amplitud de la oscilacin ha de ser pequea y el
rozamiento ha de ser despreciable, para obtener una solucin sencilla que
describa aproximadamente su movimiento peridico.
Se estudia el procedimiento de Runge-Kutta que se aplica de forma directa a
una ecuacin diferencial de primer orden, pero veremos como se extiende a un
sistema de ecuaciones de primer orden, a un ecuacin diferencial de segundo
orden y a un sistema de ecuaciones diferenciales de segundo orden.
El procedimiento de Runge-Kutta se puede programar fcilmente en los
ordenadores y adems, se emplea mucho en la prctica, debido a la su
exactitud relativamente elevada de la solucin aproximada de la ecuacin
diferencial. La justificacin del procedimiento de Runge-Kutta no es sencilla,
el lector interesado puede consultar algn libro de mtodos numricos de
anlisis.
Mtodo de Euler
Vamos aresolver la ecuacin diferencial de primer orden

dxdt=f(t,x)dxdt=f(t,x)
con con la condicin inicial de que en el instante t0 la posicin es x0
La primera derivada nos permite conocer la posicin xi+1 en el instante ti+1, a

partir de la posicin xi en el instante ti de acuerdo a la frmula siguiente. La
lnea de color rojo es la tangente a la curva en el instante ti
xi+1=xi+f(ti,xi)h
El procedimiento de Euler produce un error que se acumula a cada paso h de
integracin, que es el segmento en color azul que une los dos puntos en la
figura.
Escribimos una funcin denominada euler, a la que le pasaremos:
la funcin f(t,x),
la condicin inicial de que en el instante t0 la posicin es x0,
el instante final tf
el nmero de pasos de integracin n
y nos devolver un vector t y su correspondiente vector x.

function [t,x] =euler(f,t0,tf,x0,n)
h=(tf-t0)/n;
t=t0:h:tf;
x=zeros(n+1,1); %reserva memoria para n+1 elementos del vector x
x(1)=x0;
for i=1:n
x(i+1)=x(i)+f(t(i),x(i))*h;
end
end
Supongamos que queremos integrar la ecuacin diferencial

dxdt=costdxdt=cost
con las condicin inicial t=0, x=0.

x0=0tcostdtx=sintx0=0tcostdtx=sint
Tomamos un intervalo h=/6, y construimos la siguiente tabla
t
0
dxdt=costdxdt=cost
x(Euler)
0
x=sin t
0
/6
0.866
0.523
0.5
/3
0.5
0.977
0.866
/2
1.239
2/3
-0.5
1.239
0.866
5/6
-0.866
0.977
0.5
0.523
Esta tabla nos ilustra el modo de aplicar el mtodo de Euler a una ecuacin
diferencial de primer orden. Para aplicar el mtodo de Euler precisamos de un
paso h pequeo, incluso as los errores se van acumulando y al cabo de cierto
tiempo la diferencia entre el valor exacto y el calculado es grande.
Escribimos en script euler_script en el que definiremos la funcin f(t,x), las
condiciones iniciales y llamaremos a la funcin euler. Finalmente,
representaremos grficamente la solucin exacta y la obtenida aplicando el
mtodo de Euler
n=input('nmero de pasos, n: ');
f=@(t,x) cos(t);
%condiciones iniciales
t0=0;
x0=0;
[t,x]=euler(f,t0,tf,x0,n);
hold on
plot(t,x,'b')
y=sin(t);
plot(t,y,'r')
xlabel('t')
ylabel('x');
legend('aproximada','exacta')
title('dx/dt=cost')
hold off
En la ventana de comandos corremos el script euler_script

>> euler_script
tiempo final, tf: pi

nmero de pasos, n: 40
Hay diferencia entre la solucin exacta y la obtenida mediante integracin

numrica por el mtodo de Euler
Mtodo de Runge-Kutta
En esta seccin vamos a estudiar la aplicacin del mtodo de Runge-Kutta a:
Una ecuacin diferencial de primer orden

Un sistema de dos ecuaciones diferenciales de primer
orden
Una ecuacin difrencial de segundo orden
Un sistema de dos ecuaciones diferenciales de segundo

orden
Ecuacin diferencial de primer orden
Sea una ecuacin diferencial de primer orden, con la condicin inicial de que
en el instante t0 el valor inicial de x es x0
Se elige una anchura de paso h y se calculan cuatro nmeros k1, k2, k3, k4 de
acuerdo con el procedimiento esquematizado en la tabla adjunta. Segn el
procedimiento ordinario de Runge-Kutta, a partir del valor de x en el
instantet se determina el valor de x en el instante t+h mediante la frmula que
figura en la ltima fila de dicha tabla.
dxdt=f(t,x)dxdt=f(t,x)
k1=hf(t,x)k2=hf(t+12h,x+12k1)k3=hf(t+12h,x+12k2)k4=hf(t+h,x+k3)k1=hf(t,x
)k2=hf(t+12h,x+12k1)k3=hf(t+12h,x+12k2)k4=hf(t+h,x+k3)
x(t+h)=x(t)+16(k1+2k2+2k3+k4)x(t+h)=x(t)+16(k1+2k2+2k3+k4)
Definimos la funcin rk_1 que resuelve la ecuacin diferencial de primer

orden, cuando le pasamos:
la funcin f(t,x),
la condicin inicial de que en el instante t0el valor inicial
es x0,
el instante final tf
el nmero de pasos de integracin n comprendidos entre el
instante inical t0 y final tf.
y nos devolver un vector t y su correspondiente vector x.

function [t,x] =rk_1(f,t0,tf,x0,n)
h=(tf-t0)/n;
t=t0:h:tf;
x=zeros(n+1,1); %reserva memoria para n elementos del vector x
x(1)=x0;
for i=1:n
k1=h*f(t(i),x(i));
k2=h*f(t(i)+h/2,x(i)+k1/2);
k3=h*f(t(i)+h/2,x(i)+k2/2);
k4=h*f(t(i)+h,x(i)+k3);
x(i+1)=x(i)+(k1+2*k2+2*k3+k4)/6;
end
end
Considrese el circuito en serie de la figura. Inicialmente el condensador est

descargado. Si se cierra el interruptor I la carga empieza a fluir produciendo
corriente en el circuito, el condensador se empieza a cargar. Una vez que el
condensador adquiere la carga mxima, la corriente cesa en el circuito.
Rdqdt=VqC0qdqCVq=1RC0tdt
q=CV(1exp(tRC))Rdqdt=VqC0qdqCVq=1RC0tdt
q=CV(1exp(tRC))
Escribimos el script carga para que realice las siguientes tareas:

1.
Establezca, mediante comandos input:

o
La resistencia R del circuito
La capacidad C del condensador
El tiempo final, tf
o
2.
el nmero de pasos, n.
Fije las condiciones iniciales, en el instante inicial t=0, el

condensador est descargado x=0.
3.
Defina la funcin f(t,x),
4.
Llame al procedimiento numrico rk_1
5.
6.
Mediante el comando plot realice una representacin

grfica de la solucin numrica
Realice una representacin grfica de la solucin exacta
Ejemplo: R=2.0, C=0.8, y tf=10.

V0=10;
R=input('Resistencia R: ');
C=input('Capacidad C: ');
f=@(t,x) V0/R-x/(R*C);
t0=0; x0=0;
[t,x]=rk_1(f,t0,tf,x0,n);
hold on
plot(t,x,'b')
y=C*V0*(1-exp(-t/(R*C)));
plot(t,y,'r')
xlabel('t')
ylabel('q');
legend('aproximada','exacta','Location','Southeast')
title('Carga del condensador')
hold off
En la ventana de comandos corremos el script carga

>> carga
Resistencia R: 2
Capacidad C: 0.8
No se aprecia diferencia entre la solucin exacta y la numrica, aplicando el

procedimiento de Runge_Kutta.
Sistema de dos ecuaciones diferenciales de primer orden
El procedimiento de Runge-Kutta es igualmente efectivo en la resolucin de

un sistema de dos ecuaciones diferenciales de primer orden.
dxdt=f(t,x,y)dydt=g(t,x,y)dxdt=f(t,x,y)dydt=g(t,x,y)
El procedimiento de aplicacin del mtodo de Runge-Kutta a cada una de las

ecuaciones diferenciales, con las condicin inicial siguiente, en el instante t0
el valor inicial de x es x0
el valor inicial de y es y0
se esquematiza en la tabla adjunta. Como vemos adems de los cuatro

nmeros k1, k2, k3, k4 para la primera ecuacin diferencial precisamos otros
cuatro nmeros l1, l2, l3, l4 para la segunda ecuacin diferencial. A partir del
valor de x en el instante t, se determina el valor de x en el instante t+h, y a
partir del valor de y en el instante t se determina el valor dey en el
instante t+h mediante las frmulas de la ltima fila de la tabla.
dxdt=f(t,x,y)dxdt=f(t,x,y)
dydt=g(t,x,y)dydt=g(t,x,y)
k1=hf(t,x,y)k2=hf(t+12h,x+12k1,y+12l
l1=hg(t,x,y)l2=hg(t+12h,x+12k1,y+12l
1,)k3=hf(t+12h,x+12k2,y+12l2)k4=hf(t
1)l3=hg(t+12h,x+12k2,y+12l2)l4=hg(t
+h,x+k3,y+l3)k1=hf(t,x,y)k2=hf(t+12h,
+h,x+k3,y+l3)l1=hg(t,x,y)l2=hg(t+12h,
x+12k1,y+12l1,)k3=hf(t+12h,x+12k2,y+1
2l2)k4=hf(t+h,x+k3,y+l3)
x+12k1,y+12l1)l3=hg(t+12h,x+12k2,y+1
2l2)l4=hg(t+h,x+k3,y+l3)
x(t+h)=x(t)
y(t+h)=y(t)
+16(k1+2k2+2k3+k4)x(t+h)=x(t)
+16(l1+2l2+2l3+l4)y(t+h)=y(t)
+16(k1+2k2+2k3+k4)
+16(l1+2l2+2l3+l4)
Definimos la funcin rk_2_1 que resuelve el sistema de dos ecuaciones

diferenciales de primer orden, cuando le pasamos:
las funciones f (t,x,y) y g(t,x,y)
las condiciones iniciales (x0,y0) en el instante t0
el nmero n de pasos de integracin entre t0 y el tiempo

final tf
Nos devuelve los vectores x e y para cada instante que se guarda en el

vector t comprendido entre el instante inicial t0 y el final tf.
function [t,x,y] =rk_2_1(f,g,t0,tf,x0,y0,n)
h=(tf-t0)/n;
t=t0:h:tf;
x=zeros(n+1,1); %reserva memoria para n+1 element(i)os del

vect(i)or x(i)
y=zeros(n+1,1);
x(1)=x0; y(1)=y0;
for i=1:n
k1=h*f(t(i),x(i),y(i));
l1=h*g(t(i),x(i),y(i));
k2=h*f(t(i)+h/2,x(i)+k1/2,y(i)+l1/2);
l2=h*g(t(i)+h/2,x(i)+k1/2,y(i)+l1/2);
k3=h*f(t(i)+h/2,x(i)+k2/2,y(i)+l2/2);
l3=h*g(t(i)+h/2,x(i)+k2/2,y(i)+l2/2);
k4=h*f(t(i)+h,x(i)+k3,y(i)+l3);
l4=h*g(t(i)+h,x(i)+k3,y(i)+l3);
x(i+1)=x(i)+(k1+2*k2+2*k3+k4)/6;
y(i+1)=y(i)+(l1+2*l2+2*l3+l4)/6;
end
end
Consideremos una serie radioactiva de tres elementos A-->B-->C en la que,

una sustancia radiactiva A se desintegra y se transforma en otra sustancia
radiactiva B, que a su vez se desintegra y se transforma en una sustancia C
estable. Las ecuaciones diferenciales que gobiernan el proceso y sus
soluciones analticas son, respectivamente,
dxdt=axx=x0exp(at)dydt=axbyy=abax0(exp(at)
exp(bt))dxdt=axx=x0exp(at)dydt=axbyy=abax0(exp(at)exp(bt))
La solucin analtica que aparece a la derecha, se ha obtenido con las

condiciones iniciales t=0, x=x0 e y=0. La segunda solucin se obtiene siempre
que a sea distinto de b. En el caso de que a sea igual a b, la solucin analtica
para yes
y=x0aexp(at)y=x0aexp(at)
La interpretacin del sistema de ecuaciones diferenciales no es complicada. En

la unidad de tiempo, desaparecen axncleos de la sustancia A al desintegrarse
(primera ecuacin). En la unidad de tiempo, se producen ax ncleos de la
sustancia B y a su vez desaparecen bx ncleos de la sustancia B, que al
desintegrarse se transforman en ncleos de la sustancia C estable (segunda
ecuacin).
Escribimos el script radioactivo en el que definiremos las

funciones f(t,x,y), g(t,x,y), las condiciones iniciales y llamaremos a la
funcin rk_2_1
a=input('parmetro a: ');
b=input('parmetro b: ');
x0=input('valor inicial de x: ');
y0=input('valor inicial de y: ');
f=@(t,x,y) -a*x;
g=@(t,x,y) a*x-b*y;
t0=0;
[t,x,y]=rk_2_1(f,g,t0,tf,x0,y0,n);
hold on
plot(t,x,'b')
plot(t,y,'r')
xlabel('t')
ylabel('x,y');
legend('x(t)','y(t)')
title('dx/dt=-ax, dy/dt=ax-by')
hold off
En la ventana de comandos corremos el script radioactivo

>> radioactivo
parmetro a: 0.1
parmetro b: .2
valor inicial de x: 100
valor inicial de y: 0
Ecuacin diferencial de segundo orden
Existen muchas situaciones en las que es necesario resolver una ecuacin

diferencial de segundo orden.
d2xdt2=f(t,x,v)d2xdt2=f(t,x,v)
con las condiciones iniciales

x(t0)=x0(dxdt)t0=v0x(t0)=x0(dxdt)t0=v0
Una ecuacin diferencial de segundo orden es equivalente a un sistema de dos

ecuaciones diferenciales de primer orden, por lo que aplicaremos el mismo
esquema.
dxdt=vdxdt=v
dvdt=f(t,x,v)dvdt=f(t,x,v)
k1=hvk2=h(v+12l1)k3=h
l1=hf(t,x,v)l2=hf(t+12h,x+12k1,v+12l1)l3=hf(t+12h,
(v+12l2)k4=h(v+l3)k1=hv
x+12k2,v+12l2)l4=hf(t+h,x+k3,v+l3)l1=hf(t,x,v)l2=hf
k2=h(v+12l1)k3=h(v+12l2
)k4=h(v+l3)
(t+12h,x+12k1,v+12l1)l3=hf(t+12h,x+12k2,v+12l2)l4=h
f(t+h,x+k3,v+l3)
x(t+h)=x(t)
+16(k1+2k2+2k3+k4)x(t
v(t+h)=v(t)+16(l1+2l2+2l3+l4)v(t+h)=v(t)
+h)=x(t)
+16(k1+2k2+2k3+k4)
+16(l1+2l2+2l3+l4)
Definimos la funcin rk_2 que resuelve la ecuacin diferencial de segundo

orden, cuando le pasamos:
la funcin f (t,x,v)
las condiciones iniciales: posicin inicial x0 y velocidad

inicial v0 en el instante t0
el nmero n de pasos de integracin entre t0 y el tiempo

final tf
Nos devuelve los vectores de las posiciones x y las velocidades v para cada
instante que se guarda en el vector tcomprendido entre el instante inicial t0 y el
final tf.
function [t,x,v] =rk_2(f,t0,tf,x0,v0,n)
h=(tf-t0)/n;
t=t0:h:tf;
vect(i)or x(i)
v=zeros(n+1,1);
x(1)=x0; v(1)=v0;
for i=1:n
k1=h*v(i);
l1=h*f(t(i),x(i),v(i));
k2=h*(v(i)+l1/2);
l2=h*f(t(i)+h/2,x(i)+k1/2,v(i)+l1/2);
k3=h*(v(i)+l2/2);
l3=h*f(t(i)+h/2,x(i)+k2/2,v(i)+l2/2);
k4=h*(v(i)+l3);
l4=h*f(t(i)+h,x(i)+k3,v(i)+l3);
x(i+1)=x(i)+(k1+2*k2+2*k3+k4)/6;
v(i+1)=v(i)+(l1+2*l2+2*l3+l4)/6;
end
end
La ecuacin diferencial que describe un oscilador armnico amortiguado y su

solucin para unas condiciones iniciales fijadas es
d2xdt2+2dxdt+20x=0=202x=exp(t)(Asin(t)
+Bcos(t))v=dxdt=exp(t)(Asin(t)+Bcos(t))+exp(t)(Acos(t)
Bsin(t))d2xdt2+2dxdt+02x=0=022x=exp(t)(Asin(t)
+Bcos(t))v=dxdt=exp(t)(Asin(t)+Bcos(t))+exp(t)(Acos(t)Bsin(t))
Condiciones iniciales: en el instante t=0, la posicin inicial es x0 y la velocidad

inicial v0.
t=0{x0=Bv0=B+Ax=exp(t)(v0+x0sin(t)+x0cos(t))t=0
{x0=Bv0=B+Ax=exp(t)(v0+x0sin(t)+x0cos(t))
Escribimos el script oscilador en el que definiremos la funcin f(t,x,v), las

condiciones iniciales y llamaremos a la funcinrk_2
w0=input('frecuencia angular w0: ');
g=input('rozamiento, gamma: ');
x0=input('posicin inicial, x0: ');
v0=input('velocidad inicial,v0: ');
f=@(t,x,v) -2*g*v-w0*w0*x;
t0=0;
hold on
%solucin numrica
[t,x,v]=rk_2(f,t0,tf,x0,v0,n);
plot(t,x,'b')
%solucin analtica
w=sqrt(w0*w0-g*g);
x=((v0+g*x0)*sin(w*t)/w+x0*cos(w*t)).*exp(-g*t);
plot(t,x,'r')
grid on
xlabel('t')
ylabel('x');
legend('aproximado','exacto')
title('oscilador amortiguado')
hold off
En la ventana de comandos corremos el script oscilador con distintas

condiciones iniciales
>> oscilador
frecuencia angular, w0: 2
rozamiento, gamma: 0.5
posicin inicial, x0: 1.5
velocidad inicial, v0: 0
tiempo final, tf: 8
No se aprecia tampoco diferencia entre la solucin exacta y la numrica,

aplicando el procedimiento de Runge_Kutta.
Solucin numrica de ecuaciones diferenciales (II)
En esta pgina continuamos con el estudio de un sistema de dos ecuaciones

diferenciales de segundo orden por el procedimiento de Runge-Kutta
Sistema de dos ecuaciones diferenciales de segundo orden
El procedimiento numrico de Runge-Kutta puede aplicarse para resolver un

sistema de dos ecuaciones diferenciales de segundo orden.
d2xdt2=f(t,x,vx,y,vy)d2ydt2=g(t,x,vx,y,vy)d2xdt2=f(t,x,vx,y,vy)
d2ydt2=g(t,x,vx,y,vy)
con las condiciones iniciales

x(t0)=x0(dxdt)t0=vx0y(t0)=y0(dydt)t0=vy0x(t0)=x0
(dxdt)t0=vx0y(t0)=y0(dydt)t0=vy0
Este sistema, se puede transformar en un sistema equivalente formado por

cuatro ecuaciones diferenciales de primer orden. Aplicando dos veces el
esquema descrito para una ecuacin diferencial de segundo orden, obtenemos
el esquema descrito en la siguiente tabla
dxdt=vxdxdt=vx
dvxdt=f(t,x,vx,y,vy)dvxdt=f(t,x,vx,y,vy)
k1=hvxk2=h(vx+12l1)
l1=hf(t,x,vx,y,vy)l2=hf(t+12h,x+12k1,vx+12l1,y+12q1,vy+12m1)l3=hf(t
k3=h(vx+12l2)k4=h(vx
+12h,x+12k2,vx+12l2,y+12q2,vy+12m2)l4=hf(t+h,x+k3,vx+l3,y+q3,vy+
+l3)k1=hvxk2=h(vx+12
m3)l1=hf(t,x,vx,y,vy)l2=hf(t+12h,x+12k1,vx+12l1,y+12q1,vy+12m1)l3=hf
l1)k3=h(vx+12l2)k4=h(
vx+l3)
(t+12h,x+12k2,vx+12l2,y+12q2,vy+12m2)l4=hf(t+h,x+k3,vx+l3,y+q3,vy+m
3)
x(t+h)=x(t)
+16(k1+2k2+2k3+k4)
vx(t+h)=vx(t)+16(l1+2l2+2l3+l4)vx(t+h)=vx(t)+16(l1+2l2+2l3+l4)
x(t+h)=x(t)
+16(k1+2k2+2k3+k4)
dydt=vydydt=vy
dvydt=g(t,x,vx,y,vy)dvydt=g(t,x,vx,y,vy)
q1=hvyq2=h(vy+12m1
m1=hg(t,x,vx,y,vy)m2=hg(t+12h,x+12k1,vx+12l1,y+12q1,vy+12m1)m3
)q3=h(vy+12m2)q4=h
=hg(t+12h,x+12k2,vx+12l2,y+12q2,vy+12m2)m4=hg(t+h,x+k3,vx+l3,y
(vy+m3)q1=hvyq2=h(v
+q3,vy+m3)m1=hg(t,x,vx,y,vy)m2=hg(t+12h,x+12k1,vx+12l1,y+12q1,vy+
y+12m1)q3=h(vy+12m2
)q4=h(vy+m3)
12m1)m3=hg(t+12h,x+12k2,vx+12l2,y+12q2,vy+12m2)m4=hg(t+h,x+k3,vx
+l3,y+q3,vy+m3)
y(t+h)=y(t)
+16(q1+2q2+2q3+q4)
vy(t+h)=vy(t)+16(m1+2m2+2m3+m4)vy(t+h)=vy(t)
y(t+h)=y(t)
+16(q1+2q2+2q3+q4)
+16(m1+2m2+2m3+m4)
Definimos la funcin rk_2_2 que resuelve el sistema de dos ecuaciones

diferenciales de segundo orden, cuando le pasamos:
las funciones f(t,x,vx,y,vy) y g(t,x,vx,y,vy)
las condiciones iniciales: posicin inicial (x0,y0) y velcidad

inicial (vx0,vy0) en el instante t0
el nmero n de pasos de integracin entreel instante

inicial t0 y el final tf
Nos devuelve los vectores posicin (x,y) y velocidad (vx,vy) para cada instante
que se guarda en el vector tcomprendido entre el instante inicial t0 y el final tf.
function [t,x,vx,y,vy]=rk_2_2(f,g,t0,tf,x0,vx0,y0,vy0,n)
h=(tf-t0)/n;
t=t0:h:tf;
vect(i)or x(i)
y=zeros(n+1,1);
vx=zeros(n+1,1);
vy=zeros(n+1,1);
x(1)=x0; vx(1)=vx0;
y(1)=y0; vy(1)=vy0;
for i=1:n
k1=h*vx(i);
l1=h*f(t(i),x(i),vx(i),y(i),vy(i));
q1=h*vy(i);
m1=h*g(t(i),x(i),vx(i),y(i),vy(i));
k2=h*(vx(i)+l1/2);
l2=h*f(t(i)+h/2,x(i)+k1/2,vx(i)+l1/2,y(i)+q1/2,vy(i)+m1/2);
q2=h*(vy(i)+m1/2);
m2=h*g(t(i)+h/2,x(i)+k1/2,vx(i)+l1/2,y(i)+q1/2,vy(i)+m1/2);
k3=h*(vx(i)+l2/2);
l3=h*f(t(i)+h/2,x(i)+k2/2,vx(i)+l2/2,y(i)+q2/2,vy(i)+m2/2);
q3=h*(vy(i)+m2/2);
m3=h*g(t(i)+h/2,x(i)+k2/2,vx(i)+l2/2,y(i)+q2/2,vy(i)+m2/2);
k4=h*(vx(i)+l3);
l4=h*f(t(i)+h,x(i)+k3,vx(i)+l3,y(i)+q3,vy(i)+m3);
q4=h*(vy(i)+m3);
m4=h*g(t(i)+h,x(i)+k3,vx(i)+l3,y(i)+q3,vy(i)+m3);
x(i+1)=x(i)+(k1+2*k2+2*k3+k4)/6;
vx(i+1)=vx(i)+(l1+2*l2+2*l3+l4)/6;
y(i+1)=y(i)+(q1+2*q2+2*q3+q4)/6;
vy(i+1)=vy(i)+(m1+2*m2+2*m3+m4)/6;
end
end
Uno de los ejemplos ms interesantes de resolucin de un sistema de

ecuaciones diferenciales de segundo orden es ladescripcin del movimiento de
los cuerpos celestes, el cual tiene una solucin analtica sencilla en
coordenadas polares. La trayectoria seguida por un planeta es una cnica, una
elipse en particular, en uno de cuyos focos est el centro fijo de fuerzas, el Sol.
En la figura, se muestra la fuerza que ejerce el Sol sobre un planeta,
inversamente proporcional al cuadrado de las distancias que separan sus
centros y tambin, se muestran sus componentes rectangulares
Teniendo en cuenta que la fuerza que ejerce el Sol sobre un planeta viene
descrita por la ley de la Gravitacin Universal
F=GMmr2F=GMmr2
donde M es la masa del Sol, m la masa del planeta y r la distancia entre el

centro del Sol y del planeta. Las componentes de la aceleracin del planeta
sern
ax=Fxm=Fcosm=GMr3xay=Fym=Fsinm=GMr3yax=Fxm=Fcosm=GMr3x
ay=Fym=Fsinm=GMr3y
Uno de los problemas del tratamiento numrico con ordenador, es la de reducir

el problema a nmeros simples e inteligibles por el usuario de un vistazo. Las
masa de los planetas y del Sol son nmeros muy grandes: la masa de la Tierra
es 5.98 1024 kg., y 1.98 1030 kg. la del Sol. La distancia media entre la Tierra y
el Sol es tambin muy grande 1.49 1011m, y la constante G es muy pequea
6.67 10-11 en el Sistema Internacional de Unidades.
Escalas
Antes de resolver el sistema de ecuaciones diferenciales por procedimientos

numricos, es conveniente prepararlas para que el ordenador no maneje
nmeros excesivamente grandes o pequeos.
Establecemos un sistema de unidades en el que la longitud se mide en

unidades astronmicas, la distancia media entre el Sol y la Tierra. L=una
UA=1.4961011 m y el tiempo en unidades de ao, P=un ao= 365.26
das=3.156107 s.
En el nuevo sistema de unidades x=Lx, t=Pt, la primera ecuacin diferencial
se escribe
d2xdt'2LP2=GM(x'2+y'2)3/2x'LL3d2x
=GMP2L3x'(x'2+y'2)3/2d2x'dt'2LP2=GM(x'2+y'2)3/2x'LL3d2x'dt'2=GMP2L3x'(x'2+
dt'2
y'2)3/2
Como L es el semieje mayor de la rbita de la Tierra alrededor del Sol, P es el

periodo o tiempo que tarda en dar una vuelta completa, y M es la masa del Sol.
Por la tercera ley de Kepler, el trmino
GMP2L3=42GMP2L3=42
Volviendo a la notacin x e y para la posicin y t para el tiempo en el nuevo

sistema de unidades. El sistema de ecuaciones diferenciales se escribe
d2xdt2=42x(x2+y2)3/2d2ydt2=42y(x2+y2)3/2d2xdt2=42x(x2+y2)3/2d2ydt2=42y(x2
+y2)3/2
Se resuelve por procedimientos numricos con las condiciones iniciales

siguientes: en el instante t=0, x=x0, y=0, vx=0,vy=v0y.
Principio de conservacin de la energa
La energa total de la partcula es una constante del movimiento. La energa de

la partcula de masa m en el instante inicialt=0 es
E0=12mv20GmMr0E0=12mv02GmMr0
Cuando E0<0 la partcula permanece confinada en el espacio que rodea a los

dos cuerpos. Cuando E00 la partcula escapa al infinito
La energa de la partcula en el instante t es igual a
E=12m(v2x+v2y)GmMx2+y2E=12m(vx2+vy2)GmMx2+y2
En el nuevo sistema de unidades establecido

v=vL/P, x=xL, y=yL, d=dL
Em=12v'2L2P2GM1L1x'2+y'2Em=12v'2L2P242L2P21x'2+y'2e
=EmP2L2=12v'2421x'2+y'2Em=12v'2L2P2GM1L1x'2+y'2Em=12v'2L2P242L2P2
1x'2+y'2e'=EmP2L2=12v'2421x'2+y'2
Volviendo a la notacin previa. Definimos una nueva energa e por unidad de

masa en este sistema de unidades
e=12(v2x+v2y)421x2+y2e=12(vx2+vy2)421x2+y2
El programa evala el cociente

ee0e0100|ee0e0|100
que denominaremos tanto por ciento de error. Cuando la energa e difiere

apreciablemente de e0, la trayectoria calculada puede que se desve
significativamente de la real, y esto suele ocurrir cuando la partcula est muy
cerca del centro de fuerzas
Elaboramos el script orbita, para describir el movimiento de un cuerpo celeste.
x0=input('posicin inicial x: ');
vx0=input('velocidad incial x: ');
y0=0;
vy0=input('velocidad incial y: ');
f=@(t,x,vx,y,vy) -4*pi*pi*x/(sqrt(x*x+y*y))^3;
g=@(t,x,vx,y,vy) -4*pi*pi*y/(sqrt(x*x+y*y))^3;
t0=0;
e0=(vx0*vx0+vy0*vy0)/2-4*pi*pi/sqrt(x0*x0+y0*y0); %energa inicial
[t,x,vx,y,vy]=rk_2_2(f,g,t0,tf,x0,vx0,y0,vy0,n);
plot(x,y,'r')
xlabel('x')
ylabel('y');
title('rbita de un planeta')
%energa final
m=length(t);
ef=(vx(m)*vx(m)+vy(m)*vy(m))/2-4*pi*pi/sqrt(x(m)*x(m)+y(m)*y(m));
%error relativo
fprintf('Error en energia %1.4f\n',abs((ef-e0)/e0))
En la ventana de comandos corremos el script orbita

>> orbita
posicin inicial x: 1
velocidad incial x: 0
velocidad incial y: 6.27
tiempo final, tf: 1
Error en energia 0.0000
Solucin numrica de ecuaciones diferenciales mediante ode45
MATLAB dispone de varias funciones para resolver mediante procedimientos

numricos ecuaciones diferenciales:ode23, ode45, ode113, etc, (vase en el
sistema de ayuda para qu tipos de problemas es ms adecuado cada uno de
los procedimientos). Eligiremos ode45 para resolver la mayor parte de los
problemas.
La funcin ode45
Su sintaxis es la siguiente
[t,x]=ode45(odefun,tspan,x0, options, params)
x es una matriz donde cada columna corresponde a las

variables dependientes y t es el vector tiempo.
odefun es el nombre de la funcin,
tspan especifica el intervalo de tiempo, un vector de dos
nmeros tspan=[ti,tf], tiempo inicial y final. Para obtener
valores de las variables dependientes en instantes
concretos t0, t1, t2, ... tn. se escribe tspan=[t0,t1....tn];
x0 es un vector que contiene los valores iniciales.
options es una estructura que se crea con la

funcin odeset, que explicaremos al final de esta pgina ya
que es un asunto bastante complicado.
params son parmetros que queremos pasar a la

funcin odefun
En la mayor parte de los ejemplos, utilizaremos los tres primeros parmetros:

llamaremos a la funcin ode45 y le pasaremos la funcin odefunc, los
instantes inicial y final en el vector tspan y las condiciones iniciales en el
vector x0.
Vamos a volver a resolver los problemas planteados en este captulo mediante
la funcin MATLAB ode45.
Ecuacin diferencial de primer orden
Elaboramos el script titulado carga_1 para integrar la ecuacin diferencial de

primer orden que describe la carga de un condensador.
dqdt=VRqRCdqdt=VRqRC
V0=10;
R=input('Resistencia R: ');
C=input('Capacidad C: ');
f=@(t,x) V0/R-x/(R*C);
tspan=[0 tf];
x0=0;
[t,x]=ode45(f,tspan,x0);
plot(t,x,'r')
xlabel('t')
ylabel('q');
title('carga del condensador')
En la ventana de comandos corremos el script carga_1

>> carga_1
Resistencia R: 2
Capacidad C: 0.8
Sistema de dos ecuaciones diferenciales de primer orden
Elaboramos el script titulado radiactivo_1 para integrar el sistema de dos

ecuaciones diferenciales de primer orden que describe la serie de
desintagracin radioactiva. A-->B-->C donde C es un elemento estable.
{dxdt=axdydt=axby{dxdt=axdydt=axby
En la matriz x que devuelve la funcin ode45, x(1) representar los sucesivos

valores de la variable x y x(2) representar a la variable y. El mismo criterio se
emplear para determinar el vector x0 de las condiciones iniciales.
La definicin de las funciones f (t,x,y) y g(t,x,y) aparecen en un vector
columna, separadas por ; (punto y coma)
fg=@(t,x) [-a*x(1);a*x(1)-b*x(2)]; % x(1) es x, x(2) es y
El script radiactivo_1 ser el siguiente:

%condiciones iniciales en el vector x0
x0=zeros(1,2);
x0(1)=input('valor inicial de x: ');
x0(2)=input('valor inicial de y: ');
tspan=[0 tf];
fg=@(t,x) [-a*x(1);a*x(1)-b*x(2)];
[t,x]=ode45(fg,tspan,x0);
plot(t,x)
xlabel('t')
ylabel('x,y');
En la ventana de comandos corremos el script radiactivo_1

>> radioactivo_1
parmetro a: 0.1
parmetro b: 0.2
Alternativamente, vamos a definir las funciones f (t,x,y) y g(t,x,y) en un

fichero .M y le pasamos los valores de los parmetros a y b.
function z=func_radioactivo(t,x,a,b)
z=[-a*x(1);a*x(1)-b*x(2)]; % x(1) es x, x(2) es y
end
Elaboramos el script radioactivo_2 para establecer los valores de los

parmetros a y b, las condiciones iniciales y llamar a la funcin que realiza la
integracin numrica ode45. El primer parmetro de ode45 es el handler
(manejador de la funcin) a integrar que se especifica del siguiente modo
@nombre_funcion.
[t,x]=ode45(@func_radioactivo,tspan,x0);
Ahora bien, func_radioactivo precisa de los valores de los parmetros a y b.

Hay dos formas de hacerlo. La ms sencilla es definir una funcin
annima fg en trminos de func_radioactivo. En el problema 3 "Sistemas de
ecuaciones de Lorentz" describimos el segundo procedimiento.
fg=@(t,x) func_radioactivo_1(t,x,a,b);
Vase la misma situacin en la llamada a funcin fzero al final de la

pgina Races de una ecuacin
x0=zeros(1,2);
x0(1)=input('valor inicial de x: ');
x0(2)=input('valor inicial de y: ');
tspan=[0 tf];
fg=@(t,x) func_radioactivo(t,x,a,b);
plot(t,x)
xlabel('t')
ylabel('x,y');
En la ventana de comandos corremos el script radioactivo_2

>> radioactivo_2
parmetro a: 0.1
parmetro b: 0.2
Ecuacin diferencial de segundo orden
Una vez que se ha entendido como resolver un sistema de dos ecuaciones

diferenciales de primer orden es posible entender la resolucin de cualquier
ecuacin diferencial o sistema. Podemos definir las funciones de forma
annima o explcitamente en un fichero .M
dxdt=vdxdt=v
dvdt=f(t,x,v)dvdt=f(t,x,v)
En este sistema de dos ecuaciones diferenciales de primer orden x(1)

representar los sucesivos valores de la variable xy x(2) representar a la
variable v. El mismo criterio se emplear para determinar el vector x0 de las
condiciones iniciales.
Como ejemplo, estudiamos las oscilaciones amortiguadas, que hemos descrito

en la pgina anterior.
d2xdt2+2dxdt+20x=0{dxdt=vdvdt=2v20xd2xdt2+2dxdt+02x=0
{dxdt=vdvdt=2v02x
Las funciones a integrar v, y f (t,x,v) aparecen en un vector columna, separadas

por ; (punto y coma)
f=@(t,x) [x(2);-2*g*x(2)-w0*w0*x(1)]; % x(1) es x, x(2) es v
Elaboramos el script oscilador_1 para resolver la ecuacin de segundo grado

que describe las oscilaciones amortiguadas
w0=input('frecuencia angular, w0: ');
g=input('rozamiento, gamma: ');
x0=zeros(1,2);
x0(1)=input('posicin inicial, x0: ');
x0(2)=input('velocidad inicial, v0: ');
f=@(t,x) [x(2);-2*g*x(2)-w0*w0*x(1)];
tspan=[0 tf];
[t,x]=ode45(f,tspan,x0);
plot(t,x(:,1),'r')
grid on
xlabel('t')
ylabel('x');
Si en el comando plot ponemos plot(t,x), se representa la posicin x(1) y la

velocidad x(2) en funcin del tiempo (en dos colores asignados por
MATLAB). Si solamente queremos representar la posicin x(1) en funcin del
tiempo t, se escribe plot(t,x(:,1)). Vase la pgina Vectores y matrices
En la ventana de comandos corremos el script oscilador_1
>> oscilador_1
frecuencia angular w0: 2
rozamiento, gamma: 0.5
posicin inicial, x0: 0
velocidad inicial,v0: 10
Sistema de dos ecuaciones diferenciales de segundo orden
En este caso tenemos un sistema de cuatro ecuaciones difrenciales de primer

orden
dxdt=vxdxdt=vx
dydt=vydydt=vy
dvxdt=f(t,x,vx,y,vy)dvxdt=f(t,x,vx,y,vy
)
dvydt=g(t,x,vx,y,vy)dvydt=g(t,x,vx,y,v
y)
En este sistema x(1) representar los sucesivos valores de la variable x y x(2)

representar a la variable vx, x(3) a la variable y y x(4) a la variable vy. El
mismo criterio se emplear para determinar el vector x0 de las condiciones
iniciales.
Como ejemplo, estudiamos el movimiento de un planeta alrededor del Sol o de
un satlite artificial alrededor de la Tierra.
d2xdt2=42x(x2+y2)3/2dxdt=vxdvxdt=42x(x2+y2)3/2d2ydt2=42y(x2+y2)3/2
dydt=vydvydt=42y(x2+y2)3/2d2xdt2=42x(x2+y2)3/2
{dxdt=vxdvxdt=42x(x2+y2)3/2d2ydt2=42y(x2+y2)3/2
{dydt=vydvydt=42y(x2+y2)3/2
Elaboramos el script orbita_1 para resolver el sistema de dos ecuaciones de

segundo grado que describe el movimiento de un cuerpo celeste.
x0=zeros(1,4);
x0(1)=input('posicin inicial x: ');
x0(2)=input('velocidad incial x: ');
x0(3)=0;
x0(4)=input('velocidad incial y: ');
tspan=[0 tf];
fg=@(t,x)[x(2);-4*pi*pi*x(1)/(sqrt(x(1)*x(1)+x(3)*x(3)))^3; x(4);
-4*pi*pi*x(3)/(sqrt(x(1)*x(1)+x(3)*x(3)))^3];
plot(x(:,1),x(:,3),'r')
xlabel('x')
ylabel('y');
title('rbita de un planeta')
En Figure Window representamos la trayectoria, es decir, los puntos de

abscisas x(1) que guardan los valores x y las ordenadas x(3) que guardan los
valores y, en funcin del tiempo t, se escribe plot(t,x(:,1),x(:,3)).
En la ventana de comandos corremos el script orbita_1
>> orbita_1
posicin inicial x: 1
velocidad incial x: 0
velocidad incial y: 6.27
tiempo final, tf: 1
Opciones de ode45
Imaginemos que estudiamos el movimiento de cada de un cuerpo, no sabemos

cuanto tiempo tardar en llegar al suelo, desconocemos el valor del
elemento tf en el vector tspan. Sin embargo, queremos detener el proceso de
integracin numrica de la ecuacin diferencial que describe el movimiento
cuando la posicin del mvil sea cero. La funcin MATLAB ode45 dispone de
un parmetro adicional options donde podemos indicarlo, pero es bastante
lioso e intentaremos explicarlo mediante ejemplos.
Volvemos a resolver la ecuacin diferencial que describe las oscilaciones
amortiguadas y detendremos el proceso de integracin cuando el mvil
alcance la posicin mxima, su velocidad es nula.
Supongamos que el oscilador amortiguado estudiado anteriormente, de
frecuencia natural 0=2, constante de amortiguamiento =0.25, parte de la
posicin x0=2.5 con velocidad nula, queremos detener el proceso de
integracin cuando el mvil alcance la posicin mxima, cuando su velocidad
es nula, tal como se muestra en la figura, con lo que se completa un periodo.
Los pasos a seguir son los siguientes:

1.-Definimos la funcin cuyo nombre es opcion_ode45
function [detect,stopin,direction]=opcion_ode45(t,x)
detect=[x(1) x(2)]; %[posicin, velocidad]
stopin=[0 1]; % 1 indice que detiene la integracin cuando la
velocidad se hace cero
direction=[0 -1]; % 1 crece, -1 decrece, 0 no importa
end
2.-Creamos la estructura opts con la llamada a la funcin odeset

opts=odeset('events',@opcion_ode45);
Cuando se utiliza options la funcin ode45 devuelve los tiempos te en los
cuales ocurren los 'eventos' y los correspondientes valores de las variables
dependientes (posicin, velocidad) en el vector xe. Finalmente, ie es un ndice

que es til cuando se vigilan varios eventos.
3.-Le pasamos opts a la funcin ode45 en su cuarto parmetro
[t,x,te,xe,ie]=ode45(odefunc,tspan,x0,opts);
Escribimos el script oscilador_2 para resolver la ecuacin diferencial de
segundo orden y detener el proceso de integracin de acuerdo con lo
estipulado en el parmetro opts.
w0=2;
g=0.25;
x0=[2.5 0];
tf=10;
f=@(t,x) [x(2);-2*g*x(2)-w0*w0*x(1)];
tspan=[0 10];
opts=odeset('events',@opcion_ode45);
[t,x,te,xe,ie]=ode45(f,tspan,x0,opts);
te,xe,ie
plot(t,x(:,1),'r')
grid on
xlabel('t')
ylabel('x');
Cuando corremos el script oscilador_2 en la ventana de comandos se imprime

los siguientes datos relativos a los eventos.
Tiempo, Posicin
te
x(1)
Velocidad Indice
x(2)
ie
0.0000
2.5000
-0.0000
2.4378
0.0000
2.7173
3.1662
1.1322
-0.0000
Cuando parte de la posicin inicial x(1)=2.5 la velocidad es

cero x(2)=0, detecta velocidad (ndice ie=2).
Cuando pasa por el origen x(1)=0 detecta posicin

(ndice ie=1), pero no se detiene ya que en stopin se ha
puesto un cero.
Cuando la posicin es x(1)=1.1322 detecta velocidad

nula x(2)=0, (ndice ie=2) y la integracin numrica se
detiene ya que en stopin se ha puesto un uno y la velocidad
decrece en direction se ha puesto un -1.
La columna de tiempos nos porporciona el periodo de la oscilacin, te=3.1662.

Se sugiere al lector, cambiar en la funcin opcion_ode45
direction=[0 1];
Vamos ahora a marcar en la representacin grfica de la oscilacin
amortiguada, las posiciones de mxima amplitudx(2)=0 y cuando pasa por el
origen x(1)=0 sin detener el proceso de integracin numrica.
Definimos una nueva versin de la funcin opcion1_ode45
function [detect,stopin,direction]=opcion1_ode45(t,x)
detect=[x(1) x(2)]; %[posicin, velocidad]
stopin=[0 0];
direction=[0 0];
end
Creamos la estructura opts mediante odeset y se la pasamos al procedimiento

de integracin ode45.
w0=2;
g=0.25;
x0=[2.5 0];
tf=10;
f=@(t,x) [x(2);-2*g*x(2)-w0*w0*x(1)];
tspan=[0 7];
opts=odeset('events',@opcion1_ode45);
hold on
plot(t,x(:,1),'r')
plot(te(ie==1),xe(ie==1),'o','markersize',6,'markerfacecolor','k')
plot(te(ie==2),xe(ie==2),'o','markersize',6,'markerfacecolor','b')
grid on
xlabel('t')
ylabel('x');
hold off
Si solamente estamos interesados en los mximos definimos una nueva

versin de la funcin opcion2_ode45
function [detect,stopin,direction]=opcion2_ode45(t,x)
detect=x(2);
stopin=0;
direction=-1;
end
Modificamos el script oscilador_4

w0=2;
g=0.25;
x0=[2.5 0];
tf=10;
f=@(t,x) [x(2);-2*g*x(2)-w0*w0*x(1)];
tspan=[0 7];
opts=odeset('events',@opcion1_ode45);
te,xe,ie
hold on
plot(t,x(:,1),'r')
plot(te(ie==1),xe(ie==1),'o','markersize',6,'markerfacecolor','b')
grid on
xlabel('t')
ylabel('x');
hold off
Corremos el script oscilador_4 en la ventana de comandos y observamos los

resultados
Paso de parmetros a la funcin
Como hemos visto, a ode45 se le pasa la funcin (handle) a integrar en su

primer argumento. Si la funcin contiene parmetros como la frecuencia
angular 0, no hay problema si la funcin se define como annima, tal como
se ha mostrado en los ejemplos previos. Si la funcin se define en un fichero
entonces a la funcin se le pasan los valores de los parmetros en el quinto
argumento params de ode45. Los pasos se explican en el siguiente ejemplo:
El sistema de ecuaciones de Lorentz es un sistema de tres ecuaciones
diferenciales de primer orden
dxdt=x+ydydt=xyxzdzdt=z+xydxdt=x+ydydt=xyxzdzdt=z+
xy
donde =10, =8/3 y =28

Vamos a resolver el sistema de tres ecuaciones diferenciales con las
condiciones iniciales siguientes: en el instante t=0,x0=-8, y0=8 z0=27.
1.
Escribir una funcin denominada lorentz(t,x,p) como

fichero.M que contenga las tres ecuaciones y dependa de los
tres parmetros =p(1), =p(2) y =p(3). Observar que la
variable x se guarda en el primer elemento x(1), la
variable y en el segundo x(2) y la variable z en el tercer x(3)
elemento del vector x.
2.
Escribir un script denominado lorentz_script que llame a la

funcin MATLAB ode45, para resolver el sistema de
ecuaciones diferenciales para las condiciones iniciales
especificadas.
3.
Pasar los parmetros , y como elementos de un

vector p a la funcin ode45 para que a su vez se los pase a la
funcin lorentz.
4.
Dibujar el atractor de Lorentz de z en funcin de x hasta el

instante tf=20 en una primera ventana grfica.
5.
Dibujar x, y y z en funcin del tiempo en tres zonas de una

segunda ventana grfica.
6.
Examinar el comportamiento del sistema para otras

condiciones iniciales, t=0, x0=1, y0=2 z0=3.
Definimos la funcin lorentz como fichero .M

function fg=lorentz(t,x,p)
%x(1) es x, x(2) es y y x(3) es z
% p(1) es sigma, p(2) es beta y p(3) es rho
fg=[-p(1)*x(1)+p(1)*x(2); p(3)*x(1)-x(2)-x(1)*x(3);
-p(2)*x(3)+x(1)*x(2)];
end
Elaboramos el script lorentz_script

x0=[-8 8 27]; %valores iniciales
tspan=[0 20];
p=[10 8/3 28]; %parmetros
%no pasamos nada [] en el parmetro options de ode45
[t,x]=ode45(@lorentz,tspan,x0,[],p);
figure
plot(x(:,1),x(:,3),'r')
xlabel('x')
ylabel('z');
title('Atractor de Lorentz')
figure
subplot(3,1,1)
plot(t,x(:,1))
ylabel('x');
subplot(3,1,2)
plot(t,x(:,2))
ylabel('y');
subplot(3,1,3)
plot(t,x(:,3))
ylabel('z');
xlabel('t')
En la ventana de comandos corremos el script lorentz_script

>> lorentz_script
Aparecen dos ventanas grficas, la primera con el atractor de Lorentz, la

representacin z(x) y la segunda ventana dividida en tres regiones que
muestran x(t), y(t) y z(t)
Interpolacin
En este captulo se estudia la interpolacin y la regresin.

La regresin es el ajuste de los datos experiementales a una funcin que
describe el modelo fsico particular. Por ejemplo, en un experiemento de
movimiento rectilneo uniforme, los datos experimentales (tiempo, posicin
del mvil) se ajustan a una lnea recta, ya que la ecuacin que describe el
movimiento rectilneo uniforme es x=x0+vt.
En la interpolacin la funcin pasa por todos los puntos.
Este pequeo programa muestra la diferencia
%datos experiementales
x=0.5:0.5:3;
y=[0.7,1.2,1.3,1.2,0.8,0.3];
hold on
plot(x,y,'ro','markersize',4,'markerfacecolor','r')
xx=linspace(0,3.1,100);
%regresin
p=polyfit(x,y,2); %polinomio de segundo grado
yy=polyval(p,xx);
plot(xx,yy,'b')
%interpolacin
yy=spline(x,y,xx);
plot(xx,yy,'r')
hold off
grid on
legend('datos','regresin','interpolacin')
xlabel('x')
ylabel('y');
title('Interpolacin, regresin')
En esta pgina, comenzamos el estudio de la interpolacin lineal, continuamos

por el mtodo de Lagrange, pero veremos que la interpolacin mediante
"splines" es mucho ms adecuada.
Interpolacin lineal
La interpolacin lineal es muy sencilla. Disponemos de pares de datos

(xk,yk) k=1,2...n. Queremos conocer el valor de ypara un valor cualesquiera
de x en el intervalo x1 a xn. Supongamos que x est en el intervalo (xk,xk+1) tal
como se muestra en la figura. Trazamos la recta que pasa por los puntos (xk,yk)
y (xk+1,yk+1), cuya ecuacin es
y=(xxk)yk+1(xxk+1)yk(xk+1xk)y=(xxk)yk+1(xxk+1)yk(xk+1xk)
Creamos la funcin interpola_lineal para obtener el valor de y cuando se

proporciona el valor de x.
function y0 = interpola_lineal(x,y,x0)
y0=zeros(length(x0),1);
for j=1:length(x0)
indice=find(x>x0(j));
k=indice(1)-1;
y0(j)=((x0(j)-x(k))*y(k+1)-(x0(j)-x(k+1))*y(k))/(x(k+1)-x(k));
end
end
Probamos la funcin para interpolar linealmente los siguientes pares de datos

(0,0), (/3, sin(/3)), (2/3, sin(2/3)),(, 0). Podemos comprobar que
obtenemos los mismos resultado utilizando la funcin MATLAB interp1,
pasndole la opcin linear en el ltimo parmetro.
x=[0,pi/3,2*pi/3,pi]; %datos
y=sin(x);
xx=0:pi/90:pi; %funcin
yy=sin(xx);
x0=[pi/6,pi/2,5*pi/6]; %interpolacin lineal
y0=interpola_lineal(x,y,x0);
%y0=interp1(x,y,x0,'linear'); %esta es una funcin MATLAB
hold on
plot(xx,yy,'b')
plot(x,y,'r')
plot(x,y,'bo','markersize',4,'markerfacecolor','b')
plot(x0,y0,'ro','markersize',6,'markerfacecolor','r')
hold off
xlabel('x');
ylabel('y')
title('Interpolacin lineal')
Discutiremos en la siguiente seccin, la interpolacin mediante un polinomio

de mayor grado. Podemos calcular los coeficientes de un polinomio de tercer
grado y=a1x3+a2x2+a3x+a4 que pase por los cuatro puntos. Obtenemos un
sistema de cuatro ecuaciones con cuatro incgnitas.
a1x31+a2x21+a3x1+a4=y1a1x32+a2x22+a3x2+a4=y2a1x33
+a2x23+a3x3+a4=y3a1x34+a2x24+a3x4+a4=y4x31x32x33x34x21x22x23x24x1
x2x3x41111a1a2a3a4=y1y2y3y4{a1x13+a2x12+a3x1+
a4=y1a1x23+a2x22+a3x2+a4=y2a1x33+a2x32+a3x3+a4=y3a1x43+a2x42+a3x4+a4=y
4(x13x12x11x23x22x21x33x32x31x43x42x41)(a1a2a3a4)=(y1y2y3y4)
x=[0,pi/3,2*pi/3,pi]; %datos
y=sin(x);
xx=0:pi/90:pi; %funcin
yy=sin(xx);
x0=[pi/6,pi/2,5*pi/6]; %interpolacin lineal

A=vander(x);
p=A\y'; %coeficientes del polinomio
hold on
plot(xx,yy,'b') %datos y funcin
plot(x,y,'bo','markersize',4,'markerfacecolor','b')
yy=polyval(p,xx); %polinomio
plot(xx,yy,'r')
y0=polyval(p,x0); %valores interpolados
plot(x0,y0,'ro','markersize',6,'markerfacecolor','r')
hold off
xlabel('x');
ylabel('y')
title('Interpolacin con un polinomio de tercer gardo')
Interpolacin de Lagrange
Queremos encontrar los coeficientes de un polinomio de grado N

a1xN+a2xN-1+...+aNx+aN+1
que pase por todos los pares de datos (x1,y1), (x2,y2), ...(xN+1,yN+1). Los
coeficientes se pueden obtener resolviendo el sistema de ecuaciones:
a1xN1+a2xN11+aNx1+aN+1=y1a1xN2+a2xN12+aNx2+aN+1=
y2.....a1xNN+1+a2xN1N+1+aNxN+1+aN+1=yN+1{a1x1N+a2x1N1+aNx1+aN+1=y1
a1x2N+a2x2N1+aNx2+aN+1=y2.....a1xN+1N+a2xN+1N1+aNxN+1+aN+1=yN+1
En forma matricial
xN1xN2...xNN+1xN11xN12...xN1N+1............x1x2...xN+111...1a1
a2...aN+1=y1y2...yN+1(x1Nx1N1...x11x2Nx2N1...x21...............x
N+1NxN+1N1...xN+11)(a1a2...aN+1)=(y1y2...yN+1)
Esta matriz se conoce con el nombre de Vandermonde y se construye con el

comando vander(x), como podemos leer en el sistema de ayuda de
MATLAB, A=vander(v) devuelve una matriz de Vandermonde cuyas columnas
son las potencias del vector v, esto es A(i,j)=v(i)^(n-j)
Sea la siguiente tabla de datos tomada de una experiencia
x
0.9 1.1 2.9 3.0 3.3 3.9 6.1 8.3 8.5 9.4
7
2
2
0
3
7
0
9
6
4
2.5 0.4 0.0 5.7 7.4 8.0 6.3 2.5 1.4 0.5
8
3
6
4
4
7
7
1
4
2
Cuando el nmero N+1 de datos es relativamente pequeo, las primeras

columnas de la matriz A pueden guardar nmeros muy grandes, los efectos del
redondeo pueden afectar al valor de los coeficientes ai del polinomio.
Los valores del polinomio se puede obtener tambin utilizando la
funcin polyfit que emplearemos ms adelante en el ajuste por el
procedimiento de mnimos cuadrados.
x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
n=length(x); %nmero de pares de datos
%A=vander(x);
A=zeros(n); %lneas equivalentes a utilizar vander(x)

for j=1:n
A(:,j)=(x').^(n-j);
end
p=A\y'; %sistema de ecuaciones lineales, y' es vector columna
p=polyfit(x,y,n-1) %n-1 es el grado del polinomio
xx=linspace(0.97,9.44,50); %interpolacin
yy=polyval(p,xx);
hold on
plot(x,y,'o','markersize',4,'markerfacecolor','r')
plot(xx,yy,'b')
xlabel('x')
ylabel('y')
title('Interpolacin de Lagrange');
hold off
Corremos el script interpola-1 en la ventana de comandos, obtenemos un

aviso, los coeficientes del polinomio y la representacin grfica de los datos y
del polinomio que pasa por dichos puntos.
Warning: Polynomial is badly conditioned.
p = 1.0e+004 *
0.0000
-0.0003
0.0057
-0.0595
-5.2142
3.9256
-1.1823
0.3782
-1.4951
3.6430
Un polinomio de Lagrange LN(x) de grado N es la expresin

LN(x)=(xx2)(xx3)...(xxN+1)(x1x2)(x1x3)...(x1xN+1)y1+(xx1)(xx3)...(xxN+1)(x2x1)(x2x3)...
(x2xN+1)y2+...+(xx1)(xx2)...(xxN)(xN+1x1)(xN+1x2)...(xN+1xN)yN+1LN(x)=(xx2)(xx3)...
(xxN+1)(x1x2)(x1x3)...(x1xN+1)y1+(xx1)(xx3)...(xxN+1)(x2x1)(x2x3)...
(x2xN+1)y2+...+(xx1)(xx2)...(xxN)(xN+1x1)(xN+1x2)...(xN+1xN)yN+1
Como puede probarse fcilmente este polinomio pasa por todos los puntos
(xi,yi).
Podemos elaborar una funcin denominada lagrange_3 que devuelva el valor
interpolado yy de xx cuando se le pasa los vectores x e y que guardan las
abscisas y ordenadas (xi,yi) de los datos
function yy = lagrange_3(x,y,xx)
n = length(x);
for i=1:n
w(i)=prod(xx-x([1:i-1 i+1:n]))*y(i)/prod( x(i)-x([1:i-1 i+1:n]) )
;
end
yy=sum(w);
end
Llamamos a la funcin lagrange_3 para conocer los valores interpolados

de xx=1.0 y xx=2.0
>>
>>
>>
yy
>>
yy
x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
yy=lagrange_3(x,y,1.0)
=
10.0725
yy=lagrange_3(x,y,2.0)
= -203.7000
Alternativamente, podemos elaborar una funcin denominada lagrange_p que

devuelva los coeficientes del polinomio. El polinomio de Lagrange es la suma
de N+1 trminos. El numerador de cada trmino es el producto de N binomios
(x-xi)
function p=lagrange_p(x,y)
n=length(x); %n-1 es el grado del polinomio
if length(y)~=n
error('x e y tienen que tener la misma longitud')
end
p=zeros(1,n);
for i=1:n
pol=[y(i)];
for j=1:n
if(i~=j)
pol=conv([1 -x(j)],pol)/(x(i)-x(j)); %multiplica un
polinomio por un binomio
end
end
p=p+pol;
end
end
Para obtener el producto de los binomios del numerador de cada trmino,

utilizamos la funcin conv, vase la pginaPolinomios. Por ejemplo, queremos
multiplicar los polinomios p1=x3-2x-4 y p2=x2+3x+4
>> p1=[1 0 -2 -4];
>> p2=[1 3 4];
>> p=conv(p1,p2)
p =
1
3
-10
-20
-16
Utilizamos la funcin lagrange_p para obtener los coeficientes del polinomio

de Lagrange con los datos del ejemplo anterior.
>> x=[0.97 1.12 2.92 3.00 3.33 3.97 6.10 8.39 8.56 9.44];
>> y=[2.58 0.43 0.06 5.74 7.44 8.07 6.37 2.51 1.44 0.52];
>> p=lagrange_p(x,y)
p = 1.0e+004 *
0.0000
-0.0003
0.0057
-0.0595
0.3782
-1.4951
-5.2142
3.9256
-1.1823
3.6430
Obtenemos el mismo resultado, que resolviendo el sistema de N+1 ecuaciones

lineales.
Una vez obtenido el polinomio de Lagrange podemos calcular el valor
de y para valores de x que no estn en la tabla.
>> xx=[1.0 2.0 3.5];
>> yy=polyval(p,xx)
yy =
10.0725 -203.7000
1.8338
Para estos datos, la interpolacin de Lagrange parece que no produce buenos

resultados
Splines
Vamos a explicar mediante un ejemplo el procedimiento de interpolacin

denominado "splines", para generalizarlo despus a cualquier conjunto de
pares de datos.
Dado el conjunto de pares de datos (x1,y1), (x2,y2), (x3,y3), (x4,y4), (x5,y5) puntos
de color rojo en la fihgura. Definimos la funcin S(x)
S(x)=s1(x)x1x<x2s2(x)x2x<x3s3(x)
x3x<x4s4(x)x4x<x5si(x)=ai(xxi)3+bi(xxi)2+ci(xxi)+di
i=1,2,3,4S(x)={s1(x)x1x<x2s2(x)x2x<x3s3(x)x3x<x4s4(x)
x4x<x5si(x)=ai(xxi)3+bi(xxi)2+ci(xxi)+dii=1,2,3,4
Cada una de las funciones si(x) en color azul en la figura, es un polinomio de

tercer grado, cuya primera y segunda derivada es
dsidx=3ai(xxi)2+2bi(xxi)+cid2sidx2=6ai(xxi)
+2bii=1,2,3,4dsidx=3ai(xxi)2+2bi(xxi)+cid2sidx2=6ai(xxi)+2bii=1,2,3,4
Para calcular las 44=16

incgnitas a1,a2,a3,a4, b1,b2,b3,b4, c1,c2,c3,c4, d1,d2,d3,d4, se imponen las
siguientes condiciones:
1.
La funcin S(x) pasa por todos los puntos (xi,yi)

i=1,2,3,4,5
si(xi)=yid1=y1d2=y2d3=y3d4=y4a4(x5x4)3+b
4(x5x4)2+c4(x5x4)+d4=y5si(xi)=yi{d1=y1d2=y2d3=y3d4=y4a4(x5x4)3+b4(
x5x4)2+c4(x5x4)+d4=y5
2.
La funcin S(x) es continua en x2, x3, x4.

si1(xi)=si(xi)a1(x2x1)3+b1(x2x1)2+c1(x2x1)+d1=d2a2(x3
x2)3+b2(x3x2)2+c2(x3x2)+d2=d3a3(x4x3)3+b3(x4x3)2+c3(x4x3)+d3
=d4si1(xi)=si(xi)
{a1(x2x1)3+b1(x2x1)2+c1(x2x1)+d1=d2a2(x3x2)3+b2(x3x2)2+c2(x3x2)+
d2=d3a3(x4x3)3+b3(x4x3)2+c3(x4x3)+d3=d4
3.
La derivada primera de la funcin S(x) es continua

en x2, x3, x4.
s'i1(xi)=s'i(xi)3a1(x2x1)2+2b1(x2x1)+c1=c23a2(x3x2)2+2b
2(x3x2)+c2=c33a3(x4x3)2+2b3(x4x3)+c3=c4s'i1(xi)=s'i(xi)
{3a1(x2x1)2+2b1(x2x1)+c1=c23a2(x3x2)2+2b2(x3x2)+c2=c33a3(x4x3)2+2
b3(x4x3)+c3=c4
4.
Denominamos m1, m2, m3, m4, m5 al valor de la derivada

segunda de si(x) en los puntos x1, x2, x3, x4, x5.
s''i(xi)=mi2b1=m12b2=m22b3=m32b4=m46a4(x5
x4)+2b4=m5s''i(xi)=mi{2b1=m12b2=m22b3=m32b4=m46a4(x5x4)+2b4=m5
5.
La derivada segunda de S(x) es continua en los

puntos x2, x3, x4
s''i1(xi)=s''i(xi)6a1(x2x1)+2b1=2b26a2(x3x2)+2b2=2b36a3(x4
x3)+2b3=2b4s''i1(xi)=s''i(xi)
{6a1(x2x1)+2b1=2b26a2(x3x2)+2b2=2b36a3(x4x3)+2b3=2b4
Supongamos que el espaciado entre dos puntos consecutivos es constante h=xixi-1, i=2,3,4,5.
Vamos a expresar las incgnitas a1,a2,a3,a4, b1,b2,b3,b4, c1,c2,c3,c4, d1,d2,d3,d4, en
trminos de h, el valor de las ordenadas yi y el valor de la derivada segunda
de S(x), mi en cada punto xi, i=1,2,3,4,5.
De (4) y (5) expresamos a1,a2, a3, a4 en trminos de m1, m2, m3, m4, m5.
a1=m2m16ha2=m3m26ha3=m4m36ha4=m5m46ha1=m2m16h
a2=m3m26ha3=m4m36ha4=m5m46h
Teniendo en cuenta (1) y (4), las ecuaciones (2) se expresan

m2m16hh3+m12h2+c1h+y1=y2m3m26hh3+m22h2+c2h+y2=y3m4m36hh
3+m32h2+c3h+y3=y4{m2m16hh3+m12h2+c1h+y1=y2m3m26hh3+m22h2+c2h+y2
=y3m4m36hh3+m32h2+c3h+y3=y4
Que nos permite despejar c1, c2, c3 en trminos de m1, m2, m3, m4, y1, y2, y3, y4
c1=y2y1hm2+2m16hc2=y3y2hm3+2m26hc3=y4y3hm4+2m36hc1=y2y1hm2+2m16h
c2=y3y2hm3+2m26hc3=y4y3hm4+2m36h
La ltima ecuacin de (1) nos permite despejar c4

m5m46hh3+m42h2+c4h+y4=y5c4=y5y4hm5+2m46hm5m46hh3+m42h2+c4h+y4=y5
c4=y5y4hm5+2m46h
Las ecuaciones (3) se expresan

3m2m16hh2+m1h+y2y1hm2+2m16h=y3y2hm3+2m26h3m3m26hh2+
m2h+y3y2hm3+2m26h=y4y3hm4+2m36h3m4m36hh2+m3h+y4y3hm4+2m36h=y5y4h
m5+2m46hm1+4m2+m3=6h2(y12y2+y3)m2+4m3+m4=6h2(y2
2y3+y4)m3+4m4+m5=6h2(y32y4+y5)
{3m2m16hh2+m1h+y2y1hm2+2m16h=y3y2hm3+2m26h3m3m26hh2+m2h+y
3y2hm3+2m26h=y4y3hm4+2m36h3m4m36hh2+m3h+y4y3hm4+2m36h=y5
y4hm5+2m46h{m1+4m2+m3=6h2(y12y2+y3)m2+4m3+m4=6h2(y22y3+y4)m3+4
m4+m5=6h2(y32y4+y5)
Tenemos tres ecuaciones y cinco incgnitas m1, m2, m3, m4, m5

Fijamos los valores de la derivada segunda m1 y m5 en los puntos extremos.
Supongamos que m1=0 y m5=0.
Hay otras posibilidades que se pueden consultar en el
documentohttp://online.redwoods.edu/instruct/darnold/laproj/Fall98/SkyMeg/
Proj.PDF
Despejamos m2, m3, m4 del sistema de tres ecuaciones
m1+4m2+m3=6h2(y12y2+y3)m2+4m3+m4=6h2(y22y3+y4)
m3+4m4+m5=6h2(y32y4+y5)410141014m2m3m4=6h2y12y2+
y3y22y3+y4y32y4+y5{m1+4m2+m3=6h2(y12y2+y3)m2+4m3+m4=6h2(y22
y3+y4)m3+4m4+m5=6h2(y32y4+y5)(410141014)
(m2m3m4)=6h2(y12y2+y3y22y3+y4y32y4+y5)
Caso general
En general, con n pares de datos tendremos el sistema

4100....01410...00141...00014.....................10000...4
m2m3m4m5...mn1=6h2y12y2+y3y22y3+y4y32y4
+y5y42y5+y6....yn22yn1+yn(4100...01410...00141...00014...0..........
.........000...14)
(m2m3m4m5...mn1)=6h2(y12y2+y3y22y3+y4y32y4+y5y42y5+y6....yn22yn
1+yn)
Fijamos los valores de los extremos del vector de las incgnitas m: m1=0, mn1=0, a continuacin, obtenemos mediante el operador divisin por la izquierda
los valores de m2, m3, ...mn-2, finalmente, se calculan:
los coeficientes a1,a2,a3,...an-1.
a1=m2m16ha2=m3m26ha3=m4m36h....
an1=mnmn16ha1=m2m16ha2=m3m26ha3=m4m36h.... an1=mnm
n16h
los coeficientes b1,b2,b3,...bn-1.
b1=m12b2=m22b3=m32.... bn1=mn12b1=m12b2=m22
b3=m32.... bn1=mn12
los coeficientes c1,c2,c3,...cn-1.
c1=y2y1hm2+2m16hc2=y3y2hm3+2m26hc3=y4y3hm4+2m36h.....cn1=ynyn1hmn+
2mn16hc1=y2y1hm2+2m16hc2=y3y2hm3+2m26hc3=y4y3hm4+2m36h.....cn1
=ynyn1hmn+2mn16h
los coeficientes d1,d2,d3,...dn-1.
d1=y1d2=y2d3=y3.... dn1=yn1d1=y1d2=y2d3=y3.... dn1=yn1

Codificacin
En primer lugar, vamos a entender como trabaja la funcin diag de MATLAB.

La funcin diag extrae vectores diagonales de la matriz A.
>> A=[1,2,3;4,5,6;7,8,9]
A =
1
2
3
4
5
6
7
8
9
>> diag(A) %diagonal principal
ans =
1
5
9
>> diag(A,1) %diagonal superior
ans =
2
6
>> diag(A,-1) %diagonal inferior
ans =
4
8
La funcin diag nos permite crear una matriz a partir de los vectores de sus
diagonales
A=diag(4*ones(3,1))+diag(ones(2,1),1)+diag(ones(2,1),-1)
A =
4
1
0
1
4
1
0
1
4
La funcin diff calcula la diferencia entre dos elementos consecutivos del

vector y
y=[y1,y2,y3,y4,y5]d1=dif(y)=[y2y1,y3y2,y4y3,y5y4]d2=dif(d1)=[y32y2
y1,y42y3y2,y52y4y3]y=[y1,y2,y3,y4,y5]d1=diff(y)=[y2y1,y3y2,y4y3,y5y4
]d2=diff(d1)=[y32y2y1,y42y3y2,y52y4y3]
El vector de los trminos independientes se calcula aplicando dos veces la

funcin diff al vector y de las ordenadas.
Estamos en condiciones de crear un script que calcule las
incgnitas m2, m3, ... mn-1, aplicando el operador divisin por la izquierda.
x=-4:4;
y=sin(x)./(1+x.^2);
h=x(2)-x(1); %espaciado constante
n=length(x); %nmero de pares de datos
A=diag(4*ones(n-2,1))+diag(ones(n-3,1),1)+diag(ones(n-3,1),-1); %matriz
de dimensin n-2
s=diff(diff(y))*6/h^2; %vector de los trminos indpendientes
mm=A\s'; %vector de las incgnitas
m=[0;mm;0]; %ceros en los extremos
for i=1:n-1
a(i)=(m(i+1)-m(i))/(6*h);
b(i)=m(i)/2;
c(i)=(y(i+1)-y(i))/h-(m(i+1)+2*m(i))*h/6;
d(i)=y(i);
end
%dibuja los puntos
hold on
plot(x,y,'o','markersize',4,'markeredgecolor','b','markerfacecolor','b')
for i=1:n-1
xx=x(i):h/50:x(i+1);
yy=a(i)*(xx-x(i)).^3+b(i)*(xx-x(i)).^2+c(i)*(xx-x(i))+d(i);
plot(xx,yy,'r')
end
xx=linspace(-4,4,300); %funcin
yy=sin(xx)./(1+xx.^2);;
plot(xx,yy,'g')
hold off
grid on
xlabel('x')
ylabel('y')
title('Interpolacin por splines')
Si superponemos la funcin (en color verde)

y=sin(x)x2+1y=sin(x)x2+1
con los nueve puntos unidos mediante polinomios de tercer grado (en color
rojo) veremos que la curva interpolada y la exacta estn prximas.
Los puntos de color azul, son los nueve pares de datos, cada una de las curvas
de color rojo entre dos puntos azules consecutivos es un polinomio de tercer
grado que pasa por dichos puntos y cumple las condiciones de continuidad de
su derivada primera y segunda.
Comparacin
Funcin spline de MATLAB
Utilizamos la funcin spline de MATLAB, pero es posible que las condiciones

en los extremos que en el ejemplo anterior se han establecido en m1=0, mn-1=0,
sean ahora diferentes.
x=-4:4;
y=sin(x)./(1+x.^2);
%dibuja los puntos
hold on
xx=linspace(-4,4,300);
yy=spline(x,y,xx); %interpolacin
plot(xx,yy, 'r')
yy=sin(xx)./(1+xx.^2);
plot(xx,yy,'g') %funcin
hold off
grid on
xlabel('x')
ylabel('y')
title('Interpolacin por splines de MATLAB')
Interplacin de Lagrange
Ahora interpolamos mediante un polinomio de grado n-1 que pasa por los
nueve puntos (xi,yi) del ejemplo anterior
x=-4:4;
y=sin(x)./(1+x.^2);
%dibuja los puntos
hold on
n=length(x);
p=polyfit(x,y,n-1); %polinomio que pasa por los puntos
%p=lagrange_p(x,y); %se obtiene el mismo resultado
xx=linspace(-4,4,300); %superposicin de la curva
yy=polyval(p,xx);
plot(xx,yy, 'r')
yy=sin(xx)./(1+xx.^2);
plot(xx,yy,'g')
hold off
grid on
xlabel('x')
ylabel('y')
title('Interpolacin por Lagrange')
El resultado deja mucho que desear principalmente, en el primer y ltimo

intervalo.
Aproximacin de funciones
Muchas funciones matemticas tales como sin(x), exp(x), se pueden

representar cerca de x=0 por un desarrollo en serie de Taylor. Si el desarrollo
en serie converge rpidamente, tomando los primeros trminos se puede
aproximar la funcinf(x) por un polinomio de grado n no muy elevado.
Tomamos n valores de la funcin yi=f(xi) con i=1...n. y determinamos el
polinomio de grado n-1 que pasa a travs de los puntos (xi,yi). Sea la funcin
y=1x2+1y=1x2+1
Tomamos diez abscisas xi espaciadas 0.8 en el intervalo [-4,4]. Representamos

la funcin (en color rojo), los puntos (xi,yi) y el polinomio que pasa por dichos
puntos (en color azul). Dado que la funcin es simtrica solamente
representamos la parte positiva.
f=@(x) 1./(x.^2+1);
n=10;
a=-4;
b=4;
xx=linspace(a,b,n+1);
yy=f(xx);
p=polyfit(xx,yy,n);
x1=linspace(0,b,100);
y1=polyval(p,x1) %aproximacin mediante el polinomio p
y2=f(x1);
%funcin
hold on
plot(x1,y1,'b')
plot(x1,y2,'r')
plot(xx(xx>=0),yy(xx>=0),'ro','markersize',2,'markerfacecolor','r')
hold off
xlabel('x')
ylabel('y')
title('Interpolacin de una funcin')
Sorprendentemente, si los puntos no estn igualmente espaciados, podemos

obtener una mejor aproximacin. Si tomamos los puntos en el intervalo [a,b]
espaciados de acuerdo a la frmula denominada puntos de Chebyshev, que se
estudiar en la prxima pgina.
xi=a+b2+ab2cos(n(i12))1inxi=a+b2+ab2cos(n(i12))1in
La funcin linspace, nos crea un vector de abscisas xi igualmente espaciados

entre a y b. La funcin que hemos denominado lincheby crea un vector de
abscisas xi, espaciados de acuerdo a la frmula anterior.
f=@(x) 1./(x.^2+1);
lincheby=@(a,b,n) (a+b)/2+(a-b)/2*cos(pi/n*(1/2:n));
n=10;
a=-4;
b=4;
xx=lincheby(a,b,n+1);
yy=f(xx);
p=polyfit(xx,yy,n);
x1=linspace(0,b,100);
y1=polyval(p,x1); %aproximacin mediante el polinomio p
y2=f(x1);
%funcin
hold on
plot(x1,y1,'b')
plot(x1,y2,'r')
plot(xx(xx>=0),yy(xx>=0),'ro','markersize',2,'markerfacecolor','r')
hold off
xlabel('x')
ylabel('y')
title('Interpolacin de una funcin')
Como podemos apreciar la mejora es importante

Ajuste de datos
En esta pgina, estudiaremos la regresin lineal, es decir la determinacin de

la ecuacin de la recta que mejor ajusta a una distribucin bidimensional de
datos. Se explicar el mtodo de los mnimos cuadrados para aproximar un
polinomio a un conjunto de datos experimentales.
Regresin lineal
http://www.sc.ehu.es/sbweb/fisica_/cinematica/rectilineo/regresion/regresion.h
tml
Abordaremos en esta pgina las distribuciones bidimensionales. Las
observaciones se dispondrn en dos columnas, de modo que en cada fila
figuren la abscisa x y su correspondiente ordenada y. La importancia de las
distribuciones bidimensionales radica en investigar como influye una variable
sobre la otra. Esta puede ser una dependencia causa efecto, por ejemplo, la
cantidad de lluvia (causa), da lugar a un aumento de la produccin agrcola
(efecto). O bien, el aumento del precio de un bien, da lugar a una disminucin
de la cantidad demandada del mismo.
Si utilizamos un sistema de coordenadas cartesianas para representar la
distribucin bidimensional, obtendremos un conjunto de puntos conocido con
el diagrama de dispersin, cuyo anlisis permite estudiar cualitativamente, la
relacin entre ambas variables. El siguiente paso, es la determinacin de la
dependencia funcional entre las dos variables x e y que mejor ajusta a la
distribucin bidimensional. Se denomina regresin lineal cuando la funcin es
lineal, es decir, requiere la determinacin de dos parmetros: la pendiente y la
ordenada en el origen de la recta de regresin, y=ax+b.
La regresin nos permite adems, determinar el grado de dependencia de las
series de valores X e Y, prediciendo el valor y estimado que se obtendra para
un valor x que no est en la distribucin.
Vamos a determinar la ecuacin de la recta que mejor ajusta a los datos
representados en la figura. Se denomina error ia la diferencia yi-y, entre el
valor observado yi, y el valor ajustado y= axi+b, tal como se ve en la figura
inferior. El criterio de ajuste se toma como aqul en el que la desviacin
cuadrtica media sea mnima, es decir, debe de ser mnima la suma
E=1n2i=1n(yi(axi+b))2E=1ni2=1n(yi(axi+b))2
El extremos de una funcin: mximo o mnimo se obtiene cuando las

derivadas de E respecto de a y de b sean nulas. Lo que da lugar a un sistema
de dos ecuaciones con dos incgnitas del que se despeja a y b.
Ea=0Eb=0a=n1nxiyi(1nxi)(1nyi)n1nx2i(1nxi)2
b=1nyia1nxinEa=0Eb=0a=n1nxiyi(1nxi)(1nyi)n1nxi2
(1nxi)2b=1nyia1nxin
Expresiones ms elaboradas nos permiten determinar el error de a, a y el

error de b, b
a=nn1nx2i(1nxi)2=1n(yiaxib)2n2
b=a1nx2ina=nn1nxi2(1nxi)2
=1n(yiaxib)2n2b=a1nxi2n
La pendiente de la recta se escribir aa, y la ordenada en el

origen bb. Vase las reglas para expresar una medida y su error de una
magnitud.
El coeficiente de correlacin es otro parmetro para el estudio de una

distribucin bidimensional, que nos indica el grado de dependencia entre las
variables X e Y. El coeficiente de correlacin r es un nmero que se obtiene
mediante la frmula.
r=1n(xi<x>)(yi<y>)1n(xi<x>)2
1n(yi<y>)2r=1n(xi<x>)
(yi<y>)1n(xi<x>)21n(yi<y>)2
El numerador es el producto de las desviaciones de los valores X e Y respecto

de sus valores medios. En el denominador tenemos las desviaciones
cuadrticas medias de X y de Y.
El coeficiente de correlacin puede valer cualquier nmero comprendido entre
-1 y +1.
Cuando r=1, la correlacin lineal es perfecta, directa.
Cuando r=-1, la correlacin lineal es perfecta, inversa
Cuando r=0, no existe correlacin alguna, independencia

total de los valores X e Y
Ejemplo
Un vehculo que se mueve supuestamente con velocidad constante. Los datos
de las medidas del tiempo en cuatro posiciones separadas 900 m son las
siguientes
Tiempo t (
s)
Posicin x (
m)
17.6
40.4
900
67.7
1800
90.1
2700
Ajustar los datos a la lnea recta

x=x0+vt
y estimar el mejor valor de la velocidad v aplicando el procedimiento de
mnimos cuadrados
Utilizando el applet de la pgina Regresin lineal, obtenemos los siguientes
valores: la pendiente es a=36.71 y el error de la pendiente a=1.001. La
velocidad se escribe (vase la pgina Errores en las medidas)
v=371 m/s
function [a b]=regresion(x,y)
n=length(x);
a=zeros(2,1);
b=zeros(2,1);
%pendiente de la recta de regresin, a
a(1)=(n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.^2)-sum(x)*sum(x));
%ordenada en el origen, b
b(1)=(sum(y)-a(1)*sum(x))/n;
% errores de a y de b
sd2=sum((y-a(1)*x-b(1)).^2);
a(2)=sqrt(sd2/(n-2))/sqrt(sum(x.^2)-sum(x)*sum(x)/n);
b(2)=sqrt(sum(x.^2)/n)*a(2);
end
En el vector a de dimensin 2 hemos guardado la

pendiente en a(1) y su error en a(2)
En el vector b de dimensin 2 hemos guardado la ordenada

en b(1) y su error en b(2)
Escribimos el script datos_1 para calcular la pendiente a de la recta de

regresin, su error a, la ordenada en el origen by su error b.
t=[17.6 40.4 67.7 90.1];
x=[0 900 1800 2700];
[a b]=regresion(t,x);
fprintf('pendiente a= %2.3f, error %1.3f\n',a(1),a(2));

fprintf('ordenada b= %3.3f, error %3.3f\n',b(1),b(2));
%grfica
plot(t,x,'ro','markersize',8,'markerfacecolor','r')
tmin=min(t);
xmin=a(1)*tmin+b(1);
tmax=max(t);
xmax=a(1)*tmax+b(1);
line([tmin tmax],[xmin xmax]); %recta
xlabel('t')
ylabel('x')
title('Regresin lineal')
En la ventana de comandos corremos el script datos_1

>> datos_1
pendiente a= 36.710, error 1.001
ordenada b= -630.509, error 60.580
Queda como trabajo al lector calcular el coeficiente de correlacin.

Solucin r=0.99926
La funcin potencial
y=cxa
Se puede trasformar en
log y=alog x+log c
Si usamos las nuevas variables X=log x e Y=log y, obtenemos la relacin
lineal
Y=aX+b.
Donde b=log c
Ejemplo:
x
10
20
30
40
50
60
70
80
1.0 1.3 1.5 1.6 1.8 1.9 2.0 2.1

6
3
2
8
1
1
1
1
Representamos estos datos en un diagrama doblemente logartmico mediante

el comando loglog
x=[10 20 30 40 50 60 70 80];
y=[1.06 1.33 1.52 1.68 1.81 1.91 2.01 2.11];
loglog(x,y,'ro','markersize',2,'markerfacecolor','r')
xlabel('x')
ylabel('y')
title('Funcin potencial')
Para determinar la recta de regresin, se transforma esta tabla de datos en esta

otra
X=log
1.0
x
1.30
1.47
1.69 1.77 1.84 1.90
1.60
7
9
8
5
3
Y=log 0.02 0.12 0.18 0.22 0.25 0.28 0.30 0.32

y
5
4
2
5
8
1
3
4
Calculamos mediante la funcin regresion los parmetros a y c.
Escribimos el script datos_2
x=[10 20 30 40 50 60 70 80];
y=[1.06 1.33 1.52 1.68 1.81 1.91 2.01 2.11];
[a b]=regresion(log10(x),log10(y));
fprintf('exponente a= %2.3f\n',a(1));
fprintf('coeficiente c= %3.3f\n',10^b(1));
%grfica
hold on
z=(10^b(1))*x.^a(1);
plot(x,z,'b')
xlabel('x')
ylabel('y')
title('Regresin potencial')
hold off
Corremos el script datos_2 en la ventana de comandos

>> datos_2
exponente a= 0.331
coeficiente c = 0.495
Funcin exponencial
y=ceax
Tomando logaritmos neperianos en los dos miembros resulta
ln y=ax+ln c
Si ponemos ahora X=x, e Y=ln y, obtenemos la relacin lineal
Y=aX+b
Donde b=ln c.
Ejemplo:
x
12
41
93
147
204
264
373
509
773
930
815
632
487
370
265
147
76
17
Representamos estos datos en un diagrama semilogartmico mediante el

comando semilogy
x=[12 41 93 147 204 264 373 509 773];
y=[930 815 632 487 370 265 147 76 17];
semilogy(x,y,'ro','markersize',2,'markerfacecolor','r')
xlabel('x')
ylabel('y')
title('Funcin exponencial')
grid on
Para determinar la recta de regresin, se transforma esta tabla de datos en esta

otra
X= x
12
41
93
147
204
264
Y=ln y
6.83 6.70 6.44 6.18 5.91 5.58 4.99 4.33 2.83

5
3
9
8
3
0
0
0
3

x=[12 41 93 147 204 264 373 509 773];
y=[930 815 632 487 370 265 147 76 17];
[a b]=regresion(x,log(y));
fprintf('exponente a= %2.3f\n',a(1));
fprintf('coeficiente c = %3.3f\n',exp(b(1)));
373
509
773
%grficos
hold on
x=linspace(min(x),max(x),100);
y=exp(b(1))*exp(x*a(1));
plot(x,y,'b')
xlabel('x')
ylabel('y')
title('Regresin exponencial')
hold off

>> datos_3
exponente a= -0.005
Polinomio aproximador
Supongamos que hemos medido un conjunto de pares de datos (xi, yi) en una
experiencia, por ejemplo, la posicin de un mvil en ciertos instantes de
tiempo.
Queremos obtener una funcin y=f(x) que se ajuste lo mejor posible a los
valores experimentales. Se pueden ensayar muchas funciones, rectas,
polinomios, funciones potenciales o logartmicas.
Una vez establecido la funcin a ajustar se determinan sus parmetros, en el
caso de un polinomio, sern los coeficientes del polinomio de modo que los
datos experimentales se desven lo menos posible de la frmula emprica. La
funcin ms sencilla es la funcin lineal y=ax+b, que hemos descrito en la
seccin anterior
Queremos aproximar un polinomio de grado n, a un conjunto de m pares de
datos (xi, yi) de modo que n<m. Sea el polinomio
P(x)=a1xn+a2xn-1+...anx+an+1
Se calcula la cantidad
S=j=1m(P(xi)yi)2=j=1m(a1xnj+a2xn1j+anxj+an+1yi)2S=j=1m(P(xi)
yi)2=j=1m(a1xjn+a2xjn1+anxj+an+1yi)2
Para obtener los valores de los coeficientes del polinomio aproximador se

tienen que determinar los valores de los coeficientes a1, a2, a3, ...an, an+1 de
forma que la cantidad S tome un valor mnimo.
Hagamos las derivadas parciales de S respecto de a1, a2, a3, ...an, an+1 iguales a
cero
12Sa1=j=1m(a1xnj+a2xn1j+anxj+an+1yi)xnj12Sa2=j=1m(a1xnj+a2xn1j
+anxj+an+1yi)
xn1j....................................12San=j=1m(a1xnj+a2xn1j+anxj+an+1yi)
xj12San+1=j=1m(a1xnj+a2xn1j+anxj+an+1yi)12Sa1=j=1m(a1xjn+a2xjn
1+anxj+an+1yi)xjn12Sa2=j=1m(a1xjn+a2xjn1+anxj+an+1yi)
xjn1....................................12San=j=1m(a1xjn+a2xjn1+anxj+an+1yi)
xj12San+1=j=1m(a1xjn+a2xjn1+anxj+an+1yi)
Obtenemos un sistema de n+1 ecuaciones con n+1 incgnitas, a1, a2, a3, ...an,
an+1
(j=1mx2nj)a1+(j=1mx2n1j)a2+...+(j=1mxn+1j)an+
(j=1mxnj)an+1=j=1myjxnj(j=1mx2n1j)a1+(j=1mx2n2j)a2+...+
(j=1mxnj)an+(j=1mxn1j)an+1=j=1myjxn1j.........(j=1mxnj)a1+
(j=1mxn1j)a2+...+(j=1mxj)an+man+1=j=1myj(j=1mxj2n)a1+
(j=1mxj2n1)a2+...+(j=1mxjn+1)an+
(j=1mxjn)an+1=j=1myjxjn(j=1mxj2n1)a1+(j=1mxj2n2)a2+...+(j=1mxjn)an+
(j=1mxjn1)an+1=j=1myjxjn1.........(j=1mxjn)a1+(j=1mxjn1)a2+...+
(j=1mxj)an+man+1=j=1myj
que podemos escribir, altenativamente

s1a1+s2a2+....snan+sn+1an+1=t1s2a1+s3a2+....sn+1an+sn+2a
n+1=t2.......sn+1a1+sn+2a2+....s2nan+s2n+1an+1=tn+1sk=j=1mx2n+1kj
k=1...2n+1tk=j=1myjxn+1kj
k=1...n+1{s1a1+s2a2+....snan+sn+1an+1=t1s2a1+s3a2+....sn+1an+sn+2an+1=t2.......s
n+1a1+sn+2a2+....s2nan+s2n+1an+1=tn+1sk=j=1mxj2n+1k
k=1...2n+1tk=j=1myjxjn+1kk=1...n+1
function p=pol_regresion(x,y,n)
s=zeros(2*n+1,1);
t=zeros(n+1,1);
A=zeros(n+1);
for k=1:2*n+1
s(k)=sum(x.^(2*n+1-k));
end
%vector de los trminos independientes
for k=1:n+1
t(k)=sum(y.*x.^(n+1-k));
end
%elementos de la matriz A de las incgnitas
for i=1:n+1
for j=1:n+1
A(i,j)=s(i+j-1);
end
end
%coeficientes del polinomio a1, a2... an, an+1
p=A\t;
end
A la funcin pol_regresion se le pasa los vectores x e y de datos el grado n del

polinomio aproximador y devuelve los coeficientes del polinomio en el vector
columna p.
La funcin calcula los elementos de la matriz A de las incgnitas, el vector t de
los trminos independientes y resuelve el sistema de n+1 ecuaciones con n+1
incgnitas mediante el operador divisin por la izquierda.
Ejemplo
Una experiencia que se puede llevar a cabo con la ayuda de un cronmetro es
la de establecer una relacin entre la lectura n del contador del reproductor de
la casete y el tiempo t transcurrido. Vamos a comprobar que esta relacin no es
lineal
Se sugiere al lector que analice el comportamiento de su reproductor de casete
y complete una tabla como la siguiente, y represente los datos en una grfica
semejante a la figura ms abajo
http://www.sc.ehu.es/sbweb/fisica_/cinematica/circular/casete/casete1.html
t (s)
n/100
t(min)
100
242
4.03
200
487
8.12
300
854
14.23
400
1220
20.33
500
1626
27.1
600
2072
34.53
700
2558
42.63
2786
7.44
46.43
744
Ajustar el conjunto de pares de datos de la tabla de la derecha a un polinomio

de segundo grado a1x2+a2x+a3.
Creamos el script datos_5 con los datos y llamamos a la funcin pol_regresion
x=[0 1 2 3 4 5 6 7 7.44];
y=[0 4.03 8.12 14.23 20.33 27.1 34.53 42.63 46.43];
p=pol_regresion(x,y,2)
%grficos
hold on
y=polyval(p,x);
plot(x,y,'b')
xlabel('x')
ylabel('y')
title('Polinomio aproximador')
hold off
En la ventana de comandos corremos el script datos_5, y nos aparece el

vector p que contiene los coeficientes a1,a2, a3del polinomio
>> datos_5
p =
0.3446
3.7004
-0.1188
Ajuste de datos con MATLAB
MATLAB dispone de la funcin polyfit para ajustar datos a un polinomio de

grado n. Tambin tiene la posibilidad de ajustar los datos de forma interactiva
en la ventana grfica (Figure Windows) seleccionado en el men Tools/Basic
Fitting.
Ajuste de datos con el operador, divisin por la izquierda \.
Conocidos los n pares de datos (xi,yi) i=1,2...n resolvemos el sistema

de n ecuaciones para determinar las incgnitas, los coeficientes a1,a2, a3 del
polinomio que mejor ajusta
y=a1x2+a2x+a3y1y2...yn=x21x22...x2nx1x2...xn11...1
a1a2a3y=a1x2+a2x+a3(y1y2...yn)=(x12x11x22x21.........xn2xn1)(a1a2a3)
Tenemos n=9 pares de datos (xi,yi). Por lo que tenemos un sistema de nueve
ecuaciones con tres incgnitas, que podemos resolver con el operador \
(divisin por la izquierda)
x=[0,1,2,3,4,5,6,7,7.44]';
y=[0,4.03,8.12,14.23,20.33,27.1,34.53,42.63,46.43]';
M=[x.^2,x,ones(size(x))];
a=M\y %coeficientes del polinomio
hold on
x=(0:0.1:max(x))';
y=[x.^2,x,ones(size(x))]*a; %evala el polinomio para cada valor de x
plot(x,y,'b')
xlabel('x')
ylabel('y')
hold off
En la ventana de comandos vemos los coeficientes a1,a2, a3 como elementos

del vector a. En la ventana grfica se obtiene una figura similar.
a =
0.3446
3.7004
-0.1188
Ajuste de datos con polyfit
Para el ajuste de datos a un polinomio se utiliza la funcin MATLAB polifit,

cuya sintaxis es la siguiente:
p=polyfit(x,y,n)
x, y son los vectores de las abscisas y de las ordenadas de

los datos, respectivamente
n, es el grado del polinomio al que se quieren ajustar los

datos
p, es el vector de los coeficientes de dicho polinomio.
Para n=1 tenemos la regresin lineal. Si m es el nmero de datos, el polinomio

pasa a travs de todos los puntos si n=m-1. El grado n del polinomio no puede
ser mayor que m-1.
Renombramos el script datos_5 como datos_6, para cambiar la llamada a la
funcin MATLAB polyfit en vez de apol_regresion
x=[0 1 2 3 4 5 6 7 7.44];
y=[0 4.03 8.12 14.23 20.33 27.1 34.53 42.63 46.43];
p=polyfit(x,y,2)
%grficos
hold on
y=polyval(p,x);
plot(x,y,'b')
xlabel('x')
ylabel('y')
hold off
En la ventana de comandos corremos el script datos_6, y nos aparece el

vector p que contiene los coeficientes a1,a2, a3del polinomio
>> datos_6
p =
0.3446
3.7004
-0.1188
Tambin se puede utilizar polyfit para realizar ajustes a una funcin potencial,
exponencial, logartmica, etc, tal como se muestra en el siguiente cuadro
Funcin
Llamada a polyfit
y=cxa
p=polyfit(log(x), log(y),1)
y=ceax
p=polyfit(x, log(y),1)
y=aln(x)+c p=polyfit(log(x),y,1)
y=1ax+cy=1ax
+c
p=polyfit(x,1./y,1)
El primer elemento del vector p devuelto por polyfit, p(1) guarda el

parmetro a y el segundo elemento, p(2) guarda el parmetro c.
Renombramos el script datos_2 como datos_7 para cambiar la llamada a la
funcin MATLAB polyfit en vez deregresion.
x=[10 20 30 40 50 60 70 80];
y=[1.06 1.33 1.52 1.68 1.81 1.91 2.01 2.11];
p=polyfit(log10(x),log10(y),1);
fprintf('exponente a= %2.3f\n',p(1));
fprintf('coeficiente c = %3.3f\n',(10^p(2)));
hold on
z=(10^p(2))*x.^p(1);
plot(x,z,'b')
xlabel('x')
ylabel('y')
title('Regresin potencial')
hold off

>> datos_7
exponente a= 0.331
Renombramos el script datos_3 como datos_8 para cambiar la llamada a la

funcin MATLAB polyfit en vez deregresion.
x=[12 41 93 147 204 264 373 509 773];
y=[930 815 632 487 370 265 147 76 17];
p=polyfit(x,log(y),1);
fprintf('exponente a= %2.3f\n',p(1));
fprintf('coeficiente c = %3.3f\n',exp(p(2)));
hold on
z=exp(p(2))*exp(x*p(1));
plot(x,z,'b')
xlabel('x')
ylabel('y')
title('Regresin exponencial')
hold off

>> datos_8
exponente a= -0.005
Ajuste de forma interactiva
Determinar la recta de regresin para la siguiente tabla de datos, tomadas de

una experiencia
x
0.0
0.1
0.2
0.3
0.1
0.2
0.3
0.4
5
5
5
5
0.2 0.4 0.5 0.7 0.8 0.9 1.1 1.1

5
2
8
2
5
8
0
2

x=[0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4];
y=[0.25 0.42 0.58 0.72 0.85 0.98 1.1 1.12];
p=polyfit(x,y,1)
xp=linspace(min(x),max(x),20);
yp=polyval(p,xp);
plot(x,y,'r+',xp,yp)
axis([min(x)-0.05,max(x)+.05, min(y)-0.1, max(y)+.1])
grid on
xlabel('x'), ylabel('y'), title('ajuste con polyfit')
legend('datos originales','mejor ajuste','Location','SouthEast')
Corremos el script en la ventana de comandos

>> datos_9
p =
2.5762
0.1729
Vamos a realizar el ajuste de datos de forma interactiva en la ventana Figure

Window. En la ventana de comandos escribimos
>> x=[0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4];
>> y=[0.25 0.42 0.58 0.72 0.85 0.98 1.1 1.12];
>> plot(x,y,'+')
Aparece la representacin grfica de los puntos con el smbolo +
Seleccionamos en el men Tools/Basic Fitting, y activamos la casilla linear

(polinomio de grado 1) yquadratic(polinomio de grado dos) en el primer
panel titulado Plot fits. Observamos en la ventana Figure 1 que el polinomio
de segundo grado en color verde parece que se ajusta mejor a los datos
experimentales
Ampliamos el cuadro de dilogo pulsando en el botn con la flecha inferior

derecha --> nos aprece los coeficientes del polinomio de ajuste:
Seleccionamos en el segundo panel titulado Numerical results Fit/ linear y
nos aparece
y = p1*x + p2
Coefficients:
p1 = 2.5762
p2 = 0.17286
Norm of residuals =
0.1187
Seleccionamos en el segundo panel titulado Numerical results

Fit/quadratic y nos aparece
y = p1*x^2 + p2*x + p3
Coefficients:
p1 = -3.381
p2 = 4.0976
p3 = 0.046071
Norm of residuals =
0.045696
Pulsamos el botn con la flecha --> para ampliar otra vez el cuadro de dilogo,
podemos introducir un valor o una expresin para ser evaluada pulsando el
botn Evaluate en el tercer panel titulado Find y=f(x).
El ajuste de datos de forma interactiva en la ventana Figure Window admite

muchas posibilidades, que se pueden consultar en el sistema de ayuda (Help).

Matlab Completo

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

Matlab Completo

Cargado por

Copyright:

Formatos disponibles

Funciones MATLAB para calcular las

races de una ecuacin

Comprobamos que las races calculadas son correctas utilizando la

Como ejercicio se sugiere al lector, hallar las races de las ecuaciones

Se selecciona en el men Tools/Data Cursor, o el icono de la barra horizontal

Podemos utilizar la herramienta Zoom In y Pan

En la ventana de comandos corremos el script mouse_raiz. La raz buscada se

En la ventana de comandos corremos el script mouse_raiz_1. En la ventana

cuando el puntero est situado aproximadamente en el punto de

cuando el puntero est situado en el punto (270,0), pulsamos el botn

El procedimiento grfico nos da una estimacin de las races (puntos de

La funcin MATLAB fzero

Podemos definir explcitamente la funcin func y guardarla en el fichero

Llamamos a fzero anteponiendo al nombre de la funcin el smbolo @ (vase

A veces la funcin func definida y guardada en un fichero .M precisa de los

A fzero solamente le podemos pasar el manejador (handle) de la funcin de

En el ejercicio "La ecuacin de van der Waals" utilizaremos esta opcin.

Donde x representa la diferencia de potencial e y la intensidad de la corriente

Una representacin grfica similar la obtenemos con la funcin ezplot

En la ventana de comandos vemos este valor

Dado un valor de la diferencia de potencial x en el intervalo [0,0.678],

Suministramos a fzero un valor prximo a la raz buscada, por ejemplo, 3.

En la ventana de comandos vemos este valor

Dado un vector de valores de la diferencia de potencial x el intervalo

Obtenemos una representacin grfica similar a la obtenida empleando la

Sistemas de ecuaciones no lineales

En la figura vemos el punto de interseccin y mediante Tools/Data Cursor sus

Vamos a utilizar la funcin fsolve de MATLAB para obtener el punto de

Creamos el script sis_ecuaciones_script para llamar al procedimiento

A fsolve tenemos que pasarle la funcin que hemos definido, sis_ecuaciones y

Sistema de ecuaciones lineales. Mtodo

Sistema de cuatro ecuaciones con cuatro incgnitas

y la sustituimos en las restantes, quedando el sistema de tres ecuaciones con

Despejamos, ahora, x2 de la primera ecuacin

y las sustituimos en las dos restantes, quedando un sistema de dos ecuaciones

Despejamos ahora, x3 de la primera ecuacin

y la sustituimos en la ecuacin restante,

Por tanto, el proceso de resolver un sistema lineal de ecuaciones por el mtodo

Ahora vamos obteniendo las incgnitas empezando por la ltima ecuacin y

Sistema de n ecuaciones con n incgnitas

que convertimos en el sistema equivalente

Obtenemos las incgnitas xna x1

Podemos abreviar el cdigo suprimiendo el bucle de ndice j y sustituyndolo

Probamos la funcin gauss_ecuacion con los sistemas de ecuaciones

Mejora del procedimiento de Gauss

El procedimiento de Gauss no se puede aplicar si a11 es nulo. La solucin a

el primer elemento de la segunda fila (pivote) es nulo hay que intercambiar

sean lo ms grandes (en valor absoluto).

Creamos el siguiente script para ver el proceso de intercambio de filas y de

En la ventana de comandos vemos lo siguiente:

Modificamos la funcin gauss_ecuacion para incluir la mejora

Llamamos a la funcin gauss_ecuacion para resolver el sistema de cuatro

Sistemas de ecuaciones lineales

En esta pgina se discute y se resuelve un sistema de ecuaciones lineales

Se denomina matriz identidad I a aquella matriz cuadrada de

Si la matriz A es cuadrada, se obtiene el mismo resultado efectuando el

>> A=[-1 0 3; 2 -1 0; 3 1 -2]

Un determinante es un nmero asociado a una matriz cuadrada. Para una

El determinante de una matriz mm se desarrolla en trminos de una

Rango de una matriz

El rango de una matriz es el mximo nmero de filas linealmente

Como podemos apreciar la fila cuatro es combinacin lineal de la fila 1 y la

La divisin por la izquierda se utiliza para resolver la ecuacin AX=B. En esta