IDAD DE

B
SE
UNIVER

VILLA
e an
Ecuaciones Diferenciales
y Análisis Numérico

Apuntes de MATLAB
orientados a métodos numéricos elementales

Rosa Echevarría
Dpto. de Ecuaciones Diferenciales y Análisis Numérico
Universidad de Sevilla

14 de febrero de 2022
 DAD DE
SI

SE
UNIVER

VILLA
Índice e an
Ecuaciones Diferenciales
y Análisis Numérico

1. Introducción a los ordenadores 13

1.1. Componentes básicos de un ordenador . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.1. Unidad central de proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.2. Memoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1.3. Memoria central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1.4. Memoria secundaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1.5. Dispositivos de entrada/salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2. Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3. Lenguajes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4. Tipos de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.1. Tipos de datos elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.2. Tipos de datos compuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Representación de datos numéricos en el ordenador . . . . . . . . . . . . . . . . . . . . 19
1.5.1. Bits, bytes y palabras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2. Sistemas de numeración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.3. Almacenamiento de números enteros sin signo . . . . . . . . . . . . . . . . . . . 27
1.5.4. Almacenamiento de números enteros con signo . . . . . . . . . . . . . . . . . . 28
1.5.5. Almacenamiento de números reales . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.5.6. Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.6. Anexo: Números denormales y precisión . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6.1. Mayor número representable en doble precisión . . . . . . . . . . . . . . . . . . 41
1.6.2. Menor número real positivo no nulo representable en doble precisión . . . . . . 41
1.6.3. Precisión y precisión relativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2. Introducción a MATLAB. Operaciones elementales 43

2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.1. Objetos y sintaxis básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1.2. Documentación y ayuda on-line . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.1.3. Scripts y funciones. El editor integrado . . . . . . . . . . . . . . . . . . . . . . . 45
2.1.4. Workspace y ámbito de las variables . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2. Números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3
 2.3. Operaciones aritméticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3.1. Reglas de prioridad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.4. Forma en que se muestran los resultados . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.5. Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.5.1. Instrucciones de asignación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.5.2. Variables pre-definidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6. Funciones matemáticas elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.7. Operaciones de comparación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.8. Operadores lógicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.9. Orden general de evaluación de expresiones . . . . . . . . . . . . . . . . . . . . . . . . 56
2.10. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.10.1. Construcción de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.10.2. Acceso a los elementos de vectores y matrices . . . . . . . . . . . . . . . . . . . 59
2.10.3. Operaciones con vectores y matrices . . . . . . . . . . . . . . . . . . . . . . . . 62
2.10.4. Operaciones de comparación y lógicas con matrices . . . . . . . . . . . . . . . . 64
2.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

3. Gráficos 71
3.1. Generalidades sobre la representación gráfica de funciones . . . . . . . . . . . . . . . . 71
3.1.1. Representación gráfica de funciones de una variable real . . . . . . . . . . . . . 72
3.1.2. Curvas planas definidas mediante ecuaciones paramétricas . . . . . . . . . . . . 73
3.1.3. Curvas planas en coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . 73
3.1.4. Curvas en tres dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.5. Gráficas de funciones de dos variables: superficies . . . . . . . . . . . . . . . . . 76
3.1.6. Superficies definidas mediante ecuaciones paramétricas . . . . . . . . . . . . . . 77
3.1.7. Representación mediante curvas de nivel de una función de dos variables . . . . 78
3.2. Funciones gráficas de MATLAB fáciles de usar . . . . . . . . . . . . . . . . . . . . . . 80
3.2.1. Gráficas de funciones de una variable real . . . . . . . . . . . . . . . . . . . . . 80
3.2.2. Curvas planas definidas implícitamente . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.3. Curvas planas definidas por ecuaciones paramétricas . . . . . . . . . . . . . . . 82
3.2.4. Curvas en tres dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.2.5. Superficies definidas mediante ecuaciones explícitas . . . . . . . . . . . . . . . . 84
3.2.6. Superficies definidas mediante ecuaciones paramétricas . . . . . . . . . . . . . . 86
3.2.7. Representación mediante curvas de nivel de una función de dos variables . . . . 87
3.3. Funciones de bajo nivel para el dibujo de curvas . . . . . . . . . . . . . . . . . . . . . . 89
3.3.1. La orden plot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.3.2. Color y tipo de línea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3.3. Personalizar las propiedades de las líneas . . . . . . . . . . . . . . . . . . . . . . 92
3.3.4. Personalizar los ejes: orden axis . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3.5. Anotaciones: título, etiquetas y leyendas . . . . . . . . . . . . . . . . . . . . . . 95
3.3.6. Dibujar cosas encima de otras . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
3.3.7. Añadir texto a la gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
 3.3.8. Gestión de la ventana gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.9. Otros tipos de gráficos de datos planos . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.10. Varios ejes en la misma gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4. Funciones para el dibujo de superficies . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.4.1. Las funciones mesh y meshgrid . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.4.2. La función surf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.4.3. La función contour y variantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.4.4. La función colorbar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.4.5. La función view . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.4.6. La función colormap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

4. Programación con MATLAB 113

4.1. Operaciones básicas de lectura y escritura . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.1.1. Instrucción básica de lectura: input . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.1.2. Impresión en pantalla fácil: disp . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.1.3. Impresión en pantalla con formato: fprintf . . . . . . . . . . . . . . . . . . . . . 115
4.2. Estructuras condicionales: if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.2.1. Estructura condicional simple (if-end) . . . . . . . . . . . . . . . . . . . . . . . 117
4.2.2. Estructura condicional doble (if-else-end) . . . . . . . . . . . . . . . . . . . . . 118
4.2.3. Estructuras condicionales anidadas . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.2.4. Estructura condicional múltiple (if-elseif-else-end) . . . . . . . . . . . . . . . . . 122
4.3. Estructuras de repetición o bucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.3.1. Estructuras de repetición condicionada (while-end) . . . . . . . . . . . . . . . . 124
4.3.2. Estructuras de repetición indexada (for-end) . . . . . . . . . . . . . . . . . . . . 126
4.4. Rupturas incondicionales de secuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.5. Gestión de errores: warning y error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.6. Algunos consejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

5. Resolución de sistemas lineales 141

5.1. Los operadores de división matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
5.2. Determinante. ¿Cómo decidir si una matriz es singular? . . . . . . . . . . . . . . . . . 143
5.3. La factorización LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5.4. La factorización de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
5.5. Resolución de sistemas con características específicas . . . . . . . . . . . . . . . . . . . 149
5.6. Matrices huecas (sparse) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

6. Operaciones de lectura y escritura con ficheros 153

6.1. Ficheros de texto y ficheros binarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.2. Órdenes save y load . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.2.1. Grabar en fichero el espacio de trabajo: orden save . . . . . . . . . . . . . . . . 154
6.3. Lectura y escritura en ficheros avanzada . . . . . . . . . . . . . . . . . . . . . . . . . . 157
 6.3.1. Apertura y cierre de ficheros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
6.3.2. Leer datos de un fichero con fscanf . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3.3. Escribir datos en un fichero con fprintf . . . . . . . . . . . . . . . . . . . . . . 162

7. Interpolación y ajuste de datos 165

7.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.2. Interpolación polinómica global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.3. Interpolación lineal a trozos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
7.4. Interpolación por funciones spline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
7.5. Ajuste de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.1. Ajuste por polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.2. Otras curvas de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

8. Resolución de ecuaciones no lineales 183

8.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
8.2. Resolución de ecuaciones polinómicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
8.3. La función fzero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
8.4. Gráficas para localizar las raíces y elegir el punto inicial . . . . . . . . . . . . . . . . . 188
8.5. Ceros de funciones definidas por un conjunto discreto de valores . . . . . . . . . . . . . 189
8.6. Algoritmos numéricos para la resolución de ecuaciones . . . . . . . . . . . . . . . . . . 192
8.6.1. El algoritmo de bisección o dicotomía . . . . . . . . . . . . . . . . . . . . . . . 192
8.6.2. El método de aproximaciones sucesivas . . . . . . . . . . . . . . . . . . . . . . . 195
8.6.3. El método de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
8.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199

9. Integración numérica 203

9.1. La función integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
9.2. Aplicaciones de la integral definida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
9.2.1. Cálculo de áreas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
9.2.2. Cálculo de longitudes de arcos de curva . . . . . . . . . . . . . . . . . . . . . . 211
9.3. Cálculo de volúmenes y superficies de revolución . . . . . . . . . . . . . . . . . . . . . 212
9.4. Cálculo de integrales de funciones definidas por un conjunto discreto de valores . . . . 214
9.4.1. Integrar una poligonal: La función trapz . . . . . . . . . . . . . . . . . . . . . . 214
9.4.2. Integrar otros interpolantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
9.5. Funciones definidas a trozos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

[Link] de valores iniciales para edo’s 223

10.1. Ecuaciones diferenciales ordinarias de primer orden . . . . . . . . . . . . . . . . . . . . 223
10.2. Resolución de problemas de Cauchy para edo de primer orden . . . . . . . . . . . . . . 224
10.3. Resolución de problemas de Cauchy para sdo de primer orden . . . . . . . . . . . . . . 228
10.4. Resolución de problemas de Cauchy para edo de orden superior . . . . . . . . . . . . . 231
10.5. Paso de variables adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
[Link] de contorno para sistemas diferenciales ordinarios 235
11.1. La función bvp4c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235

[Link] de minimización 243

12.1. La función fmincon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243

[Link] de valores iniciales y de contorno para edp’s unidimensionales 247

13.1. La función pdepe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
 DAD DE
SI

SE
UNIVER

VILLA
Índice de tablas e an
Ecuaciones Diferenciales
y Análisis Numérico

1.1. Unidades de almacenamiento de información . . . . . . . . . . . . . . . . . . . . . . . . 15

1.2. Rango de valores enteros sin signo representables . . . . . . . . . . . . . . . . . . . . . 27
1.3. Rango de valores enteros representables en signo-magnitud . . . . . . . . . . . . . . . . 28
1.4. Las dos representaciones del cero en el sistema signo-magnitud con 16 bits. . . . . . . . 29
1.5. Las dos representaciones del cero en el sistema de complemento a 1 con 16 bits. . . . . 30
1.6. Rango de valores enteros representados en el sistema con complemento a 2. . . . . . . 32
1.7. Decodificación de patrones de 4 bits con los distintos sistemas . . . . . . . . . . . . . . 35
1.8. Algunos casos especiales en la norma IEEE 754 . . . . . . . . . . . . . . . . . . . . . . 37

2.1. Operadores aritméticos elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

2.2. Algunas funciones matemáticas elementales . . . . . . . . . . . . . . . . . . . . . . . . 52
2.3. Operadores de comparación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.4. Operadores lógicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.5. Resultados del operador ∼ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.6. Resultados de los operadores & y | . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.7. Vectores regularmente espaciados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.8. Algunas funciones para generación de matrices habituales . . . . . . . . . . . . . . . . 59
2.9. Operaciones aritméticas con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.10. Operaciones con matrices elemento a elemento . . . . . . . . . . . . . . . . . . . . . 62
2.11. Funciones para cálculos matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.12. Funciones lógicas para matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3.1. Símbolos para definir el color y el tipo de línea a dibujar en la orden plot . . . . . . . 92
3.2. Algunas propiedades de las líneas, controlables con la orden plot . . . . . . . . . . . . 93
3.3. Algunas propiedades de los títulos y las etiquetas de los ejes . . . . . . . . . . . . . . . 96

9
 DAD DE
SI

SE
UNIVER

VILLA
Índice de figuras e an
Ecuaciones Diferenciales
y Análisis Numérico

1.1. Componentes básicos de un ordenador . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.2. Memoria central de un ordenador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3. Paso a binario de un número entero en sistema decimal. . . . . . . . . . . . . . . . . . 21

2.1. La ventana de matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.1. Linea poligonal determinada por un conjunto de puntos. . . . . . . . . . . . . . . . . . 71

3.2. Representación de y = sen(x) en [0, π] con 8 y con 100 puntos. . . . . . . . . . . . . . . 71
3.3. Curva definida por la relación x = y cos(4y), y ∈ [0, 2π]. . . . . . . . . . . . . . . . . . 72
3.4. Representación de una curva dada por ecuaciones paramétricas . . . . . . . . . . . . . 73
3.5. Representación en paramétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.6. Representación en paramétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.7. Sistema de coordenadas polares. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.8. Coordenadas cartesianas y polares. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.9. Curva en coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.10. Curva en coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.11. Curva 3D en paramétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.12. Curva 3D en paramétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.13. Mallado en triángulos de un dominio de frontera curva . . . . . . . . . . . . . . . . . . 77
3.14. Mallado en rectángulos de un dominio rectangular . . . . . . . . . . . . . . . . . . . . 77
3.15. Un triángulo en 3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.16. Red triangular deformada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.17. Red rectangular deformada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.18. Red rectangular deformada coloreada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.19. Cara triangular rellena de color plano. . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.20. Mallado deformado con caras de color constante. . . . . . . . . . . . . . . . . . . . . . 78
3.21. Mallado deformado, color dependiente de la altura . . . . . . . . . . . . . . . . . . . . 78
3.22. Mallado deformado, color interpolado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.23. Superficie cilíndrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.24. Curvas de nivel de una función de dos variables . . . . . . . . . . . . . . . . . . . . . . 79

4.1. Condicional simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

11
4.2. Condicional doble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.3. Condicional doble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.4. Repetición condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.5. Ruptura de bucle break . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.6. Ruptura de bucle continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

6.1. Tabla de los caracteres imprimibles del código ASCII . . . . . . . . . . . . . . . . . . . 164

7.1. Interpolante lineal a trozos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

8.1. Ceros de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183

9.1. Área bajo una curva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

 DAD DE
SI

1 B

SE
Introducción a los

UNIVER

VILLA
ordenadores e an
Ecuaciones Diferenciales
y Análisis Numérico

Las palabras españolas informática y ordenador provienen de las francesas informatique y or-
dinateur. La palabra francesa informatique se construyó como una contracción de las palabras
INFORmation y autoMATIQUE.
La palabra computador (o computadora, mayoritariamente utilizada en Sudamérica), proviene
del término inglés computer. La ciencia que se ocupa de los ordenadores se denomina, en inglés,
Computer Science, aunque también existe la palabra Informatics.

1.1 Componentes básicos de un ordenador

En un ordenador se distinguen principalmente dos aspectos:

HARDWARE, el soporte físico, no modificable (placas, circuitos integrados, chips, módulos,

cables, etc.), es decir la “maquinaria”.

SOFTWARE, el conjunto de programas que se ejecutan en el ordenador, grosso modo divididos

en:

• Software del sistema o sistema operativo, el conjunto de programas necesarios para que el
ordenador tenga capacidad de trabajar (funcionamiento de la pantalla, del teclado, movi-
mientos del ratón, etc.).
• Software de aplicación que son los programas que maneja el usuario (tratamiento de textos,
hojas de cálculo, bases de datos, etc).

El modelo básico de los ordenadores actuales se atribuye a von Neumann1 . Consta principalmente de
la unidad central de proceso, la memoria y los dispositivos de entrada/salida, conectados entre sí como
se muestra de forma esquemática en el diagrama mostrado en la Figura 1.1.

1.1.1 Unidad central de proceso

Unidad central de proceso o CPU (Central Process Unit) es el “cerebro” del ordenador: ejecuta las
instrucciones de los programas y controla el funcionamiento de los distintos componentes del ordenador.
Suele estar integrada en un chip denominado microprocesador. Los dos componentes más importantes
de la CPU son:
1
John von Neumann (1903-1957), matemático húngaro-estadounidense, con aportaciones importantes en numerosas
áreas, y uno de los pioneros de los modernos ordenadores: a él se atribuye la “arquitectura de von Neumann”, base de los
ordenadores modernos. Construyó el EDVAC, uno de los primeros ordenadores programables con programa almacenado
en el propio ordenador, junto con los datos, poniendo en práctica la idea teórica debida a otro de los “padres” de la
Informática y de las Ciencias de la Computación, Alan Turing (1912-1954).

13
1. Introducción a los ordenadores 14

DISPOSITIVOS DE
ENTRADA

Teclado MEMORIA INTERNA o CENTRAL (MI)

Ratón
Instrucciones Datos
Micrófono
Joystick
Scanner
Touch Pad
Cámara digital
...
UNIDAD DE CONTROL (CU) UNIDAD ARITMÉTICO-LÓGICA (ALU)
Registro de instrucciones Registros de operaciones
DISPOSITIVOS DE
SALIDA
PROCESADOR (CPU)
Pantalla
Impresora
Módem MEMORIA AUXILIAR
Plotter
O SECUNDARIA
Altavoz
Disco duro
...
Pendrive
Disco compacto

Figura 1.1: Componentes básicos de un ordenador

La unidad de control o CU (Control Unit), dirige y coordina la mayoría de las operaciones del
ordenador. Interpreta cada instrucción enviada por un programa e inicia la acción apropiada para
realizar esa instrucción. Para cada instrucción, la unidad de control repite un grupo de cuatro
operaciones básicas, que constituye lo que se llama ciclo de instrucción:

1. Leer (fetch) - es el proceso de obtener una instrucción de un programa o datos de la memoria.

2. Decodificar (decode) - es el proceso de traducir la instrucción en comandos que el ordenador
pueda ejecutar.
3. Ejecutar (execute) - es el proceso de llevar a cabo los comandos.
4. Escribir (writeback) - es el proceso de almacenar el resultado del paso de ejecución, “escri-
biéndolo” en la memoria.

La unidad aritmético-lógica o ALU (Arithmetic Logic Unit), que realiza las operaciones
elementales que constituyen el programa (sumar, multiplicar, comparar, etc).

La velocidad de un procesador se suele medir en hercios (Hz): número de operaciones por segundo
que puede realizar.

1 Megahercio (Mz) = 106 operaciones/segundo

1 Gigahercio (Gz) = 109 operaciones/segundo

1.1.2 Memoria
Son los componentes de hardware en los que se almacena la información procesada por el ordena-
dor. Generalmente, se distinguen entre la memoria central y la memoria secundaria (véase más
adelante). La principal característica de las memorias es su:

Capacidad: indica la cantidad de datos que puede almacenar. Se mide en bits (bit: binary unit),
o múltiplos de bit. Los bits suelen agruparse de ocho en ocho: 1 byte = 8 bits. Las unidades de
almacenamiento están recogidas en la Tabla 1.1.

1.1.3 Memoria central

Memoria central o principal, almacena tanto la secuencia de instrucciones del programa o progra-
mas que se esté ejecutando en cada momento como los datos que éste o éstos necesitan. Se distingue
entre:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 15

bit 0ó1
byte B 8 bits
Kilobyte KB 210 B = 1024 B
Megabyte MB 210 KB = 1024 KB
Gigabyte GB 210 MB = 1024 MB
Terabyte TB 210 GB = 1024 GB

Tabla 1.1: Unidades de almacenamiento de información

Memoria ROM (Read Only Memory), (memoria de sólo lectura). Es permanente, esto es no
se borra al apagar el ordenador y no se puede alterar (o se puede hacer difícilmente). Almacena
códigos de programa grabados en fábrica necesarios para el funcionamiento del ordenador, como
por ejemplo, la secuencia de instrucciones que hay que ejecutar cuando se enciende el ordenador
(BIOS: Basic Input/Output System; POST: Power On Self Test).

Memoria RAM (Random Acces Memory), (memoria de acceso aleatorio). Almacena las ins-
trucciones de los programas mientras que se ejecutan así como los datos que éstos necesitan
o generen. Su contenido es volátil, es decir, se borra al apagar el ordenador. La denominación
Acceso Aleatorio es antigua y se comenzó a utilizar para diferenciarla de otro tipo de memoria
(cintas magnéticas) que era de acceso secuencial: para acceder a un dato había que recorrer todos
los anteriores.

Con el objetivo de que el procesador pueda obtener los datos de la memoria central más rápidamente,
la mayoría de los procesadores usan un tipo especial de memoria llamada memoria caché ó RAM
caché (pequeña y de acceso muy rápido). En ella, además se almacenan los datos más recientes y las
instrucciones inminentes.

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1100
16 17 18 19 20
Contenido de la
dirección 15

Figura 1.2: Memoria central de un ordenador

La memoria central es un circuito que se puede imaginar como una enorme tabla que almacena infor-
mación en cada una de sus celdas o posiciones de memoria (véase Figura 1.2).
Cada celda es una agrupación de bytes que se denomina palabra. Dependiendo del ordenador, existen
palabras de 4 bytes (32 bits), 8 bytes (64 bits). Las palabras están numeradas correlativamente, comen-
zando desde 0. El número de una palabra es la dirección de esa palabra. La información almacenada
en una palabra es su contenido.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 16

1.1.4 Memoria secundaria

Como hemos mencionado, toda la información en la memoria central es accesible directamente en un

tiempo muy corto; por ello dicha memoria es cara.
Memoria secundaria es una memoria más barata donde, a cambio de mayores tiempos de acceso, se
puede conservar gran cantidad de información (disco duro, CD (Compact Disk), DVD (Digital Versatile
Disk), memoria flash, etc). En ella se almacena todo lo que la unidad central de procesos (véase la
Sección 1.1.1) no necesita urgentemente. La principal característica de este tipo de memorias es que
su contenido no se pierde al apagar el ordenador.

1.1.5 Dispositivos de entrada/salida

Dispositivos de entrada/salida son todos los componentes de hardware anexos que permiten la comu-
nicación entre el ordenador y el usuario. Los dispositivos de entrada son, por ejemplo, teclados, ratones,
lectores de discos, micrófonos, etc. Los dispositivos de salida son, por ejemplo, monitores, impresoras,
altavoces, etc.

1.2 Software
El software es el conjunto de instrucciones que hacen que el ordenador funcione y lleve a cabo tareas
concretas, como procesar textos o conectarse a internet. El software también controla la forma en que
se maneja el propio hardware.
Un programa es un conjunto detallado de instrucciones que indican al procesador la forma de llevar
a cabo una tarea concreta.
El software de sistema son los programas indispensables para el funcionamiento del ordenador. Son
el sistema operativo, los compiladores e intérpretes y los utilitarios.

• El sistema operativo es un conjunto complejo de muchos programas que se encargan de coordinar

el funcionamiento de los distintos componentes, de iniciar la ejecución de otros programas y
atender a sus requerimientos, de gestionar el almacenamiento y lectura de la memoria secundaria,
de gestionar la interfaz gráfica de usuario (ventanas, iconos, barras de menús, ...), de interpretar
las señales que se reciben desde el teclado o el ratón, de gestionar el envío de documentos a
una impresora, etc. Ejemplos de sistemas operativos son Windows, MacOS, Unix, Linux, IOS,
Android.

• Los compiladores y traductores son programas capaces de traducir un programa escrito en algún
lenguaje de programación al lenguaje máquina (véase la Sección 1.3), que es el único que entiende
el procesador. Cada lenguaje necesita su propio compilador o traductor.

• Se consideran utilitarios a aquellos programas que realizan tareas complementarias como an-
tivirus, compresores de archivos, editores de texto, recuperación de archivos, visualizadores de
imágenes, etc.

1.3 Lenguajes
Un lenguaje de programación es un conjunto de símbolos y reglas sintácticas y semánticas que
sirven para describir las órdenes que controlan el comportamiento físico y lógico de una máquina.
Los procesadores de las máquinas sólo son capaces de entender y obedecer programas escritos en
lenguaje-máquina, cuyas instrucciones son cadenas binarias (formadas por 0 y 1) que se pueden

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 17

“cargar” directamente en la memoria central, sin necesidad de traducción. Sin embargo, el lenguaje-
máquina es específico de cada tipo de ordenador, por lo que los programas escritos en dicho lenguaje
no son portables en general de una máquina a otra. Además, debido a su representación totalmente
numérica, son muy difíciles de escribir, leer y corregir.
El lenguaje ensamblador facilita (sólo un poco) esas tareas, ya que permite la escritura de las ins-
trucciones básicas del lenguaje máquina en una forma más legible para el programador2 .
A modo de ejemplo, una instrucción básica ejecutable por la CPU podría ser:

copiar el contenido de la celda 164 en la celda 183.

En lenguaje-máquina esta instrucción podría escribirse (sólo es un ejemplo)

01101100
| {z } 10100100
| {z } 10110101
| {z }
COPIAR 164 183

mientras que en lenguaje ensamblador se podría escribir de forma parecida a:

CP 164 183

Usualmente hay una correspondencia uno a uno entre las instrucciones simples de un código ensam-
blador y las de un código máquina. Por ello, el ensamblador sigue siendo un lenguaje de bajo nivel :
por un lado el programador necesita conocer en profundidad la arquitectura de la máquina, por otro
los programas escritos en ensamblador no son portables.
Los lenguajes de alto nivel, por el contrario, no obligan al programador a conocer los detalles del
ordenador que utiliza. Las instrucciones se escriben en un formato flexible y más “humano”. Además,
se pueden escribir, de forma sencilla, instrucciones mucho más complicadas: cada instrucción en un
lenguaje de alto nivel corresponde a varias (incluso muchas) de lenguaje-máquina. La instrucción del
los ejemplos anteriores, se podría escribir:

A = B

El ordenador sólo “comprende” los programas escritos en lenguaje-máquina. Cualquier otro debe ser
traducido.
La traducción de un programa escrito en ensamblador a lenguaje-máquina la realiza un programa
específico denominado también ensamblador.
Un programa escrito en un lenguaje de alto nivel se denomina programa fuente. Para traducirlo al
lenguaje-máquina será necesario usar un compilador o un intérprete.

Compilador: es un programa informático que traduce un programa fuente a un programa equi-

valente escrito en lenguaje-máquina, que se denomina programa objeto. El programa objeto
puede ser almacenado como archivo en la memoria secundaria del ordenador para ser ejecutado
posteriormente sin necesidad de volver a realizar la traducción.

Intérprete: traduce el código fuente instrucción a instrucción y la ejecuta en el instante. No se

crea un archivo o programa objeto, de modo que hay que volver a traducir cada vez que usemos
el programa fuente correspondiente.
2
Fue usado ampliamente en el pasado para el desarrollo de software, pero actualmente sólo se utiliza en contadas
ocasiones, especialmente cuando se requiere la manipulación directa del hardware o se pretenden rendimientos inusuales
del los equipos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 18

1.4 Tipos de datos

Los datos son la información que el ordenador almacena en la memoria y manipula mediante un
programa. Estos datos pueden ser de distintos tipos: números, texto, imágenes, audio, ... La definición
de un tipo de dato incluye la definición del conjunto de valores permitidos y las operaciones que se
pueden llevar a cabo sobre estos valores.
Cuando se utiliza un dato en un programa es preciso que esté determinado su tipo para que el tra-
ductor/compilador sepa cómo debe tratarlo y almacenarlo. Dependiendo del lenguaje puede o no ser
preciso declarar expresamente el tipo de cada dato. No todos los tipos de datos existen en todos los
lenguajes de programación. Hay lenguajes más ricos que otros en este sentido.

1.4.1 Tipos de datos elementales

Los tipos de datos básicos más usuales son:

Números enteros: números pertenecientes a un subconjunto finito de los números enteros.

Ejemplo 1.1
5 22 -1

Números reales: números pertenecientes a un subconjunto finito de los números reales (constan
de una parte entera y una parte fraccionaria).

Ejemplo 1.2
0.09 -31.423 3.0

Lógicos: los dos valores lógicos, VERDADERO o FALSO.

Ejemplo 1.3
true false

Caracteres: un conjunto finito de caracteres reconocidos por un ordenador.

Ejemplo 1.4
alfabéticos: A B C ... X Y Z a b c ... x y z
numéricos: 0 1 2 3 4 5 6 7 8 9
especiales: ; . = + - * & $ < > etc.

1.4.2 Tipos de datos compuestos

Tipos de datos compuestos o estructurados son los construidos a partir de otros tipos de datos.
Como ejemplo se tienen los siguientes:

Números complejos: son datos formados por un par de datos reales y sirven para tratar
números complejos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 19

Ejemplo 1.5
2+3i -3+i (i es la unidad imaginaria)

Cadenas de caracteres: (tambien llamadas string) son una sucesión de caracteres.

Ejemplo 1.6
’Esto es una cadena de caracteres’ ’string’ ’123abc’

Matrices: son conjuntos de datos numéricos organizados para formar una matriz o un vector.

Ejemplo 1.7
[1, 0, 3, 4] (vector fila de dimensión 4)

1.5 Representación de datos numéricos en el ordenador

A continuación se explica, de forma simplificada cómo se manejan y almacenan cada uno de los tipos
de datos en el ordenador.
Aunque los lenguajes de alto nivel permiten en alguna medida ignorar los detalles de la codificación
interna de los datos, es preciso conocer algunos conceptos mínimos.

1.5.1 Bits, bytes y palabras

Bit El bit (binary unit) es la unidad mínima de información que puede almacenarse en un ordenador
o en cualquier dispositivo digital. Un bit es un (diminuto) dispositivo electrónico capaz de tener dos
estados: “apagado”, que se asimila al cero y “encendido”, que se asimila al uno.
Debido a que cada bit sólo dispone de dos estados posibles, los ordenadores utilizan para representar
datos numéricos el sistema binario de numeración, en el que sólo hay dos dígitos: 0 y 1.
Así, con un bit, sólo pueden representarse dos valores.

Byte Para representar más cantidad de valores es necesario usar más bits. Si se usan 2 bits se pueden
representar 22 = 4 valores distintos: 00, 01, 10, 11. Si se usan 4 bits se pueden representar 24 = 16
valores distintos: 0000, 0001, 0010, 0011, . . . etc. En general, con n bits se pueden representar 2n valores
distintos3 .
Los bits se suelen agrupar en grupos de 8, formando un byte. En un byte sólo se pueden representar
28 = 256 valores distintos. Por ejemplo, se pueden representar los números enteros no negativos desde
0 hasta 255.

Palabra Para almacenar datos, a su vez, se suelen considerar agrupaciones de 4 u 8 bytes (32 ó 64
bits), a las que se llama palabra (word). Estas agrupaciones determinan el conjunto de valores que se
pueden almacenar en ellas: en 4 bytes (32 bits) se pueden almacenar 232 =4 294 967 296 valores distintos,
mientras que en 8 bytes (64 bits) se pueden almacenar 264 > 18 × 1018 valores distintos.
3
Variaciones con repetición de 2 elementos (0, 1) tomados de n en n = 2n .

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 20

Es claro que el cardinal (número de elementos) del conjunto de datos de un determinado tipo que se
pueden almacenar en un ordenador dependerá del número de bits que se dediquen a ello. Por ejemplo,
en una palabra de 32 bits, no se podrán almacenar más de 232 números enteros distintos. Si se dedican
más bits, el cardinal de dicho conjunto aumentará, pero siempre será finito. Es decir, el conjunto de
números con los que se puede trabajar en un ordenador es finito.
Este hecho tiene una importancia fundamental desde el punto de vista del cálculo numérico, ya que
en un ordenador, contrariamente a lo que sucede cuando trabajamos con el conjunto de los números
reales, el conjunto de números con los que podemos trabajar es discreto: entre dos números-máquina
consecutivos no hay ningún otro.
A los números (enteros o reales) que sí se pueden representar en el ordenador se les suele llamar
números-máquina.

1.5.2 Sistemas de numeración

Sistema de numeración decimal Es un sistema de numeración (posicional) que utiliza 10 dígitos

básicos 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 para representar cualquier número. La posición en dicha re-
presentación de cada dígito indica la potencia de 10 por la que hay que multiplicar el dígito.
Para un número N entero se tiene

N(10) = ak ak−1 . . . a1 a0
= ak · 10k + ak−1 · 10k−1 + · · · + a1 · 101 + a0 · 100 , ai ∈ {0, 1, 2, . . . , 9} ∀i

Ejemplo 1.8

N = 3459 = 3 · 103 + 4 · 102 + 5 · 101 + 9 · 100 = 3000 + 400 + 50 + 9

Para la parte fraccionaria de un número real R se tiene

R(10) = 0.d1 d2 d3 . . . dn . . .
= d1 · 10−1 + d2 · 10−2 + · · · + dn · 10−n + . . .
= 0.d1 + 0.0d2 + · · · + 0.00 . . . dn + . . . , di ∈ {0, 1, . . . , 9} ∀i

Ejemplo 1.9

3 2 5
R = 0.325 = 3 · 10−1 + 2 · 10−2 + 5 · 10−3 = + + = 0.3 + 0.02 + 0.005
10 100 1000

Sistema de numeración binario En este sistema de numeración la posición de cada dígito indica la
potencia de 2 por la que hay que multiplicar el dígito:
Para un número N entero se tiene

N(2) = bk bk−1 . . . b1 b0
= bk · 2k + bk−1 · 2k−1 + · · · + b1 · 21 + b0 · 20 , bi ∈ {0, 1} ∀i

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 21

Ejemplo 1.10

N = 10111 = 1 · 24 + 0 · 23 + 1 · 22 + 1 · 21 + 1 · 20 = 10000 + 100 + 10 + 1

Para la parte fraccionaria de un número real R se tiene

R(2) = 0.c1 c2 c3 . . . cn . . .
= c1 · 2−1 + c2 · 2−2 + c3 · 2−3 + · · · + cn · 2−n + . . .
= 0.c1 + 0.0c2 + 0.00c3 + · · · + 0.00 . . . cn + . . . , ci ∈ {0, 1} ∀i

Ejemplo 1.11

R = 0.1011 = 1 · 2−1 + 0 · 2−2 + 1 · 2−3 + 1 · 2−4 = 0.1 + 0.001 + 0.0001

Paso del sistema decimal al binario Para pasar de un número entero N en el sistema decimal a binario
se dividen sucesivamente dicho número y los cocientes sucesivos por 2, hasta llegar a un cociente que
sea igual a 1. Entonces se tiene N(2) = Cn Rn Rn−1 . . . R2 R1 , con Cn = 1, siendo Rk el resto de la
k-ésima división, como se muestra en la Figura 1.3.

:2 N
C1 R1
C2 R2
C3 R3
... ...
Cn Rn

Figura 1.3: Paso a binario de un número entero en sistema decimal.

Ejemplo 1.12
Pasar a binario el número N = 77(10)

:2 77
38 1
19 0
9 1
4 1
2 0
1 0

N = 77(10) = 1001101(2)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 22

Para hacer la operación contraria basta con expresar el significado de la numeración posicional:

N = 1001101(2) = 1 + 22 + 23 + 26 = 1 + 4 + 8 + 64 = 77(10)
El procedimiento (iterativo) para obtener la representación binaria de un número con parte fraccionaria
en sistema decimal es:
Poner R0 = R; calcular 2R0 y tomar c1 = [2R0 ] (parte entera de 2R0 ).
Poner R1 = 2R0 − c1 ; calcular 2R1 y tomar c2 = [2R1 ] (parte entera de 2R1 ).
...
Poner Rk = 2Rk−1 − ck ; calcular 2Rk y tomar ck+1 = [2Rk ] (parte entera de 2Rk ).
...
Este algoritmo se detendrá si:
1. Alguno de los Rk = 0, en cuyo caso el resto de dígitos de la parte fraccionaria binaria serán
también ceros.
2. Algún Rk se repite, es decir, coincide con alguno anterior. En este caso hay un grupo de dígitos
de la parte fraccionaria que se repite de forma periódica.
Si no ocurre ninguno de los casos anteriores, el número en cuestión tiene una parte fraccionaria binaria
infinita.

Ejemplo 1.13
Pasar a binario el número R = 0.23(10)

R0 = 0.23 ; 2R0 = 0.46 ; c1 =0

R1 = 2R0 − c1 = 0.46 ; 2R1 = 0.92 ; c2 =0
R2 = 2R1 − c2 = 0.92 ; 2R2 = 1.84 ; c3 =1
R3 = 2R2 − c3 = 0.84 ; 2R3 = 1.68 ; c4 =1
R4 = 2R3 − c4 = 0.68 ; 2R4 = 1.36 ; c5 =1
R5 = 2R4 − c5 = 0.36 ; 2R5 = 0.72 ; c6 =0
R6 = 2R5 − c6 = 0.72 ; 2R6 = 1.44 ; c7 =1

R = 0.23(10) = 0.0011101 . . .(2)

Ejemplo 1.14
Pasar a binario el número R = 0.2(10)

R0 = 0.2 ; 2R0 = 0.4 ; c1 =0

R1 = 0.4 ; 2R1 = 0.8 ; c2 =0
R2 = 0.8 ; 2R2 = 1.6 ; c3 =1
R3 = 0.6 ; 2R3 = 1.2 ; c4 =1
R4 = 0.2
...

R = 0.2(10) = 0.0011001100110011 . . .(2) = 0.0011

¯ (2)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 23

Ejemplo 1.15
Pasar a binario el número R = 0.3125(10)

R0 = 0.3125 ; 2R0 = 0.6250 ; c1 =0

R1 = 0.6250 ; 2R1 = 1.250 ; c2 =1
R2 = 0.250 ; 2R2 = 0.5 ; c3 =0
R3 = 0.5 ; 2R3 = 1.0 ; c4 =1
R4 =0

R = 0.3125(10) = 0.0101(2)

Obsérvese en los ejemplos 1.13 y 1.14 cómo un número decimal con parte fraccionaria finita en base
10 puede tener una parte fraccionaria infinita en base 2.
Lo contrario no puede suceder: si 0.c1 c2 c3 . . . cn es la expresión en base 2 de un número fraccionario,
se tiene:
c1 c2 cn
0.c1 c2 c3 . . . cn (2) = c1 · 2−1 + c2 · 2−2 + · · · + cn · 2−n = + 2 + ··· + n
2 2 2
donde los ci valen 0 ó 1. Por tanto la expresión anterior no es más que una suma finita de términos
1 1
k
de la forma k = = 0.5k , que tiene siempre un número finito de cifras decimales.
2 2

2−1 1/2 0.5 2−5 1/32 0.03125

2−2 1/4 0.25 2−6 1/64 0.015625
2−3 1/8 0.125 2−7 1/128 0.0078125
2−4 1/16 0.0625 2−8 1/256 0.00390625

Ejemplo 1.16
Pasar a decimal el número R = 0.0011101(2)

1 1 1 1
0.0011101(2) = 3
+ 4+ 5+ 7
2 2 2 2
= 0.125 + 0.0625 + 0.03125 + 0.0078125
= 0.2265625(10)

R = 0.0011101(2) = 0.2265625(10)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 24

Ejemplo 1.17
Pasar a binario el número N = 178.023(10)

Pasamos a numeración binaria la parte entera del número Ne = 178, por un lado, y por otro la
parte fraccionaria Nf = 0.023

Ne = 178 Nf = 0.023 0.046 0

89 0 0.092 0.184 0
44 1 0.184 0.368 0
22 0 0.368 0.736 0
11 0 0.736 1.472 1
5 1 0.472 0.944 0
2 1 0.944 1.888 1
1 0 0.888 1.776 1
0.776 1.552 1
0.552 1.104 1

N = 178.023(10) = 10110010.0000101111 . . .(2)

Operaciones aritméticas en binario Las operaciones en binario se realizan de la misma forma que en
el sistema decimal:
Suma
0+0=0 1 1 1
0+1=1+0=1 1 1 0 1 0 1 = 5310
1 + 1 = 10 = 0 (acarreo 1) + 1 1 1 1 0 = + 3010
1 0 1 0 0 1 1 = 8310
Resta
0−0=0 1 1 0 1 0 1 = 5310
1−0=1 − 1 1 1 1 0 = − 3010
0 − 1 = 1 (acarreo 1) 1 1 1 1
0 1 0 1 1 1 = 2310
1−1=0
Multiplicación

1 1 0 1 0 1 = 5310
× 1 0 1 = × 510
1 1 0 1 0 1
1 1 0 1 0 1
1 0 0 0 0 1 0 0 1 = 26510

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 25

División

1 1 0 1 0 1 1 0 1 110101 11
= 1010 +
− 1 0 1 1 0 1 0 101 101
0 0 1 1 0
− 1 0 1 53 3
= 10 +
0 0 1 1 5 5

Notación hexadecimal La manipulación por humanos de números binarios (cadenas largas de ceros
y unos) es tediosa y propensa a la comisión de errores. Por ello, en muchas ocasiones se utilizan otras
notaciones. La más utilizada es la notación hexadecimal, basada en la numeración en base 16.
En ella se necesitan 16 dígitos para representar un número. Puesto que la numeración decimal sólo dis-
pone de 10 (0, 1, 2, 3, 4, 5, 6, 7, 8, 9), se complementa con las primeras letras del abecedario,
hasta conseguir los 16 dígitos: A=10, B=11, C=12, D=13, E=14, F=15. Así, en la numeración hexadecimal
todos los números se representan mediante los dígitos

0 1 2 3 4 5 6 7 8 9 A B C D E F

El valor en base 10 de un número hexadecimal viene dado, como en otros casos, por la interpretación
posicional de los dígitos.

Ejemplo 1.18
Hallar la representación decimal del número H = 2AE1(16)

Escribimos el significado de la numeración posicional:

H = 2AE1(16) = 2 × 163 + A × 162 + E × 161 + 1 × 160

= 2 × 163 + 10 × 162 + 14 × 161 + 1 × 160
= 2 × 4096 + 10 × 256 + 14 × 16 + 1 = 10977(10)

Para pasar un número decimal a hexadecimal se procede como para otras bases: se divide el número
sucesivamente por 16 hasta llegar a un cociente que sea menor que 16 y y se toman como dígitos el
último cociente seguido de los restos, en orden inverso.

Ejemplo 1.19
Hallar la representación hexadecimal del número D = 41486(10)

Dividimos sucesivamente por 16:

D = 41486 :16 luego D = 41486(10) = A20E(16)

2592 14
162 0
10 2

La representación binaria de los 16 dígitos hexadecimales es:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 26

Bin Dec Hex Bin Dec Hex

0000 0 0 1000 8 8
0001 1 1 1001 9 9
0010 2 2 1010 10 A
0011 3 3 1011 11 B
0100 4 4 1100 12 C
0101 5 5 1101 13 D
0110 6 6 1110 14 E
0111 7 7 1111 15 F

La ventaja que ofrece esta notación es que, al ser 16 una potencia de 2 (24 ), la conversión binario ↔
hexadecimal puede hacerse de forma muy sencilla.
Para obtener la representación hexadecimal de un patrón de bits (un número binario) se puede proceder
como sigue:
– Se agrupan los dígitos binarios de 4 en 4 comenzando por la derecha
– Se rellena con ceros a la izquierda si es necesario
– Se sustituye cada grupo de 4 bits por el correspondiente dígito hexadecimal.
En sentido contrario, para obtener la representación binaria de un número hexadecimal basta con
sustituir cada dígito hexadecimal por su codificación binaria.

Ejemplo 1.20
Escribir el patrón de bits P = 1010001000001110 en notación hexadecimal

1010001000001110 = 1010
| {z } 0010
| {z } 0000
| {z } 1110
| {z } = A20E
A 2 0 E

En un ejemplo anterior se ha visto que A20E es la representación en base 16 del número decimal
41486. Se deja al lector la verificación de que

41486(10) = A20E(16) = 1010001000001110(2) = P

La notación hexadecimal es muy utilizada, además de para facilitar la manipulación de patrones de

bits, por ejemplo, en la definición de colores en diversos ámbitos (páginas web, editores, . . . ).

Notación octal La notación octal es similar a la hexadecimal, pero con el sistema de numeración en
base 8 (8 = 23 ). En este sistema se utilizan 8 dígitos para representar cualquier número, 0, 1, 2, 3,
4, 5, 6, 7, y se necesitan 3 bits para representar cada uno de estos 8 dígitos (23 = 8).

Bin Oct Bin Oct

000 0 100 4
001 1 101 5
010 2 110 6
011 3 111 7

La conversión binario ↔ octal se realiza de forma similar al caso hexadecimal, pero agrupando ahora
los dígitos binarios de 3 en 3.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 27

Ejemplo 1.21
Escribir el patrón de bits P = 1010001000001110 en notación octal

1 010 001 000 001 110 = |{z}

001 |{z}
010 |{z}
000 |{z}
001 |{z}
110 = 12016
1 2 0 1 6

En un ejemplo anterior se ha visto que P es la representación binaria del número decimal 41486.
Luego
41486(10) = A20E(16) = 1010001000001110(2) = 12016(8)

Observación Distintos lenguajes de programación tienen diversas formas de escribir los números bi-
narios, octales y hexadecimales. Una de las más habituales consiste en añadir un prefijo formado por
un cero (0) seguido de una letra que indica el sistema: 0b para indicar un número binario, 0o para
indicar un número octal y 0x para indicar un número hexadecimal:
0b100110 indica el número binario 100110
0o7103 indica el número octal 7103
0x21A1 indica el número hexadecimal 21A1

1.5.3 Almacenamiento de números enteros sin signo

Son los enteros no negativos. El rango de valores enteros sin signo que se pueden almacenar dependerá
del número de bits que se dediquen a ello. Suelen ser 8, 16 o 32. Si se utilizan N bits, se pueden
almacenar desde 0 hasta 2N − 1. La tabla 1.2 muestra los enteros sin signo que se pueden almacenar
en cada caso.

8 bits 0 . . . 255
16 bits 0 . . . 65535
32 bits 0 . . . 4294967295
Tabla 1.2: Rango de valores enteros sin signo representables,
en función del número de bits.

Para almacenar estos números, se pasan a binario y se completan con ceros a la izquierda hasta rellenar
todos los bits disponibles.
Los enteros sin signo se utilizan, por ejemplo, para contar y para designar direcciones de memoria.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 28

Ejemplo 1.22
¿Cómo se almacena el entero sin signo N = 109(10) en un registro de 16 bits?

Pasamos el número a binario:

Ne = 109 N = 109(10) = 1101101(2)

54 1
27 0
13 1
6 1
3 0
1 1

El resto de dígitos a la izquierda se rellenan con ceros:

0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 1

1.5.4 Almacenamiento de números enteros con signo

Existen varios sistemas de almacenamiento de números enteros con signo.

Signo-magnitud En este sistema –el más básico– se reserva un bit para indicar el signo del número.
Normalmente es el primero y se asocia el 0 con el signo + y el 1 con el signo − . En los bits restantes
se almacena la representación binaria de la magnitud del número.
Al hacer esto se dispone de un bit menos para almacenar la magnitud. Así, mientras que con 8 bits
se pueden almacenar, como entero sin signo, desde el 0 hasta el 255, con este sistema sólo se pueden
almacenar desde el −127 hasta el +127. En general, con N bits, se podrán representar desde el −(2N −1 −
1) hasta el +(2N −1 − 1).

8 bits −127 . . . − 0 + 0 . . . + 127

16 bits −32767 . . . − 0 + 0 . . . + 32767
32 bits −2147483647 . . . − 0 + 0 . . . + 2147483647
Tabla 1.3: Rango de valores enteros representables en el sis-
tema signo-magnitud.

Ejemplo 1.23
¿Cómo se almacena el entero N = −109(10) en un registro de 16 bits en el sistema signo-
magnitud?

Como hemos visto antes, 109(10) = 1101101(2) .

La representación en el sistema signo-magnitud sería, entonces:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 29

1 0 0 0 0 0 0 0 0 1 1 0 1 1 0 1

Para decodificar un patrón de bits en signo-magnitud con N bits, sólo habría que pasar a numeración
decimal el número binaro contenido en los últimos N − 1 bits, y luego asignarle signo + o − según que
el primer bit sea cero o uno.

Ejemplo 1.24
Decodificar el patrón de bits siguiente, en el sistema signo-magnitud con 16 bits:

1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1

Se tiene 110001(2) = 49(10) . Puesto que el primer bit es 1, el número es negativo.

El número almacenado es
−49

Hay que observar que, en este sistema, hay dos representaciones distintas para el cero, lo cual no es
deseable (véase la tabla 1.4).

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = +0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = −0
Tabla 1.4: Las dos representaciones del cero en el sistema
signo-magnitud con 16 bits.

Este sistema no se utiliza en los ordenadores actuales para almacenar números enteros con signo, ya
que las operaciones de sumar y restar no son fáciles con ella y por la doble representación del cero.
Sin embargo, resulta útil para aplicaciones en las que no haya que realizar operaciones aritméticas con
los números, como por ejemplo, en la transmisión de señales.

Complemento a 1 Se denomina complemento a 1 de un número binario de n bits al número que

se obtiene cambiando todos los unos por ceros y todos los ceros por unos (incluidos los ceros no
significativos, a la izquierda)4 .

1 0 1 1 1 0 0 1 Número binario de 8 bits

↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
0 1 0 0 0 1 1 0 Complemento a 1
0 0 0 1 1 0 0 1 Número binario de 8 bits
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
1 1 1 0 0 1 1 0 Complemento a 1
4
Las operaciones bitwise o bit a bit son las que se realizan sobre los números binarios actuando directamente sobre
sus bits, uno a uno. Son operaciones primitivas, que llevan a cabo dispositivos electrónicos específicos, y son muy rápidas
de realizar, incluso para procesadores sencillos de bajo costo. La operación de complemento a 1 es la operación bitwise
NOT.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 30

En el sistema de almacenamiento complemento a 1, en primer lugar, los números se almacenan igual

que en el sistema signo-magnitud. Si el número es positivo, se queda tal cual. Si el número es negativo,
la parte correspondiente a la magnitud se complementa a 1, es decir, se cambian los ceros por unos y
viceversa. El primer 1, correspondiente al signo − , se queda igual.
El rango de números que se pueden almacenar es el mismo que con signo-magnitud, y el cero sigue
teniendo dos representaciones (véase la tabla 1.5).

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = +0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 = −0
Tabla 1.5: Las dos representaciones del cero en el sistema de
complemento a 1 con 16 bits.

Ejemplo 1.25
¿Cómo se almacena el entero N = 109(10) en un registro de 16 bits en el sistema complemento a
1? ¿Y el número N = −109(10) ?

El número 109(10) = 1101101(2) , positivo, se almacena

0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 1

El número −109(10) = −1101101(2) , negativo, se almacena con un 1 en el bit del signo y comple-
mentado a 1 en el resto, es decir:

1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0

Para decodificar un patrón de bits en complemento a 1 con N bits, se procede como sigue:
— Si el primer bit es un cero, se procede como en el sistema signo-magnitud: se pasa a numeración
decimal el número binario contenido en los últimos N − 1 bits. Se le pone signo + .
— Si el primer bit es un uno, se aplica el complemento a 1 al número binario contenido en los N − 1
últimos bits y el número resultante se pasa a numeración decimal. Se le pone signo − .

Ejemplo 1.26
Decodificar el siguiente patron de bits, en el sistema de complemento a 1, con un registro de 16
bits

1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1

Puesto que el primer bit es un uno, se aplica el complemento a 1 a la parte de la magnitud (15
bits):
C115 110001 = 111111111001110

Se tiene 111111111001110(2) = 32718(10) . Puesto que el primer bit es 1, el número es negativo.

El número almacenado es
−32718

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 31

Si se aplica el complemento a 1 a la representación (completa, incluyendo el bit del signo) de un número

positivo se obtiene su opuesto negativo y viceversa, si se aplica a uno negativo se obtiene su opuesto
positivo. Si se aplica dos veces se obtiene el mismo número.
Este sistema de representación tampoco se usa hoy en día para los ordenadores, por las mismas razones
que el anterior. Sin embargo, tiene utilidad en la detección y corrección de errores en la comunicación
de datos. Además, es la base para el siguiente sistema de representación, que es el más ampliamente
utilizado.

Complemento a 2 El complemento a 2 de un número binario se obtiene sumando 1 al complemento

a uno.

1 0 1 1 1 0 0 1 0 0 0 Número binario
0 1 0 0 0 1 1 0 1 1 1 Complemento a 1
+ 1 Sumar 1
0 1 0 0 0 1 1 1 0 0 0 Complemento a 2

Otra forma de obtenerlo es la siguiente: comenzando por la derecha, se dejan los bits como están hasta
llegar al primer 1 (incluido). A partir de este, se aplica el complemento a 1 a todo el resto:

1 0 1 1 1 0 0 1 0 0 0 Número binario
↓ ↓ ↓ ↓ ↓ ↓ ↓ k k k k
0 1 0 0 0 1 1 1 0 0 0 Complemento a 2

En el sistema de representación de complemento a 2 con N bits se procede como sigue:

– se pasa el número a binario, ignorando el signo
– se rellena con ceros a la izquierda hasta completar los N bits
– si el número es positivo, no hay que hacer nada más
– si el número es negativo, se aplica el complemento a 2 a la representación obtenida.

Ejemplo 1.27
¿Cómo se almacena el entero N = 109(10) en un registro de 16 bits en el sistema complemento a
2? ¿Y el número N = −109(10) ?

El número 109(10) = 1101101(2) , positivo, se almacena:

0 0 0 0 0 0 0 0 0 1 1 0 1 1 0 1

El número −109(10) es negativo, luego se aplica el complemento a 2 con 16 bits a la representación

de su opuesto 109(10) :

C216 0000000001101101 = 1111111110010011

1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 1

Con el procedimiento anterior, se tendrían las siguientes representaciones para el +0 y el −0 respecti-

vamente:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 32

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = +0

1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = −0

Sin embargo, por convenio, se asigna la representación del −0 al número −2N −1 , es decir, al −128
con registros de 8 bits, al −32768 con registros de 16 bits, etc. Así el rango de números que se pueden
representar en el sistema de complemento a 2 queda aumentado en un número negativo más: es el
mostrado en la tabla 1.6.

Así, para decodificar un patrón de bits en complemento a 2 con 16 bits se procede como sigue:
— Si el primer bit es un cero, se procede como en el sistema signo-magnitud: se pasa a numeración
decimal el número binario contenido en los últimos 15 bits. Se le pone signo +.
— Si el primer bit es un uno y todos los demás son ceros, el número representado es −215 = −32768.
— Si el primer bit es un uno, se aplica el complemento a 2 al número binario contenido en los últimos
15 bits, y el número binario resultante se pasa a numeración decimal. Se le pone signo − .

Ejemplo 1.28
Decodificar el siguiente patron de bits, en el sistema de complemento a 2, con un registro de 16
bits

1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1

Puesto que el primer bit es un uno, se aplica el complemento a 2 a la parte de la magnitud (15
bits):
C215 000000000110001 = 111111111001111

Se tiene 111111111001111(2) = 32719(10) . Puesto que el primer bit es 1, el número es negativo.

El número almacenado es
−32719

8 bits −128 . . . + 0 . . . + 127

16 bits −32768 . . . + 0 . . . + 32767
32 bits −2147483648 . . . + 0 . . . + 2147483647
Tabla 1.6: Rango de valores enteros representados en el siste-
ma con complemento a 2.

Como sucede con el complemento a 1, si se aplica el complemento a 2 a la representación de un número

positivo se obtiene su opuesto negativo y viceversa, si se aplica a uno negativo se obtiene su opuesto
positivo. Si se aplica dos veces se obtiene el mismo número.
El sistema complemento a dos es, actualmente, el sistema estándar de representación de enteros con
signo, sobre todo debido a la simplicidad que presenta para las operaciones.
En efecto, para sumar dos números almacenados en complemento a 2 con n bits basta con sumar como
binarios simples los patrones de bits representados (incluido el primer bit, del signo) y, caso de que la

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 33

última suma (la correspondiente al bit del signo) produzca acarreo de 1, se descarta el 1 acarreado. El
patrón de bits resultante es la representación en complemento a 2 con n bits de la suma.

Ejemplos 1.29
Realizar las siguientes sumas en la representación en complemento a 2 con 8 bits:

73 + 26 73 − 26 − 73 + 26 − 73 − 26

Escribimos la representación en complemento a 2 con 8 bits (C28 ) de todos los números que aparecen:

73(10) = 1001001(2) = 01001001C28 , −73(10) = −1001001(2) = 10110111C28 ,

26(10) = 11010(2) = 00011010C28 − 26(10) = −11010(2) = 11100110C28 ,

+ 73(10) = 0 1 0 0 1 0 0 1
+ 26(10) = 0 0 0 1 1 0 1 0
+ 99(10) 0 1 1 0 0 0 1 1 = 01100011C28 = +1100011(2) = +99(10)

+ 73(10) = 0 1 0 0 1 0 0 1
− 26(10) = 1 1 1 0 0 1 1 0
+ 47(10) 1 0 0 1 0 1 1 1 1 = 00101111C28 = +101111(2) = +47(10)

− 73(10) = 1 0 1 1 0 1 1 1
+ 26(10) = 0 0 0 1 1 0 1 0
− 47(10) 1 1 0 1 0 0 0 1 = 11010001C28 = -101111(2) = −47(10)

− 73(10) = 1 0 1 1 0 1 1 1
− 26(10) = 1 1 1 0 0 1 1 0
− 99(10) 1 1 0 0 1 1 1 0 1 = 10011101C28 = -1100011(2) = −99(10)

Representación sesgada Este sistema consiste en, una vez fijado un número entero positivo K, deno-
minado sesgo, sumar este número a todos los demas. Así, en lugar de almacenar el entero con signo
N , se almacena N + K como un entero sin signo. Este sistema también se denomina exceso a K .
Normalmente, se elige como sesgo K = 2n−1 o bien K = 2n−1 − 1, donde n es el número de bits que
se emplean para el almacenamiento.
• Caso K = 2n−1 .
Puesto que N +K se va a almacenar como un entero sin signo, sólo se pueden almacenar números N tales
que N + K ≥ 0. Así, el número más pequeño que se puede representar por este sistema es Nmin tal que
Nmin +2n−1 = 0, es decir Nmin = −2n−1 . El número más grande es Nmax tal que Nmax +2n−1 = 2n −1,
es decir Nmax = 2n−1 − 1. Ahora el cero tiene una única representación.
Por ejemplo, si se utilizan n = 8 bits, será K = 27 = 128, y se habla de exceso a 128. El número más
pequeño que se puede representar en exceso a 128 es Nmin = −128 y el más grande es Nmax = 127.
• Caso K = 2n−1 − 1.
Ahora el número más pequeño que se puede almacenar es Nmin tal que
Nmin +2n−1 −1 = 0, es decir Nmin = −2n−1 +1, y el más grande Nmax tal que Nmax +2n−1 −1 = 2n −1,
es decir Nmax = 2n−1

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 34

Por ejemplo, si se utilizan n = 8 bits, será K = 27 − 1 = 127, y se habla de exceso a 127. El número
más pequeño que se puede representar en exceso a 127 es Nmin = −127 y el más grande es Nmax = 128.

Ejemplo 1.30
¿Cómo se almacena el número −95(10) en un registro de 8 bits con exceso a 127? ¿Y el número
95(10) ?.

Para almacenar el número −95(10) se comienza por sumarle 127, −95 + 127 = 32(10) y se pasa
32(10) a binario, 33(10) = 100000(2) . El resultado se rellena con ceros a la izquierda hasta completar
los 8 bits. El valor binario resultante siempre comenzará por cero.

0 0 1 0 0 0 0 0

Para el número 95(10) se tiene: 95 + 127 = 222(10) = 11011110(2) . El valor binario resultante
comienza por uno, ya que el valor a almacenar es mayor que 128.

1 1 0 1 1 1 1 0

Para decodificar un patrón de 8 bits en exceso a 127, simplemente hay que decodificarlo como si fuera
un entero sin signo y luego restarle el sesgo.
El sistema exceso a 2n−1 − 1 se utiliza como parte de la codificación de números reales, como se verá
a continuación.

Decodificación de un patrón de bits La pregunta que quizá cabe hacerse es: ¿cómo sabe la memoria
del ordenador en qué sistema está almacenado un determinado patrón de bits en un registro de la
memoria? Es decir, ¿cómo sabe cómo hay que decodificarlo? La respuesta es que NO LO SABE.
Una vez almacenado un determinado número (o dato) en la memoria, con cualquier sistema, no queda
ningún rastro que indique cuál fue ese sistema. Es el programa que “lea” o el dispositivo que utilice ese
dato el que debe gestionar que se decodifique/interprete de la manera adecuada.
A modo de ejemplo, se presenta en la tabla 1.7 cómo sería la representación de los números en los
distintos sistemas explicados, en un registro imaginario de 4 bits. Obsérvese que, en todos los casos
(salvo el sesgado), el primer bit de la izquierda es un 1 para los números negativos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 35

Signo + Complemento Complemento Exceso

Patrón de bits Sin signo
magnitud a1 a2 a 23 = 8
0000 0 +0 +0 0 -8
0001 1 +1 +1 +1 -7
0010 2 +2 +2 +2 -6
0011 3 +3 +3 +3 -5
0100 4 +4 +4 +4 -4
0101 5 +5 +5 +5 -3
0110 6 +6 +6 +6 -2
0111 7 +7 +7 +7 -1
1000 8 -0 -7 -8 0
1001 9 -1 -6 -7 1
1010 10 -2 -5 -6 2
1011 11 -3 -4 -5 3
1100 12 -4 -3 -4 4
1101 13 -5 -2 -3 5
1110 14 -6 -1 -2 6
1111 15 -7 -0 -1 7

Tabla 1.7: Decodificación de patrones de 4 bits con los distintos sistemas

Ejemplo 1.31
El patrón de bits

0 0 0 1 0 0 1 1 1 0 1 0 1 1 0 1

comienza por un 0, luego representa el mismo número entero en cualquiera de los sistemas: es el
entero positivo 5037.

1 20 1
0 21
1 22 4
1 23 8
0 24
1 25 32
0 26
1 27 128
1 28 256
1 29 512
0 210
0 211
1 212 4096
0 213
0 214
0 215
5037

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 36

Ejemplo 1.32
El patrón de bits siguiente comienza por un 1, luego puede representar distintos números.

1 0 0 1 0 0 1 1 1 0 1 0 1 1 0 1

Entero sin signo Signo+magnitud Complemento a 1 Complemento a 2 Exceso a 32767

1 20 1 1 20 1 0 20 1 20 1 1 20 1
0 21 0 21 1 21 2 1 21 2 0 21
1 22 4 1 22 4 0 22 0 22 1 22 4
1 23 8 1 23 8 0 23 0 23 1 23 8
0 24 0 24 1 24 16 1 24 16 0 24
1 25 32 1 25 32 0 25 0 25 1 25 32
0 26 0 26 1 26 64 1 26 64 0 26
1 27 128 1 27 128 0 27 0 27 1 27 128
1 28 256 1 28 256 0 28 0 28 1 28 256
1 29 512 1 29 512 0 29 0 29 1 29 512
0 210 0 210 1 210 1024 1 210 1024 0 210
0 211 0 211 1 211 2048 1 211 2048 0 211
1 212 4096 1 212 4096 0 212 0 212 1 212 4096
0 213 0 213 1 213 8192 1 213 8192 0 213
0 214 0 214 1 214 16384 1 214 16384 0 214
1 215 32768 1 − 1 − 1 − 1 215 32768
37805 −5037 −27730 −27731 37805-32767=5038

1.5.5 Almacenamiento de números reales

Los números reales se representan según la norma denominada IEEE 7545 , establecida en 1985 para
estandarizar la forma de almacenarlos en todas las marcas de ordenadores.
Esta norma establece dos formatos básicos para representar los números reales: simple precisión
y doble precisión. En ambos casos lo que se representa es una expresión normalizada del número
denominada coma flotante.

Como flotante La coma flotante (en inglés, floating point) es un modo “normalizado” de representa-
ción de números con parte fraccionaria que se adapta al orden de magnitud de los mismos, permitiendo
así ampliar el rango de números representables.
Consiste en trasladar la coma (o punto) decimal hasta situarla detrás de la primera cifra significativa
(la primera, comenzando por la izquierda, que no es nula) a la vez que se multiplica el número por la
potencia adecuada de la base de numeración.

Ejemplo 1.33

17.02625 = 1.702625 × 101 (en numeración decimal)

0.0000000234 = 2.34 × 10−8 (en numeración decimal)
101.11000101 = 1.0111000101 × 210 (en numeración en base 2)

5
IEEE son las siglas del Institute of Electrical and Electronics Engineers.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 37

Sea, pues, un número R dado por la siguiente representación binaria en coma flotante:
R = (±)m1 .m2 m3 . . . mk · 2±e ,
donde m1 m2 m3 . . . mk se llama parte significativa o mantisa y el número ±e (entero, binario) es el
exponente, es decir, el número de lugares que hay que trasladar la coma a derecha o izquierda para
obtener el número inicial. Obsérvese que m1 tiene que ser siempre igual a 1, ya que es, por definición,
la primera cifra no nula empezando por la izquierda.

Ejemplo 1.34

R = 5.625(10) = 101.101(2) = 1.01101 · 210

Simple precisión Para almacenar R en simple precisión se utiliza una palabra de 32 bits, que se
distribuyen de la siguiente manera:

1 bit para el signo del número (0 si es positivo, 1 si es negativo).

8 bits para el exponente que se guarda codificado en exceso a 127.
23 bits para la mantisa. Como m1 es siempre igual a 1 se utiliza el pequeño “ truco” de no
almacenarlo. Así, aunque se almacenan 23 cifras binarias se “conocen” en realidad 24. Al bit
omitido se le llama bit implícito. Esta norma tiene algunas excepciones, que se presentan en la
tabla 1.8.

Signo Exponente Mantisa Interpretación

0 111 . . . 1 000 . . . 00 +∞ = Inf
1 111 . . . 1 000 . . . 00 −∞ = −Inf
0o1 111 . . . 1 6 000 . . . 00
= NaN
1 1 1 0 1 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1
0o1 000 . . . 0 000 . . . 00 Cero

Tabla 1.8: Algunos casos especiales en la norma IEEE 754. Cuando el exponente es todo de ceros, no
1 1 1 0 1 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1
existe el bit implícito.

Ejemplo 1.35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

Representar
1 1en0simple
0 0 0precisión
0 0 1 0el 1número
1 0 1R0= 0−5.625
0 0 (10) 0 0 0 0· 2010 0 0 0 0 0 0
0 0 =0−1.01101

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
1 1 0 0 0 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

signo exponente mantisa

del en exceso a m1 = 1 no se almacena
número 127 Se conservan 24 dígitos binarios

Se tiene:

El mayor exponente positivo que se puede almacenar en simple precisión es, como hemos visto,
128.
El menor exponente negativo: −127.
El número de mayor magnitud: ≈ 2128 ≈ 3 × 1038 .
El número de menor magnitud: ≈ 2−127 ≈ 5 × 10−39 .
R. Echevarría Dpto. EDAN - Universidad de Sevilla
1. Introducción a los ordenadores 38

Doble precisión Para la representación en doble precisión se utilizan 64 bits distribuidos de la siguiente
forma:

1 bit para el signo del número.

11 bits para el exponente que se guarda codificado en exceso a 210 − 1 = 1023.
52 bits para la mantisa.

En este caso se tiene:

El mayor exponente positivo que se puede almacenar en doble precisión es, como hemos visto,
210 = 1024.
El menor exponente negativo: −1023.
El número de mayor magnitud: ≈ 10308 .
El número de menor magnitud: ≈ 10−307 .

Overflow y underflow Es claro que usando palabras con un número finito de bits (32 o 64) sólo
podemos representar una cantidad finita de números, en consecuencia podemos encontrar los siguientes
fenómenos:

Overflow fenómeno que se produce cuando el resultado de un cálculo es un número real con exponente
demasiado grande (en el caso de la simple precisión, > 128). Cuando se produce un overflow
durante la ejecución de un programa, los ordenadores modernos generan un “evento” de error y
como resultado devuelven el símbolo Inf.

Underflow fenómeno que se produce cuando el resultado de un cálculo es un número real con ex-
ponente demasiado pequeño (en los ejemplos arriba mencionados < −127). Cuando se produce
durante la ejecución de un programa, normalmente se sustituye el número por cero.

1.5.6 Errores
Al realizar cálculos en el ordenador, es inevitable cometer errores. Grosso modo, estos errores pueden
ser de tres tipos:

1. Errores en los datos de entrada: vienen causados por los errores al realizar mediciones de
magnitudes físicas.

2. Errores de truncamiento (o discretización): En la mayoría de las ocasiones, los algoritmos

matemáticos que se utilizan para calcular un resultado no son capaces de calcular su valor exacto,
limitándose a calcular una aproximación del mismo. Este error es inherente al algoritmo de
cálculo utilizado.

3. Errores de redondeo: aparecen debido a la cantidad finita de números que podemos representar
en un ordenador. Por ejemplo, consideramos las dos siguientes mantisas-máquina consecutivas
que podemos almacenar en 23 bits (recordar que el primer dígito es siempre 1 y por tanto no se
guarda):

R1 = |1.00000000000000000000000
{z }
24 dígitos

R2 = |1.00000000000000000000001
{z }
24 dígitos

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 39

Ningún número real entre R1 y R2 es representable en un ordenador que utilice 23 bits para la
mantisa. Tendrá que ser aproximado bien por R1 , bien por R2 , cometiendo con ello un error E
que verifica:

|R1 − R2 | 0.00000000000000000000001 2−23

E≤ = = = 2−24 ≈ 5.96 × 10−8 < 5 × 10−7
2 2 2

De esta forma, en el almacenamiento de la mantisa se comete un error menor o igual que 10−7 o,
dicho de otra forma, sólo los 7 primeros dígitos significativos de un número decimal almacenado
en el ordenador en simple precisión se pueden considerar exactos.

Ejemplo 1.36

R = 0.1(10) = 0.00011
¯ (2)
= 0.00011001100110011 . . .
=4
z}|{
= = 1.10011001100110011001100 − 100
| {z } 1100 · · · × 2
24
R no es un número-máquina (su mantisa binaria tiene infinitos dígitos).
La aproximación de R por redondeo en simple precisión es:
−100
R = |1.10011001100110011001101
{z } ×2 .
24 dígitos

Aritmética en coma flotante Para llevar a cabo una operación aritmética en un ordenador, hay que
tener en cuenta que los números con los que trabajamos pueden no ser exactamente los de partida, sino
sus aproximaciones por redondeo. Incluso aunque los números sean números-máquina (representables
en palabras de 32 bits), los resultados que obtengamos puede que no lo sean. A continuación vamos a
ver algunos ejemplos de cálculos efectuados en la aritmética de coma flotante. Por facilidad, lo hacemos
en el caso (hipótetico) de un ordenador que trabaje con números en expresión decimal con 7 dígitos
para la mantisa, y con aproximación por redondeo.

Ejemplo 1.37

Para sumar dos números en coma flotante, primero se representan con el mismo exponente, luego
se suman y el resultado se redondea:

x1 = 0.1234567 · 103 = 0.123456700000 · 103 (= 123.4567)

x2 = 0.3232323 · 10−2 = 0.000003232323 · 103 (= 0.003232323)

0.123456700000 ·103
+ 0.000003232323 ·103
0.123459932323 ·103 (sólo se almacenan los 7 primeros dígitos)
0.1234599 ·103 (resultado-máquina de x1 + x2 )

Obsérvese que las 5 últimas cifras de x2 no contribuyen a la suma.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 40

Ejemplo 1.38

Para multiplicar (la división se hace por algoritmos más complicados) dos números en coma
flotante se multiplican las mantisas y se suman los exponentes. El resultado se normaliza:

x1 = 0.4734612 · 103
x2 = 0.5417242 · 105

0.4734612 ·103
× 0.5417242 ·105
0.25648538980104 ·108
0.2564854 ·108 (resultado-máquina de x1 · x2 )

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 41

1.6 Anexo: Números denormales y precisión

1.6.1 Mayor número representable en doble precisión

En principio, el mayor número positivo que se puede almacenar en los 11 bits del exponente sería

n = 11111111111 = 211 − 1 = 2047

lo que, tras restar el sesgo K = 1023, daría el exponente e = 1024.

Ahora bien, el patrón 11111111111 para el exponente corresponde a uno de los casos especiales de la
norma IEEE 754 (ver la tabla 1.8):

(a) Con fracción de la mantisa = 0 . . . 0, representaría ±Inf.

(b) Con fracción de la mantisa 6= 0 . . . 0, representaría NaN.

En consecuencia, el mayor número “normal” que se puede almacenar tendrá el exponente

n = 11111111110 = 211 − 1 − 1 = 2046

que corresponde al exponente e = 1023.

Por otra parte, la mayor (fracción de) mantisa que se puede almacenar será la que tiene los 52 bits de
unos, es decir, que la mayor mantisa que se podría almacenar sería:
52
52 z }| {
11 . . . 11 252 − 1 252 + 252 − 1 253 − 1
= 2 − 2−52
z }| {
1. 11 . . . 11 = 1 + = 1 + = =
252 252 252 252
Luego el mayor número real positivo que se puede almacenar en doble precisión es:

Rmax = (2 − 2−52 ) × 21023 = 1.797693134862316 × 10308

Este es el valor de la constante predefinida de MATLAB realmax .

1.6.2 Menor número real positivo no nulo representable en doble precisión

En principio, el menor número positivo que se puede representar en doble precisión correspondería a
uno que tuviera todo ceros en el exponente

n = 00000000000 = 0

que, tras restar el sesgo K = 1023, daría el exponente e = −1023.

Ahora bien, también en este caso, el patrón todo de ceros en el exponente corresponde a uno de los
casos especiales de la norma IEEE 754 (ver tabla 1.8): junto con una (fracción de la) mantisa toda de
ceros corresponde a la representación del cero (en que se ignora el bit implícito).
Por lo tanto, la menor mantisa no nula sería
51
1
1. 00 . . . 0 1 = 1 + 52 = 1 + 2−52
z }| {
2
y el menor número “normal” positivo representable sería

(1 + 2−52 ) × 2−1023 = 1.112536929253601 × 10−308

Ahora bien, en realidad, la norma IEEE 754 contiene una ampliación del caso en que se tiene un
exponente todo de ceros:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

1. Introducción a los ordenadores 42

Cuando en el exponente hay 11 ceros, no se asume el bit implícito, en ningún caso.

Esto permite ampliar hacia cero el rango de números positivos representables.

Por ejemplo, el patrón
11 49
z }| { z }| {
0 00 . . . 0 001 00 . . . 0
correspondería al número

0.001 × 2−1023 = 1.0 × 2−3 × 2−1023 = 1 × 2−1026

y el patrón
11 51
z }| { z }| {
0 00 . . . 0 00 . . . 0 1
correspondería al número
51

0. 0 . . . 0 1 × 2−1023 = 1.0 × 2−52 × 2−1023 = 2−1075

z }| {

Estos números con 11 ceros en el exponente se llaman denormales.

Entonces, el menor número “normal” positivo que se puede almacenar es
10 52
z }| { z }| {
0 0 . . . 0 1 00 . . . 0

que corresponde al número 1.0 × 2−1022 = 2−1022 = 2.225073858507201 × 10−308 .

Este es el valor de la constante predefinida de MATLAB realmin .

1.6.3 Precisión y precisión relativa

La representación en doble precisión de 1 = 1.0 × 20 es:
10 51 51
1
00 1 . . . 1 00 . . . 0 1 −→ 1. 00 . . . 0 1 = 1 + 52 = 1 + 2−52
z }| { z }| { z }| {
2

En consecuencia, la distancia entre ambos es

1 + 2−52 − 1 = 2−52 = 2.220446049250313 × 10−16

Este es el valor eps de MATLAB.

Para cualquier otro número real x, la distancia entre x y el número máquina más próximo viene dado
en MATLAB por eps(x) .

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

2 B

SE
Introducción a MATLAB.

UNIVER

VILLA
Operaciones elementales e an
Ecuaciones Diferenciales
y Análisis Numérico

matlab es un potente paquete de software para computación científica, orientado al cálculo numérico,
a las operaciones matriciales y especialmente a las aplicaciones científicas y de ingeniería. Ofrece lo que
se llama un entorno de desarrollo integrado (IDE), es decir, una herramienta que permite, en una sóla
aplicación, ejecutar órdenes sencillas, escribir programas utilizando un editor integrado, compilarlos (o
interpretarlos), depurarlos (buscar errores) y realizar gráficas.
Puede ser utilizado como simple calculadora matricial, pero su interés principal radica en los cientos
de funciones tanto de propósito general como especializadas que posee, así como en sus posibilidades
para la visualización gráfica.
matlab posee un lenguaje de programación propio, muy próximo a los habituales en cálculo numérico
(Fortran, C, . . . ), aunque mucho más tolerante en su sintaxis, que permite al usuario escribir sus
propios scripts (conjunto de comandos escritos en un fichero, que se pueden ejecutar con una única
orden) para resolver un problema concreto y también escribir nuevas funciones con, por ejemplo,
sus propios algoritmos, o para modularizar la resolución de un problema complejo. matlab dispone,
además, de numerosas Toolboxes, que le añaden funcionalidades especializadas.
Numerosas contribuciones de sus miles de usuarios en todo el mundo pueden encontrarse en la web de
The MathWorks: [Link]

2.1 Introducción

Al iniciar matlab nos aparecerá una ventana más o menos como la de la Figura 2.1 (dependiendo del
sistema operativo y de la versión)
Si la ubicación de las ventanas integradas es diferente, se puede volver a ésta mediante:
Menú Desktop → Desktop Layout → Default
Se puede experimentar con otras disposiciones. Si hay alguna que nos gusta, se puede salvaguardar con
Menú Desktop → Desktop Layout → Save Layout . . .
dándole un nombre, para usarla en otras ocasiones. De momento, sólo vamos a utilizar la ventana
principal de matlab: Command Window (ventana de comandos). A través de esta ventana nos comu-
nicaremos con matlab, escribiendo las órdenes en la línea de comandos. El símbolo >> al comienzo
de una línea de la ventana de comandos se denomina prompt e indica que matlab está desocupado,
disponible para ejecutar nuestras órdenes.

2.1.1 Objetos y sintaxis básicos

Las explicaciones sobre las funciones/comandos que se presentan en estas notas están muy resumidas
y sólo incluyen las funcionalidades que, según el parecer subjetivo de la autora, pueden despertar más
interés. La mayoría de las funciones tienen mas y/o distintas funcionalidades que las que se exponen

43
2. Introducción a MATLAB. Operaciones elementales 44

Figura 2.1: La ventana de matlab

aquí. Para una descripción exacta y exhaustiva es preciso consultar la Ayuda on-line.
Los tipos básicos de datos que maneja matlab son números reales, booleanos (valores lógicos) y
cadenas de caracteres (string). También puede manipular distintos tipos de números enteros, aunque
sólo suele ser necesario en circunstancias específicas.
En matlab, por defecto, los números son codificados como números reales en coma flotante en doble
precisión. La precisión, esto es, el número de bits dedicados a representar la mantisa y el exponente,
depende de cada (tipo de) máquina.
matlab manipula también otros objetos, compuestos a partir de los anteriores: números complejos,
matrices, cells, estructuras definidas por el usuario, clases Java, etc.
El objeto básico de trabajo de matlab es una matriz bidimensional cuyos elementos son números
reales o complejos. Escalares y vectores son considerados casos particulares de matrices. También se
pueden manipular matrices de cadenas de caracteres, booleanas y enteras.
El lenguaje de matlab es interpretado, esto es, las instrucciones se traducen a lenguaje máquina
una a una y se ejecutan antes de pasar a la siguiente. Es posible escribir varias instrucciones en la
misma línea, separándolas por una coma o por punto y coma. Las intrucciones que terminan por punto
y coma no producen salida de resultados por pantalla.
Algunas constantes numéricas están predefinidas (ver sección 2.5.2)
matlab distingue entre mayúsculas y minúsculas: pi no es los mismo que Pi.
matlab conserva un historial de las instrucciones escritas en la línea de comandos. Se pueden recuperar
instrucciones anteriores, usando las teclas de flechas arriba y abajo. Con las flechas izquierda y derecha
nos podemos desplazar sobre la línea de comando y modificarlo.
Se pueden salvaguardar todas las instrucciones y la salida de resultados de una sesión de trabajo de
matlab a un fichero:

>> diary nombre_fichero

>> diary off % suspende la salvaguarda

2.1.2 Documentación y ayuda on-line

Ayuda on-line en la ventana de comandos

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 45

>> help nombre_de_comando

La información se obtiene en la misma ventana de comandos. Atención:

Ayuda on-line con ventana de navegador

>> helpwin

ó bien Menú Help ó bien Botón Start → Help.

Además, a través del navegador del Help se pueden descargar, desde The MathWorks, guías detalladas,
en formato pdf, de cada capítulo.

2.1.3 Scripts y funciones. El editor integrado

Scripts En términos generales, en informática, un script (guión o archivo por lotes) es un conjunto
de instrucciones (programa), usualmente simple, guardadas en un fichero (usualmente de texto plano)
que son ejecutadas normalmente mediante un intérprete. Son útiles para automatizar pequeñas tareas.
También puede hacer las veces de un "programa principal" para ejecutar una aplicación.
Así, para llevar a cabo una tarea, en vez de escribir las instrucciones una por una en la línea de
comandos de MATLAB, se pueden escribir las órdenes una detrás de otra en un fichero. Para ello se
puede utilizar el Editor integrado de MATLAB. Para iniciarlo, basta pulsar el icono hoja en blanco (New
script) de la barra de MATLAB, o bien
File → New → Script
Un script de MATLAB debe guardarse en un fichero con sufijo .m para ser reconocido. El nombre
del fichero puede ser cualquiera razonable, es decir, sin acentos, sin espacios en blanco y sin caracteres
«extraños».
Para editar un script ya existente, basta hacer doble-click sobre su icono en la ventana Current Folder.
Para ejecutar un script que esté en el directorio de trabajo, basta escribir su nombre (sin el sufijo) en
la línea de comandos.

M-Funciones Una función (habitualmente denominadas M-funciones en MATLAB), es un programa

con una «interfaz» de comunicación con el exterior mediante argumentos de entrada y de salida.
Las funciones MATLAB responden al siguiente formato de escritura:

function [argumentos de salida] = nombre(argumentos de entrada)

%
% comentarios
%
....
instrucciones (normalmente terminadas por ; para evitar eco en pantalla)
....

Las funciones deben guardarse en un fichero con el mismo nombre que la función y sufijo .m. Lo que
se escribe en cualquier línea detrás de % es considerado como comentario.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 46

Ejemplo 2.1
El siguiente código debe guardarse en un fichero de nombre areaequi.m.

function [sup] = areaequi(long)

%
% areaequi(long) devuelve el area del triangulo
% equilatero de lado = long
%
sup = sqrt(3)*long^2/4;

La primera línea de una M-función siempre debe comenzar con la claúsula (palabra reservada)
function. El fichero que contiene la función debe estar en un sitio en el que MATLAB lo pueda
encontrar, normalmente, en la carpeta de trabajo.
Se puede ejecutar la M-función en la misma forma que cualquier otra función de MATLAB:

Ejemplos 2.2
>> areaequi(1.5)
ans =
0.9743
>> rho = 4 * areaequi(2) +1;
>> sqrt(areaequi(rho))
ans =
5.2171

Los breves comentarios que se incluyen a continuación de la línea que contiene la claúsula function
deben explicar, brevemente, el funcionamiento y uso de la función. Además, constituyen la ayuda
on-line de la función:

Ejemplo 2.3
>> help areaequi
areaequi(long) devuelve el area del triangulo
equilatero de lado = long

Se pueden incluir en el mismo fichero otras funciones, denominadas subfunciones, a continuación de

la primera1 , pero sólo serán visibles para las funciones del mismo fichero. En versiones anteriores a la
R2016, no se podían incluir M-funciones en el fichero de un script.

Funciones anónimas Algunas funciones sencillas, que devuelvan el resultado de una expresión, se
pueden definir mediante una sóla instrucción, en mitad de un programa (script o función) o en la línea
de comandos. Se llaman funciones anónimas. La sintaxis para definirlas es:
1
También es posible definir funciones anidadas, esto es, funciones «insertadas» dentro del código de otras funciones.
(Se informa aquí para conocer su existencia. Su utilización es delicada.)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 47

nombre_funcion = @(argumentos) expresion_funcion

Ejemplo 2.4 (Función anónima para calcular el área de un círculo)

>> area_circulo = @(r) pi * r.^2;
>> area_circulo(1)
ans =
3.1416
>> semicirc = area_circulo(3)/2
semicirc =
14.1372

Las funciones anónimas pueden tener varios argumentos y hacer uso de variables previamente definidas:

Ejemplo 2.5 (Función anónima de dos variables)

>> a = 2;
>> mifun = @(x,t) sin(a*x).*cos(t/a);
>> mifun(pi/4,1)
ans =
0.8776
Si, con posterioridad a la definición de la función mifun, se cambia el valor de la variable a, la
función no se modifica: en el caso del ejemplo, seguirá siendo mifun(x,t)=sin(2*x).*cos(t/2).

2.1.4 Workspace y ámbito de las variables

Workspace (espacio de trabajo) es el conjunto de variables que en un momento dado están definidas en
la memoria del MATLAB.
Las variables creadas desde la línea de comandos de MATLAB pertenecen al Base Workspace (espacio
de trabajo base; es el que se puede «hojear» en la ventana Workspace). Los mismo sucede con las
variables creadas por un script que se ejecuta desde la línea de comandos. Estas variables permanecen
en el Base Workspace cuando se termina la ejecución del script y se mantienen allí durante toda la
sesión de trabajo o hasta que se borren.
Sin embargo, las variables creadas por una M-función pertenecen al espacio de trabajo de dicha función,
que es independiente del espacio de trabajo base. Es decir, las variables de las M-funciones son locales:
MATLAB reserva una zona de memoria cuando comienza a ejecutar una M-función, almacena en esa
zona las variables que se crean dentro de ella, y «borra» dicha zona cuando termina la ejecución de la
función.
Esta es una de las principales diferencias entre un script y una M-función: cuando finaliza la ejecución
de un script se puede «ver» y utilizar el valor de todas las variables que ha creado el script en el
Workspace; en cambio, cuando finaliza una función no hay rastro de sus variables en el Workspace.
Para hacer que una variable local pertenezca al espacio de trabajo de otra función, hay que declararla
global en cada uno de ellos: la orden

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 48

global a suma error

en una función hace que las variables a, suma y error sean almacenadas en un sitio especial y puedan
ser utilizadas por otras funciones que también las declaren como globales.

2.2 Números
Enteros Los números enteros se escriben sin punto decimal

Ejemplo 2.6
23 321 -34

Reales Los números reales se pueden escribir en notación fija decimal y en notación científica, utili-
zando el punto decimal (no la coma):

Ejemplo 2.7
23. -10.1 22.0765
-2
2.e-2 = 2 × 10 = 0.02
2.07e+5 = 2.07 × 105 = 207000

Complejos Se escriben utilizando el símbolo pre-definido i:

Ejemplo 2.8
2 + 3 i -4.07 - 2.3 i

2.3 Operaciones aritméticas

Las operaciones aritméticas habituales se representan normalmente mediante los símbolos siguientes:

Descripción Símbolo
Exponenciación ∧

Suma +
Resta −
Multiplicación ∗
División /

Tabla 2.1: Operadores aritméticos elementales

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 49

2.3.1 Reglas de prioridad

Las operaciones aritméticas NO se efectúan siempre en el orden en que están escritas. El orden viene
determinado por las reglas siguientes:

1. Exponenciaciones.

2. Multiplicaciones y divisiones.

3. Sumas y restas.

4. Dentro de cada grupo, de izquierda a derecha.

Para cambiar este orden se usan los paréntesis.

5. Si hay paréntesis, su contenido se calcula antes que el resto.

6. Si hay paréntesis anidados, se efectúan primero los más internos.

Ejemplos 2.9

2 + 3 * 4 = 2 + 12 = 14
(2 + 3) * 4 = 5 * 4 = 20
1 / 3 * 2 = 0.3333. . . * 2 = 0.6666
1 / (3 * 2) = 1 / 6 = 0.166666...
2 + 3 ∧ 4 / 2 = 2 + 81 / 2 = 2 + 40.5 = 42.5
4 ∧ 3 ∧ 2 = (4 ∧ 3) ∧ 2 = 64 ∧ 2 = 4096
b a+b
a+b/2 = a + , (a+b)/2 =
2 2
1 1
1/2*x = x, 1/(2*x) =
2 2 x

3
Ejercicio 2.10 Calcular 2 /2 mediante una única expresión.
1

Resultado : 1.0905

Ejercicio 2.11 Calcular

0,2+1
4, 1 2
2 0, 4
1/2
− 1/3
0, 1 2
mediante una única expresión.

Resultado : 0.3882

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 50

2.4 Forma en que se muestran los resultados

Obsérvese que, por defecto, cuando se hace un cálculo en la ventana de comandos de matlab, aparece
el resultado asignado a la variable ans (answer ). Los resultados numéricos reales son mostrados en
notación fija decimal con 4 cifras decimales si su valor absoluto está comprendido entre 10−3 y 103 . En
caso contrario son mostrados en notación científica.

Ejemplos 2.12
>> 0.002 será mostrado como 0.0020
>> 0.0000123 será mostrado como 1.2300e-05
>> -709.2121211 será mostrado como -709.2121
>> 1003.010101 será mostrado como 1.0030e+03

Se puede modificar este comportamiento mediante el comando format

format Cambia el formato de salida a su valor por defecto,

short
format short El formato por defecto
format long Muestra 15 dígitos
format short e Formato short, en coma flotante
format long e Formato long, en coma flotante
format rat Muestra los números como cociente de enteros

2.5 Variables
Cuando hay que hacer cálculos largos interesa guardar resultados intermedios para utilizarlos más
adelante. ¿Dónde se guardan estos resultados? En variables.
Una variable es un nombre simbólico que identifica una parte de la memoria, en la que se pueden
guardar números u otro tipo de datos. El contenido de una variable se puede recuperar y modificar
cuantas veces se desee, a lo largo de una sesión de trabajo o durante la ejecución de un programa.
En matlab, los nombres de las variables deben estar formados por letras y números, hasta un máximo
de 19, y comenzar por una letra. Se debe tener en cuenta que se distingue entre letras mayúsculas y
minúsculas.

Ejemplos 2.13 (Nombres válidos de variables)

a peso HarryPotter
XY Peso Darwin
ab12 PESO PericoPalotes
kr10 pEsO PagaFantas

En la mayoría de los lenguajes de programación es necesario especificar el tipo de dato que va a contener
una variable antes de usarla, declarándolo con las ordenes específicas. En el lenguaje de programación
de matlab, las variables no necesitan ningún tipo de declaración y pueden almacenar sucesivamente
distintos tipos de datos: enteros, reales, escalares, matriciales, caracteres, etc. Se crean, simplemente,
asignándoles un valor.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 51

2.5.1 Instrucciones de asignación

Una instrucción de asignación sirve para almacenar un valor en una variable. Su sintaxis en matlab
es:

variable = expresión

que debe ser interpretada como: evaluar el resultado de la expresión y almacenarlo en la dirección de
memoria correspondiente a variable.
El signo = significa: almacenar el resultado de la derecha en la variable que está a la izquierda. Por
ello, el orden en esta instrucción un fundamental: NO se puede escribir expresión = variable.
La acción de almacenar un valor en una variable hace que se pierda el valor que, eventualmente, tuviera
dicha variable previamente.

Ejemplos 2.14
a = 2 :: guardar en la variable a el valor 2
b = -4 :: guardar en la variable b el valor -4
raiz = sqrt(2*b+8*a) :: guardar en la variable raiz el resultado
de la expresión de la derecha
a = a + 1 :: sumar 1 al contenido de a (guardar 3 en a)

variable = expresión; % cuando la orden se termina por punto y coma

% el resultado no es mostrado en la pantalla

Ejemplos 2.15
>> a = 1/3 :: sin punto y coma
ans =
0.3333

>> a = 1/3; :: con punto y coma

>>

2.5.2 Variables pre-definidas

pi contiene el valor del número π.
i, j representan la unidad imaginaria.
Inf representación simbólica del infinito; aparece cuando se hacen cálculos cuyo resultado es demasiado
grande para ser almacenado en el ordenador (overflow ).
NaN (del inglés Not a Number ) magnitud no numérica que indica que se han hecho cálculos indefinidos.

Ejemplos 2.16
>> pi % para ver el valor de pi con 15 cifras,
ans = % usar previamente la orden format long
3.1416

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 52

>> (2+3i)*(1-i) % Producto de números complejos

ans =
5.0000 + 1.0000i
>> 2^2000 % Número no almacenable en el ordenador
ans =
Inf
>> 0/0 % Número imposible de calcular
ans =
NaN

2.6 Funciones matemáticas elementales

Los nombres de las funciones elementales son bastante “habituales”. Los argumentos pueden ser, siempre
que tenga sentido, reales o complejos y el resultado se devuelve en el mismo tipo del argumento.
La lista de todas las funciones matemáticas elementales se puede consultar en:
Help → MATLAB → Mathematics → Elementary Math
Algunas de las más habituales se muestran en la tabla 2.2:

Algunas funciones matemáticas elementales

sqrt(x) raiz cuadrada sin(x) seno (radianes)
abs(x) módulo cos(x) coseno (radianes)
conj(z) complejo conjugado tan(z) tangente (radianes)
real(z) parte real cotg(x) cotangente (radianes)
imag(z) parte imaginaria asin(x) arcoseno
exp(x) exponencial acos(x) arcocoseno
log(x) logaritmo natural atan(x) arcotangente
log10(x) logaritmo decimal cosh(x) cos. hiperbólico
rat(x) aprox. racional sinh(x) seno hiperbólico
fix(x) redondeo hacia 0 tanh(x) tangente hiperbólica
ceil(x) redondeo hacia +∞ acosh(x) arcocoseno hiperb.
floor(x) redondeo hacia −∞ asinh(x) arcoseno hiperb.
round(x) redondeo al entero más atanh(x) arcotangente hiperb.
próximo
mod(x,y) resto de dividir x por
rem(x,y) y. Iguales si x, y > 0.
Ver help para definición
exacta
Tabla 2.2: Algunas funciones matemáticas elementales

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 53

Ejemplos 2.17
>> sqrt(34*exp(2))/(cos(23.7)+12)
ans =
1.3058717

>> 7*exp(5/4)+3.54
ans =
27.97240

>> exp(1+3i)
ans =
- 2.6910786 + 0.3836040i

2.7 Operaciones de comparación

Imprescindibles para verificar condiciones son las expresiones lógicas, es decir, expresiones cuya
evaluación produce un valor lógico. Las más simples son aquéllas en las que se comparan dos datos.
Los operadores de comparación actúan entre dos datos, que tienen que ser del mismo tipo, y
producen un resultado lógico: true o false (verdadero o falso). En MATLAB se muestran como 1 y
0 respectivamente.
Los operadores de comparación se representan de distintas formas según el lenguaje. Los que se mues-
tran en la tabla siguiente son los de MATLAB:

Descripción Símbolo
Igual a ==
No igual a ∼=
Menor que <
Mayor que >
Menor o igual que <=
Mayor o igual que >=

Tabla 2.3: Operadores de comparación

Ejemplos 2.18
>> 3<6
ans =
1 (logical) (true)

>> 0>=1
ans =
0 (logical) (false)

>> 'A'=='B'
ans =
0 (logical) (false)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 54

Aunque matlab muestre los valores lógicos como 0 y 1, no se deben confundir con los correspondientes
valores numéricos. Así por ejemplo, el intento de calcular sin(3<4) dará error ya que la función sin
no admite valores lógicos como argumento de entrada.
Sin embargo, cuando aparecen valores lógicos en expresiones aritméticas junto con datos numéricos,
matlab transforma el valor lógico true en el valor numérico 1 y el valor lógico false en el valor
numérico 0 antes de realizar la operación.

Ejemplos 2.19
>> (3<6) + 2
ans =
3
>> (0>=1) * pi
ans =
0

2.8 Operadores lógicos

Son los que actúan entre dos operandos de tipo lógico. Permiten construir expresiones que representen
condiciones más complicadas, como que se verifiquen varias condiciones a la vez, que se verifique una
entre varias condiciones, etc.
La representación de los operadores lógicos varía bastante de un lenguaje a otro. En estas notas se
representarán como en MATLAB:

Descripción Símbolo
Negación ∼
Conjunción &
Disyunción |

Tabla 2.4: Operadores lógicos

El primero de ellos, el operador de negación lógica ∼ , es un operador unario, es decir, actúa sobre un
solo operando lógico, dando como resultado el opuesto de su valor, como muestra la siguiente tabla:

A ∼A
true false
false true

Tabla 2.5: Resultados del operador ∼

Ejemplos 2.20
>> ∼ (6 > 10)
ans =
1 (logical)
>> ∼ ('b' > 'a')
ans =
0 (logical)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 55

Los otros dos operadores lógicos actúan siempre entre dos operandos. Los resultados de su aplicación
se muestran en la tabla 2.6.

A B A& B A| B
true true true true
true false false true
false true false true
false false false false

Tabla 2.6: Resultados de los operadores & y | .

Ejemplos 2.21
>> (1 > 5) & (5 < 10)
ans =
0 (logical)
>> (0 < 5) | (0 > 5)
ans =
1 (logical)

Cuando aparecen valores numéricos en una operación lógica, matlab transforma el valor numérico 0
en el valor lógico false y cualquier otro (distinto de 0) en true.

Ejemplos 2.22
>> 3 & true
ans =
1 (logical)
>> 0 & true
ans =
0 (logical)

En una expresión pueden aparecer varios operadores lógicos. En ese caso, el orden en que se evalúan,
es el siguiente:

1. La negación lógica ∼
2. La conjunción y disyunción & y | (de izquierda a derecha en caso de que haya varios).

Ejemplo 2.23
>> ∼ (5 > 0) & (5 < 4)
ans =
0 (logical)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 56

2.9 Orden general de evaluación de expresiones

En una expresión general pueden aparecer operadores de tipo aritmético, de comparación y lógicos, así
como funciones. El orden de evaluación es el que sigue:

Si en una expresión hay paréntesis, lo primero que se evalúa es su contenido. Si hay paréntesis
anidados, se comienza por los más internos. Si hay varios grupos de paréntesis disjuntos, se
comienza por el que esté más a la izquierda.

En una expresión sin paréntesis de agrupamiento, el orden de evaluación es el siguiente:

1. Las funciones. Si el argumento de la función es una expresión, se le aplican estas reglas. Si

hay varias funciones, se comienza por la de la izquierda.
2. Los operadores aritméticos, en el orden ya indicado.
3. Los operadores de comparación.
4. Los operadores lógicos, en el orden antes mencionado.

Ejemplos 2.24
>> ∼ 5 > 0 & 4 < 4 + 1
ans =
0 (logical)
>> -5 < -2 & -2 < 1
ans =
1 (logical)
>> -5 < -2 < 1
ans =
0 (logical)

2.10 Matrices
Las matrices bidimensionales de números reales o complejos son los objetos básicos con los que trabaja
matlab. Los vectores y escalares son casos particulares de matrices.

2.10.1 Construcción de matrices

La forma más elemental de introducir matrices en matlab es describir sus elementos de forma exhaus-
tiva (por filas y entre corchetes rectos [ ]) : elementos de una fila se separan unos de otros por comas
y una fila de la siguiente por punto y coma.

Ejemplos 2.25 (Construcciones elementales de matrices)

>> v = [1, -1, 0, sin(2.88)] % vector fila longitud 4

>> w = [0; 1.003; 2; 3; 4; 5*pi] % vector columna longitud 6

>> a = [1, 2, 3, 4; 5, 6, 7, 8; 9, 10, 11, 12] % matriz 3x4

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 57

Observación.
El hecho de que, al introducirlas, se escriban las matrices por filas no significa que internamente,
en la memoria del ordenador, estén así organizadas: en la memoria las matrices se almacenan
como un vector unidimensional ordenadas por columnas.

Ejemplo 2.26 (Almacenamiento de una matriz en la memoria)

La matriz definida por

>> A = [1, 2, 3, 4; 5, 6, 7, 8; 9, 10, 11, 12]

se almacena en la memoria del ordenador como:

1 5 9 2 6 10 3 7 11 4 8 12

Los siguientes operadores y funciones sirven para generar vectores con elementos regularmente espa-
ciados (útiles en muchas ocasiones) y para trasponer matrices.

Generación de vctores regularmente espaciados

a:h:b Genera un vector fila cuyos elementos van desde a has-
ta un número c≤b en incrementos de h.
a:b Lo mismo que el anterior, pero con h=1.
linspace(a,b,n) Si a y b son números reales y n un número entero, ge-
nera un vector fila de longitud n cuyo primer elemento
es a, el último es b y cuyos elementos están regular-
mente espaciados, es decir, una partición regular del
intervalo [a,b] con n nodos y n-1 subintervalos.
linspace(a,b) Como el anterior, con n=100 (vector fila de longitud
100)
Tabla 2.7: Operadores y funciones para generar vectores re-
gularmente espaciados.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 58

Ejemplos 2.27 (Uso del operador : y de linspace)

>> v1 = 1:2:10
v1 = % obsérvese que el último elemento es 9 < 10
1 3 5 7 9
>> v2 = 2:5
v2 =
2 3 4 5
>> v3 = 6:-1:0
v3 =
6 5 4 3 2 1 0
>> v4 = 6:0
v4 =
[] (vector fila vacío)
>> linspace(1, 10, 5)
ans =
1 3.25 5.5 7.75 10
>> linspace(10, 1, 5)
ans =
10 7.75 5.5 3.25 1

Ejemplos 2.28 (Matrices traspuestas)

>> A = [1, 2; 3, 4];
>> A'
ans =
1 3
2 4
>> B = [1+2i, 3+4i; 2-i, 4-i];
>> B'
ans =
1 - 2i 2 + i
3 - i 4 + i
>> B.'
ans =
1 + 2i 2 - i
3 + 4i 4 - i
>> (1:4)'
ans =
1
2
3
4

Se pueden también utilizar los vectores/matrices como objetos (bloques) para construir otras matrices.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 59

Ejemplos 2.29 (Matrices construidas con bloques)

>> v1 = 1:4;

>> v2 = [v1, 5; 0.1:0.1:0.5]

>> v3 = [v2', [11,12,13,14,15]']

à í
1 0.1 11
Å ã 2 0.2 12

1 2 3 4 5
v1 = 1 2 3 4 v2 = v3 = 3 0.3 13
0.1 0.2 0.3 0.4 0.5
4 0.4 14
4 0.5 15

Las siguientes funciones generan algunas matrices especiales que serán de utilidad.

Generación de algunas matrices habituales

zeros(n,m) matriz n×m con todas sus componentes iguales a cero
ones(n,m) matriz n×m con todas sus componentes iguales a uno
eye(n,m) matriz unidad n×m: diagonal principal = 1 y el resto
de las componentes = 0
diag(v) Si v es un vector, es una matriz cuadrada de ceros con
diagonal principal = v
diag(v, k) Si v es un vector, es una matriz cuadrada de ceros con
k-ésima superdiagonal = v (si k<0, la k-ésima subdia-
gonal)
diag(A) Si A es una matriz, es su diagonal principal
diag(A, k) Si A es una matriz, es su k-ésima superdiagonal (resp.
subdiagonal si k<0)
Tabla 2.8: Algunas funciones para generación de matrices ha-
bituales

MATLAB posee, además, decenas de funciones útiles para generar distintos tipos de matrices. Para
ver una lista exhaustiva consultar:
Help → MATLAB → Functions: By Category → Language Fundamentals → Arrays and Matrices

2.10.2 Acceso a los elementos de vectores y matrices

El acceso a elementos individuales de una matriz se hace indicando entre paréntesis sus índices de fila
y columna. Se puede así utilizar o modificar su valor

Ejemplos 2.30 (Acceso a elementos individuales de una matriz)

>> A = [1, 2, 3; 6, 3, 1; -1, 0, 0; 2, 0, 4]

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 60

A =
1 2 3
6 3 1
-1 0 0
2 0 4
>> A(2, 3)
ans =
1
>> A(4, 2) = 11
A =
1 2 3
6 3 1
-1 0 0
2 11 4

Se puede acceder al último elemento de un vector mediante el índice simbólico end:

Ejemplos 2.31 (Último índice de un vector)

>> w = [5, 3, 1, 7, 3, 0, -2];
>> w(end)
ans =
-2
>> w(end-1) = 101
w =
5 3 1 7 3 101 -2

Se puede acceder a una fila o columna completa sustituyendo el índice correspondiente por : (dos
puntos)

Ejemplos 2.32 (Acceso a filas o columnas completas)

>> A = [1, 2, 3; 6, 3, 1; -1, 0, 0; 2, 0, 4];
>> A(:, 3)
ans =
3
1
0
4
>> A(2, :)
ans =
6 3 1
>> A(3, :) = [5, 5, 5]
A =
1 2 3
6 3 1
5 5 5
2 0 4

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 61

También se puede acceder a una “submatriz” especificando los valores de las filas y columnas que la
definen:

Ejemplos 2.33 (Acceso a “submatrices”)

>> w = [5, 3, 1, 7, 3, 0, -2];
>> w([1,2,3]) % o lo que es lo mismo w(1:3)
ans =
5 3 1
>> A = [1, 2, 3; 6, 3, 1; -1, 0, 0; 2, 0, 4];
>> A([1,2], :) = zeros(2, 3)
A =
0 0 0
0 0 0
-1 0 0
2 0 4
>> B = A(3:4, [1,3])
B =
-1 0
2 4
>> C = A(:) % con esta opción se obtiene un vector
ans = % columna con todos los elementos de A
1 % en el orden en que están almacenados
6 % en la memoria del ordenador
-1
2
2
3
0
0
3
1
0
4

Otra forma de acceder a elementos específicos de una matriz es utilizando vectores de valores lógicos
en lugar de subíndices, como se muestra en el siguiente ejemplo (más adelante se verán ejemplos más
interesantes).

Ejemplos 2.34 (Acceso a elementos de una matriz usando valores lógicos)

>> w = [5, 3, 1, 7, 3, 0, -2];
>> bool = [true false true true false false false];
>> w(bool) % se obtienen los elementos de w correspondientes
ans = % a los elementos de bool que valen true
5 1 7
>> bool = [false true true false false];
>> w(bool) % si la longitud de bool es menor que la de w,
ans = % se aplica la regla anterior hasta que
3 1 % se termine bool

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 62

2.10.3 Operaciones con vectores y matrices

Los operadores aritméticos + - * / y ˆ representan las correspondientes operaciones
matriciales siempre que tengan sentido.

Operaciones aritméticas con matrices

Aquí, A y B son dos matrices de elementos respectivos aij y bij y k es un escalar.
A+B, A-B matrices de elementos respectivos
aij + bij , aij − bij
(si las dimensiones son iguales)
A+k, A-k matrices de elementos respectivos
aij + k, aij − k.
k*A, A/k matrices de elementos respectivos
1
k aij , aij
k
A*B producto matricial de A y B
(si las dimensiones son compatibles)
Aˆn Si n es un entero positivo, A*A*...*A
Tabla 2.9: Operaciones aritméticas con matrices

Además de estos operadores, matlab dispone de ciertos operadores aritméticos que operan elemento
a elemento. Son los operadores .* ./ y .ˆ, muy útiles para aprovechar las funcionalidades
vectoriales de matlab. Véase la tabla 2.10.

Operaciones elemento a elemento

Aquí, A y B son dos matrices de las mismas dimensiones y de elementos res-
pectivos aij y bij y k es un escalar.
A.*B matriz de la misma dimensión que A y B de elementos
aij × bij
A./B matriz de la misma dimensión que A y B de elementos
aij /bij
A.ˆB matriz de la misma dimensión que A y B de elementos
aij bij
k./A matriz de la misma dimensión que A, de elementos
k/aij
A.ˆk matriz de la misma dimensión que A, de elementos akij
k.ˆA matriz de la misma dimensión que A, de elementos k aij
Tabla 2.10: Operaciones con matrices elemento a elemento

Por otra parte, la mayoría de las funciones matlab están hechas de forma que admiten matrices como
argumentos. Esto se aplica en particular a las funciones matemáticas elementales y su utilización debe
entenderse en el sentido de elemento a elemento. Por ejemplo, si A es una matriz de elementos aij ,
exp(A) es otra matriz con las mismas dimensiones que A, cuyos elementos son eaij .

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 63

Algunas otras funciones útiles en cálculos matriciales son:

Algunas funciones para cálculos matriciales

size(A) devuelve un vector fila de dimensión 2, cuyo primer
elemento es el número de filas de la matriz A y el se-
gundo es su número de columnas.
[n, m] =size(A) devuelve el número de filas y columnas de A, pero en
variables separadas: n es el número de filas y m es el
número de columnas.
size(A, k) devuelve el número de filas si k=1, y el número de
columnas si k=2.
length(v) si v es un vector, es su longitud; si v es una matriz, es
la mayor de sus dimensiones.
numel(v) es el número de elementos de v: si v es un vector, es
su longitud; si v es una matriz, es el producto de sus
dimensiones.
sum(v) suma de los elementos del vector v
sum(A), sum(A,1) suma de los elementos de la matriz A, por columnas
sum(A,2) suma de los elementos de la matriz A, por filas
prod(v), prod(A) como sum, pero para el producto
prod(A,1), prod(A,2)
max(v), min(v) máximo/mínimo elemento del vector v
max(A), min(A) máximo/mínimo elemento de la matriz A, por colum-
nas
mean(v), mean(A) Como sum, pero para el promedio
mean(A,1), mean(A,2)
norm(v) norma euclídea del vector v, esto es
1/2
norm(v,2)
P
kvk2 = |vi |2
i
norm(v, p) norma p del vector v, esto es
P 1/p
kvkp = |vi |p
i
norm(v, Inf) norma del máximo del vector v, esto es
kvk∞ = máx |vi |
i
norm(A) norma 2 de la matriz A, esto es, su máximo valor sin-
norm(A,2) gular
norm(A,1) norma columna de la matriz A, esto es,
max(sum(abs(A),1))
norm(A,Inf) norma fila de la matriz A, esto es, max(sum(abs(A),2))
Tabla 2.11: Funciones para cálculos matriciales

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 64

2.10.4 Operaciones de comparación y lógicas con matrices

Las operaciones de comparación entre una matriz y un escalar dan como resultado una matriz de valores
lógicos de la misma dimensión resultado de aplicar la comparación a cada elemento de la matriz. Si
la comparación se hace entre dos matrices de la misma dimensión, el resultado se obtiene elemento a
elemento.

Ejemplos 2.35 (Operaciones de comparación con matrices)

>> w = [5, 3, 1, 7, 3, 0, -2];
>> w <= 3 % elementos de w que son menores que 3
ans =
0 1 1 0 1 1 1 (logical)

>> bool = w <= 0 ; % si se guarda el resultado de la comparación

>> w(bool) % en una variable, ésta se puede utilizar para
ans = % obtener los elementos de w que la verifican
0 -2 % w(w<=0) da el mismo resultado

>> v = [1, 3, -4, 3, 1, 0, 2];

>> w == v
ans =
0 1 0 0 0 1 0

>> A = [1, 2; 3, 4];

>> bool = A < 4 & A > 1
bool =
0 1 (logical)
1 0
>> A(bool)
ans =
3
2

>> A( mod(A,2)==0 ) % elementos de A que son múltiplos de 2

ans =
2
4

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 65

Algunas funciones lógicas para matrices

find(v) si v es un vector, devuelve un vector (de la misma
dimensión que v) conteniendo los índices de los ele-
mentos de v que sean distintos de cero (o que sean
true, si el vector es lógico).
find(A) si A es una matriz, devuelve un vector columna con-
teniendo los índices de los elementos de A que sean
distintos de cero (o que sean true, si el vector es
lógico). Estos índices están referidos al orden unidi-
mensional en que se almacena A en la memoria (ver
Ejemplo 2.26).
[fil, col] = find(A) si A es una matriz, devuelve dos vectores conteniendo
los índices de las filas y de las columnas de los ele-
mentos de A que sean distintos de cero (o que sean
true, si el vector es lógico).
[fil, col, v] = find(A) como el anterior, pero devuelve también los valores de
los elementos no nulos.
all(v) si v es un vector, devuelve true si todos los elementos
de v son distintos de cero y devuelve false en caso
contrario (si alguno de los elementos de v es cero).
all(A) si A es una matriz, hace lo mismo que el anterior, pero
all(A, 1) por columnas; esto es, devuelve un vector fila lógico
cada uno de cuyos elementos corresponde a una de las
columnas de A.
all(A, 2) lo mismo que el anterior, pero por filas; devuelve un
vector columna lógico.
any(v) similares a las correspondientes utilizaciones de la fun-
any(A) ción all, pero devuelve true si algún elemento del
any(A,1) vector/fila/columna es distinto de cero (o es true) y
any(A,2) devuelve false en caso contrario, es decir, si ningún
elemento es distinto de cero (o true).
Tabla 2.12: Funciones lógicas para matrices

Ejemplos 2.36 (Uso de la función find)

>> w = [0.27, 0.20, 0.56, 0.64, 0.41, 0.19, 0.94, 0.08, 0.11, 0.14];
>> find(w < 0.5)
ans =
1 2 5 6 8 9 10
>> ind = find(w < 0.5); % si se guardan los valores de los índices,
>> w(ind) % se pueden recuperar los valores de los
ans = % elementos de w que cumplen la condición
0.27 0.20 0.41 0.19 0.08 0.11 0.14

>> bool = w <= 0 ; % si se guarda el resultado de la comparación

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 66

>> w(bool) % en una variable, ésta se puede utilizar para

ans = % obtener los elementos de w que la verifican
0 -2 % w(w<=0) da el mismo resultado

>> A = [18 3 1 11; 8 10 11 3; 9 14 6 1; 4 3 15 21]

A =
18 3 1 11
8 10 11 3
9 14 6 1
4 3 15 21
>> find(A<10)
ans =
2
3
4
5
8
9
11
14
15

Ejemplos 2.37 (Uso de las funciones all y any)

>> w = [0.27, 0.20, 0.56, 0.64, 0.41, 0.19, 0.94, 0.08, 0.11, 0.14];
>> all(w > 0)
ans =
1 (logical)

>> any(w > 0.9)

ans =
1 (logical)

>> A = [18 3 1 11; 8 10 11 3; 9 14 6 1; 4 3 15 21]

A =
18 3 1 11
8 10 11 3
9 14 6 1
4 3 15 21
>> all(A>2)
ans =
1 1 0 0 (logical)
>> any(A<=3)
ans =
0 1 1 1 (logical)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 67

2.11 Ejercicios
1. Comprobar el valor de las siguientes expresiones:

42.1 + 455 ln(23.8)

A= = 0.4917 B= = −11.3440
210 − 13 sen(6)
√
ln(123.5 × 1011 ) 34 × e2
C= √ = 0.0674 D= = 1.3059
2 × 105 − 1 cos(23.7) + 12
◦ 0
…
3+π 7 3 × cos(32 15 )
E=2 5 = 2.3429 F = = 0.2300
42.13
ã1/3 ã−1/2
cos(12) + 1 tan(π/3) + 2
Å Å
G= = 0.9607 H= = 2.3199
ln(8) exp(3)

e + 45.13 4 ln2 (12) + 6

I= = −3.0329e + 003 J= √ = 12.8378
2/3 − (1.56 + 4)2 e+3
Ç √ å Ç å
3
3.67 × π 2 4 ln2 (12) + 6
K = ln = 0.1796 L = tan 1 = −1.3296
e + cos2 (77◦ 330 ) 2
e + cos (57 )
◦

 
π
π tan2 √ 3
5
M= 4
2 = 1.3985 N= = 25.9782
e + sen2 (17◦ ) exp(−0.66)

1 2 3
Ç å
2. Definir la matriz A= 4 5 6 y crear, a partir de A, las siguientes matrices:
7 8 9
2 3 1 3
Ç å Ç å
4 5
 
B= 7 8 , C = (7, 8, 9) , D= 5 6 , E= 4 6
8 9 7 9
1 2 3 0 0 1 2 3 4 0
Ç å Ç å
F = (1, 4, 7, 2, 5, 8, 3, 6, 9), G= 4 5 6 0 1 , H= 4 5 6 4 1
7 8 9 0 0 7 8 9 4 0

3. Construir las siguientes matrices (sin describirlas expresamente):

1 0 0 0 0 0 1 1 1 1 2 3 4 5 6
Ç å Ç å Ç å
A= 0 1 0 0 0 , B= 1 0 1 1 1 , C= 3 4 5 6 7
0 0 1 0 0 1 1 0 1 1 4 5 6 7 8

4. Generar los vectores que se indican utilizando los operadores adecuados de MATLAB (esto es,
sin escribir expresamente todas sus componentes):

a) v1 = (1, 3, 5, . . . , 25) c) v3 = (0, 0.1, 0.2, . . . , 1)

b) v2 = (π, 2π, 3π, . . . , 10π) d ) v4 = (−10, −9, −8, . . . , −1, 0)

5. Generar los vectores que se indican, de longitud n variable. Esto es, escribir las órdenes adecuadas
para construir los vectores que se indican de forma que puedan servir para cualquier valor de n.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 68

a) w1 = (1, 3, 5, 7, . . . ) e) w5 = (0, 2, 2, . . . , 2, 2, 0)
b) w2 = (π, 2π, 3π, 4π . . . )
c) w3 = (n, n − 1, n − 2, . . . , 2, 1) f ) w6 = (1, 3, . . . , n−1, n, n−2, . . . , 4, 2) (su-
d) w4 = (2n, 2n − 2, . . . , 4, 2) poniendo, aquí, que n es par)

6. Generar un vector x con 30 componentes regularmente espaciadas entre 0 y π. Evaluar en x cada

una de las funciones siguientes, esto es, calcular, para cada una de las funciones indicadas, un
nuevo vector y tal que yi = f (xi ):

cos(x/4) x
a) f (x) = c) f (x) =
ln(2 + x2 ) ln(2 + x)
1
b) f (x) = e−x
2 +2
sen(x/2) d ) f (x) = x + x2 − x
e

7. Utilizando las funciones de matlab de generación de matrices y vectores, crear las siguientes
matrices de dimensión N × N variable. Esto es, generar las matrices que se indican de forma que
las órdenes utilizadas puedan servir para cualquier valor de N :
à−N −N + 1 · · · −2 −1í
4 0 ··· 0 0 1 π ··· 0 0
á ë á ë
0 2 0 0 1 0 1 0 ··· 0 0
.. .. .. .. .. .. ..
A= . , B= . , C= 0 1 . 0 0
. . . .
0 2 0 0 1 π .. .. .. ..
. . . .
0 0 ··· 0 4 0 0 ··· 0 1 0 ··· ··· 1 0

8. La función rand(n, m) devuelve una matriz n×m de números aleatorios de distribución uniforme
entre 0 y 1 (esto es, que todos los números entre 0 y 1 tienen la misma probabilidad). Construir
un vector-fila v de números aleatorios de dimensión par N ≥ 10 . Extraer de él los siguientes
conjuntos de elementos:

a) w1 = (v1 , v3 , v5 , . . . , vN −1 )
b) w2 = (vN , vN −1 , . . . , v2 , v1 )
c) w3 = (v1 , v3 , v5 , . . . , vN −1 , v2 , v4 , . . . , vN )
d ) w4 = (v1 , v2 , v3 , . . . , v N , vN , vN −1 , . . . , v N +1 )
2 2

9. Utilizando la función rand, construir vectores-fila de números aleatorios con cada una de las
propiedades siguientes:

a) Sus componentes estén entre 0 y 10.

b) Ídem entre 10 y 20
c) Ídem entre 2 y 10
d ) Ídem entre -5 y 5

10. La función randi se puede utilizar para obtener matrices de números aleatorios enteros (ver en
el Help). Construir un vector-fila de números enteros aleatorios entre 1 y 6.

11. Generar un vector v de 20 números aleatorios entre -5 y 5.

a) Obtener los subíndices de las componentes positivas de v.

b) Extraer las componentes negativas de v.
c) Extraer las componentes de v que tomen valores entre -2 y 2 (inclusive).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 69

12. Generar un vector v de 20 números enteros aleatorios entre 1 y 15. Extraer las componentes de
v que sean iguales a 5 ó a 10.

13. Generar un vector v de números aleatorios de longitud 20. Buscando en la ayuda en línea de
MATLAB (help o helpwin) información sobre la función que se indica en cada caso, calcular

a) La norma euclídea del vector v (función norm)

b) La suma de las componentes del vector v (función sum)
c) El producto de los cosenos de las componentes del vector v. (función prod)

14. Siendo v un vector cualquiera de números enteros, escribir las órdenes adecuadas para obtener
lo que se pide en cada uno de los casos siguientes:

a) Extraer los elementos pares de v.

b) Calcular la suma de las componentes de v que sean mayores o iguales que 3.
c) El producto de las componentes de v que sean positivas y múltiplos de 3

15. La función magic de MATLAB construye una matriz cuadrada conteniendo un cuadrado mágico
(ver Help). Dado un número n > 3 almacenado en una variable, construir una matriz M que
contenga un cuadrado mágico de dimensión n.

a) Comprobar mediante la función sum que todas las filas y columnas de M tienen la misma
suma.
b) Calcular el rango, el determinante y la traza de M (buscar en el Help las funciones adecua-
das).
c) Resolver el sistema lineal de ecuaciones M x = b, siendo b = (1, 2 . . . n)t . (Observación: la
matriz mágica construida es regular para n > 3 impar, y es singular para n par).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

2. Introducción a MATLAB. Operaciones elementales 70

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

3 B

SE
UNIVER

VILLA
Gráficos e an
Ecuaciones Diferenciales
y Análisis Numérico

3.1 Generalidades sobre la representación gráfica de funciones

La representación gráfica de una curva en un ordenador es una linea poligonal construida uniendo
mediante segmentos rectos un conjunto discreto y ordenado de puntos: {(x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )}.

y
( x 7, y 7)

( x1 , y1 )

x1 x2 x3 x4 x5 x6 x7 x

Figura 3.1: Linea poligonal determinada por un conjunto de puntos.

La línea así obtenida tendrá mayor apariencia de “suave” cuanto más puntos se utilicen para construirla,
ya que los segmentos serán imperceptibles (véase la Figura 3.2).
1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5

Figura 3.2: Representación de y = sen(x) en [0, π] con 8 y con 100 puntos.

La representación gráfica de objetos (curvas, superficies,. . . ) tridimensionales presenta un grado mu-

cho más grande de dificultad. Por un lado, es preciso utilizar técnicas de geometría proyectiva para
determinar la perspectiva y conseguir impresión de tridimensionalidad. Por otro, aparece la necesidad
de utilizar algoritmos y técnicas complejas para determinar partes ocultas. Y, aún más, iluminación,
transparencias, aplicación de texturas, etc. Todo ello queda fuera del ámbito de este curso.

71
3. Gráficos 72

En esta sección se explican, muy brevemente, las formas más habituales de representación gráfica de
“objetos” matemáticos bi y tri-dimensionales.

3.1.1 Representación gráfica de funciones de una variable real

La relación y = f (x), donde f : [a, b] 7→ R es una función de una variable real, se puede representar
gráficamente mediante una curva plana.
La construcción de dicha gráfica en un ordenador básicamente sigue los siguientes pasos (ver la Figu-
ra 3.1):

Construir un conjunto de puntos (tantos como se quiera) en el intervalo [a, b], que serán las
abscisas de los puntos que determinan la poligonal a construir. Normalmente, dichos puntos se
toman regularmente espaciados y en número suficiente como para que la gráfica tenga aspecto
“suave”:
a = x1 < x2 < . . . < xn = b

Calcular los valores de la función f en los puntos anteriores:

y1 = f (x1 ), y2 = f (x2 ), . . . , yn = f (xn )

Unir los puntos (xi , yi ) consecutivos mediante segmentos rectos.

Cuando una curva viene definida por una relación del tipo y = f (x) se dice que está definida de forma
explícita.
En ocasiones, una curva viene descrita por una relación, también explícita, pero del tipo:

x = g(y), y ∈ [a, b].

Entonces será necesario construir en primer lugar el conjunto de “ordenadas”

a = y1 < y2 < . . . < yn = b

y luego calcular las abscisas, como los valores de la función g:

x1 = g(y1 ), x2 = g(y2 ), . . . , xn = g(yn ).

0
−6 −4 −2 0 2 4 6 8

Figura 3.3: Curva definida por la relación x = y cos(4y), y ∈ [0, 2π].

Una relación del tipo f (x, y) = 0 puede también representar, implícitamente, una curva: la formada
por los puntos (x, y) del plano sobre los cuales la función f toma el valor cero. Se puede dibujar esta
curva dibujando la curva de nivel k = 0 de la función f (ver Sección 3.1.7).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 73

3.1.2 Curvas planas definidas mediante ecuaciones paramétricas

Otra forma de definir una curva plana es mediante sus ecuaciones paramétricas, en la cual los puntos
(x, y) que forman la curva vienen dados por dos funciones que dependen de una variable auxiliar:

x = f (t), y = g(t), t ∈ [a, b].

La variable t se suele llamar el parámetro de la curva.

Para construir la gráfica de una curva definida de esta forma es preciso (ver el ejemplo de la Figura 3.4:

Construir un conjunto de valores del parámetro t ∈ [a, b]:

a = t1 < t2 < . . . < tn = b

Calcular los valores x y de y para dichos valores del parámetro:

x1 = f (t1 ), x2 = f (t2 ), . . . , xn = f (tn )

y1 = g(t1 ), y2 = g(t2 ), . . . , yn = g(tn )

Unir los puntos (xi , yi ) consecutivos mediante segmentos rectos.

t x y
10

Y 0 0 1
1 -1.5 2.4
8

6 t=10 2 -0.7 5.2

4 3 2.6 7.0

2
4 6.3 6
t=0
X
5 7.9 3.1
0

6 6.8 1.1
−2
−2 0 2 4 6 8 10 12
7 5.0 1.7
Figura 3.4: Representación de la curva de ecuaciones paramé- 8 5.0 4.4
tricas x = t−3 sen(t), y = 4−3 cos(t) para t ∈ [0, 10]. Obsérvese
que no hay eje t. 9 7.8 6.7
10 11.6 6.5

Mediante ecuaciones paramétricas es posible describir muchas más curvas y más complicadas que
mediante una ecuación explícita. Algunas serían prácticamente imposibles de visualizar sin la ayuda
de herramientas gráficas informáticas (véanse Figuras 3.5 y Figuras 3.6).

3.1.3 Curvas planas en coordenadas polares

Recordemos que en el sistema de coordenadas polares la posición de un punto P queda definida

por dos cantidades:

r, que es la distancia de P a un punto fijo, O, llamado polo y

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 74

2 30

1.5
20

10
0.5

0 0

−0.5
−10

−1

−20
−1.5

−2 −30
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 −30 −20 −10 0 10 20 30

Figura 3.5: Representación de la curva Figura 3.6: Representación de la curva de

de ecuaciones paramétricas x = cos(t) + ecuaciones paramétricas x = 17 cos(t) +
7 t), y = 17 sen(t) − 7 sen( 7 t), para
7 cos( 17 17
1/2 cos(7t) + 1/3 sen(17t), y = sen(t) +
1/2 sen(7t) + 1/3 cos(17t), para t ∈ [0, 2π]. t ∈ [0, 14π].

θ, que es el ángulo que forma el segmento OP con una semirrecta fija de origen O denominada
eje polar.

En tal sistema de coordenadas, se dice que el par (r, θ) son las coordenadas polares del punto P
(ver Figura 3.7).

p/2
y
(x ,y)
P (q, r) P
(q, r)
r r

y=rsen(q)
O q q x
0
Polo Eje polar x=rcos(q)

Figura 3.7: Sistema de coordenadas polares. Figura 3.8: Coordenadas cartesianas y pola-
res.

El paso de las coordenadas polares a cartesianas y viceversa se efectúa mediante las siguientes fórmulas,
tomando el polo como origen de coordenadas y el eje polar como semi-eje positivo de abscisas (ver la
Figura 3.8):
x = r cos(θ), y = r sen(θ);
p y
x2 + y 2 , θ = arctan
r=
x
Una relación del tipo r = f (θ) define de forma explícita una curva en coordenadas polares. Ver ejemplos
en las Figuras 3.9 y 3.10.
Los programas de que permiten realizar gráficas suelen disponer de las funciones adecuadas para
dibujar curvas utilizando directamente las coordenadas polares. En este caso habrá que proporcionar

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 75

90 90
15 2
120 60 120 60

1.5
10

150 30 150 1 30

5
0.5

180 0 180 0

210 330 210 330

240 300 240 300

270 270

Figura 3.9: Curva de ecuación, en coordena- Figura 3.10: Curva de ecuación, en coorde-
das polares, r = θ, θ ∈ [0, 9π/2] nadas polares, r = 2 sen(6θ), θ ∈ [0, 2π].

las coordenadas de los puntos que definen la curva:

θ1 < θ2 < . . . < θn

r1 = f (θ1 ), r2 = f (θ2 ), . . . , rn = f (θn )

En caso de que no se disponga de dichas funciones, habrá que utilizar las fórmulas

xi = ri cos(θi ), yi = ri sen(θi )

para realizar la gráfica en coordenadas cartesianas.

3.1.4 Curvas en tres dimensiones

La gráfica de una curva tridimensional se dibuja, igual que la bidimensional, uniendo mediante segmen-
tos rectos (en 3D) los puntos consecutivos de un conjunto discreto y ordenado. Mediante el software
adecuado, estos segmentos se “proyectan” sobre el plano del dibujo para obtener impresión tridimen-
sional.
La forma más sencilla de describir matemáticamente una curva tridimensional es mediante sus ecua-
ciones paramétricas. Estas ecuaciones describen los valores de las coordenadas (x, y, z) de cada punto
de la curva en función de una variable auxiliar, llamada parámetro:



 x = f (t)

y = g(t) para t ∈ [a, b]



 z = h(t)

Para dibujar su gráfica habrá, pués, que construir las coordenadas de un conjunto discreto y ordenado
de puntos de la curva. De forma similar a como se hizo en el caso bidimensional, el procedimiento es
el siguiente (véanse los ejemplos de las Figuras 3.11 y 3.12):

Construir un conjunto de valores del parámetro t ∈ [a, b]: {a = t1 < t2 < . . . < tn = b}

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 76

Calcular los valores de x, de y y de z para dichos valores del parámetro:

x = {x1 , x2 , . . . , xn }, xi = f (ti ), i = 1, 2, . . . , n
y = {y1 , y2 , . . . , yn }, yi = g(ti ), i = 1, 2, . . . , n
z = {z1 , z2 , . . . , zn }, zi = f (ti ), i = 1, 2, . . . , n

Unir los puntos (xi , yi , zi ) consecutivos mediante segmentos rectos.

30
1

25

0.5
20

15 0

10
−0.5
5

0 −1
1 2

0.5 1 1.5 1
0.5 0.5
0 1
0 0
−0.5 0.5
−0.5 −0.5
−1 −1 0 −1

Figura 3.11: Gráfica de la curva 3D de ecua- Figura 3.12: Gráfica de la curva x(t) =
ciones paramétricas x(t) = cos(t), y(t) = cos(3t), y(t) = 2 cos2 (t), z(t) = sen(2t),
sen(t), z(t) = t, t ∈ [0, 8π]. t ∈ [−π, π].

3.1.5 Gráficas de funciones de dos variables: superficies

La relación explícita

z = f (x, y)

con f : Ω ⊂ R2 7→ R, representa una superficie en el espacio R3 : a cada punto (x, y) del dominio Ω del
plano R2 , la función f le hace corresponder un valor z que representa la “altura” de la superficie en ese
punto.

Para dibujar la superficie es preciso disponer de una “discretización” del dominio Ω en el que está
definida la función, es decir un conjunto de polígonos (normalmente triángulos o rectángulos) cuya
unión sea Ω.

Un mallado en rectángulos de un dominio rectangular es fácil de construir a partir de sendas parti-

ciones de sus lados. Un mallado en triángulos es más complicado y precisa de algoritmos y programas
especializados.

La forma de proporcionar los datos en uno y otro caso es diferente. Un mallado rectangular de un
dominio Ω = [a, b] × [c, d] queda definido mediante las particiones de los intervalos [a, b] y [c, d] cuyo
producto cartesiano produce los nodos de la malla: {x1 , x2 , . . . , xn } e {y1 , y2 , . . . , ym }.
Para definir un mallado mediante triángulos es preciso, por un lado numerar sus vértices y disponer de
sus coordenadas, (xi , yi ), 1 = 1, . . . , n y, por otro, numerar sus triángulos y describirlos enumerando,
para cada uno, sus tres vértices.
Elevando cada vértice del mallado según el valor de f en ese punto se consigue una representación de
la superficie como una red deformada, como en las Figuras 3.16 y 3.17.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 77

Y
Y

X
X

Figura 3.13: Mallado en triángulos de un do- Figura 3.14: Mallado en rectángulos de un

minio de frontera curva dominio rectangular

Dar un color a cada arista dependiendo del valor de la función en sus extremos, como en la Figura 3.18,
puede resultar útil.
Rellenando de color cada retícula del mallado, la superficie se hace opaca. El color de las caras puede ser
constante en toda la superficie, como en la Figura 3.20, constante en cada cara, como en la Figura 3.21,
o interpolado, es decir, degradado en cada cara, en función de los valores en los vértices, como se hace
en la Figura 3.22.

Figura 3.15: Un triángulo en 3D Figura 3.16: Red triangular deformada.

3.1.6 Superficies definidas mediante ecuaciones paramétricas

Una superficie en el espacio de tres dimensiones pueden también venir definida mediante ecuaciones
paramétricas.

x = f (s, t), y = g(s, t), z = h(s, t), (s, t) ∈ [a, b] × [c, d]

En este caso, para construir la gráfica de la superficie es preciso crear una discretización del dominio
donde varían los parámetros, [a, b]×[c, d], y utilizar las ecuaciones paramétricas para calcular los puntos
correspondientes sobre la superficie.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 78

Figura 3.17: Red rectangular deformada. Figura 3.18: Red rectangular deformada. El
color de las aristas depende del valor de la
función.

Figura 3.19: Cara triangular rellena de color Figura 3.20: Mallado deformado con caras de
plano. color constante.

Figura 3.21: Mallado deformado con color Figura 3.22: Mallado deformado con caras de
plano en cada cara, dependiente de la altura. color interpolado a partir de los valores en los
vértices.

3.1.7 Representación mediante curvas de nivel de una función de dos variables

Una forma habitual de representar gráficamente los valores de una función de dos variables, f (x, y) = 0
es dibujando sus lineas o curvas de nivel.
Se llama curva de nivel de valor k de la función f (x, y) a la curva formada por los puntos del plano XY

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 79

Por ejemplo, para dibujar la superficie cilíndrica

definida por las ecuaciones

 x = f (t, ϕ) = (2 + cos(t)) cos(ϕ)




 y = g(t, ϕ) = (2 + cos(t)) sen(ϕ)

,



 z = h(t, ϕ) = t


 t ∈ [0, 2π], ϕ ∈ [0, 2π],

hay que construir previamente particiones de los

intervalos en que varían los parámetros:
Figura 3.23: Superficie cilíndrica de ecuaciones
{t1 , t2 , . . . , tn }, paramétricas x = (2 + cos(t)) cos(ϕ), y = (2 +
{ϕ1 , ϕ2 , . . . , ϕn } cos(t)) sen(ϕ), z = t.

y luego, calcular los valores de x, y y z para cada

par (ti , ϕj ):

sobre los cuales la función f toma el valor k, es decir la curva ímplicitamente definida por la ecuación

f (x, y) = k

El dibujo de las curvas de nivel correspondientes a un conjunto de valores k proporciona una buena
información del comportamiento de la función f .
30

0.32

25
0.3

20 0.28

0.26
15

0.24

10
0.22

5 0.2

0.18
5 10 15 20 25 30

Figura 3.24: 20 curvas de nivel, correspondientes a va-

lores equiespaciados, de la función f (x, y) = cos((x2 +
y 2 )/4)/(3 + x2 + y 2 ), x, y ∈ [−1, 1].

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 80

3.2 Funciones gráficas de MATLAB fáciles de usar

Vemos en esta sección una serie de funciones, «fáciles de usar», que permiten realizar gráficos de
diversos tipos, como por ejemplo los mostrados aquí debajo, de funciones de manera sencilla, a partir
de su expresión analítica.

3.2.1 Gráficas de funciones de una variable real

Para dibujar una curva definida por una relación de la forma y = f (x) donde f : [a, b] 7→ R es una
función de una variable real dada por una expresión analítica, se puede usar la función fplot de
MATLAB, en alguna de estas versiones:

fplot(f)
fplot(f, [a,b])

f es la función a representar y puede ser especificada mediante un «handle» (manejador) de una

función, que, a su vez, puede ser anónima o una M-función.

[a, b] (opcional) es el intervalo que recorre la variable independiente. Si no se especifica, se asume

el intervalo [−5, 5].

Ejemplo 3.1
Representar, usando fplot, la gráfica de la función

x sen(x2 )
f (x) = en [−5, 5]
2

Por defecto, la función fplot hace variar la variable independiente en el intervalo [−5, 5]. Por lo
tanto, basta escribir en la línea de comandos

fplot(@(x) sin(x.^2).*x/2)
2

1.5

0.5

-0.5

-1

-1.5

-2

-5 -4 -3 -2 -1 0 1 2 3 4 5

Ejemplo 3.2
Representar, usando fplot, la gráfica de la función

f (x) = ln(x)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 81

La función f (x) = ln(x) no está definida para valores de x ≤ 0. La función fplot se limitará a
dibujar la función en la parte del intervalo [−5, 5] en el que sí está definida: x ∈ (0, 5]. Escribe, en
la línea de comandos

fplot( @(x) log(x) )

1.5

0.5

-0.5

-1

-1.5

-2

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

Ejercicio 3.3 Representar, usando fplot, la gráfica de la función

p
f (x) = 1 − x2

Ejemplo 3.4
Representar, usando fplot, la gráfica de la función

x sen(x2 )
f (x) = para x ∈ [0, π]
2

Como ejercicio, utilizamos una función anónima para describir la función:

f = @(x) x.*sin(x.^2)/2;
fplot(f, [0,pi])

0.5

-0.5

-1

0 0.5 1 1.5 2 2.5 3

3.2.2 Curvas planas definidas implícitamente

Una relación del tipo
f (x, y) = 0
también puede definir una curva: la formada por los puntos (x, y) del plano sobre los cuales la función
f toma el valor cero. Cuando una curva viene definida de esta manera se dice que viene definida de
forma implícita. Por ejemplo, la ecuación x2 + y 2 = 4 define una circunferencia de centro el origen y
radio 2.
La función fimplicit sirve para dibujar una curva así definida:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 82

fimplicit(f)
fimplicit(f, [a, b])
fimplicit(f, [a, b, c, d])

f es la función (de dos variables) que describe la ecuación, y debe ser descrita mediante un «handle»
(manejador) de una función de dos variables (de nuevo, anónima o M-función).

[a,b] (opcional) la curva se dibuja en el cuadrado del plano [a, b] × [a, b]. Si no se especifica,
fimplicit usa unos valores por defecto.

[a,b,c,d] (opcional) la curva se dibuja en el rectángulo del plano [a, b] × [c, d].

Ejemplo 3.5
Dibujar, usando fimplicit, la circunferencia x2 + y 2 = 7 en el cuadrado [−5, 5] × [−5, 5].

Se trata de una curva definida en forma implícita. Lo primero es escribir la ecuación en forma
homogénea, es decir, con segundo miembro nulo:

x2 + y 2 − 7 = 0.

De lo que se trata es de dibujar la curva formada por los puntos del plano sobre los cuales la
función de dos variables f (x) = x2 + y 2 − 7 toma el valor 0. Para ello basta con escribir en la
línea de comandos

fimplicit( @(x,y) x.^2 + y.^2 - 7, [-5,5] )

5

-1

-2

-3

-4

-5
-5 -4 -3 -2 -1 0 1 2 3 4 5

Ejercicio 3.6 Dibujar la curva implícitamente definida por la ecuación

x2 cosh(y) = 7y + 5 para x ∈ [−10, 10], y ∈ [−5, 15]

utilizando para ello una función anónima.

3.2.3 Curvas planas definidas por ecuaciones paramétricas

Las curvas definidas mediante ecuaciones paramétricas

x = f (t), y = g(t), t ∈ [a, b].

se pueden dibujar también con la función fplot, en la forma siguiente:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 83

fplot(f, g)
fplot(f, g, [a,b])

f, g son las dos funciones que definen la curva. Pueden ser especificadas, como antes, mediante
funciones anónimas o M-funciones.

[a,b] (opcional) es el intervalo en el que varía el parámetro de la curva, t. Si no se especifica, fplot

usa por defecto [a, b] = [−5, 5].

Ejemplo 3.7
Dibujar, usando fplot, la curva definida por las ecuaciones (paramétricas)

x = f (t) = sen(3t), y = g(t) = cos(t) para t ∈ [0, 2π]

1. Escribiendo directamente en la línea de comandos

fplot(@(t) sin(3*t), @(t) cos(t), [0, 2*pi])

se obtendrá la figura de la izquierda. Si t recorriera sólo el intervalo [0, π], con la orden

fplot(@(t) sin(3*t), @(t) cos(t), [0, pi])

se obtendría la figura de la derecha.

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0

-0.2 -0.2

-0.4 -0.4

-0.6 -0.6

-0.8 -0.8

-1 -1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Ejercicio 3.8 Escribir un script que dibuje, usando ezplot y funciones anónimas, la curva definida
por las ecuaciones:

 x = f (t) = cos(t) + 1/2 cos(7t) + 1/3 sen(17t)
, para t ∈ [0, 2π]
 y = g(t) = sen(t) + 1/2 sen(7t) + 1/3 cos(17t)

3.2.4 Curvas en tres dimensiones

La curva 3D definida por las ecuaciones

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 84




 x = f (t)

y = g(t) para t ∈ [a, b]



 z = h(t)

se puede dibujar con MATLAB usando la función fplot3:

fplot3(f, g, h)
fplot3(f, g, h, [a,b])

f,g,h son las tres funciones que definen la curva. Se proporcionan en la forma habitual.

[a, b] es el intervalo donde varía el parámetro t. Si no se especifican, fplot3 toma por defecto
[a, b] = [−5, 5].

Ejemplo 3.9
Dibujar, usando fplot3, la siguiente curva tridimensional:
√
x = 3 cos(t), y = t sen(t2 ), z= t, t ∈ [0, 2π]

fplot3(@(t) 3*cos(t), @(t) t.*sin(t.^2), @(t) sqrt(t), [0, 2*pi])

2.5

1.5

0.5

5
3
2
0 1
0
-1
-5 -2
-3

Ejercicio 3.10 Dibujar, usando fplot3, la siguiente curva:

x = cos(t), y = sen(t), z = t, t ∈ [0, 8π]

3.2.5 Superficies definidas mediante ecuaciones explícitas

La ecuación
z = f (x, y)
con f : Ω ⊂ R2 7→ R, representa una superficie en el espacio R3 : a cada punto (x, y) del dominio Ω del
plano R2 la función f hace corresponder un valor z que representa la «altura» de la superficie en ese
punto.
En MATLAB, la función fmesh permite dibujar, en forma de una malla deformada, la superficie
z = f (x, y) cuando (x, y) varía en un rectángulo del plano:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 85

fmesh(f)
fmesh(f, [a,b])
fmesh(f, [a, b, c, d])

f es la función (de dos variables) f (x, y), proporcionada de la forma habitual.

[a, b] (opcional) establece el rectángulo para dibujar la superficie: [a, b] × [a, b]. Si no se especifica,
fmesh toma [a, b] = [−5, 5].

[a, b, c, d] (opcional) establece el rectángulo para dibujar la superficie: [a, b] × [c, d]

Ejemplo 3.11
2 2
Dibujar la superficie z = x e−(x +y )

fun = @(x,y) x.*exp(-x.^2-y.^2); 0.4

fmesh(fun, [-3, 3]) 0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4
3
2
3
1 2
0 1
-1 0
-1
-2 -2
-3 -3

La función fsurf se utiliza igual que fmesh, pero además, rellena de color sólido los paneles entre la
malla.

Ejemplo 3.12
2 2
Dibujar la superficie z = x e−(x +y )

fun = @(x,y) x.*exp(-x.^2-y.^2); 0.4

fsurf(fun, [-3, 3]) 0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4
3
2
3
1 2
0 1
-1 0
-1
-2 -2
-3 -3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 86

3.2.6 Superficies definidas mediante ecuaciones paramétricas

La superficie definida por las ecuaciones paramétricas:

 x = f (s, t)



y = g(s, t), (s, t) ∈ [a, b] × [c, d]



 z = h(s, t)

se puede dibujar usando también fmesh:

fmesh(f, g, h)
fmesh(f, g, h, [a, b])
fmesh(f, g, h, [a, b, c, d])

f, g, h son las expresiones de las funciones de dos variables f (s, t), g(s, t) y h(s, t)

[a,b] (opcional) define el dominio en que varían s y t: s, t ∈ [a, b]. Si no se especifica, fmesh toma
[a, b] = [−5, 5].

[a,b,c,d] (opcional) define el dominio en que varían s y t: (s, t) ∈ [a, b] × [c, d], es decir, s ∈ [a, b]
y t ∈ [c, d].

Ejemplo 3.13
Dibujar la superficie cilíndrica definida por las ecuaciones paramétricas



 x(t, ϕ) = (2 + cos(t)) cos(ϕ)

y(t, ϕ) = (2 + cos(t)) sen(ϕ) , t ∈ [0, 2π], ϕ ∈ [0, 2π]



 z(t, ϕ) = t

xfun = @(t,s) (2+cos(t)).*cos(s); 6

yfun = @(t,s) (2+cos(t)).*sin(s); 4

zfun = @(t,s) t; 3

fmesh( xfun, yfun, zfun, [0, 2*pi]) 1

0
3
2
3
1 2
0 1
-1 0
-1
-2 -2
-3 -3

fsurf( xfun, yfun, zfun, [0, 2*pi]) 4

0
3
2
3
1 2
0 1
-1 0
-1
-2 -2
-3 -3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 87

Ejercicio 3.14 Dibujar la gráfica de la superficie siguiente:




 x(s, t) = cos(s)(2 + cos(t))

y(s, t) = sen(s)(2 + 0.3 cos(t)), s, t ∈ [0, 2π]



 z(s, t) = sen(t)

3.2.7 Representación mediante curvas de nivel de una función de dos variables

La representación mediante curvas de nivel de una función f : Ω ⊂ R2 → R se puede obtener fácilmente
mediante la función fcontour:

fcontour(f)
fcontour(f, [a,b])

2 +y 2 )
Ejercicio 3.15 Dibujar las lineas de nivel de la función z = x e−(x :

fun = @(x,y) x.*exp(-(x.^2+y.^2)); 1

fcontour( fun, [-3, 3])

0

-1

-2

-3
-3 -2 -1 0 1 2 3

En el siguiente ejemplo se muestra cómo usar una opción de fcontour para rellenar de color los espacios
entre las curvas de nivel.

2 +y 2 )
Ejercicio 3.16 Dibujar las lineas de nivel de la función z = x e−(x :

fun = @(x,y) x.*exp(-(x.^2+y.^2)); 1

fcontour( fun, [-3, 3], 'Fill', 'on')

0

-1

-2

-3
-3 -2 -1 0 1 2 3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 88

La siguiente opción de fmesh dibuja las curvas de nivel además de la superficie

fmesh(f, 'ShowContours', 'on')

Ejercicio 3.17

0.4

fun = @(x,y) x.*exp(-(x.^2+y.^2)); 0.3

0.2

fmesh( fun, [-3, 3], 'ShowContour', 'on') 0.1

-0.1

-0.2

-0.3

-0.4
3
2
3
1 2
0 1
-1 0
-1
-2 -2
-3 -3

Ejercicio 3.18 Dibujar usando fmesh la superficie z = f (x, y) y las curvas de nivel de la función
f (x, y), siendo f (x, y) = sen(x/2) sen(y/2).

Observación
Las funciones f*** que se han presentado en esta sección han sido diseñadas para que el usuario pueda
obtener la gráfica de una función o dibujar una curva con suma facilidad y sin tener que preocuparse
en exceso de las exigencias del lenguaje.
Por ello, “corrigen” un buen número de fallos propios de los usuarios noveles, eventuales o poco cuida-
dosos.
Por ejemplo, no se produce un error al dar la orden fplot(@(x) sqrt(x),[-3,3]) a pesar de que la
función a dibujar no está definida para valores negativos de x. Como tampoco se produce al dar la
orden fplot(@(x) 1./x,[-10,10]), aunque esta función no está definida en x = 0.
Como en casi todas las cosas, lo que se gana en facilidad por un lado se paga en eficacia por otro.
En la sección siguiente se ven órdenes, más básicas que éstas, pero que permiten realizar gráficas más
personalizadas y menos estándar.
El uso de las funciones f*** debería limitarse a ocasiones en que se desea tener una idea rápida de la
forma de una curva o superficie, mediante una sola orden directamente en la línea de comandos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 89

3.3 Funciones de bajo nivel para el dibujo de curvas

En esta sección se muestran algunas de las funciones elementales de dibujo de MATLAB, cuya utiliza-
ción permitirá realizar gráficas más complejas y personalizadas.

3.3.1 La orden plot

La orden básica para dibujar una curva plana es

plot(x,y)

siendo x e y dos vectores de las mismas dimensiones conteniendo, respectivamente, las abscisas y las
ordenadas de los puntos de la gráfica (los puntos (xi , yi ) de la Figura 3.1).

Ejemplo 3.19
x2 + 2
Usando la función plot, dibujar la curva y = para x ∈ [−2, 3]
x+5

Comenzamos por construir un soporte de nodos {xi } regularmente espaciados en el intervalo [−2, 3].
Para ello utilizamos la función linspace con la opción por defecto de 100 puntos (suficiente para
x2 + 2
la mayoría de las gráficas). Luego calculamos los valores de la función f (x) = en todos esos
x+5
puntos (usando operaciones vectoriales cuando haga falta) y dibujamos la curva.

x = linspace(-2, 3); 1.8

y = (x.^2+2)./(x+5); 1.6

plot(x,y) 1.4

1.2

Observamos que la función f (x) es continua 1

en el intervalo [−2, 3]. Si la dibujáramos, 0.8

por ejemplo, en el intervalo [−7, −2], 0.6

que contiene un punto de discontinuidad de f , 0.4

obtendríamos un dibujo erróneo que podría 0.2

resultar equívoco. -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3

Es posible dibujar dos o más curvas a la vez, proporcionando a la función plot varios pares de vectores
(abscisas, ordenadas).

plot(x1, y1, x2, y2, x3, y3)

Ejemplo 3.20
1
Usando la función plot, dibujar las curvas y = x + x2 − x e y = ex + sen(x2 ) en el intervalo
e
[−π, π].

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 90

Puesto que hay que dibujar ambas curvas en el mismo intervalo [−π, π], usamos el mismo vector
de abscisas para las dos.

40

x = linspace(-pi, pi); 35

y1 = exp(-x) + x.^2 -x; 30

y2 = exp(x) + sin(x.^2); 25

plot(x, y1, x, y2) 20

15

10

-5
-4 -3 -2 -1 0 1 2 3 4

Ejemplo 3.21
Usando la función plot, dibujar los arcos de curva:

y = 1 + sen(x2 ) − x, x ∈ [−2, 6]


ex
y = ex + sen(x2 ) + x, x ∈ [−6, 2]

Las curvas a dibujar tienen distintos intervalos, luego tenemos que crear dos vectores. Vamos,
ahora, a definir las funciones que definen las curvas como funciones anónimas.

10

f = @(x) exp(-x) + sin(x.^2) -x;

8

g = @(x) exp(x) +sin(x.^2) +x; 6

xf = linspace(-2, 6); 4

xg = linspace(-6, 2); 2

yf = f(xf); 0

yg = g(xg); -2

plot(xf, yf, xg, yg) -4

-6

-8
-6 -4 -2 0 2 4 6

Ejercicio 3.22 Representar la gráfica de la función

cos(x/4)
f (x) = ,
ln(1 + x2 )

para x entre −π y π, evitando la discontinuidad de f en x = 0.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 91

Ejemplo 3.23
Usando la función plot, dibujar la circunferencia de centro el punto (−1, 4) y radio 2.

Lo más cómodo para dibujar una circunferencia es utilizar sus ecuaciones paramátricas: los puntos
de la circunferencia de centro (a, b) y radio r vienen dados por
®
x = a + r cos(t)
t ∈ [0, 2π]
y = b + r sin(t)

t = linspace(0, 2*pi); 5.5

x = -1 + 2*cos(t); 5

y = 4 + 2*sin(t); 4.5

plot(x, y, 'LineWidth', 2) 4

3.5

Se observa que la curva dibujada no se ve

“redonda”. Ello es debido a que MATLAB
3

aplica distintos factores de escala a los 2.5

ejes OX y OY . Más adelante se verá cómo 2

-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1

evitar esto.

Ejercicio 3.24 Dibujar la semi-circunferencia inferior de centro (−2, 0) y radio 3.

Ejercicio 3.25 Dibujar la curva dada por las ecuaciones:

®
x = 6 cos(2/t) − 2 cos(5t)
y = 3(sen t)6 t ∈ [π, 3π]

3.3.2 Color y tipo de línea

La orden plot admite un argumento opcional, que se puede añadir a cada par x,y para elegir el
color y el tipo de línea a dibujar. Este argumento consiste en una cadena de 1,2 o 3 caracteres, de los
indicados en la tabla. Los marcadores y las líneas de trazos y/o puntos son de gran utlidad cuando se
dibujan varias curvas en una misma gráfica en un documento que va a ser impreso en blanco y negro.
Más opciones de dibujo se pueden tener utilizando los nombres de las Propiedades que se muestran
en la subsección siguiente.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 92

Símbolo Color Símbolo Marcadores (markers)

y amarillo . puntos
m magenta o círculos
c cian x aspas
r rojo + cruces
g verde * asteriscos
b azul s cuadros
w blanco d diamantes
k negro ˆ triángulos hacia arriba
v triángulos hacia abajo
Símbolo Estilo de línea > triángulos hacia la derecha
− continua < triángulos hacia la izquierda
: de puntos p estrellas de 5 puntas
−. de trazos y puntos h estrellas de 6 puntas
−− de trazos

Tabla 3.1: Símbolos para definir el color y el tipo de línea a dibujar en la orden plot

Ejemplo 3.26
Dibujar las parábolas y = x2 − 1 e y = −2x2 + x + 5 en el intervalo [−3, 3] usando distintos colores,
marcadores y tipo de líneas.

10

f = @(x) x.^2 - 1; 5

g = @(x) -2*x.^2 + x + 5;
x = linspace(-3,3, 40); 0

plot(x, f(x), 'r<', x, g(x), 'bo-') -5

-10

-15

-20
-3 -2 -1 0 1 2 3

3.3.3 Personalizar las propiedades de las líneas

Además del procedimiento “abreviado” explicado en la sección anterior, se puede influir sobre las
características de una línea mediante el uso de ciertos parámetros opcionales de la orden plot. Estos se
utilizan mediante pares compuestos por el Nombre de la propiedad y el Valor de la propiedad:

plot(x, y, 'Propiedad', Valor, ...)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 93

Algunas de las propiedades más utilizadas están descritas en la tabla 3.2. Este procedimiento se puede
combinar con el método abreviado descrito en la sección 3.3.2.

Propiedad Descripción Valores admisibles

’LineStyle’ Controla el estilo de la línea: ’−−’
continua, de trazos, de puntos, ’−−
−−
−−’
... ’−.
−.
−.’
’::’
’none’
’LineWidth’ Controla el grosor de la Valores numéricos positivos:
línea 0.5 (por defecto), 1, 2, . . .
’Color’ Controla el color de la línea • Coordenadas del color en el sistema
RGB, por ejemplo [0.6, 0.3, 0.1]
• Los nombres o abreviaturas de los colo-
res básicos (ver tabla 3.1): ’c’,’b’,’red’,
’green’ . . .
’Marker’ Controla el marcador de la lí- Cualquiera de los indicados en la tabla 3.1.
nea Por defecto es ’none’.
’MarkerSize’ Controla el tamaño de los Valor numérico positivo:
marcadores 6 (por defecto), 10, . . .
’MarkerEdgeColor’ Controla el color del borde de Un color
los marcadores
’MarkerFaceColor’ Controla el color de relleno de Un color
los marcadores

Tabla 3.2: Algunas propiedades de las líneas, controlables con la orden plot

Para información sobre el resto de propiedades de las líneas, se puede consultar, en el Help de matlab,
Line Properties.

Ejemplo 3.27
Dibujar la curva de ecuación y = ex + sen(x2 ) en el intervalo [−2, 2] usando distintos colores,
marcadores y tipo de líneas.

g = @(x) exp(x) + sin(x.^2); 6

x = linspace(-2, 2, 30); 5

plot(x, g(x), 's-',... 4

'Color', [0.4, 0.6, 0.1],... 3

'MarkerSize', 10, ...

2
'MarkerEdgeColor', 'blue',...
'MarkerFaceColor', 'g',... 1

'LineWidth', 2) 0

-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 94

3.3.4 Personalizar los ejes: orden axis

En MATLAB, la orden axis controla los límites y el aspecto de la caja que ocupa la gráfica.
Por defecto, los límites de los ejes vienen determinados por los valores de la gráfica que se dibuja.

axis auto (valor por defecto)

Si se desean cambiar, se utiliza la orden:

axis([xmin, xmax, ymin, ymax]) (en 2D)

axis([xmin, xmax, ymin, ymax, zmin, zmax]) (en 3D)

La orden

axis equal

establece el mismo factor de escala para ambos ejes. Esto haría, por ejemplo, que la gráfica de una
circunferencia se vea “redonda” en lugar de parecer una elipse.
La orden

axis off
axis on

elimina/muestra los ejes de la gráfica.

Ejemplo 3.28
x2 + 2
Dibujar la curva y = para x ∈ [−2, 3], modificando los límites de los ejes.
x+5

x = linspace(-2, 3); 2.5

y = (x.^2+2)./(x+5); 2

plot(x, y, 'LineWidth', 2) 1.5

axis([-3 4, -1, 3])

1

0.5

-0.5

-1
-3 -2 -1 0 1 2 3 4

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 95

Ejemplo 3.29
Dibujar la circunferencia de centro el punto (−1, 4) y radio 2, imponiendo el mismo factor de escala
en los ejes X e Y ..

Como en el Ejemplo 3.23, utilizamos las eecuaciones paramétricas de la cicunferencia.

t = linspace(0, 2*pi); 6

x = -1 + 2*cos(t);
y = 4 + 2*sin(t);
5

plot(x, y, 'LineWidth', 2) 4

axis([-3, 1, 1, 7])
axis equal 3

1
-4 -3 -2 -1 0 1 2

Las órdenes siguientes muestran/ocultan una cuadrícula:

grid on
axis off

3.3.5 Anotaciones: título, etiquetas y leyendas

Las funciones

title('Texto de titulo')
xlabel('Etiqueta del eje OX')
ylabel('Etiqueta del eje OY')

incluyen, respectivamente, un título, una etiqueta asociada al eje OX (horizontal) y una etiqueta
asociada al eje OY (vertical).
La función

legend('Leyenda_1', 'Leyenda_2', ...)

inserta en el gráfico una leyenda, usada normalmente para explicar el significado de cada curva. Las
leyendas de la función legend se asignan a las curvas en el orden en que se dibujaron.
El título y las etiquetas de los ejes admiten, entre otras, las propiedades contenidas en la tabla 3.3.
Para obtener información sobre las propiedades de la leyenda, buscar legend properties en el Help de
matlab.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 96

Propiedad Descripción Valores admisibles

’FontSize’ Controla el tamaño de la letra Valor entero positivo (puntos). Por defecto
es 11
’FontName’ Controla el tipo de letra Tipos soportado por el sistema:
’Arial’, ’Helvetica’,
’FixedWidth’ (por defecto)
’FontWeight’ Controla el grosor de la letra ’nomal’, ’bold’
’Color’ Controla el color del texto Un color
Para más información buscar title properties o xlabel properties en el Help de matlab

Tabla 3.3: Algunas propiedades de los títulos y las etiquetas de los ejes

Ejemplo 3.30
Dibujar las parábolas y = x2 − 1 e y = −2x2 + x + 5 en el intervalo [−3, 3] usando distintos colores,
marcadores y tipo de líneas y añadiendo título, etiquetas y leyenda.

f = @(x) x.^2 - 1;
g = @(x) -2*x.^2 + x + 5;
x = linspace(-3,3, 40);
plot(x, f(x), 'r<', x, g(x), 'bo-', 'LineWidth', 2)
title('Dos parábolas', 'FontSize', 18, 'FontName', 'Verdana', ...
'FontWeight', 'normal', 'Color', [0.1, 0.3, 0.4])
xlabel('Eje OX', 'FontSize',18, 'Color', [0.1, 0.3, 0.4])
ylabel('Eje OY', 'FontSize',18, 'Color', [0.1, 0.3, 0.4])
legend('Parábola cóncava', 'Parábola convexa', 'Location', 'south')
Dos parábolas
10

0
Eje OY

-5

-10

-15

Parábola cóncava
Parábola convexa
-20
-3 -2 -1 0 1 2 3

Eje OX

3.3.6 Dibujar cosas encima de otras

Cada nueva orden plot borra el contenido anterior de la ventana gráfica. Si se desea añadir elementos
al dibujo sin borrar lo anterior hay que usar las órdenes

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 97

hold on
hold off

La primera de ellas anula el borrado previo de la gráfica antes de un nuevo dibujo. La segunda devuelve
el sistema a su estado normal.
La orden hold on debe utilizarse después de haber realizado algún dibujo (el primero) o de haber
utilizado la orden axis([xmin, xmax, ymin, ymax]) para fijar los límites de los ejes en los que se va
a dibujar.

Ejemplo 3.31
x sin(x2 )
Dibujar la curva de ecuación y = para x ∈ [−4, 4], dibujando también los ejes de
2
coordenadas.

f = @(x) 0.5*x.*sin(x.^2);
x = linspace(-4, 4, 300);
axis([-4, 4, -2, 2])
hold on
plot(x, f(x), 'LineWidth', 2)
plot([-4, 4], [0, 0], 'k', 'LineWidth', 1.5)
plot([0,0], [-2, 2], 'k', 'LineWidth', 1.5)
hold off
axis off

Obsérvese que hemos utilizado un número de puntos superior al habitual para realizar la gráfica,
ya que la curva es muy oscilante.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 98

3.3.7 Añadir texto a la gráfica

Para añadir texto a una gráfica se utiliza la función text, de la que presentamos aquí sólo algunas de
sus funcionalidades.

text(x, y, texto_a_añadir)

inserta el texto texto_a_añadir en el punto (x, y) del gráfico. Se puede controlar el tamaño de la
letra con la propiedad ’FontSize’. Para obtener más información sobre otras (muchas) propiedades
aplicables al texto, consultar text properties en el Help de matlab.

Ejemplo 3.32

0.9
axis([0, 1, 0, 1])
0.8

hold on 0.7 Punto (0.3, 0.7)

plot(0.3, 0.7, 'ro', 'MarkerSize',15,... 0.6

'LineWidth', 2) 0.5

text(0.3, 0.7, 'Punto (0.3, 0.7)',... 0.4

'FontSize', 14) 0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Ejemplo 3.33
Uso de algunas opciones de text

x = linspace(-10, 10);
y = (x+1)./(x.^2+x+4); x
2
axis([-10, 10, -0.6, 0.6]) x
1
hold on
plot(x, y, 'r', 'LineWidth', 2)
plot([-10,10], [0, 0], 'k')
plot([0,0], [-1, 1], 'k')
plot([1, 1], [0, 1/3], 'k')
plot([-3, -3], [0, -1/5], 'k')
text(0.9, -0.04, 'x_1', 'FontSize', 14)
text(-3.1, 0.04, 'x_2', 'FontSize', 14)
ht = text(3, 0.3, '$f(x) = \frac{x+1}{x^2+x+4}$', 'FontSize', 18);
[Link] = 'latex';

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 99

3.3.8 Gestión de la ventana gráfica

La función

figure

abre una nueva ventana gráfica, cuyo nombre será Figure n, donde n es el primer número entero positivo
que esté libre. También se puede abrir una directamente especificando su número: figure(7).
Cuando hay varias ventanas gráficas abiertas, la manera de designar cuál es la activa (en cuál se
dibujará) es usar la orden figure(n) con el número correspondiente.
La orden

clf

borra la ventana gráfica activa, sin cerrarla.

La orden

shg

coloca la ventana gráfica activa delante de todas las demás. Muy útil cuando se está escribiendo
programas que dibujan.

3.3.9 Otros tipos de gráficos de datos planos

La función

scatter(x, y)

dibuja los puntos (xi , yi ) con marcadores (por defecto, con círculos).
La función

stairs(x, y)

dibuja los puntos (xi , yi ) en forma de una función escalonada.

La función

stem(x, y)

dibuja los datos (xi , yi ) en forma de tallos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 100


Ejemplo 3.34  x = e2 t sen(100 t)
Dibujar los puntos definidos por las ecuaciones paramétricas
 y = e2 t cos(100 t)
para 300 valores de t comprendidos entre 0 y 1.

t = linspace(0,1,300);
x = exp(2*t).*sin(100*t);
y = exp(2*t).*cos(100*t);
scatter(x,y)
axis equal
axis off

Ejemplo 3.35
Dibujar datos como una función escalonada

g = @(x) exp(x) + sin(x.^2); 5

x = linspace(-2, 2, 20); 4

stairs(x, g(x)) 3

-1
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

Ejemplo 3.36
Dibujar datos con tallos

g = @(x) exp(x) + sin(x.^2)-1; 4

x = linspace(-2, 2, 40); 3

stem(x, g(x)) 2

-1

-2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 101

3.3.10 Varios ejes en la misma gráfica

La función siguiente sirve para crear varios ejes en una misma figura.

subplot(n, m, k)

Esta orden divide el área de la ventana gráfica en una cuadrícula n×m (n filas y m columnas), y
convierte el k-ésimo cuadro en los ejes activos. matlab numera los cuadros de izquierda a derecha y
de arriba hacia abajo.
1 1

0.8 0.8

0.6 0.6
1 2
0.4 0.4

0.2 0.2

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

1 1

0.8 0.8

0.6 0.6
3 4
0.4 0.4

0.2 0.2

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

Cada uno de los ejes así definidos funciona como si fuera una figura diferente: para dibujar en ellos hay
que hacerlos activos con la orden subplot; la orden hold actúa de forma independiente en cada uno
de ellos; cada uno puede tener sus propios título, etiquetas, leyendas, . . .

Ejemplo 3.37
Uso de subplots

x = linspace(0, 2*pi);

subplot(2,2,1)
axis([0, 2*pi, -1.5, 1.5])
hold on
y1 = sin(x);
plot(x, y1, 'Linewidth', 2, 'Color', [0.8, 0.3, 0.1])

subplot(2,2,2)
axis([0, 2*pi, -1.5, 1.5])
hold on
y2 = cos(2*x);
plot(x, y2, 'Linewidth', 2, 'Color', [0.9, 0.7, 0.1])

subplot(2,2,3)
axis([0, 2*pi, -1.5, 1.5])

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 102

hold on
y3 = y1.*y2;
scatter(x, y3, 'MarkerEdgeColor', [0, 0.5, 0.7])

subplot(2,2,4)
axis([0, 2*pi, -1.5, 1.5])
hold on
plot(x, y3, 'LineWidth', 2)
stem(x, y1)
stem(x, y2)

1.5 1.5

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1

-1.5 -1.5
0 2 4 6 0 2 4 6

1.5 1.5

1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1

-1.5 -1.5
0 2 4 6 0 2 4 6

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 103

3.4 Funciones para el dibujo de superficies

En esta sección se muestran algunas de las funciones básicas para el dibujo de funciones de dos variables.
Puede ser necesario usar estas funciones, y no las “fáciles de usar”, en ocasiones en que no se dispone
de la expresión de una función de dos variables, si no de sus valores en los puntos de una determinada
malla.

3.4.1 Las funciones mesh y meshgrid

Sirve para representar una superficie z = f (x, y) en forma de una malla rectangular deformada. Los
segmentos de la malla se colorean según los valores de la función (coordenada z).

mesh(x, y, z)

siendo x, y y z tres matrices de las mismas dimensiones conteniendo, respectivamente, las coordenadas
(x, y, z) de los nodos de la malla.
Para construir las matrices x, y y z puede ser útil la función

[x, y] = meshgrid(xp, yp)

sirve para construir la malla de base, en el plano XY: Si xp es una partición del intervalo [x0 , x1 ] e
yp es una partición del intervalo [y0 , y1 ], entonces x e y son dos matrices, que definen una malla del
rectángulo [x0 , x1 ] × [y0 , y1 ] . La matriz x contiene las coordenadas x de los puntos de la malla y la
matriz y sus coordenadas y.

Ejemplo 3.38
2 2
Dibujar la función z = x e−(x +y ) para (x, y) ∈ [0, π] × [−π/2, π/2] en forma de una malla defor-
mada, con 20 nodos en la dirección x y 30 nodos en la dirección y.

xp = linspace(0, 2*pi, 10);

yp = linspace(-pi, pi, 20);
[x, y] = meshgrid(xp, yp);

Calculamos ahora los valores de la función

en los nodos de la malla definida por estas
dos matrices:

z = x .* exp(-(x.^2+y.^2));
mesh(x, y, z);
axis([0, pi, -pi/2, pi/2, 0, 1.5])
xlabel('X')
ylabel('Y')
zlabel('Z')

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 104

Por defecto, las caras de la malla son opacas. Se pueden hacer transparentes usando el parámetro
opcional

mesh(x, y, z, 'FaceAlpha', t)

siendo t un número real positivo en [0, 1]. Para otros parámetros opcionales, véase el Help.
La siguiente variante de mesh hace lo mismo pero, además, dibuja las líneas de nivel de f (x, y) en el
plano XY .

meshc(x, y, z)

Ejemplo 3.39
La misma superficie del Ejemplo 3.38, pero usando las opciones de tansparencia y de líneas de
nivel.

Existe otra forma de proporcionar los datos a la función mesh, en la que x e y son vectores, de longitudes
respectivas n y m, y z es una matriz de dimensión m×n, de forma que z(i,j) es el valor de f en (x(j),
y(i)).

Si no se proporcionan x ni y, se utilizarán x=1:n e y=1:m.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 105

3.4.2 La función surf

La función surf funciona igual que mesh, pero rellena las caras de la malla de un color sólido, que
varía en función de los valores de f (x, y). También tiene la opción de transparencia y la variante que
dibuja las líneas de nivel.

surf(x, y, z)
surf(x, y, z, 'FaceAlpha', t)
surfc(x, y, z)

Por defecto, surf dibuja las caras de color constante y le superpone la malla. La orden siguiente se
puede usar para cambiar este comportamiento

shading faceted % opcion por defecto

shading flat % caras color constante, sin malla
shading interp % caras color interpolado, sin malla

3.4.3 La función contour y variantes

La función contour dibuja las proyecciones sobre el plano XY de las líneas de nivel (isovalores).

contour(x, y, z) % dibuja 8 líneas de nivel

contour(x, y, z, n) % dibuja n líneas de nivel

Aquí, las variables x, y y z son iguales que para las funciones mesh y surf. La variable n indica el
número de líneas de nivel a dibujar. Si no se indica, se dibujan 8 líneas.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 106

1.5

0.5

-0.5

-1

-1.5
0 0.5 1 1.5 2 2.5 3

Se puede indicar que se dibujen, solamente, las líneas de nivel correspondientes a unos valores dados:

contour(x, y, z, v)

donde v es un vector conteniendo los valores a dibujar, en orden creciente.

1.5

0.5

-0.5

-1

-1.5
0 0.5 1 1.5 2 2.5 3

Si se desea dibujar solo una línea de nivel, se debe indicar el valor correspondiente por repetido. Por
ejemplo, para dibujar solo la linea f (x, y) = k, se debe escribir v = [k, k].
La opción siguiente escribe, junto a cada línea de nivel, el valor al que corresponde.

contour(x, y, z, 'ShowText', 'on')

1.5

1
2
1.

0.5
1.2

-0.5
1.2

2
1.

-1

-1.5
0 0.5 1 1.5 2 2.5 3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 107

La variante contour3 dibuja las líneas de nivel sobre la superficie tridimensional:

La variante contourf dibuja las líneas de nivel en el plano XY y rellena de color sólido los espacios
entre ellas:
1.5

0.5

-0.5

-1

-1.5
0 0.5 1 1.5 2 2.5 3

3.4.4 La función colorbar

Se puede usar la función colorbar para añadir a la gráfica una barra con la graduación de colores y la
correspondencia con los valores de la función representada.

colorbar

Esta función puede ser usada con cualquier otra función gráfica que utilice colores. Dispone de pará-
metros opcionales para indicar su ubicación en la gráfica (ver Help).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 108

3.4.5 La función view

En los dibujos tridimensionales, esta función permite elegir el punto de observación del objeto repre-
sentado.

view(r, e) % por defecto, r = -37.5, e = 30

Si se situa el origen de coordenadas en el

objeto representado, la orden anterior indica
que el objeto se observa desde un punto del
radio definido por los ángulos r (azimut)
y e (elevación) (ver figura).

También se puede usar view en la forma

view( v )

siendo v un vector con tres componentes que indica el punto, en el espacio 3D, en el que se sitúa el
observador, siempre suponiendo que el objeto se sitúa en el origen de coordenadas. MATLAB calculará
el azimut y la elevación del vector unitario que apunta al punto v.

3.4.6 La función colormap

La función colormap permite cambiar el mapa de colores que se utiliza en la representación.

colormap(m)

En general, m es una matriz con tres columnas, de modo que la i-ésima fila determina el color, en
coordenadas RGB, del i-ésimo color utilizado. Para más comodidad, MATLAB dispone de una serie
de mapas de colores pre-definidos, que se pueden imponer mediante

colormap('Nombre_del_mapa')
colormap Nombre_del_mapa

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 109

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 110

3.5 Ejercicios
1. Usando las funciones ez*** adecuadas, representar gráficamente los “objetos” definidos por las
siguientes funciones, expresiones y/o ecuaciones:
1
a) y = cos(2x) + sen(x/2), x ∈ [−π, π]
2
sen2 x
b) y = x ∈ [−2, 2].
x2 − 1
c) x4 + y 3 = 24, x, y ∈ [−6, 6]
d ) y 2 = x4 (1 − x)(1 + x), x, y ∈ [−2, 2]

 x = t − 3 sen t,
e)
 y = 4 − 3 cos t, t ∈ [0, 10]

 x = 4 cos t + cos(4t),
f)
 y = 4 sen t − sen(4t), t ∈ [0, 2 π]



 x = et/4 sen(2t),

g) y = et/4 cos(2t), t ∈ [−9, 10]



 z = t/4

2. Para cada una de las funciones siguientes, definir funciones anónimas que las representen (deben
admitir vectores como argumentos), y dibujar sus gráficas en un intervalo razonable usando la
orden plot. Dibujar también, en cada caso los ejes coordenados.

1
…
1−x e) f (x) =
a) f (x) =
1+x x
x 1
Å ã
b) f (x) = f ) f (x) = ln
ln(x) x−2
√ √ √
c) f (x) = 1 − x + x − 2 g) f (x) = 25 − x2
√
d ) f (x) = 3 h) f (t) = sen2 ( 3 + x)

3. Representar en los mismos ejes los siguientes pares de funciones, en los límites que se indican en
cada caso, de modo que cada curva se distinga perfectamente, tanto en color como en blanco y
negro. Añadir leyendas para identificar las curvas. Añadir también un título y etiquetas en los
ejes.

a) f (x) = 2 sen3 (x) cos2 (x) y g(x) = ex − 2x − 3, x ∈ [−1.5, 1.5]

b) f (x) = log(x + 1) − x y g(x) = 2 − 5x, x ∈ [0, 5]
c) f (x) = 6 sen(x) y g(x) = 6x − x3 , x ∈ [−π/2, π/2]
−x2 +2
d ) f (x) = e sen(x/2) y g(x) = −x3 + 2x + 2, x ∈ [−1, 2]
√
e) f (x) = r2 − x2 , para r = 1 y r = 4
Ç√ å
x2 + 4x
f ) g(x) = 3 + 2x − 6 y h(x) = sen
x en [1, 2] × [0, 1.5]
x3
Ç√ å
x + 2
g) g(x) = cos(x2 + 2x + 1) y h(x) = log en [1, 2] × [−1.5, 2]
x3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 111

sen(πx)
h) g(x) = √ y h(x) = 5e−2x ln(x2 + 1) en [0, 2] × [−0.5, 1]
1 + 2x
(x + 10)(x − 10)(18 − x)
i) f (x) = ln(x2 − 27) y g(x) = en [−15, 20] × [−20, 15]
100
4. Reproducir el dibujo siguiente. Las circunferencias grandes tienen radio = 1 y la pequeña tiene
radio = 0.5.

5. Reproducir el dibujo siguiente.

Recta tangente

Circunferencia de radio 2

Bisectriz del segundo cuadrante

R. Echevarría Dpto. EDAN - Universidad de Sevilla

3. Gráficos 112

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

4 B

SE
UNIVER

VILLA
Programación con MATLAB
e an
Ecuaciones Diferenciales
y Análisis Numérico

Este capítulo está dedicado a los conceptos e instrucciones básicas que permiten la escritura de pro-
gramas.
Comenzamos mostrando las instrucciones básicas que permiten que un programa “se comunique” con el
usuario: instrucciones mediante las cuales podemos introducir, de forma interactiva, un dato para uso
del programa; e instrucciones que permiten que el programa pueda escribir información y/o resultados
en la pantalla del ordenador.
Los condicionales y los bucles o repeticiones son la base de la programación estructurada. Sin ellas,
las instrucciones de un programa sólo podrían ejecutarse en el orden en que están escritas (orden
secuencial). Las estructuras de control permiten modificar este orden y, en consecuencia, desarrollar
estrategias y algoritmos para resolver los problemas.
Los condicionales permiten que se ejecuten conjuntos distintos de instrucciones, en función de que
se verifique o no determinada condición.
Los bucles permiten que se ejecute repetidamente un conjunto de instrucciones, ya sea un número
pre-determinado de veces, o bien mientras que se verifique una determinada condición.

4.1 Operaciones básicas de lectura y escritura

4.1.1 Instrucción básica de lectura: input

La instrucción input permite almacenar en una variable un dato que se introduce a través del teclado.
La orden

var = input('Mensaje')

imprime Mensaje en la pantalla y se queda esperando hasta que el usuario teclea algo en el teclado,
terminado por la tecla Retorno. Lo que se teclea puede ser cualquier expresión que use constantes
y/o variables existentes en el Workspace. Puede ser tambien un vector o matriz. El resultado de esta
expresión se almacenará en la variable var. Si se pulsa la tecla Retorno sin teclear nada se obtendrá
una matriz vacía: [ ].
El caracter de escape \n introducido en el texto del mensaje provoca una salto de línea.
Si lo que se quiere leer son caracteres, hay que encerrarlos entre apóstrofes. O bien se puede añadir el
argumento 's' a la orden input, lo que indica que se van a leer caracteres y, en ese caso, no hay que
encerrar lo que se escriba entre apóstrofes.

Ejemplos 4.1 (Uso de input)

Experimentar con las órdenes siguientes:

113
4. Programación con MATLAB 114

>> a = input('Escriba el valor de a: ')

>> a = input('\n Escriba el valor de a: ')

>> nombre = input('Escriba su nombre: ')

>> nombre = input('Escriba su nombre: ', 's')

4.1.2 Instrucción básica de impresión en pantalla: disp

La instrucción disp permite imprimir en la pantalla el valor de una matriz constante o variable, sin
imprimir el nombre de la variable ni ans y sin dejar líneas en blanco. Su utilidad es muy limitada.

disp(algo)

Ejemplos 4.2 (Uso de disp)

>> disp(pi)
3.1416

>> v = [1, 2, 3, pi];

>> disp(v)
1.0000 2.0000 3.0000 3.1416

>> disp('El metodo no converge')

El metodo no converge

Si se quieren mezclar, en una línea a imprimir con disp, texto y números, hay que formar con ellos
un vector, pero, para ello, hay que transformar el valor numérico en una cadena de caracteres que
represente ese valor, como en los siguientes ejemplos.

Ejemplos 4.3 (Uso de disp)

Observaciones:
(a) La orden date devuelve una cadena de caracteres con la fecha actual.
(b) Para concatenar dos cadenas de caracteres, se forma un vector con ellas:
[cadena1, cadena2].
(b) La orden num2str(num) devuelve el dato numérico num como una cadena de caracteres.

>> disp(['Hoy es ', date])

Hoy es 18-Feb-2015

>> x = pi;
>> disp(['El valor de x es: ',num2str(x)])
El valor de x es: 3.1416

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 115

Ejercicio 4.4 (HolaMundo.m) (Uso de input y disp)

Escribir un script que:

Escriba “Hola” en la pantalla

Lea el nombre del usuario del teclado y escriba en la pantalla “Hola + nombre”
Escriba en la pantalla “Hoy es + fecha del día”.

disp('')
disp(' HOLA !!! ')
nombre = input('Escribe tu nombre: ', 's');
disp('')
disp([' HOLA ', nombre, ' !!!'])
disp([' Hoy es ', date])
disp(' ')
disp(' >> ¡ADIOS! <<')

4.1.3 Instrucción de impresión en pantalla con formato: fprintf

Esta orden permite controlar la forma en que se imprimen los datos. Su sintaxis para imprimir en la
pantalla es

fprintf( formato, lista_de_datos )

donde:

lista_de_datos son los datos a imprimir. Pueden ser constantes y/o variables, separados por comas.

formato es una cadena de caracteres que describe la forma en que se deben imprimir los datos. Puede
contener combibaciones de los siguientes elementos:

Códigos de conversión: formados por el símbolo %, una letra (como f, e, i, s) y eventual-

mente unos números para indicar el número de espacios que ocupará el dato a imprimir.
Texto literal a imprimir
Caracteres de escape, como \n.

Normalmente el formato es una combinación de texto literal y códigos para escribir datos numéricos,
que se van aplicando a los datos de la lista en el orden en que aparecen.
En los ejemplos siguientes se presentan algunos casos simples de utilización de esta instrucción. Para
una comprensión más amplia se debe consultar la ayuda y documentación de MATLAB.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 116

Ejemplos 4.5 (Uso de fprintf )

>> long = 32.067
>> fprintf('La longitud es de %12.6f metros \n',long)
La longitud es de 32.067000 metros
En este ejemplo, el formato se compone de:
• el texto literal ’La longitud es de ’ (incluye los espacios en blanco),
• el código %12.6f que indica que se escriba un número (en este caso el valor de la variable
long) ocupando un total de 12 espacios, de los cuales 6 son para las cifras decimales,
• el texto literal ’ metros ’ (también incluyendo los blancos),
• el carácter de escape \n que provoca un salto de línea.

>> x = sin(pi/5);
>> y = cos(pi/5);
>> fprintf('Las coordenadas del punto son x= %10.6f e y=%7.3f \n', x, y)
Las coordenadas del punto son x= 0.587785 e y= 0.809

Observamos que el primer código %10.6f se aplica al primer dato a imprimir, x, y el segundo
código %7.3f al segundo, y.

>> k = 23; err = 0.00000314;

>> fprintf('En la iteracion k=%3i el error es %15.7e \n', k, err)
En la iteracion k= 23 el error es 3.1400000e-06

• el código %3i indica que se escriba un número entero ocupando un total de 3 espacios,
• el código %15.7e indica que se escriba un número en formato exponencial ocupando un total
de 15 espacios, de los cuales 7 son para los dígitos a la derecha del punto decimal.

Ejercicio 4.6 (LeeNumero.m) (Uso de input y fprintf)

Escribir un script que:

Lea un número del teclado.

Escriba en la pantalla “El numero leido es: + numero”.

numero = input('Escribe un numero: ');

fprintf('El numero leido es: %8.4f \n',numero);

4.2 Estructuras condicionales: if

Son los mecanismos de programación que permiten “romper” el flujo secuencial en un programa: es
decir, permiten hacer una tarea si se verifica una determinada condición y otra distinta si no se
verifica.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 117

Evaluar si se verifica o no una condición se traduce, en programación, en averiguar si una determinada

expresión con valor lógico da como resultado verdadero o falso
En casi todos los lenguajes de programación, este tipo de estructuras se implementan mediante una
instrucción (o super-instrucción) denominada if, cuya sintaxis puede variar ligeramente de unos len-
guajes a otros. En matlab, concretamente, toma las formas que se enuncian a continuación. La más
sencilla es el condicional simple.

4.2.1 Estructura condicional simple (if-end)

En un condicional simple, si se verifica una deter-
minada condición, se ejecuta un cierto grupo de ins-
trucciones; en caso contrario no se ejecuta.
El diagrama de flujo correspondiente a esta estructu- *$+!)
!"#$!%&'() &(%*$+,,&-(!%)
ra es el mostrado en la Figura 4.1: Si expresión to-
ma el valor lógico true, se ejecutan las instrucciones ./0%!)
del bloque instrucciones y, después, el programa
se continúa ejecutando por la instrucción siguiente.
Si, por el contrario, la expresión toma el valor ló-
gico false, no se ejecutan las instrucciones, y el
programa continúa directamente por la instrucción Figura 4.1: Diagrama de flujo de la estructura
siguiente. condicional simple.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 118

En matlab esto se implementa con la super-

instrucción: if-end.

instruccion-anterior
if expresion
bloque-de-instrucciones
end
instruccion-siguiente

Ejemplo 4.7 (Uso de un condicional simple if-end)

Escribir una M-función que, dado x ∈ R, devuelva el valor en x de la función definida a trozos

si x < −1,
®
x+1
f (x) =
1 − x2 si x ≥ −1.

Obsérvese que se ha incluído, como comentario, una breve descripción de la función.

function [fx] = mifun(x)

%
% v = mifun(x) devuelve el valor en x de la función
% f(x) = x+1 si x < -1
% f(x) = 1-x^2 si no
%
fx = x + 1;
if x > -1
fx = 1 - x^2;
end

Ejemplo 4.8 (Maximo.m) (Uso de un condicional simple if-end)

Escribir un script que lea dos números x, y, e imprima en la pantalla el mayor de ellos junto con
el mensaje: “El máximo es: + número”.

n1=input('Escribe un numero : ');

n2=input('Escribe otro numero : ');
mayor=n2;
if (n1 > n2)
mayor=n1;
end
fprintf('El mayor es: \%6.2f \n ',mayor);

4.2.2 Estructura condicional doble (if-else-end)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 119

En un condicional doble, si se verifica

una determinada condición, se ejecuta
un cierto grupo de instrucciones; en caso 012%!) *$+!)
&(%*$+,,&-(!%.3) !"#$!%&'() &(%*$+,,&-(!%./)
contrario, se ejecuta un grupo diferente
de instrucciones.
El diagrama de flujo correspondiente a
esta estructura es el mostrado en la Fi-
gura 4.2: Si expresión toma el valor
lógico true, se ejecutan las instruccio-
Figura 4.2: Diagrama de flujo de la estructura condicional
nes del bloque instrucciones 1. Si, por
doble.
el contrario, la expresión toma el va-
lor lógico false, se ejecuta el bloque de
instrucciones 2.
En ambos casos, el programa continúa ejecutándose por la instrucción siguiente.
Su implementación en matlab se lleva a cabo mediante la super-instrucción if-else-end.

instruccion-anterior
if expresion
bloque-de-instrucciones-1
else
bloque-de-instrucciones-2
end
instruccion-siguiente

Ejemplo 4.9 (Ordena.m) (Uso de un condicional doble if-else-end)

Escribir un script que lea dos números x, y, y los escriba en pantalla ordenados en orden ascendente.

n1 = input(' Escribe un numero : ');

n2 = input(' Escribe otro numero : ');
if (n1 < n2)
fprintf(' %4i %4i \n', n1, n2)
else
fprintf(' %4i %4i \n', n2, n1)
end

El siguiente ejercicio es una variante del anterior, en la que se considera una M-función en lugar de
un script. Los datos necesarios (n1 y n2) se obtienen ahora a través de los argumentos de entrada (en
lugar de leerlos del teclado) y el resultado (los datos ordenados) se obtienen a través de la varible de
salida v (en lugar de imprimirlo en la pantalla).

Ejemplo 4.10 (Orden.m) (Uso de un condicional doble if-else-end)

Escribir una M-función que reciba como argumentos de entrada dos números x, y ∈ R y devuelva
un vector cuyas componentes sean los dos números ordenados en orden creciente.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 120

function [v] = Orden(n1, n2)

%
% v = Orden(n1, n2) es un vector que contiene los dos
% numeros n1 y n2 ordenados en orden creciente
%

if n1 > n2
v = [n2, n1];
else
v = [n1, n2];
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 121

4.2.3 Estructuras condicionales anidadas

Estas estructuras se pueden “anidar”, es decir, se puede incluir una estructura condicional dentro de
uno de los bloques de instrucciones de uno de los casos de otra. Cada estructura if debe tener su
correspondiente end.

Ejemplo 4.11 (Cuadrante.m) (Condicionales anidados)

Escribir una M-función que, dados dos números x, y ∈ R, devuelva el número del cuadrante del
plano OXY en el que se encuentra el punto (x, y). Si el punto (x, y) está sobre uno de los ejes de
coordenadas se le asignará el número 0.

function [n] = Cuadrante(x, y)

%
% n = Cuadrante(x, y) es el número del cuadrante del plano OXY
% en el que se encuentra el punto (x,y).
% 2 | 1 n = 0 si el punto está sobre uno de los ejes.
% -- --
% 3 | 4
% Entrada: x, y

true
if x*y == 0 x*y == 0 n = 0 fin
n = 0;
false
return
end
false true
n = 3 n = 4
if (x > 0) x > 0

n = 4;
true true
if (y > 0) n = 2 y > 0 y > 0 n = 1
n = 1;
end
else
n = 3;
if (y > 0)
n = 2;
Salida: n
end
end

En el programa Cuadrante se hace uso de la instrucción return, cuya descripción se encuentra en el

apartado 4.4.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 122

4.2.4 Estructura condicional múltiple (if-elseif-else-end)

Se pueden construir estructuras condicionales más complejas (con más casos). En MATLAB, estas
estructuras se implementan mediante la versión más completa de la instrucción if.
En un condicional doble, si se verifica
una determinada condición (Cond-1), se
ejecuta un cierto grupo de instrucciones
(Ins-1); en caso contrario, si se verifica expresión-1
true
instrucciones-1
una segunda condición (Cond-2), se eje-
false
cuta un grupo diferente de instrucciones
(Ins-2); si tampoco esta segunda condi- expresión-2
true
instrucciones-2
ción es cierta, se podría evaluar una ter-
cera, etc. Finalmente, si ninguna de las false

condiciones anteriores ha sido cierta, se instrucciones-3

ejecutaría un grupo último grupo de ins-
trucciones (Ins-n).
El diagrama de flujo correspondiente a
esta estructura es el mostrado en la Fi-
gura 4.3: Si expresión-1 toma el valor Figura 4.3: Diagrama de flujo de la estructura condicional
lógico true, se ejecutan las instruccio- múltiple.
nes del bloque instrucciones 1. En ca-
so negativo, si la expresión-2 toma el
valor lógico true, se ejecuta el bloque de instrucciones 2. Si ninguna de las expresiones ha toma-
do el valor true, se ejecutarían las instrucciones del bloque instrucciones 3. En todos los casos, el
programa continúa ejecutándose por la instrucción siguiente a la estructura.

instruccion-anterior
if expresion-1
bloque-de-instrucciones-1
elseif expresion-2
bloque-de-instrucciones-2
else
bloque-de-instrucciones-3
end
instruccion-siguiente

Se pueden construir estructuras con más casos elseif, por ejemplo

if-elseif-elseif-elseif-else-end. Es muy importante darse cuenta de que, en cualquier
caso, se ejecutará sólo uno de los bloques de instrucciones
La cláusula else (junto con su correspondiente bloque-de-instrucciones) puede no existir. En este caso
es posible que no se ejecute ninguno de los bloques de instrucciones.
La implementación en matlab de esta estructura se lleva a cabo mediante la forma más general de la
super-instrucción if.

Ejercicio 4.12 (Donde.m) (Uso de un condicional múltiple if-elseif-else-end)

Escribir una M-función que reciba como argumentos de entrada un número x ∈ R y los extremos
de un intervalo [a, b], y escriba en la pantalla si x < a, x ∈ [a, b] o x > b.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 123

function Donde(x, a, b)
%
% Donde(x, a, b) escribe en la pantalla la ubicacion
% de x respecto del intervalo [a,b]:
% - si x < a
% - si a <= x < = b
% - si x > b
%
if (a <= x) && (x <= b)
fprintf('El punto %6.2f pertenece al intervalo [%6.2f,%6.2f]\n', x,a,b)
elseif x < a
fprintf('El punto %6.2f esta a la izq. del intervalo [%6.2f,%6.2f]\n', x,a,b)
else
fprintf('El punto %6.2f esta a la dcha. del intervalo [%6.2f,%6.2f]\n', x,a,b)
end
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 124

4.3 Estructuras de repetición o bucles

Vemos aquí los mecanismos de programación que permiten repetir un cierto grupo de instrucciones
mientras que se verifique una determinada condición o bien un número predeterminado de veces.

4.3.1 Estructuras de repetición condicionada (while-end)

En una repetición condicionada, se repite la ejecu-
ción de un cierto bloque de instrucciones mientras
que una determinada condición se siga verificando.
false
expresión
El diagrama de fllujo de este tipo de repetición es el
mostrado en la Figura 4.4. Su funcionamiento es el true

siguiente:
instrucciones
Al comienzo, se evalúa expresion. Si el resultado es
false, se termina la repetición. En este caso, no se
ejecuta el bloque de instrucciones.
Si, por el contrario, el resultado de expresion es
true, se ejecuta el bloque de instrucciones. Cuan-
Figura 4.4: Diagrama de flujo de la repetición
do se termina, se vuelve a evalúar la expresion y se
condicional
vuelve a decidir.

Naturalmente, este mecanismo precisa que, dentro

del bloque de instrucciones se modifique, en alguna de las repeticiones, el resultado de evaluar
expresion. En caso contrario, el programa entraria en un bucle infinito. Llegado este caso, se puede
detener el proceso pulsando la combinación de teclas CTRL + C.

Su sintaxis en MATLAB es la siguiente:

instruccion-anterior
while expresion
bloque-de-instrucciones
end
instruccion-siguiente

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 125

Ejemplo 4.13 (SumaImpares) (Uso de while)

Escribir una M-función que calcule y devuelva el mayor número impar n para el cual la suma de
todos los números impares entre 1 y n es menor o igual que 5000.

function [n] = SumaImpares

%
% n = SumaImpares es el mayor numero impar tal que la suma de todos
% los impares desde 1 hasta n es < = 5000
%
n = 1; inicio
suma = 1;
while suma <= 5000 n = 1
suma = 1
n = n + 2;
suma = suma + n; false
end suma <= 5000

n = n - 2; true

n = n + 2
end
suma = suma + n

n = n - 2

Salida: n

fin

Ejercicio 4.14 Partiendo de la M-función SumaImpares del ejemplo anterior, escribe una
M-función que reciba como argumento de entrada un número positivo M y devuel-
va el mayor entero n tal que la suma de todos los números naturales impares entre
1 y n sea menor o igual que M .

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 126

Ejemplo 4.15 (Adivina.m) (Uso de while)

Escribir un script que genere de forma aleatoria un número natural del 1 a 9 y pida repetidamente
al usuario que escriba un número en el teclado hasta que lo acierte.

%---------------------------------------------------------------
% Script Adivina
% Este script genera un numero aleatorio entre 1 y 9
% y pide repetidamente que se teclee un numero hasta acertar
%---------------------------------------------------------------
%
n = randi(9);

fprintf('\n')
fprintf(' Tienes que acertar un numero del 1 al 9 \n') inicio

fprintf(' Pulsa CTRL + C si te rindes ... \n')

fprintf('\n') Generar número aleatorio: n
( 1 <= n <= 9 )

M = 0; M = 0
while M ~= n
M = input('Teclea un numero del 1 al 9 : '); false
M ~= n
end
beep true
fprintf('\n') Leer M
fprintf(' ¡¡¡¡Acertaste!!!! \n')

Imprimir: ’Acertaste!’

fin

Observación: la orden beep utilizada en el código anterior genera un pitido (si los altavoces están
activados).

Ejercicio 4.16 Partiendo del script Adivina del ejemplo anterior, escribe una M-función que
reciba como argumento de entrada un número natural m, genere de forma aleatoria un número
natural n entre 1 y m, y pida repetidamente al usuario que escriba un número en el teclado hasta
que lo acierte.

4.3.2 Estructuras de repetición indexada (for-end)

Este tipo de estructuras permite implementar bucles en los que se conoce a priori el númeo de veces
que hay que repetir un cierto bloque de instrucciones.
En muchas ocasiones, las repeticiones de un bucle dependen en realidad de una variable entera cuyo
valor se va incrementando hasta llegar a uno dado, momento en que se detienen las repeticiones. Esto

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 127

sucede, especialmente, con los algoritmos que manipulan vectores y matrices, que es lo más habitual
cuando se programan métodos numéricos.
En estas ocasiones, para implementar el bucle es preferible utilizar la estructura que se expone en esta
sección: bucle indexado. En MATLAB (igual que en muchos otros lenguajes) este tipo de mecanismos
se implementan mediante una instrucción denominada for.
Por ejemplo, el bucle representado mediante el diagrama siguiente

k = 1

false
k <= n

true

instrucciones

k = k + 1

se puede implementar con las órdenes

instruccion-anterior
for k = 1 : n
bloque-de-instrucciones
end
instruccion-siguiente

Se observa que, con esta instrucción, no hay que ocuparse ni de inicializar ni de incrementar dentro del
bucle la variable-índice, k. Basta con indicar, junto a la cláusula for, el conjunto de valores que debe
tomar. Puesto que es la propia instrucción for la que gestiona la variable-índice k, está prohibido
modificar su valor dentro del bloque de instrucciones.
El conjunto de valores que debe tomar la variable-índice k tiene que ser de números enteros, pero
no tiene que ser necesariamente un conjunto de números consecutivos. Son válidos, por ejemplo, los
conjuntos siguientes:

for k = 0 : 2 : 20 % números pares de 0 a 20

for ind = 30 : -5 : 0 % números 30, 25, 20, 15, 10, 5, 0
for m = [2, 5, 4, 1, 7, 20] % los números especificados

Observación. Siempre que en un bucle sea posible determinar a priori el número de veces que se va a
repetir el bloque de instrucciones, es preferible utilizar la instrucción for, ya que la instrucción while
es más lenta.

Ejemplo 4.17 (Uso de for)

Escribe una M-función

function [suma] = Sumav(v)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 128

que reciba como argumento un vector v y devuelva la suma de sus componentes.

function [suma] = Sumav(v)

%
% Sumav(v) es la suma de las componentes del vector v
%
suma = 0;
for k = 1:length(v) Entrada: v

suma = suma + v(k);

end suma = 0

k = 1

false
k <= longitud(v)

true

suma = suma + v(k)

k = k + 1

Salida: v

Observación: Lo que es importante observar y comprender aquí es que en este tipo de bucle, no
hay que ocuparse explícitamente de la inicialización de la variable-índice k ni de su incremento en
cada iteración. La instrucción for se ocupa de todo cuando se proporciona la lista de valores que
debe tomar k.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 129

Ejemplo 4.18 (Uso de for)

Escribir una M-función

function [y] = Traza(A)

que calcule la traza de la matriz cuadrada A.

function [tr] = Traza(A)

%
% Traza(A) es la suma de los elementos diagonales de la
% matriz cuadrada A
%
[n,m] = size(A);
if n ~= m
error('La matriz no es cuadrada')
end
tr = 0;
for k = 1:n
tr = tr + A(k,k);
end

En el programa Traza se hace uso de la instrucción error, cuya descripción se encuentra en el apar-
tado 4.4.
Los bucles y los condicionales se pueden anidar unos dentro e otros, como en los ejemplos que siguen:

Ejemplo 4.19 (Uso de for + if )

Escribe una M-función

function [vmax] = Mayor(v)

que reciba como argumento un vector v y devuelva la mayor de sus componentes.

function [vmax] = Mayor(v)

%
% Mayor(v) es el maximo de las componentes del vector v
%
vmax = v(1);
for k = 2:length(v)
if v(k) > vmax
vmax = v(k);
end
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 130

Ejemplo 4.20 (Uso de for anidado)

Escribe una M-función

function [amax] = MayorM(A)

que reciba como argumento una matriz A y devuelva el máximo entre los valores absolutos de todas
sus componentes

function [amax] = MayorM(A)

%
% MayorM(A) es el maximo de los valores absolutos de
% las componentes de la matriz A
%
amax = 0;
[nf, nc] = size(A);
for i = 1:nf
for j = 1:nc
aij = abs(A(i,j));
if aij > amax
amax = aij;
end
end
end

Ejercicio 4.21 Modifica la función MayorM del ejemplo anterior, para que devuelva, además, los
números de la fila y columna en que se produce el máximo.

4.4 Rupturas incondicionales de secuencia

En ocasiones interesa finalizar la ejecución de un programa en algún punto “intermedio” del mismo,
es decir, no necesariamente después de la última instrucción que aparece en el código fuente. Esto se
hace mediante la orden

return

que devuelve el control a la ventana de comandos o bien al programa que llamó al actual.
En otras ocasiones es necesario interrumpir la ejecución de un bucle de repetición en algún punto
interno del bloque de instrucciones que se repiten. Lógicamente, ello dependerá de que se verifique o
no alguna condición. Esta interrupción puede hacerse de dos formas:

Abandonando el bucle de repetición definitivamente.

Abandonando la iteración en curso, pero comenzando la siguiente.

Las órdenes respectivas en MATLAB, tanto en un bucle while como en un bucle for):

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 131

break
continue

El funcionamiento de estas órdenes queda reflejado en los diagramas de flujo correspondientes

(Figuras 4.5 y 4.6).

condición para false condición para false

repetir repetir

true true

instrucciones-1 instrucciones-1

condición true true condición

para break continue para
romper romper

false false

instrucciones-2 instrucciones-2

Figura 4.5: Ruptura de bucle break: Si en algún Figura 4.6: Ruptura de bucle continue: Si en al-
momento de un bucle de repetición (de cualquier gún momento de un bucle de repetición (de cual-
tipo) se llega a una instrucción break, el ciclo quier tipo) se llega a una instrucción continue,
de repetición se interrumpe inmediatamente y la iteración en curso se interrumpe inmediata-
el programa continúa ejecutándose por la ins- mente, y se inicia la siguiente iteración (si pro-
trucción siguiente a la cláusula end del bucle. Si cede).
se trata de un bucle indexado for, la variable-
índice del mismo conserva el último valor que
haya tenido.

4.5 Gestión de errores: warning y error

La instrucción siguiente se utiliza para alertar al usuario de alguna circunstancia no esperada durante
la ejecución de un programa, pero no lo detiene. La orden

warning('Mensaje')

imprime Warning: Mensaje en la pantalla y continúa con la ejecución del programa.

Por el contrario, la instrucción

error('Mensaje')

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 132

imprime Mensaje en la pantalla y detiene en ese punto la ejecución del programa.

Además de estas funciones y sus versiones más completas, MATLAB dispone de otras órdenes para
gestionar la detección de errores. Véase Error Handling en la documentación.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 133

4.6 Algunos consejos

Algunos comentarios generales sobre la escritura de programas:

• A los argumentos de salida de una M-función siempre hay que darles algún valor.
• Las instrucciones for, if, while, end, return, ... no necesitan llevar punto y coma al final, ya
que no producen salida por pantalla. Sí necesitanGENERALES
COMENTARIOS llevarlo, en general, las instrucciones incluidas
dentro.
• Las
1. M-funciones
Lo mínimo noquenecesitan
se le pidellevar
a un end al final.
programa De llamarse
para hecho, a así
nivel
es de
queeste
no curso, que lo lleven
produzca
puedeerrores
inducir de
a error. Mejor
ejecución. no ponerlo.
• Todos
2. A los
los programas
argumentos deben incluir
de salida de unas líneas de siempre
una !"#$%&'# comentarioshayque expliquen
que de forma
darles algún sucinta
valor.
su cometido y forma de utilización. En las M-funciones, estas líneas deben ser las siguientes a la
instrucción
3. Hay que comprobar
function, ya que de esta manera
los programas que son utilizadas
se hacen, por MATLAB
dándoles valores acomo el texto de help
los argumentos
de la para verificar
función. En lostodos losdeben
scripts casos serque
las podrían
primeras darse. Esto
líneas del forma parte del proceso de
archivo.
diseño y escritura del programa.
• Es bueno, en la medida de lo posible y razonable, respetar la notación habitual de la formulación
[Link] instrucciones
problema los, &!
al elegir!'( , )*&+,de
nombres , ,#-
las, variables.
(,%"(# ...Ejemplos
no necesitan llevar punto y coma al
final, ya que no producen salida por pantalla. Necesitan llevarlo, en general, las
• Llamar S a una
instrucciones suma y dentro.
incluidas P a un producto,
Ejemplo: mejor que G o N.
• Llamar i, j, k, l, m, n a un número entero, mejor que x ó y.
!"#$%&'##############(#)*+,-#.#/-0$#!++1/12$3!-#
• Llamar T o temp###/4$5&'#
a una temperatura, mejor que P.
1+6'#################(#)*+,-#.#/-0$#!++1/12$3!-#
• Llamar e, err ó error a un error, mejor que vaca.
5. Lashay
• Cuando M-funciones
errores ennoun
necesitan llevar
programa, hay,#- al final.
que De hecho,
leer con a nivel
atención losde este curso,
mensajes que lo
de error que
lleven puede inducir a error. Mejor no ponerlo.
envía matlab. Contienen mucha información, que en la mayoría de los casos es suficiente para
ayudar a detectar el error.
6. Todos los programas deben incluir una líneas de comentarios que expliquen de forma
sucinta
• Hay que su cometido
comprobar y forma de
los programas queutilización. Para insistir
se hacen, dándoles en este
valores a lospunto, en lospara
argumentos exámenes
verificar
se penalizará que no los lleven y/o que no sean adecuados.
que funciona bien en todos los casos que puedan darse. Esto forma parte del proceso de
diseño y escritura
7. Los espacios del programa.
en blanco, en general, hacen el código más legible y por tanto más fácil de
comprender y corregir. Se debe dejar uno o dos espacios en blanco entre el caracter %
• Los espacios en blanco, en general, hacen el código más legible y por lo tanto más fácil de
de cada linea de comentario y el texto del comentario.
comprender y corregir. Se deben dejar uno o dos espacios entre el carácter % de cada línea de
comentario y ellos
Compara texto
dosdel comentario
códigos (comparénse los dos códigos siguientes).
siguientes:

"*+/,!-+78$98:;4816!$2<=># "*+/,!-+#78$98:;4816!$2<=>#
(8$4816!$2<=>##61?*1@?1#@$#016!$#$3!,01,!/$# (HHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHH#
(61#@-2#+*013-2#+$,*3$@12#01+-312#-#!:*$@12## (##8$4816!$2<=>##61?*1@?1#@$#016!$#
(A*1#=# (#####$3!,01,!/$#61#@-2#+*013-2#
(78$981;4816!$2<=>#61?*1@?1#,$0&!1+#@$# (#####+$,*3$@12#01+-312#-#!:*$@12#A*1#=#
016!$## (##78$981;4816!$2<=>#61?*1@?1#,$0&!1+#@$#
(:1-01,3!/$# (#####016!$#:1-01,3!/$#
8$4B'# (HHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHHH#
8:4C'# (#
"-3#!4CD=# ##
8$48$5!'# 8$#4#B'#
8:48:E!'# 8:#4#C'#
1+6# ##
=C4CF='# "-3#!4CD=#
8$48$E=C'# ##8$#4#8$5!'#
8:48:G<=C>'# ##8:#4#8:E!'#
# 1+6#
##
=C##4#CF='#
8$#4#8$E=C'#
8:#4#8:G<=C>'#
#
8. Es bueno respetar, en la medida de lo posible y razonable, la notación habitual de la
formulación de un problema. Ejemplos:
R. Echevarría a. Llamar S a una suma, mejor que G Dpto. EDAN - Universidad de Sevilla
b. Llamar P a un producto, mejor que N
c. Llamar T ó temp a una temperatura, mejor que P
d. Llamar i j k l m n a un número entero, como un índice, mejor que x ó y
4. Programación con MATLAB 134

4.7 Ejercicios
En este listado de ejercicios están incluidos, también, los ejemplos que se han ido mostrando a lo largo
de este capítulo.
En todos estos ejercicios se debe, además, dibujar el diagrama de flujo del algoritmo correspondiente.

1. (HolaMundo.m) Escribir un script que pida el nombre al usuario, escriba un mensaje de saludo
“Hola + nombre”, y escriba la fecha actual.

2. (LeeNumero.m) Escribir un script que lea un numero y escriba un mensaje “El numero leido
es + numero” en una sola linea.

3. (Maximo.m) Usando la instrucción if - end (sin cláusula else), escribir un script que lea dos
números e imprima el máximo entre ellos con un mensaje: “El maximo es + numero”.

4. (Ordena.m) Usando la instrucción if - else - end, escribir un script que lea dos números y
los imprima en pantalla ordenados en orden creciente, con un mensaje “Los numeros ordenados
son + numeros”.

5. (Maxim.m) Escribir una M-función

function [z] = Maxim(x, y)

que reciba como argumentos dos numeros y devuelva el mayor de ellos. Se trata del mismo
algoritmo que el ejercicio 3, pero en versión M-función.

6. (Orden.m) Escribe una M-función

function [v] = Orden(x, y)

que reciba como argumentos dos numeros y devuelva un vector-fila cuyas dos componentes sean
los argumentos de entrada ordenados en orden creciente. Mismo algoritmo del ejercicio 4, en
versión M-función.

7. (Cuadrante.m) Escribe una M-función que reciba como argumentos las coordenadas de un
punto (x, y) del plano y devuelva un número (1,2,3 o 4) que indique en qué cuadrante del plano
se encuentra. El programa debe devolver 0 si el punto se encuentra sobre alguno de los ejes
coordenados.

8. (Donde.m) Escribir una M-función

function Donde(x, a, b)

que reciba como argumentos de entrada un número x ∈ R y los extremos de un intervalo [a, b],
y escriba en la pantalla un mensaje indicando si x < a, x ∈ [a, b] o x > b.

9. (AreaTri.m) Escribe una M-función

function [A] = AreaTri(x1, x2, x3)

que calcule el área de un triángulo a partir de las longitudes de sus lados:

» x1 + x2 + x3
A = p(p − x1 )(p − x2 )(p − x3 ), con p =
2
La función debe emitir un error en los casos eventuales en que no se pueda calcular el área:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 135

a) Si alguna de las longitudes recibidas toma un valor menor o igual que cero.
b) Si el radicando es negativo, lo cual indica que no existe ningún triángulo con esos lados.

10. (SumaImparesM.m) Escribir una M-función

function [n] = SumaImparesM(m)

que calcule y devuelva el mayor número impar n para el cual la suma de todos los números
impares entre 1 y n es menor o igual que m.

11. (Adivina.m) Escribe una M-función

function Adivina(m)

que genere un número aleatorio entre (por ejemplo) 1 y 25, y le pida repetidamente al usuario
que escriba un número en el teclado, hasta que lo acierte.

12. (Mayor.m) Escribe una M-función

function [vmax] = Mayor(v)

que reciba como argumento un vector v y devuelva la mayor de sus componentes.

13. (Traza.m) Escribe una M-función

function [w] = Traza(A)

que reciba como argumento una matriz A y devuelva su traza.

14. (ProdMat.m) Escribir una M-función

function [w] = ProdMat(A,v)

que reciba como argumentos de entrada una matriz A y un vector v y devuelva el vector w = A v,
calculado mediente bucles de repetición. El programa debe limitarse a hacer el cálculo y devolverlo
a través de la variable de salida w, sin imprimir nada en la pantalla, a excepción, eventualmente,
de mensajes de error y/o de advertencia.

15. (SimMat.m) Escribir una M-función

function [B] = SimMat(A)

que reciba como argumento de entrada una matriz A y devuelva su transpuesta, calculada me-
diente bucles de repetición.

16. (Grado1.m) Escribe un script que pida al usuario los coeficientes, a y b, de una ecuación de
primer grado ax + b = 0 e imprima su solución. El script debe asegurarse de que a es distinto de
cero y, en caso contrario, volver a pedirlo.

17. (Grado2.m) Escribe un script que pida al usuario los coeficientes, a, b y c, de una ecuación de
segundo grado ax2 + bx + c = 0 e imprima sus soluciones, indicando cuál de los tres casos posibles
se da:

• Dos soluciones reales y distintas

• Una solución real doble

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 136

• Dos soluciones complejas conjugadas

18. (Factorial.m) Escribe una M-función

function [fact] = Factorial(n)

que reciba como argumento un numero entero positivo n y calcule su factorial por multiplicaciones
sucesivas. La función debe escribir una tabla conteniendo, en cada linea, el valor de la iteración
corriente y el valor calculado hasta dicha iteración.

19. (Medias.m) Escribe una M-función

function [Ma, Mg] = Medias(N)

que reciba como argumento un número N y devuelva dos valores: la media aritmética Ma y la
media geométrica Mg de los números naturales menores o iguales que N .

20. (Fibonacci.m) La sucesión de Fibonacci surgió en el siglo XIII cuando el matemático italiano
Leonardo Pisano Fibonacci estudió un problema relativo a la reproducción de los conejos. Esta
sucesión {fn }n≥1 está definida para n ≥ 1 por fn+2 = fn+1 + fn , siendo f1 = f2 = 1. Escribir
una M-función

function [FN] = Fibonacci(N)

que reciba como argumento un número entero N > 2 y devuelva el término N -ésimo de la sucesión
de números de Fibonacci.

Para cada una de las series infinitas de los ejercicios 21 a 24 que siguen, cuyas sumas se indican en
cada caso, se pide escribir una M-función que reciba un valor de x y un valor de N y calcule y devuelva
un valor aproximado, SN , de la suma de la serie, sumando sus N + 1 primeros términos (desde i = 0
hasta i = N ):
XN
SN = ti (ti es el término general de la serie)
i=0

El programa debe, también, imprimir en pantalla una tabla, con una línea por iteración, con los valores
de: (a) número de la iteración,i; (b) valor del término sumado en esa iteración, ti ; (c) valor de la suma
parcial, Si ; (d) error, |Si − f (x)|.

21. (SumaGeom.m)
∞
1 X
= 1 + x + x2 + x3 + · · · + xn + · · · = xi ∀x tal que |x| < 1
1−x
i=0

22. (Sumaxcos.m)
∞
x3 x5 x2n+1 X x2i+1
x cos(x) = x − + + · · · + (−1)n + ··· = (−1)i ∀x ∈ R
2! 4! (2n)! (2i)!
i=0

23. (SumaExp.m)
∞
x2 x3 xn X xi
ex = 1 + x + + + ··· + + ··· = ∀x ∈ R
2! 3! n! i!
i=0

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 137

24. (SumaLog.m)
∞
x3 x5 x2n+1 x2i+1
…
1 + x X
ln =x+ + + ··· + + ··· = ∀x tal que |x| < 1
1−x 3 5 2n + 1 2i + 1
i=0

25. (Contiene.m) Escribir una M-función

function [bool] = Contiene(v,n)

que reciba como argumentos de entrada un vector v de números enteros y un número entero n,
y devuelva el valor lógico true si alguna de las componentes de v es igual a n, y el valor lógico
false en caso contrario. No es necesario que el programa compruebe que los datos de entrada
son, efectivamente, números enteros.

26. (DosCirculos.m) Escribir una M-función

function [zona] = DosCirculos(x, y)

que devuelva, para cada par (x,y), un valor zona de acuerdo con la regla siguiente:

• zona=1 si el punto está en el interior o sobre la circunferencia x2 + y 2 = 1.

• zona=2 si el punto está en el interior o sobre la circunferencia (x − 7)2 + y 2 = 1.
• zona=0 si el punto es exterior a las dos circunferencias precedentes.

27. (Separar.m) Escribir una M-función

function [w1, w2] = Separar(v)

que reciba como argumento de entrada un vector v de números enteros y devuelva dos vectores
w1 y w2 construidos como sigue:

• w1 contiene las componentes pares y nulas de v.

• w2 contiene las componentes impares de v.

28. (SuperaMedia.m) Escribir una M-función

function [w] = SuperaMedia(v)

que reciba como argumento de entrada un vector v y proporcione como salida otro vector w
formado por las componentes de v que tengan un valor mayor o igual que la media aritmética de
todas las componentes de v.

29. (EsPrimo.m) Escribe una M-función

function [bool] = EsPrimo(n)

que reciba como argumento de entrada un número entero n positivo y devuelva el valor lógico
true si n es primo y false si no lo es. El programa debe comprobar que el valor de n recibido es
realmente un entero positivo y, en caso contrario, emitir un mensaje de “warning” y devolver el
valor lógico false.
Para decidir si un número divide a otro se puede utilizar la función intrínseca de matlab
mod(x,y) que devuelve el resto de la división entera x/y. Para decidir si un número es ente-
ro se puede utilizar la función round(x) que devuelve el número entero más próximo a x.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 138

30. (CambioSigno.m) Escribir una M-función

function [index] = CambioSigno(v)

que reciba como argumento de entrada un vector v y proporcione como salida un entero index
definido como sigue:

• Si todas las componentes del vector v son del mismo signo (todas positivas o todas negativas),
entonces index =0.
• Si no todas las componentes del vector v son del mismo signo, index es el menor valor que
verifica v(index) ∗ v(index + 1) ≤ 0.

Por ejemplo, si v = (2, 5.4, 6.12, 7), entonces debe ser index = 0; si v = (3.2, 1.47, −0.9, 0.75),
entonces debe ser index = 2.

31. (EsBisiesto.m) Escribir una M-función

function [bool] = EsBisiesto(a)

que determine si un año dado es bisiesto o no, teniendo en cuenta que son años bisiestos los
múltiplos de 4, excepto los que son también múltiplos de 100 pero no lo son de 400.

32. (FechaValida.m) Escribir una M-función

function [bool] = FechaValida(dia,mes,anno)

que permita validar una fecha dia-mes-anno. Debe tenerse en cuenta la posibilidad de que sea
un año bisiesto. Para comprobar si lo es, se puede hacer uso de la función EsBisiesto anterior.

33. (Divisores.m) Escribir una M-función

function [v]=Divisores(N)

que devuelva, como elementos del vector v, los divisores del numero N.

34. (Perfecto.m) Escribir una M-función

function [bool] = Perfecto(N)

Escribir un programa que determine si un número natural N dado es perfecto o no. Se dice que
un número es perfecto cuando es igual a la suma de sus divisores, excluido él mismo. Por ejemplo
6 es perfecto, ya que 6 = 1 + 2 + 3.

35. (Goldbach.m) La conjetura de Goldbach es uno de los problemas abiertos más antiguos de la
Teoría de Números. Dice que: “Todo número par mayor que 2 se puede obtener como suma de
dos números primos”.
Escribir un programa

function [p] = Goldbach(N)

que descomponga un número par N dado en la suma de dos números primos p=[p1,p2] (puede
ser el mismo primo repetido)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 139

36. (Descomponer.m) Escribir un programa que reciba como argumento un número entero y lo
descomponga en unidades, decenas, centenas, etc. (No se pueden usar cadenas de caracteres para
resolver el problema.)

function [d]=Descomponer(N)

El argumento de salida d será un vector fila, de longitud igual al número de dígitos de N conte-
niendo su descomposición. Por ejemplo, si N=36201, debe ser d=[1,0,2,6,3].

37. (Horner.m) Desde el punto de vista de la economía de operaciones, la manera óptima de evaluar
el polinomio
p(x) = cn+1 + cn x + cn−1 x2 + · · · + c2 xn−1 + c1 xn
es utilizando la siguiente expresión:


p(x) = cn+1 + x cn + x cn−1 + . . . x(c2 + c1 x) . . .

Escribir una M-función

function [y] = Horner(c, x)

que evalúe el polinomio de coeficientes c en el punto x (x puede ser un vector y en ese caso y
debe ser un vector de las mismas dimensiones).

38. (derpol.m) En MATLAB un polinomio se representa mediante un vector que contiene los valores
de sus coeficientes: el polinomio p(x) = a1 xn + a2 xn−1 + · · · + an x + an+1 se representa mediante
el vector-fila c = (a1 , a2 , . . . , an , an+1 ). Escribir una M-función

function [dc] = derpol(c)

que recibe como argumento de entrada un vectores, c conteniendo los coeficientes de un polinomio,
y devuelva, en el vector dc, los coeficientes de su derivada.

39. (sumapol.m) En MATLAB un polinomio se representa mediante un vector que contiene los
valores de sus coeficientes: el polinomio p(x) = a1 xn + a2 xn−1 + · · · + an x + an+1 se representa
mediante el vector-fila c = (a1 , a2 , . . . , an , an+1 ). Escribir una M-función

function [c] = sumapol(c1, c2)

que recibe como argumentos de entrada dos vectores, c1 y c2 (de longitudes desconocidas que
pueden ser distintas) representando dos polinomios, y devuelva, en el vector c, los coeficientes
del polinomio suma de los dos anteriores.

40. (PuntoEnTriangulo.m) Dado un triángulo de vértices X, Y y Z, y un punto P del plano, se

verifica que: El punto P pertenece al triángulo XY Z si y sólo si A = A1 + A2 + A3 , donde
A = área del triángulo XY Z, A1 = área del triángulo XY P
A2 = área del triángulo Y ZP , A3 = área del triángulo ZXP .
Escribir una M-función,

function [bool] = PuntoEnTriangulo(X, Y, Z, P)

que devuelva bool = true si el punto P pertenece al triangulo XY Z y bool = false si no.
Indicación: La función de MATLAB polyarea sirve para calcular el área de un polígono plano
(ver Help).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

4. Programación con MATLAB 140

41. (Correos.m) Escribir un script que calcule el coste de enviar un paquete de correos, en base a
la siguiente tabla de precios:

Tipo de envío Peso (0-1 kg) Peso (1-5 kg) Peso (5-25 kg)
Tierra 1.50 e 1.50 e + 1 e adicio- 5.50 e + 0.60 e adi-
nal por cada kg o frac- cionales por cada kg o
ción de kg, a partir de fracción de kg, a partir
1 kg de peso. de 5 kg de peso.
Aire 3e 3 e + 1 e adicional 10.20 e + 1.20 e
por cada kg o fracción adicionales por cada kg
de kg, a partir de 1 kg o fracción de kg, a partir
de peso. de 5 kg de peso.
Urgente 18 e 18 e + 6 e adicio- No se realizan envíos ur-
nales por cada kg o frac- gentes de paquetes con
ción de kg, a partir de un peso superior a 5 kg.
1 kg de peso.

El programa pedirá por pantalla los datos peso y tipo de envío. En el caso de un envío por tierra
o aire de más de 25 kg, el programa escribirá en pantalla el mensaje “No se realizan repartos de
más de 25 kg”. En el caso de envíos urgentes de más de 5 kg, el programa escribirá en pantalla
el mensaje “No se realizan repartos urgentes de más de 5 kg”

42. (Camino.m) Escribir una M-función

function [long] = Camino(x, y)

que reciba como argumentos dos vectores x e y conteniendo respectivamente las abscisas y las
ordenadas de una sucesión de puntos del plano, y devuelva la longitud del camino que se forma
uniendo dichos puntos en el orden dado.

43. (CaminoOrd.m) Escribir una M-función

function [long] = CaminoOrd(x, y)

que reciba como argumentos dos vectores x e y conteniendo respectivamente las abscisas y las
ordenadas de una sucesión de puntos del plano, y devuelva la longitud del camino que se forma
uniendo dichos puntos en orden creciente de abscisas.
Esto ejercicio es como el anterior 42, pero es preciso previamente ordenar los puntos de forma
que sus abscisas estén en orden creciente. Para ello hay que usar la orden sort cuyo uso se debe
consultar en el Help de matlab.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

5 B

SE
Resolución de sistemas

UNIVER

VILLA
lineales e an
Ecuaciones Diferenciales
y Análisis Numérico

5.1 Los operadores de división matricial

Sea A una matriz cualquiera y sea B otra matriz con el mismo número de filas que A1 . Entonces, la
“solución” del “sistema” (en realidad un sistema lineal por cada columna de B)

AX = B

se calcula en MATLAB mediante el operador no estándar “ \” denominado backward slash, (barra

inversa en español)

X = A \ B
X = mldivide(A, B) (equivalente a lo anterior)

Hay que pensar en él como el operador de “división matricial por la izquierda” (A\B ≡ A−1 B).
De forma similar, si C es una matriz con el mismo número de columnas que A, entonces la solución
del sistema
XA=C
se obtiene en MATLAB mediante el operador“/ ” (“división matricial por la derecha”)

X = C / A
X = mrdivide(C, A) (equivalente a lo anterior)

Estos operadores se aplican incluso si A no es una matriz cuadrada. Lo que se obtiene de estas opera-
ciones es, lógicamente, distinto según sea el caso.
De forma resumida, si A es una matriz cuadrada e y es un vector columna, c = A\y es la solución del
sistema lineal Ac=y, obtenida por diferentes algoritmos, en función de las características de la matriz
A (diagonal, triangular, simétrica, etc.). Si A es singular o mal condicionada, se obtendrá un mensaje
de alerta (warning). Si A es una matriz rectangular, A\y devuelve una solución de mínimos cuadrados
del sistema Ac=y.

1
A menos que A sea un escalar, en cuyo caso A\B es la operación de división elemento a elemento, es decir A./B.

141
5. Resolución de sistemas lineales 142

Para una descripción completa del funcionamiento de estos operadores, así como de la elección del
algoritmo aplicado, véase la documentación de MATLAB correspondiente, tecleando en la ventana de
comandos

doc mldivide

Ejemplo 5.1 (Uso del operador \)

Calcular la solución del sistema (compatible determinado)



 2x1 + x2 − x3 = −1

2x1 − x2 + 3x3 = −2



 3x − 2x
1 2 = 1

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

>> b = [-1; -2; 1];
>> x = A\b
x =
-0.3636
-1.0455
-0.7727

Como comprobación calculamos el residuo que, como es de esperar, no es exactamente nulo, debido
a los errores de redondeo:

>> A*x - b
ans =
1.0e-15 *
-0.4441
0
0

Ejemplo 5.2 (Uso del operador \)

Calcular la solución del sistema (compatible indeterminado)

x + x2 + x3 = 1
 1



2x1 − x2 + x3 = 2



 x − 2x
1 2 = 1

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 143

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

>> b = [ 1; 2; 1];
>> x = A\b
Warning: Matrix is singular to working precision.
x =
NaN
NaN
NaN

Ejemplo 5.3 (Uso del operador \)

Calcular la solución del sistema (incompatible)



 2x + 2y + t = 1


 2x − 2y + z

= −2



 x−z+t = 0


 −4x + 4y − 2z = 1

>> A = [2, 2, 0, 1; 2, -2, 1, 0; 1, 0, -1, 1; -4, 4, -2, 0];

>> b = [ 1; -2; 0; 1];
>> x = A\b
Warning: Matrix is singular to working precision.
x =
NaN
NaN
-Inf
-Inf

5.2 Determinante. ¿Cómo decidir si una matriz es singular?

El determinante de una matriz cuadrada A se calcula con la orden

det(A)

Este cálculo se hace a partir de la factorización LU de la matriz A, ya que se tiene det(L) = 1, y

det(A) = det(U ), que es el producto de sus elementos diagonales.
El uso de det(A) == 0 para testar si la matriz A es singular sólo es aconsejable para matrices de
pequeño tamaño y elementos enteros también de pequeña magnitud.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 144

El uso de abs(det(A)) < epsilon tampoco es recomendable ya que es muy difícil elegir el epsilon
adecuado (véase el Ejemplo 5.4).
Lo aconsejable para testar la singularidad de una matriz es usar su número de condición cond(A).

Ejemplo 5.4 (Matriz no singular, con det. muy pequeño, bien condicionada)
Se considera la matriz 10 × 10 siguiente, que no es singular, ya que es múltiplo de la identidad,

>> A = 0.0001 * eye(10);

>> det(A)
ans =
1.0000e-40

Vemos que su determinante es muy pequeño. De hecho, el test abs(det(A)) < epsilon etique-
taría esta matriz como singular, a menos que se eligiera epsilon extremadamente pequeño. Sin
embargo, esta matriz no está mal condicionada:

>> cond(A)
ans =
1

Ejemplo 5.5 (Matriz singular, con det(A) muy grande)

Se considera la matriz 13 × 13 construida como sigue, que es singular y de diagonal dominante:

>> A = diag([24, 46, 64, 78, 88, 94, 96, 94, 88, 78, 64, 46, 24]);
>> S = diag([-13, -24, -33, -40, -45, -48, -49, -48, -45, -40, -33, -24], 1);
>> A = A + S + rot90(S,2);

La matriz que se obtiene es

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 145

24 -13 0 0 0 0 0 0 0 0 0 0 0
-24 46 -24 0 0 0 0 0 0 0 0 0 0
0 -33 64 -33 0 0 0 0 0 0 0 0 0
0 0 -40 78 -40 0 0 0 0 0 0 0 0
0 0 0 -45 88 -45 0 0 0 0 0 0 0
0 0 0 0 -48 94 -48 0 0 0 0 0 0
0 0 0 0 0 -49 96 -49 0 0 0 0 0
0 0 0 0 0 0 -48 94 -48 0 0 0 0
0 0 0 0 0 0 0 -45 88 -45 0 0 0
0 0 0 0 0 0 0 0 -40 78 -40 0 0
0 0 0 0 0 0 0 0 0 -33 64 -33 0
0 0 0 0 0 0 0 0 0 0 -24 46 -24
0 0 0 0 0 0 0 0 0 0 0 -13 24

A es singular (la suma de todas sus filas da el vector nulo). Sin embargo, el cálculo de su determi-
nante con la función det da

>> det(A)
ans =
1.0597e+05

cuando debería dar como resultado cero! Esta (enorme) falta de precisión es debida a los errores
de redondeo que se cometen en la implementación del método LU , que es el que MATLAB usa
para calcular el determinante. De hecho, vemos que el número de condición de A es muy grande:

>> cond(A)
ans =
2.5703e+16

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 146

5.3 La factorización LU
La factorización LU de una matriz se calcula con MATLAB con la orden

[L, U, P] = lu(A)

El significado de los distintos argumentos es el siguiente:

L es una matriz triangular inferior con unos en la diagonal.

U es una matriz triangular superior.
P es una matriz de permutaciones, que refleja los intercambios de filas realizados durante el proceso
de eliminación gaussiana sobre las filas de la matriz A, al aplicar la técina del pivot.
LU=PA es la factorización obtenida.

Entonces, para calcular la solución del sistema lineal de ecuaciones

Ax = b

utilizando la factorización anterior sólo hay que plantear el sistema, equivalente al anterior,

 Lv = P b

P A x = P b ⇐⇒ L U x = P b ⇐⇒
 Ux=v


El primero de estos dos sistemas se resuelve fácilmente mediante un algoritmo de bajada, ya que la
matriz del mismo es triangular inferior. Una vez calculada su solución, v, se calcula x como la solución
del sistema U x = v, que se puede calcular mediante un algoritmo de subida, al ser su matriz triangular
superior.

Ejercicio 5.6 Escribir una M-función function [x] = Bajada(A, b) para calcular la solución
x del sistema Ax = b, siendo A una matriz cuadrada triangular inferior.

Algoritmo de bajada
n = dimensión de A
Para cada i = 1, 2, . . . n,
1  i−1
P 
xi = bi − Aij xj
Aii j=1
Fin

Para comprobar el funcionamiento del programa, construir una matriz 20 × 20 (por ejemplo) y un
vector columna b de números generados aleatoriamente (con la función rand o bien con randi) y
luego extraer su parte triangular inferior con la función tril(∗) . (Consultar en el help de MATLAB
la utilización de estas funciones).
(∗)Aunque, en realidad esto no es necesario. Obsérvese que en el programa Bajada que sigue, no
se utiliza la parte superior de la matriz A.

function [x] = Bajada(A, b)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 147

%
% Bajada(A, b) es la solucion del sistema lineal de
% matriz triangular inferior Ax = b
%
%------ tolerancia para el test de singularidad
tol = 1.e-10;
%------ inicializaciones
n = length(b);
x = zeros(n,1);
for i = 1:n
Aii = A(i,i);
if abs(Aii) < tol
warning(' La matriz A es singular ')
end
suma = 0; % en version vectorial, sin usar for,
for j = 1:i-1 % se puede calcular la suma con:
suma = suma + A(i,j)*x(j); %
end % suma = A(i,1:i-1)*x(1:i-1)
x(i) = (b(i) - suma)/Aii;
end

Ejercicio 5.7 Escribir una M-función function [x] = Subida(A, b) para calcular la solución
x del sistema Ax = b, siendo A una matriz cuadrada triangular superior.

Algoritmo de subida
n = dimensión de A
Para cada i = n, . . . , 2, 1
1  Pn 
xi = bi − Aij xj
Aii j=i+1
Fin

Para comprobar el funcionamiento del programa, construir una matriz A y un vector b de números
generados aleatoriamente (como en el ejercicio anterior) y luego extraer su parte triangular inferior
con la función triu.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 148

Ejercicio 5.8 Escribir una M-función function [x, res] = LU(A, b) que calcule la solución
x del sistema Ax = b y el residuo res=Ax − b siguiendo los pasos siguientes:
— Calcular la factorización LU mediante la función lu de MATLAB
— Calcular la solución del sistema Lv = P b mediante la M-función Bajada
— Calcular la solución del sistema U x = v mediante la M-función Subida
Utilizar la M-función LU para calcular la solución del sistema
Ñ 1 1 0 3 é Ñ x1 é Ñ 1 é
2 1 −1 2 x2 2
3 −1 −1 2 x3 = 3
−1 2 3 −1 x4 4

Observación: Llamamos LU (con mayúsculas) a esta función para que no se confunda con la
función lu (minúsculas) de MATLAB.

1
Ejercicio 5.9 Las matrices de Hilbert definidas por Hij = son un ejemplo notable de
i+j−1
matrices mal condicionadas, incluso para dimensión pequeña.
Utilizar la M-función LU para resolver el sistema Hx = b, donde H es la matriz de Hilbert de
dimensión n = 15 (por ejemplo) y b es un vector de números generados aleatoriamente. Comprobar
que el residuo es grande. Comprobar que la matriz H está mal condicionada calculando su número
de condición.
La función hilb(n) construye la matriz de Hilbert de dimensión n.

5.4 La factorización de Cholesky

La factorización de Cholesky de una matriz simétrica se calcula en MATLAB con alguna de las órdenes

U = chol(A) % se obtiene una matriz triang. superior

L = chol(A, 'lower') % se obtiene una matriz triang. inferior

de manera que se tiene U t U = A con la primera opción y L Lt = A con la segunda.

Cuando se usa en la forma chol(A), la función chol sólo usa la parte triangular superior de la matriz
A para sus cálculos, y asume que la parte inferior es la simétrica. Es decir, que si se le pasa una
matriz A que no sea simétrica no se obtendrá ningún error. Por el contrario, si se usa en la forma
chol(A,'lower'), sólo se usará la parte triangular inferior de A, asumiendo que la parte superior es
la simétrica.
La matriz A tiene que ser definida positiva. Si no lo es, se obtendrá un error.
Una vez calculada la matriz L, para calcular la solución del sistema lineal de ecuaciones

Ax = b

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 149

utilizando la factorización anterior sólo hay que plantear el sistema, equivalente al anterior,

 Lv = b

t
A x = b ⇐⇒ L L x = b ⇐⇒
 Lt x = v


que, de nuevo, se resuelven fácilmente utilizando sendos algoritmos de bajada + subida.

Si, por el contrario, se calcula la factorización en la forma U t U = A, entonces se tiene

 Ut v = b

t
A x = b ⇐⇒ U U x = b ⇐⇒
 Ux=v


que se resuelve aplicando en primer lugar el algoritmo de subida y a continuación el de bajada.

Ejercicio 5.10 Escribir una M-función function [x, res] = CHOL(A, b) que calcule la solu-
ción x del sistema con matriz simétrica definida positiva Ax = b y el residuo res=Ax − b siguiendo
los pasos siguientes:
— Calcular la matriz L de la factorización de Cholesky LLt de A mediante la función chol de
MATLAB
— Calcular la solución del sistema Lv = b mediante la M-función Bajada
— Calcular la solución del sistema Lt x = v mediante la M-función Subida
Para comprobar el funcionamiento del programa, se puede generar alguna de las matrices definida
positivas siguientes:
— M = gallery(’moler’, n)
— T = gallery(’toeppd’, n)
— P = pascal(n)

Observación: Por la misma razón que en el ejercicio 5.8, llamamos CHOL (mayúsculas) a esta
función para que no se confunda con la función chol (minúsculas) de MATLAB.

5.5 Resolución de sistemas con características específicas

En la resolución numérica de sistemas lineales, sobre todo si son de grandes dimensiones, resulta
imprescindible aprovechar propiedades concretas que pueda tener la matriz del sistema para utilizar
un método ad hoc que reduzca el número de operaciones a realizar y, en consecuenia, el tiempo de
cálculo y los errores de redondeo.
MATLAB dispone de una gran cantidad de funciones dedicadas a este problema. Para detalles se debe
consultar la documentación.
Sin entrar en muchos detalles, la función linsolve proporciona un poco más de control que el operador
\ sobre el método de resolución a utilizar. La orden

x = linsolve(A, b)

resuelve el sistema lineal Ax = b por factorización LU si A es una matriz cuadrada y regular, y por
factorización QR si no.
La orden

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 150

x = linsolve(A, b, opts)

resuelve el sistema lineal Ax = b por el método que resulte más apropiado, dadas las propiedades de
la matriz A, que se pueden especificar mediante el argumento opcional opts (véase la documentación).

5.6 Matrices huecas (sparse)

En muchas aplicaciones prácticas, aparecen matrices que sólo tienen un pocos elementos distintos de
cero. Estas matrices se denominan huecas (sparse en la terminología en inglés, creuse en la terminología
francesa). Por ejemplo, en simulación de circuitos y en implementación de métodos de elementos finitos,
aparecen matrices que tienen menos de un 1 % de elementos no nulos.
Para tales matrices, es un enorme desperdicio de memoria almacenar todos sus ceros, y es un enorme
despercio de tiempo realizar operaciones aritméticas con ceros. Por esta razón se han desarrollado un
buen número de estrategias de almacenamiento que evitan el uso de memoria para guardar ceros, y se
han adaptado los algoritmos para no realizar operaciones con elementos nulos.
MATLAB ofrece una estrategia general para este tipo de matrices: el almacenamiento como matriz
sparse, consistente en almacenar sólo los elementos no nulos, junto con su posición en la matriz, esto
es, su fila y su columna.

Ejemplo 5.11 (Almacenamiento sparse)

En forma sparse, de la matriz 5 × 5

0 0 0 0 0
0 1 0 0 0
0 0 0 0 −1
0 0 0 0 0
0 0 3 0 0

se almacenarían sólo los siguientes datos

2 1 1
3 5 −1
5 3 3

Para crear matrices sparse, MATLAB tiene la función sparse, que se puede utilizar de varias formas.
La orden

AS = sparse(A)

convierte la matriz llena A en la matriz sparse AS.

La orden

A = full(AS)

hace la operación contraria, i.e., convierte la matriz sparse AS en la matriz llena A.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 151

Ejemplo 5.12

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

>> AS = sparse(A)
AS =
(3,1) -1
(2,2) 2
(1,3) 1

>> A = full(AS)
A =
0 0 1
0 2 0
-1 0 0

La orden

AS = sparse(i, j, s)

crea la matriz sparse AS cuyos elementos no nulos son AS(i(k), j(k)) = s(k)

Ejemplo 5.13

>> i = [2, 3, 5]
>> j = [1, 5, 3]
>> s = [1, -1, 3]
>> AS = sparse(i, j, s)
AS =
(2,1) 1
(5,3) 3
(3,5) -1

Las operaciones con matrices sparse funcionan, con MATLAB, con la misma sintaxis que para las ma-
trices llenas. En general, las operaciones con matrices llenas producen matrices llenas y las operaciones
con matrices sparse producen matrices sparse. Las operaciones mixtas generalmente producen matrices
sparse, a menos que el resultado sea una matriz con alta densidad de elementos distintos de cero. Por
ejemplo, con la misma matriz AS del ejemplo anterior:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

5. Resolución de sistemas lineales 152

Ejemplo 5.14

>> AS(5,3)
ans =
(1,2) 1
(5,3) -1
(3,5) 3

>> AS'
ans =
(1,2) 1
(5,3) -1
(3,5) 3

>> 10*AS
ans =
(2,1) 10
(5,3) 30
(3,5) -10

>> AS(3,5) = 7
AS =
(2,1) 1
(5,3) 3
(3,5) 7

>> AS(1,4) = pi
AS =
(2,1) 1.0000
(5,3) 3.0000
(1,4) 3.1416
(3,5) 7.0000

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

6 B

SE
Operaciones de lectura y

UNIVER

VILLA
escritura con ficheros e an
Ecuaciones Diferenciales
y Análisis Numérico

Hasta ahora se ha visto:

Cómo leer valores que el usuario escribe en el teclado (orden input).

Cómo imprimir información en la ventana de comandos de MATLAB (órdenes disp y fprintf).

En este capítulo veremos operaciones avanzadas de lectura y escritura, concretamente, que operan
sobre el contenido de un fichero.

6.1 Ficheros de texto y ficheros binarios

Existen muchos tipos distintos de ficheros, que normalmente se identifican por distintas extensiones;

.txt .dat .m .mat

.jpg .xls .pdf etc.

Una de las cosas que diferencia unos ficheros de otros es el hecho de que su contenido sea o no legible
con un editor de texto plano, también llamado editor ascii 1 . El editor de MATLAB es un editor ascii
y también lo es el Bloc de Notas de Windows y cualquier editor orientado a la programación. Word no
es un editor ascii.
Desde el punto de vista anterior, existen dos tipos de ficheros:

Ficheros formateados o de texto: son aquéllos cuyo contenido está formado por texto plano.
Esto significa que su contenido se reduce a una secuencia de caracteres (los permitidos en el
código de representación de caracteres que se esté utilizando: ASCII, UTF, Unicode, . . . ) y que
no contienen ningún tipo de información sobre el aspecto del texto, como tipos de letra, tamaño,
grosor, color, etc. Los códigos de programa en cualquier lenguaje de programación se escriben
normalmente en ficheros de texto.

Ficheros no formateados ó binarios: contienen información de cualquier tipo codificada en

binario, es decir, tal y como se almacena en la memoria del ordenador, utilizando ceros y unos.
Ejemplos de ficheros binarios son los que almacenan texto formateado (por ejemplo, de Word),
ficheros que contienen libros de hojas de cálculo (Excel), ficheros de imágenes, ficheros que con-
tienen programas ejecutables (es decir, escritos en código-máquina), etc. Sólo se pueden utilizar
con programas adecuados para cada fichero.

1
ASCII = American Standard Code for Information Interchange (Código Estándar Estadounidense para el Intercambio
de Información).

153
6. Operaciones de lectura y escritura con ficheros 154

6.2 Lectura y escritura en ficheros automática: órdenes save y load

6.2.1 Grabar en fichero el espacio de trabajo: orden save

La utilización más sencilla de la orden save es para guardar en un fichero todo el contenido del
workspace (espacio de trabajo), es decir, el conjunto de las variables almacenadas en memoria:

save nombredefichero
save('nombredefichero') % también se puede escribir así

Esta orden guarda todo el contenido del workspace (nombres de variables y sus valores) en un fichero
de nombre [Link]. Esto puede ser útil si se necesita abandonar una sesión de trabajo
con MATLAB sin haber terminado la tarea: se puede salvar fácilmente a un fichero el workspace en su
estado actual, cerrar MATLAB y luego recuperar todas las variables en una nueva sesión. Esto último
se hace con la orden

load nombredefichero
load('nombredefichero') % equivalente a la anterior

Ejemplo 6.1 (Uso de save para salvar el workspace)

1. Crea unas cuantas variables en tu espacio de trabajo. Por ejemplo:

A = rand(5,5);
B = sin(4*A);
x = 1:15;
frase = 'Solo se que no se nada';

2. Comprueba con la orden who qué variables tienes en el workspace:

who

3. Salva el contenido del workspace a un fichero de nombre [Link]:

save memoria

Comprueba que en tu carpeta de trabajo aparece un fichero con este nombre.

4. Borra todas las variables de la memoria:

clear

y comprueba con who que el workspace está vacío.

5. Recupera tus variables desde el fichero [Link]:

load memoria

6. Comprueba de nuevo, con who, que vuelves a tener todas tus variables.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 155

También es posible salvar sólo parte de las variables:

save nombredefichero var1 var2 var3 (sin comas de separación)

Ejemplo 6.2 (Uso de save para salvar algunas variables)

1. Comprueba con who que tienes tus variables en el workspace. Si no es así, recupéralas usando
la orden

load memoria

2. Salva, a otro fichero de nombre [Link] el contenido de dos de las variables que tengas, por
ejemplo:

save memo A frase

Comprueba que en tu carpeta de trabajo aparece un fichero de nombre [Link].

3. Borra las variables salvadas:

clear A frase

y comprueba con who que ya no existen en el workspace.

4. Recupera tus variables:

load memo

y comprueba con who que ahora están de nuevo en el workspace.

Los ficheros .mat creados de esta forma son ficheros binarios. Si se intentaran abrir con un editor
de texto plano cualquiera, sólo se verían un montón de signos extraños. Solo matlab “sabe” cómo
interpretar los datos binarios almacenados dentro.

Sin embargo, la orden save también puede ser usada para guardar datos numéricos en un fichero de
texto, usando la opción -ascii:

save nombrefichero var1 var2 -ascii

En este caso, el fichero no tiene la extensión .mat, ya que la misma está reservada para los ficheros
binarios de MATLAB. Se debe especificar la extensión junto con el nombre del fichero. Además, no se
guardan en el fichero los nombres de las variables, solamente sus valores.

Ejemplo 6.3 (Uso de save para salvar datos en un fichero de texto)

1. Comprueba con who que tienes tus variables en el workspace. Si no es así, recupéralas usando
la orden

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 156

load memoria

2. Salva, a un fichero de texto de nombre [Link] el contenido de algunas de las variables que
tengas, por ejemplo:

save [Link] A B -ascii

El cualificador -ascii indica que se salvaguarden los datos en un fichero de texto. Comprueba
que en tu carpeta de trabajo aparece un fichero de nombre [Link].

3. Puedes usar el editor de matlab para «ver» y modificar el contenido de este fichero: con el
cursor sobre el icono del fichero, pulsa el botón derecho del ratón y elige Open as Text.

Es importante hacer notar que los datos guardados de esta manera en un fichero de texto no pueden
ser recuperados en la memoria con la orden load, a menos que se trate de una sola matriz de datos
numéricos, es decir que cada línea del fichero contenga la misma cantidad de datos. En ese caso hay
que usar la versión A=load(’[Link]’) de la orden para guardar los valores de
la matriz en la variable A.

Ejemplo 6.4 (Cargar datos binarios desde un fichero)

Se dispone de ciertos ficheros de datos de tipo .mat (es decir, binarios), cada uno de los cuales
contiene tres variables, x, y y titulo, que han sido almacenadas previamente con la orden save.
Los ficheros son [Link], [Link], [Link] y [Link].
Se desea escribir un script que lea del teclado el nombre del fichero que se desea procesar, cargue
las variables en la memoria y dibuje la gráfica definida por los datos x e y, y le añada el título
correspondiente.

Vamos a escribir un script que llamaremos, por ejemplo, Plot_datos.m, que «cargue» las variables
del fichero y genere la gráfica correspondiente. .

%
% Plot_Datos: lee datos de un fichero binario y hace una grafica
%
fichero = input('Nombre del fichero a cargar : ','s');
load(fichero)
clf
plot(x,y, 'LineWidth',2)
title(titulo)
shg

Salva el script y ejecútalo con los distintos ficheros antes mencionados.

Ejemplo 6.5 (Cargar una matriz desde un fichero de texto)

Se dispone de un fichero [Link] en el que se almacenan datos meteorológicos de cierta
ciudad. Las temperaturas están expresadas en grados Celsius, con un decimal. Concretamente, el

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 157

fichero contiene la temperatura a lo largo del día, medida cada hora, desde las 0 hasta las 23 horas
(en total 24 datos por día). Cada linea contiene las temperaturas de un día. El fichero contiene
cuatro líneas.
Se desea realizar una gráfica que represente, mediante 4 curvas, la evolución de las temperaturas
a lo largo de cada día.

1. Puesto que el fichero [Link] es de texto, se puede editar. Ábrelo para ver su
estructura. Cierra el fichero.

2. Comienza por «cargar» en memoria los datos del fichero [Link], que es un fichero
de texto. Puesto que todas las filas del fichero contienen el mismo número de datos, esto se
puede hacer con la orden load:

Temp = load('[Link]');

que guarda en la variable Temp una matriz con 4 filas y 24 columnas conteniendo los datos
del fichero. Compruébalo. Cada fila de Temp contiene las temperaturas de un día.

3. Observa que disponemos de los valores de 4 funciones, pero no disponemos de un vector de

abscisas. Sabemos que las temperaturas corresponden a las horas de un día, desde 0 hasta
23. En consecuencia vamos a crear un vector con estos valores, para usarlo como abscisas:

hh = 0:23;

4. Se quiere construir una curva con cada fila de la matriz Temp. Esto se puede hacer con la
orden

plot(hh,Temp(1,:),hh,Temp(2,:),hh,Temp(3,:),hh,Temp(4,:),)

Pero también se puede hacer mediante la orden

plot(hh,Temp)

Consulta en el Help de MATLAB este uso de la función plot en el que el segundo argumento
es una matriz.

5. Añade un título, una etiqueta en el eje OX y una leyenda, para la correcta comprensión de
esta gráfica.

6.3 Lectura y escritura en ficheros avanzada

Las órdenes save y load son fáciles de usar, aunque apenas permiten diseñar su resultado y sólo sirven
en algunos casos.
Por ejemplo, con la orden save no se pueden escribir datos en un fichero con un formato personalizado,
como una tabla, mezclando texto y datos numéricos, etc.
Con la orden load no podemos cargar en memoria datos de un fichero de texto, a menos que se trate
de una sola matriz de datos numéricos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 158

Con frecuencia es necesario utilizar ficheros procedentes de otros usuarios o creados por otros programas
y cuya estructura y formato no se puede elegir o, por el contrario, es preciso generar un fichero con
una estructura determinada.
Para todo ello es necesario recurrir a órdenes de lectura/escritura de «bajo nivel». Estas órdenes son
más complicadas de usar, ya que requieren más conocimiento del usuario pero, a cambio, permiten
elegir todas las caracterísitcas de la operación que se realiza.
Los pasos en el trabajo «de bajo nivel» con ficheros son:

Abrir el fichero e indicar qué tipo de operaciones se van a efectuar sobre él. Esto significa que el
fichero queda listo para poder ser utilizado por nuestro programa.

Leer datos que ya están en el fichero, o bien Escribir datos en el fichero o Añadir datos a los que
ya hay.

Cerrar el fichero.

Sólo hablamos aquí de operaciones con ficheros formateados. No obstante, en algunas ocasiones, como
por ejemplo cuando hay que almacenar grandes cantidades de datos, puede ser conveniente utilizar
ficheros binarios, ya que ocupan menos espacio y las operaciones de lectura y escritura sobre ellos son
más rápidas.

6.3.1 Apertura y cierre de ficheros

Para abrir un fichero sólo para lectura con MATLAB se utiliza la orden

fid=fopen('NombreFichero');

NombreFichero es el nombre del fichero que se desea utilizar.

fid es un número de identificación que el sistema asigna al fichero, si la operación de apertura

ha sido exitosa. Si no, fopen devolverá el valor fid=-1. En adelante se usará ese número para
cualquier operación sobre el fichero que se quiera realizar.

De forma más general, la orden para abrir un fichero es:

fid=fopen('NombreFichero', 'permiso');

permiso es un código que se utiliza para indicar si se va a utilizar el fichero para leer o para escribir.
Posibles valores para el argumento permiso son:

r indica que el fichero se va a utilizar sólo para lectura. Es el valor por defecto.
(En Windows conviene poner rt).
w indica que el fichero se va a utilizar para escribir en él. En este caso, si existe un fichero con
el nombre indicado, se abre y se sobre-escribe (el contenido previo, si lo había, se pierde).
Si no existe un fichero con el nombre indicado, se crea.
(En Windows conviene poner wt)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 159

a indica que el fichero se va a utilizar para añadir datos a los que ya haya en él.
(En Windows conviene poner at)
Para otros posibles valores del argumento permiso, ver en el Help de MATLAB la descripción
de la función fopen.

Una vez que se ha terminado de utilizar el fichero, hay que cerrarlo, mediante la orden

fclose(fid)

donde fid es el número de identificación que fopen le dió al fichero. Si se tienen varios ficheros abiertos
a la vez se pueden cerrar todos con la orden

fclose('all')

6.3.2 Leer datos de un fichero con fscanf

La orden

A = fscanf(fid,'formato', dimension);

lee los datos de un fichero de acuerdo con el formato especificado, hasta completar la dimension dada,
o hasta que se encuentre un dato que no se puede leer con dicho formato, o hasta que se termine el
fichero.

fid es el número de identificación del fichero, devuelto por la orden fopen.

formato es una descripción del formato que hay que usar para leer los datos. Se utilizan los mismos
códigos que con la orden fprint.

A es un vector columna en el que se almacenan los datos leídos, en el orden en que están escritos.

dimension es la dimensión de la variable a la que se asignarán los datos (A). Puede ser:
(i) un número entero n; (ii) Inf; (iii) un vector [n, m] o [n, Inf].
Los datos se leen del fichero en el orden natural en que están escritos en el fichero (por filas) y
se almacenan en la matriz A en orden de columnas.

Ejemplo 6.6
El fichero [Link] contine dos columnas de números reales, de longitud desconocida. Se desea
leer dichos datos y guardarlos en una matriz con dos columnas y el número necesario de filas, como
están en el fichero.

1. Abre el fichero [Link] para lectura:

fid = fopen('[Link]','r');

En realidad, la opción ’r’ es la opción por defecto, luego no sería necesario indicarlo.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 160

2. Lee los datos del fichero con la orden:

mat = fscanf(fid,' %f');

El formato ’ %f’ indica que se van a leer datos numéricos reales, esto es con una parte entera,
un punto decimal y una parte fraccionaria. El número de dígitos de la parte entera y de la
parte fraccionaria vendrá determinado por lo que se lee.

3. Tras la orden anterior, la variable mat contiene un vector columna. Compruébalo. Para que
los datos formen una matriz con 2 columnas como en el fichero hay que reorganizarlos con la
función reshape (ver su descripción más abajo):

mat = reshape(mat,2,[]);

Observa el resultado. Ahora mat es una matriz con dos filas. Lo que deseamos obtener es la
transpuesta de esta matriz:

mat = mat';

4. Cierra el fichero

fclose(fid);

La orden reshape utilizada en el Ejemplo anterior sirve para organizar del datos de una matriz alma-
cenada en memoria como una matriz con otras dimensiones:

B = reshape(A, nf, nc);

asigna los datos de la matriz A a la matriz B de con nf filas y nc columnas. Es necesario que el producto
de nf×nc sea igual al número total de elementos de la matriz A.
También se puede dejar sin especificar una de las dos dimensiones:

B = reshape(A, nf, []); % con las columnas que salgan

B = reshape(A, [], nc); % con las filas que salgan

Naturalmente, en este caso es necesario que el número total de elementos de A sea un múltiplo de nf
en el primer caso o de nc en el segundo.
Observación: en el Ejemplo 6.6 se podrían haber leído los datos del fichero usando la orden load, ya
que todas las filas están formadas por el mísmo número de datos. Sin embargo la orden fscanf sirve
para otros casos que no se podrían leer con load, como en el Ejemplo siguiente.

Ejemplo 6.7
Se dispone de un fichero [Link] que contiene datos sobre contaminación de las pro-
vincias andaluzas. Cada linea del fichero contiene el nombre de la provincia y tres datos numéricos.
Se quieren recuperar los datos numéricos del fichero en una matriz con tres columnas, es decir,
ignorando el texto de cada línea.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 161

El fichero [Link] tiene el siguiente contenido:

Almeria 3.7 1.4 2.0

Cadiz 9.5 8.5 3.3
Almeria 0.9 4.2 9.9
etc.

1. Intenta «cargar» el fichero con la orden load. Recibirás un mensaje de error, ya que, como
hemos dicho, load no puede leer ficheros de texto con datos de distintos tipos:

mat = load('[Link]'); % producira errores

2. Sin embargo, el fichero se puede leer con la orden fscanf. Abre el fichero para lectura:

fid = fopen('[Link]','r');

3. Escribe la orden siguiente:

mat = fscanf(fid,' %f');

que indica que se va a leer el contenido del fichero hasta que se termine o bien hasta que los
datos a leer no coincidan con el formato especificado. El formato especifica leer 1 dato real.
Si después de éste siguen quedando datos en el fichero, se «re-visita» el el formato, es decir,
es como si pusiéramos %f %f %f %f %f %f ... hasta que se acabe el fichero.
Verás que el resultado es una matriz vacía. ¿Cual es el error? Que se han encontrado datos
que no se pueden leer con el formato ’ %f’.
4. Escribe ahora la orden:

frewind(fid);

Esta orden «rebobina» el fichero, es decir, coloca el apuntador de lectura al principio del
mismo, ya que, tras la orden anterior puede no estar ahí.
5. Escribe ahora la orden

mat = fscanf(fid,' %s %f %f %f');

Esta orden indica que se han de leer del fichero 1 dato tipo string (cadena de caracteres), luego
3 reales y repetir. Ahora obtendrás una matriz con una sola columna. Observa sus valores.
¿Es lo que esperabas? Intenta comprender lo que has obtenido. Quizá te ayude consultar la
Tabla de los caracteres imprimibles del Código ASCII, al final de este Capítulo.
6. Rebobina de nuevo el fichero y escribe la orden:

mat = fscanf(fid,' %*s %f %f %f')

Esta orden indica que se ignore ( %*s) un dato de tipo string, que luego se lean 3 reales y
luego repetir. Observa el resultado.
7. Para dar a la matriz mat la estructura deseada hay que usar la orden

mat = reshape(mat,3,[])';

que indica que se re–interprete mat como una matriz con 3 filas y el número de columnas que
salgan y luego se transpone.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 162

6.3.3 Escribir datos en un fichero con fprintf

La orden

fprintf(fid, 'formato', lista_de_variables);

escribe los valores de la variables de la lista_de_variables en el fichero con numero de identificación

fid de acuerdo con el formato especificado.

fid es el número de identificación del fichero, devuelto por la orden fopen.

formato es una descripción del formato que hay que usar para escribir los datos.

lista_de_variables son las variables o expresiones cuyos valores hay que escribir en el fichero.

Ejercicio 6.8 El siglo pasado era costumbre escribir los números de los años con sólo dos dígitos:
76, 77, 78, etc.
Se dispone de un fichero temp_anuales.dat en donde se almacena la temperatura máxima media
de cada mes del año, para varios años del siglo XX. Los años vienen expresados con dos dígitos y
las temperaturas vienen expresadas con una cifra decimal.
Se necesita generar a partir de este fichero otro que contenga los mismos datos, pero con los años
expresados con 4 dígitos, para poder añadir los de este siglo. Las temperaturas deben ser escritas,
también, con un decimal.
Genera también una gráfica que muestre la evolución de las temperaturas a lo largo del año (una
curva para cada año). Dibuja cada curva de un color y añade a cada curva una leyenda con el
número del año al que corresponde, como en la gráfica siguiente:
40
1995
1996
1997
35
1998
1999

30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12

1. Puesto que el contenido del fichero temp_anuales.dat es una matriz de números, se puede
leer con la orden load:

datos = load('temp_anuales.dat');

2. Los números de los años forman la primera columna de la matriz datos, así que un vector
conteniendo los años con la numeración de 4 cifras se obtiene con:

anyos = datos(:,1)+1900;

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 163

Observación: para escribir los datos en un nuevo fichero no podemos usar la orden save,
ya que los escribiría con formato exponencial (p.e. 9.5000000e+01) y queremos escribir los
años sin decimales y los datos con solo un decimal.
Hay que usar órdenes de «bajo nivel», concretamente la orden fprintf.

3. Abrimos un nuevo fichero para escritura, en el que grabaremos los nuevos datos.

fid = fopen('temp_anuales_new.dat','w');

4. Recuperamos las dimensiones de la matriz datos, para saber cuántas filas tiene:

[nfils,ncols] = size(datos); % nfils = numero de filas

5. Vamos a realizar un bucle con un índice k variando desde 1 hasta nfils. En cada iteración
del bucle escribiremos una fila del nuevo fichero, mediante las órdenes:

fprintf(fid,' %4i',anyos(k)); % el año con formato %4i

fprintf(fid,' %6.1f',datos(k,2:13)); % los datos con formato %6.1f
fprintf(fid,'\n'); % al final un salto de linea

Prueba a escribir el nuevo fichero mediante una estrategia distinta de esta.

6. Cerramos el fichero

fclose(fid);

7. La gráfica pedida se puede hacer con las órdenes

plot(1:12,datos(:,2:13),'LineWidth',1.1);
legend(num2str(anyos));
axis([1,12,0,40])

Ejercicio 6.9 Modifica alguno de los scripts de cálculo de series (por ejemplo SumaExp.m) para
que la tabla de las iteraciones se escriba en un fichero en lugar de en la pantalla.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

6. Operaciones de lectura y escritura con ficheros 164

Figura 6.1: Tabla de los caracteres imprimibles del código ASCII

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

7 B

SE
Interpolación y ajuste de

UNIVER

VILLA
datos e an
Ecuaciones Diferenciales
y Análisis Numérico

7.1 Introducción
En física y otras ciencias con frecuencia es necesario trabajar con conjuntos discretos de valores de
alguna magnitud que depende de otra variable. Pueden proceder de muestreos, de experimentos o
incluso de cálculos numéricos previos.
En ocasiones, para utilizar estos valores en cálculos posteriores es preciso «darles forma» de función,
es decir: es preciso disponer de una función dada por una expresión matemática que «coincida» con
dichos valores.
Existen básicamente dos enfoques para conseguir esto:

Interpolación es el proceso de determinar una función que

tome exactamente los valores dados para los valores
adecuados de la variable independiente, es decir que
pase exactamente por unos puntos dados. Por ejemplo,
determinar un polinomio de grado 4 que pase por 5
puntos dados, como en la figura de la derecha.

Ajuste de datos es el proceso de determinar la función,

de un tipo determinado, que mejor se aproxime a los
datos («mejor se ajuste»), es decir tal que la distancia
a los puntos (medida de alguna manera) sea lo menor
posible. Esta función no pasará necesariamente por los
puntos dados. Por ejemplo, determinar un polinomio
de grado 1 que aproxime lo mejor posible unos datos,
como se muestra en la figura adjunta.

7.2 Interpolación polinómica global

Si la función a construir es un polinomio de un determinado grado, se habla de interpolación polinómica.

165
7. Interpolación y ajuste de datos 166

Interpolación lineal. Por dos puntos dados del plano pasa una sola línea recta.
Más concretamente, dados dos puntos en el plano (x1 , y1 ) y (x2 , y2 ), con x1 6= x2 se trata de
determinar una función polinómica de grado 1

y = ax + b

que tome el valor y1 para x = x1 y el valor y2 para x = x2 , es decir


 y1 = ax1 + b
 y = ax + b
2 2

La solución de este sistema lineal de dos ecuaciones con dos incógnitas proporciona los valores
adecuados de los coeficientes a y b.

(x 2 , y 2 )

(x 1 , y 1 )
x

Interpolación cuadrática. En general, tres puntos del plano determinan una única parábola (poli-
nomio de grado 2).
Dados (x1 , y1 ), (x2 , y2 ) y (x3 , y3 ) con x1 , x2 y x3 distintos dos a dos, se trata de determinar una
función de la forma
y = ax2 + bx + c

que pase por dichos puntos, es decir tal que


y = ax21 + bx1 + c
 1



y2 = ax22 + bx2 + c


 y = ax2 + bx + c

3 3 3

Este sistema lineal se escribe en forma matricial

    
x21 x1 1 a y1
    
 x2 x2 1   b  =  y2 
 2    
    
2
x3 x3 1 c y3

y su solución (única) proporciona los coeficientes que determinan la función interpolante.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 167

(x 1 , y 1 )
(x 3 , y 3 )
(x 2 , y 2 )

Interpolación global. En general, dados N puntos (xk , yk ), k = 1, . . . , N , con xk todos distintos,

existe un único polinomio de grado N − 1 que pasa exactamente por estos puntos. Este polinomio
se puede expresar de la forma

p(x) = c1 xN −1 + c2 xN −2 + · · · + cN −1 x + cN

y verifica que p(xk ) = yk para k = 1, . . . , N , es decir:


−1 −2


 y1 = c1 xN1 + c2 xN
1 + · · · + cN −1 x1 + cN


 y2 = c1 xN −1 + c2 xN −2 + · · · + cN −1 x + cN

2 2 2

 ...




N −1 −2
+ c2 xN

 y
N = c1 xN N + · · · + cN −1 xN + cN

En forma matricial, el sistema anterior se escribe:

    
−1 −2
xN
1 xN
1 ··· x1 1 c1 y1
    
 N −1 N −2
x2 x2 ··· x2 1  c2   y2 
   
 .. .. .. ..   ..  =  .. 
    
 . . . .
···  .   . 
   

−1 −2
xN
N xN
N · · · xN 1 cN yN

La matriz de este sistema es conocida como matriz de Vandermonde.1 La solución (única) de este
sistema porporciona los coeficientes del polinomio (único) que pasa por los N puntos dados.

Este procedimiento se conoce como interpolación global de Lagrange. 2

1
Alexandre-Théophile Vandermonde (1735-1796) fue un músico, químico y matemático francés. Aunque en realidad
fue Henri-Léon Lebesgue quien en 1940 dió, en su honor, este nombre a las matrices.
2
Joseph Louis Lagrange (1736–1813), fue un matemático, físico y astrónomo italiano nacido en Turín, aunque la mayor
parte de su vida transcurrió entre Prusia y Francia.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 168

(x 2 , y 2 )
(x 3 , y 3 )
(x 1 , y 1 ) (x N , y N )

Interpolación con MATLAB. Dados N puntos (xk , yk ), k = 1, 2, . . . N , con todos los xk distintos,
la instrucción

c=polyfit(x,y,N-1)

calcula los coeficientes del polinomio de grado N-1 que pasa por los N puntos.

x, y son dos vectores de longitud N conteniendo respectivamente las abscisas y las ordenadas
de los puntos.

El vector c devuelto por polyfit contiene los coeficientes del polinomio de interpolación:

p(x) = c1 xN −1 + c2 xN −2 + · · · + cN −1 x + cN .

Ejercicio 7.1 Calcular el polinomio de interpolación de grado 2 que pasa por los puntos

(1, −3), (2, 1), (3, 3)

Representar su gráfica en el intervalo [0, 7], señalando con marcadores los puntos interpolados y
dibujando también los ejes coordenados.

1. Crea dos vectores x e y conteniendo respectivamente las abscisas y las ordenadas de los
puntos:

x = [1,2,3];
y = [-3,1,3];

2. Calcula con la orden polyfit los coeficientes de la parábola que pasa por estos puntos:

c = polyfit(x,y,2);

Obtendrás el resultado c=[-1,7,-9], que significa que el polinomio de interpolación de grado

2 que buscamos es p(x) = −x2 + 7x − 9.

3. Para dibujar la gráfica de esta función comenzamos por crear un vector z de puntos en el
intervalo [0, 9]:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 169

z = linspace(0,7);

4. Necesitamos ahora calcular los valores del polinomio p(x) en todos estos puntos. Para ello
usamos la función polyval:

p = polyval(c,z);

5. Dibuja la parábola:

plot(z,p)

6. Añade ahora los ejes de coordenadas y los marcadores de los puntos del soporte de interpo-
lación:

hold on
plot([-1,7],[0,0], 'k','LinWidth',1.1)
plot([0,0],[-10,6],'k','LineWidth',1.1)
plot(x,y,'r.','MarkerSize',15)
axis([-2,8,-11,7])
hold off

−2

−4

−6

−8

−10

−2 −1 0 1 2 3 4 5 6 7 8

Ejercicio 7.2 La temperatura del aire cerca de la tierra depende de la concentración K del ácido
carbónico (H2 CO3 ) en él. En la tabla siguiente se recoge, para diferentes latitudes L sobre la tierra y
para el valor de K = 0.67, la variación δK de la temperatura con respecto a una cierta temperatura
de referencia:

L 65 35 5 -25 -55
δK -3.1 -3.32 -3.02 -3.2 -3.25

Calcular y dibujar el polinomio de interpolación global de estos datos. Usando el polinomio de

interpolación construido, calcular la variación de la temperatura para L = 10 (valor de la latitud
que no está entre las mediciones de la tabla de datos).

1. Crea dos vectores con los datos de la tabla:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 170

x = [-55,-25,5,35,65];
y = [-3.25,-3.2,-3.02,-3.32,-3.1];

2. Calcula y dibuja el polinomio de interpolación:

c = polyfit(x,y,4);
z = linspace(-60,70);
p = polyval(c,z);
plot(z,p,'Color',[0,0,1],'LineWidth',1.2)

3. Dibuja también marcadores de los puntos:

hold on
plot(x,y,'r.','MarkerSize',15)

4. Usa el polinomio que acabas de obtener para calcular δK para L = 10 e imprime su valor:

L = 10;
delta=polyval(c,10);
fprintf('Para L =%3i delta = %6.3f \n ',L, delta)
−2.8

−2.9

−3

−3.1

−3.2

−3.3

−3.4

−3.5
−60 −40 −20 0 20 40 60 80

Ejercicio 7.3 (Propuesta) Calcula el polinomio de grado 10 que interpola los valores:

x 0 2 3 5 6 8 9 11 12 14 15
y 10 20 30 -10 10 10 10.5 15 50 60 85

Dibuja su gráfica y observa las inestabilidades cerca de los extremos:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 171

150

100

50

−50

−100

−150

−200

−250

−300

−350

−400
0 2 4 6 8 10 12 14 16

Esta práctica pretende mostrar que el procedimiento de interpolación global es, en general
inestable, ya que los polinomios tienden a hacerse oscilantes al aumentar su grado y eso puede
producir grandes desviaciones sobre los datos.

Ejercicio 7.4 (Propuesta) Calcula el polinomio de grado 5 que interpola los valores:

x 0.01 2.35 1.67 3.04 2.35 1.53

y 6 5 4 3 2 3

Recibirás un Warning y unos resultados.

Intenta comprender lo que dice el mensaje del Warning y analizar los resultados. ¿Ves algo raro?
¿Llegas a alguna conclusión?

7.3 Interpolación lineal a trozos

Como se ha visto en la Práctica 7.3, la interpolación polinómica global es inestable cuando el número
de puntos es elevado. En la práctica se usan procedimientos de interpolación a trozos, que se explica
en lo que sigue.
Consideramos N puntos (xk , yk ), k = 1, . . . , N , con los valores de xk todos diferentes y ordenados en
orden creciente o decreciente. Se llama interpolante lineal a trozos a la poligonal que sobre cada
intervalo formado por dos valores de x consecutivos: [xk , xk+1 ], k = 1, . . . , N − 1 está definida por el
segmento que une los puntos (xk , yk ) y (xk+1 , yk+1 ), como en la Figura 7.1.
La instrucción MATLAB:

s1=interp1(x,y,z)

calcula el valor en el/los punto(s) z de la interpolante lineal a trozos que pasa por los puntos (x,y).

x y son dos vectores de la misma dimensión que contienen las abscisas y las ordenadas de los
puntos dados.

z son las abscisas de los puntos a interpolar, es decir, los puntos en los cuales queremos evaluar la
interpolante. Puede ser una matriz.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 172

100

80

60

40

20

−20
0 2 4 6 8 10 12 14 16

Figura 7.1: Interpolante lineal a trozos.

s1 son los valores calculados, es decir, los valores de la función interpolante en z. s1 tendrá las
mismas dimensiones que z

Ejercicio 7.5 Se consideran los mismos valores de la Práctica 7.3:

x = (0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15),

y = (10, 20, 30, −10, 10, 10, 10.5, 15, 50, 60, 85)

Calcula, a partir del polinomio de interpolación lineal a trozos, el valor interpolado para x = 1
y compáralo con el obtenido mediante un polinomio de interpolación global de grado 10 (el de la
Práctica 7.3)
Dibuja juntas las gráficas del polinomio de interpolación lineal a trozos y del polinomio de inter-
polación de grado 10.

1. Crea dos variables x e y con las abscisas y las ordenadas que vas a interpolar:

x = [0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15];

y = [10, 20, 30, -10, 10, 10, 10.5, 15, 50, 60, 85];

2. Calcula a partir del polinomio de interpolación lineal a trozos el valor interpolado para x = 1:

s1 = interp1(x,y,1)

Obtendrás el valor s1=15, mientras que mediante el polinomio de interpolación de grado 10

de la Práctica 3 se obtendría:

c = polyfit(x,y,10);
s = polyval(c,1) % = -245.7853

3. Dibuja el polinomio de interpolación lineal a trozos y el polinomio de grado 10 junto con los
puntos a interpolar:

t = linspace(0,15);
p = polyval(c,t);
plot(x,y,x,y,'o',t,p)
axis([-1,16,-400,150])

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 173

Observa la gráfica y compara los valores los valores s1 y c1 ¿Qué puedes decir? ¿Cuál de los
dos valores da una aproximación a priori más acertada?
150

100

50

−50

−100

−150

−200

−250

−300

−350

−400
0 2 4 6 8 10 12 14 16

Ejercicio 7.6 (Propuesta para valientes) Escribe tu propia M-función

function [yi] = interpol(xs,ys,xi)
que haga lo mismo que interp1(xs,ys,xi).

7.4 Interpolación por funciones spline

Con frecuencia se necesita interpolar un conjunto de datos con funciones «suaves» (sin picos), como
por ejemplo en la creación de gráficos por ordenador.
Obsérvese que la función de interpolación lineal a trozos es sólo continua y para obtener funciones
«suaves» necesitamos que tengan al menos una derivada continua. Esto se consigue usando, por ejemplo,
interpolación a trozos como la que hemos explicado antes, pero con polinomios cúbicos en vez de líneas
rectas. Las funciones así construidas se conocen como splines cúbicos
En MATLAB podemos usar la instrucción

s = spline(x,y,z)

Los argumentos de entrada x, y y z tienen el mismo significado que en el comando interp1 (ver la
Sección 7.3), el argumento de salida almacena en el vector s los valores de la función spline en los
puntos arbitrarios guardados en el vector z.

Ejercicio 7.7 Calcula el spline cúbico que interpola los datos de la Práctica 7.3. Dibuja en la
misma ventana el spline calculado junto con el polinomo de interpolación lineal a trozos.

1. Crea dos variables x e y con las abscisas y las ordenadas que vas a interpolar:

x=[0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15];

y=[10, 20, 30, -10, 10, 10, 10.5, 15, 50, 60, 85];

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 174

2. Calcula el spline cúbico

z=linspace(0,15);
s=spline(x,y,z);

3. Dibuja el spline cúbico y la interpolante lineal a trozos junto con los datos:

plot(x,y,'or',z,s,x,y,'LineWidth',2)
90

80

70

60

50

40

30

20

10

−10

−2 0 2 4 6 8 10 12 14 16 18

Ejercicio 7.8 (Propuesta) El fichero [Link] contiene una matriz con dos columnas, que
corresponden a las abscisas y las ordenadas de una serie de datos.
Hay que leer los datos del fichero, y calcular y dibujar juntos el polinomio de interpolación global
y el spline cúbico que interpolan dichos valores, en un intervalo que contenga todos los puntos del
soporte.
−2.5
Interpolante global
Spline cubico

−3

−3.5

−4
−60 −40 −20 0 20 40 60 80

Existen distintos tipos de splines que se diferencian en la forma que toman en los extremos. Para más
información consulta en el Help de MATLAB.

Ejercicio 7.9 (Para ampliar conocimientos) Cuando se calcula un spline cúbico con la función
spline es posible cambiar la forma en que éste se comporta en los extremos. Para ello hay que
añadir al vector y dos valores extra, uno al principio y otro al final. Estos valores sirven para imponer
el valor de la pendiente del spline en el primer punto y en el último. El spline así construido se
denomina sujeto.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 175

Naturalmente, todos los procedimientos de interpolación antes explicados permiten aproximar fun-
ciones dadas: basta con interpolar un soporte de puntos construido con los valores exactos de una
función.
En esta práctica se trata de calcular y dibujar una aproximación de la función sen(x) en el intervalo
[0, 10] mediante la interpolación con dos tipos distintos de spline cúbico y comparar estos resultados
con la propia función. Hay por lo tanto que dibujar tres curvas en [0, 10]:

1. La curva y = sen(x).

2. El spline que calcula MATLAB por defecto (denominado not-a-knot).

3. El spline sujeto con pendiente = −1 en x = 0 y pendiente = 2 en x = 10.

Observación: Este ejercicio no es imprescindible.

2
sen(x)
spline not−a−knot
spline sujeto
1.5

0.5

−0.5

−1

0 2 4 6 8 10

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 176

7.5 Ajuste de datos

La técnica de interpolación que hemos explicado antes requiere que la función que interpola los datos
pase exactamente por los mismos. En ocasiones esto no da resultados muy satisfactorios, por ejemplo
si se trata de muchos datos. También sucede con frecuencia que los datos vienen afectados de algún
error, por ejemplo porque provienen de mediciones. No tiene mucho sentido, pues, obligar a la función
que se quiere construir a «pasar» por unos puntos que ya de por sí no son exactos.
Otro enfoque diferente es construir una función que no toma exactamente los valores dados, sino que
«se les parece» lo más posible, por ejemplo minimizando el error, medido éste de alguna manera.

Cuando lo que se minimiza es la suma de las distancias de los puntos a la curva (medidas como se
muestra en la figura) hablamos de ajuste por mínimos cuadrados. La descripción detallada de este
método se escapa de los objetivos de esta práctica. Veremos solamente cómo se puede hacer esto con
MATLAB en algunos casos sencillos.

7.5.1 Ajuste por polinomios

La función polyfit usada ya para calcular el polinomio de interpolación global sirve también para
ajustar unos datos por un polinomio de grado dado:

c=polyfit(x,y,m)

x y son dos vectores de la misma dimensión que contienen respectivamente las abscisas y las orde-
nadas de los N puntos.

m es el grado del polinomio de ajuste deseado

c es el vector con los coeficientes del polinomio de ajuste

Si m = 1, el polinomio resultante es una recta, conocida con el nombre de recta de regresión, si

m = 2 es una parábola, y así sucesivamente. Naturalmente, cuando m = N − 1 el polinomio calculado
es el polinomio de interpolación global de grado N − 1 que pasa por todos los puntos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 177

Ejercicio 7.10 Calcula y dibuja los polinomios de ajuste de grado 1, 2, 3 y 6 para los siguientes
datos:
(0.9, 0.9) (1.5, 1.5) (3, 2.5) (4, 5.1) (6, 4.5) (8, 4.9) (9.5, 6.3)
Una vez calculados, escribe las expresiones analíticas de los polinomios que has obtenido.

1. Construye los vectores x e y a partir de los datos:

x=[0.9, 1.5, 3, 4, 6, 8, 9.5];

y=[0.9, 1.5, 2.5, 5.1, 4.5, 4.9, 6.3];

2. Calcula la recta de regresión e imprime los coeficientes calculados:

p1=polyfit(x,y,1);

Obtendrás los valores: 0.57 y 1.00. La recta de regresión es y = 0.57x + 1

3. Dibuja la recta de regresión (recuerda que para dibujar una recta bastan dos puntos):

subplot(2,2,1)
plot(x,y,'o',[0,10],[polyval(p1,0),polyval(p1,10)])
title('Ajuste por una recta')

4. Calcula ahora la parábola que ajusta los datos:

p2=polyfit(x,y,2);

Obtendrás los valores -0.0617, 1.2030 y -0.0580. La parábola es por tanto:

y = −0.062 x2 + 1.2 x − 0.06 (redondeando a dos decimales).
5. Dibuja la parábola

xp=linspace(0,10);
subplot(2,2,2)
plot(x,y,'o',xp,polyval(p2,xp));
title('Ajuste por una parabola')

6. Termina la práctica construyendo y dibujando los polinomimios de grado 3 y 6. Observa que

el polinomio de grado 6 es el polinomio de interpolación que pasa por todos los puntos.
Ajuste por una recta Ajuste por una parabola
7 7

6 6

5 5

4 4

3 3

2 2

1 1

0 0
0 2 4 6 8 10 0 2 4 6 8 10

Ajuste por un pol. grado 3 Pol. interpolacion global

7 7

6 6

5 5

4 4

3 3

2 2

1 1

0 0
0 2 4 6 8 10 0 2 4 6 8 10

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 178

Al realizar esta práctica dibujando cada curva en un cuadro distinto, como se hace aquí, debes
tener cuidado de fijar en cada subplot los mismos ejes con el comando axis, para poder comparar
bien. Si no lo haces los resultados te pueden resultar confusos.

Ejercicio 7.11 (Propuesta) Calcula y representa gráficamente la recta de regresión asociada a

los siguientes datos:

x 0 2 3 5 6 8 9 11 12 14 15
y 10 20 30 -10 10 10 10.5 15 50 60 85
100

80

60

40

20

−20
−5 0 5 10 15 20

Ejercicio 7.12 (Propuesto) En el fichero [Link] está recogido el precio de una determi-
nada acción de la Bolsa española a lo largo de 88 días, tomado al cierre de cada día.
Queremos ajustar estos datos por una función que nos permita predecir el precio de la acción para
un corto intervalo de tiempo más allá de la última cotización.
Lee los datos del fichero y represéntalos. Calcula los polinomios de ajuste de grados 1, 2 y 4 y
represéntalos también.
4
x 10
2.9
Interp. lineal a trozos
Recta de regresion
2.85 Ajuste parabola
Ajuste polin. grado 4

2.8

2.75

2.7

2.65

2.6

2.55

2.5

2.45

2.4
0 10 20 30 40 50 60 70 80 90 100

7.5.2 Otras curvas de ajuste

En ocasiones hace falta usar funciones distintas a las polinómicas para ajustar datos. Desde el punto de
vista teórico se puede utilizar cualquier función. Las que se utilizan habitualmente son las siguientes:

Función potencia: y = b xm Se trata de encontrar b y m de forma que la función y = b xm se

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 179

ajuste lo mejor posible a unos datos. Observando que

y = bxm ⇔ ln(y) = ln(b) + m ln(x)

se ve que se pueden encontrar ln(b) y m ajustando los datos ln(x), ln(y) mediante un polinomio
de grado 1.

Función exponencial: y = bemx Nuevamente, tomando logaritmos se tiene:

y = bemx ⇔ ln(y) = ln(b) + mx

de donde se pueden encontrar ln(b) y m ajustando los datos x y ln(y) mediante una recta.

Función logarítmica: y = m ln(x) + b Está claro que hay ajustar los datos ln(x) e y mediante
una recta.

1
Función y = La anterior relación se puede escribir también:
mx + b

1 1
y= ⇔ mx + b =
mx + b y
1
lo que muestra que x y se relacionan linealmente. Por lo tanto se pueden calcular m y b
y
1
ajustando x y mediante una recta de regresión.
y

Ejercicio 7.13 Ajustar los datos

x 2.0 2.6 3.2 3.8 4.4 5.0

y 0.357 0.400 0.591 0.609 0.633 0.580

mediante una función potencial y = bxm y dibujar la función obtenida así como los datos con
marcadores.

Puesto que, si los x e y son positivos,

y = b xm ⇔ ln(y) = ln(b) + m ln(x)

podemos calcular la recta de regresión y = αx+β para los datos (ln(x), ln(y)) y luego tomar b = eβ
y m = α.

1. Creamos los dos vectores:

x = [2.0, 2.6, 3.2, 3.8, 4.4, 5.0];

y = [0.357 , 0.400 , 0.591 , 0.609 , 0.633 , 0.580];

2. Calculamos los coeficientes de la recta de regresión:

c = polyfit(log(x),log(y),1);

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 180

Obtendrás c = [0.6377, -1.4310], lo que significa, por lo dicho antes, que la función que
buscamos es:
y = e−1.4310 · x0.6377 = 0.2391 · x0.6377

3. Dibujamos ahora la función obtenida y los datos:

plot(x,y,'rx','LineWidth',1.5)
hold on

xs = linspace(1.5,5.5);
ys = exp(c(2)) * xs.^(c(1));
plot(xs,ys,'LineWidth',1.5)
hold off
0.75

0.7

0.65

0.6

0.55

0.5

0.45

0.4

0.35

1.5 2 2.5 3 3.5 4 4.5 5 5.5

Ejercicio 7.14 (Propuesta) Ajustar los datos contenidos en el fichero [Link] mediante
una función exponencial y = b emx y dibujar la función obtenida así como los datos.
0.06

0.05

0.04

0.03

0.02

0.01

0
2 2.5 3 3.5 4 4.5 5

Ejercicio 7.15 Determinar una función, de las indicadas antes, que se ajuste lo mejor posible (a
simple vista) a los datos de la siguiente tabla:

x 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

y 6 4.83 3.7 3.15 2.41 1.83 1.49 1.21 0.96 0.73 0.64

Escribe la expresión de la función que has calculado.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 181

1. En primer lugar representamos los datos que se quieren ajustar.

x=0:0.5:5;
y=[6, 4.83, 3.7, 3.15, 2.41, 1.83, 1.49, 1.21, 0.96, 0.73, 0.64];
plot(x,y,'rx','LineWidth',1.2)

Observa, mirando la gráfica, que una función lineal no proporcionaría el mejor ajuste porque
los puntos claramente no siguen una línea recta. De las restantes funciones, la logarítmica
también se excluye, ya que el primer punto es x = 0. Lo mismo sucede con la función potencia
ya que ésta se anula en x = 0 y nuestros datos no.
Vamos a realizar el ajuste con las funciones exponencial y inversa. A la vista de la gráfica
que vamos a obtener veremos cuál de ellas se ajusta mejor a los datos.

2. Comienza por calcular la función exponencial y = bemx . Utiliza la función polyfit con x y
log(y) para calcular los coeficientes b y m:

c=polyfit(x,log(y),1);
m1=c(1);
b1=exp(c(2));

Escribe la expresión de la función que has calculado.

3. Determina ahora la función inversa y = 1/(mx + b), utilizando de nuevo polyfit con x y
1./y:

p=polyfit(x,1./y,1);
m2=p(1);
b2=p(2);

Escribe la expresión de la función que has calculado.

4. Para dibujar las dos funciones escribimos:

t1=linspace(0,5);
t2=linspace(0.1,5)
y1=b1*exp(m1*t1);
y2=1./(m2*t2+b2);

¿Porqué se ha creado el vector t2? ¿Es necesario hacerlo?

5. Realizamos la representación gráfica de ambas funciones

axis([-1,6,0,7])
plot(t1,y1,t2,y2)
legend('Datos','Ajuste por exponencial','Ajuste por hipérbola')

R. Echevarría Dpto. EDAN - Universidad de Sevilla

7. Interpolación y ajuste de datos 182

7
Datos
Ajuste exponencial
Ajuste hiperbola
6

0
−1 0 1 2 3 4 5 6

A la vista de la gráfica obtenida, ¿cuál de las dos funciones se ajusta mejor a los datos?

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

8 B

SE
Resolución de ecuaciones

UNIVER

VILLA
no lineales e an
Ecuaciones Diferenciales
y Análisis Numérico

8.1 Introducción

Dada f : [a, b] ⊂ R 7→ R, continua, se plantea el problema de encontrar soluciones de la ecuación

f (x) = 0. (8.1)

A las soluciones de esta ecuación, también se les suele llamar ceros de la función f , por ser los puntos
en los que f = 0.
Desde el punto de vista geométrico, las soluciones de la ecuación 8.1 son los puntos en los que la gráfica
de la función f «toca» al eje OX, aunque no necesariamente lo atraviesa (véanse las figuras)

y y

α x α x

Figura 8.1: La gráfica «toca» al eje de abscisas en el punto α, lo que significa que α es un cero
de la función f , aunque no en ambos casos la función cambia de signo en α.

En las aplicaciones surgen frecuentemente problemas que conducen a ecuaciones del tipo (8.1) cuyas
soluciones no se pueden calcular explícitamente.
Por ejemplo, la ecuación
2
ex + e−x =
cos x
que aparece, por ejemplo, cuando se quieren determinar las frecuencias de las oscilaciones transversales
de una viga con extremos empotrados y sometida a un golpe. Las soluciones de esta ecuación no se
pueden calcular por métodos analíticos.
Incluso para ecuaciones tan aparentemente sencillas como las polinómicas

an xn + an−1 xn−1 + · · · + a1 x + a0 = 0 (8.2)

es bien conocido que para n ≥ 5, no existe una fórmula explícita de sus soluciones.

183
8. Resolución de ecuaciones no lineales 184

8.2 Resolución de ecuaciones polinómicas

En el caso de ecuaciones polinómicas, es posible calcular, de una vez, todas sus soluciones, gracias al
comando, ya conocido,

s = roots(p)

que calcula todas las raíces (reales y complejas) de un polinomio y puede ser utilizado para calcular
las soluciones reales de la ecuación 8.2.

Ejemplo 8.1
Calcular las soluciones de la ecuación polinómica:

x3 − 9x2 − x + 5 = 0.

1. Comenzamos introduciendo el polinomio p que aparece en el primer miembro de la ecuación

homogénea anterior. Recuerda que se introduce como un vector fila cuyas componentes son
los coeficientes del polinomio, ordenados de mayor a menor grado. En este caso

p = [1, -9, -1,5];

Recuerda que hay que incluir los coeficientes nulos, si los hay.

2. Calculamos las raíces

roots(p)

obtendras las raíces: 9.0494, -0.7685 y 0.7190 que, puesto que son todas reales, son las
soluciones de la ecuación.

Recuerda también, siempre, que estamos realizando cálculos numéricos con el ordenador y que, por
consiguientes, todo lo que calculemos es aproximado.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 185

Ejemplo 8.2
Calcular las soluciones de la ecuación polinómica:

2x2 (x + 2) = −1.

1. Comenzamos por escribir la ecuación en forma homogénea (con segundo miembro cero) y
desarrollar el polinomio, para disponer de todos sus coeficientes:

2x2 (x + 2) = −1 ⇔ 2x3 + 4x2 + 1 = 0

2. Los coeficientes del polinomio son:

p = [2, 4, 0, 1];

3. Calculamos las raíces

roots(p)

obtendras las raíces: -2.1121, 0.0560 + 0.4833i y 0.0560 - 0.4833i. Por consiguiente,
en el campo real, la única solución de la ecuación es x = −2.1121.

Ejercicio 8.3 Se quiere determinar el volumen V ocupado por un gas a temperatura T y presión
p a partir de la ecuación de estado
ñ Å ã2 ô
N
p+a (V − N b) = kN T,
V

siendo N el número de moleculas, k la constante de Boltzmann y a y b constantes que dependen

del gas.
Escribir una M-función

function [V] = volumen(T, p, N, k, a, b)

que, a partir de los valores de T , p, N , k, a y b, calcule la solución de la ecuación polinómica

f (V ) = pV 3 − (pbN + kN T )V 2 + aN 2 V − abN 3 = 0

(obtenida de la ecuación de estado multiplicando por V 2 ) y realice una gráfica de la función f (V )

en un intervalo adecuado, marcando en ella la solución.
Datos para comprobación: Para el dióxido de carbono (CO2 ) se tiene
k = 1.3806503 · 10−23 Joule/K, a = 0.401 Pa m6 y b = 42.7 · 10−6 m3 .
El volumen ocupado por 1000 moléculas de CO2 a temperatura T = 300 K y presión p = 3.5·107 Pa
debe ser V = 0.0427.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 186

10 5
1

0.8

0.6

0.4

0.2

funcion f(V)
0

-0.2

-0.4

-0.6

-0.8

-1
-0.1 -0.08 -0.06 -0.04 -0.02 0 0.02 0.04 0.06 0.08 0.1
V: volumen

8.3 La función fzero

Los algoritmos numéricos para resolver el problema

Hallar x ∈ [a, b] tal que f (x) = 0 (8.3)

cuando la ecuación f (x) = 0 es no lineal (en el caso lineal su resolución es inmediata) son en general
algoritmos iterados.
Esto significa que, a partir de un punto o intervalo iniciales (dependiendo del algoritmo), se construye
una sucesión de aproximaciones (calculadas una a partir de la anterior) cuyo límite es la solución
buscada. Estos algoritmos, cuando convergen, lo hacen a una de las soluciones de la ecuación. Si ésta
tuviera más de una solución, habría que utilizar el algoritmo una vez para cada una, cambiando el
punto inicial.
En la práctica, lógicamente, sólo se efectúan un número finito de iteraciones y el algoritmo se detiene
cuando se verifica algún criterio, previamente establecido.
Para resolver el Problema 8.3, MATLAB dispone de la función

solucion = fzero(funcion, xcero)

donde

funcion es un manejador de la función que define la ecuación, f . Puede ser el nombre de una función
anónima dependiente de una sola variable, o también un manejador de una M-función, en cuyo
caso se escribiría @funcion. Ver los ejemplos a continuación.

xcero puede ser:

• un valor «cercano» a la solución, a partir del cual el algoritmo iterado de búsqueda de la

solución comenzará a trabajar.
• un intervalo que contenga a una solución (y solo una).

solucion es el valor (aproximado) de la solución encontrado por el algoritmo.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 187

Ejemplo 8.4
La ecuación:
x
x + ln =0
3
tiene una solución cerca de x = 1. Calcularla.

1. Comienza por definir una función anónima que evalúe la expresión del primer miembro:

fun = @(x) x + log(x/3);

2. A continuación usa el comando fzero tomando x=1 como valor inicial:

fzero(fun,1)

obtendrás el resultado 1.0499.

Tambien podríamos haber usado una M-función para definir la función, en lugar de una función
anónima. Mostramos a continuación cómo se haría.

1. Escribimos, en un fichero de nombre mifuncion.m, las órdenes siguientes:

function [y] = mifuncion(x)

y = x + log(x/3);

Salvamos el fichero y lo cerramos. Recuerda que el fichero tiene que llamarse igual que la
M-función.

2. En la ventana de comandos, para calcular el cero de la función escribimos:

fzero(@mifuncion,1)

Como se ha dicho antes, los algoritmos de aproximación de raíces de ecuaciones no lineales necesitan
que el punto inicial que se tome esté «cerca» de la solución. ¿Cómo de cerca? Esta pregunta no tiene
una respuesta fácil.
Hay condiciones matemáticas que garantizan la convergencia del algoritmo si el punto inicial se toma
en un entorno adecuado de la solución. Estas condiciones no son inmediatas de comprobar y requieren
un análisis de cada caso.
El ejemplo siguiente pone de manifiesto la necesidad de elegir un punto cercano a la solución.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 188

Ejemplo 8.5
Analizar la influencia del punto inicial en la convergencia de fzero al aproximar la solución de
x
x + ln =0
3

1. Ya en la práctica anterior se ha definido la función anónima y se ha comprobado la eficacia

de fzero eligiendo x = 1 como punto inicial:

fun = @(x) x + log(x/3);

fzero(fun,1)

2. Prueba ahora eligiendo un punto inicial más alejado de la solución, por ejemplo:

fzero(fun,15)

Recibirás un mensaje diciendo que se aborta la búsqueda de un cero porque durante la

búsqueda se han encontrado valores complejos de la función (la función logaritmo no está
definida para argumentos negativos en el campo real, pero sí lo está en el campo complejo).
En la búsqueda de un intervalo que contenga un cambio de signo de la función, el algoritmo
se ha topado con valores de x negativos, en los que la función log toma valores complejos.

El algoritmo utilizado por fzero comienza por «localizar» un intervalo en el que la función cambie de
signo. No funcionará, pues, con ceros en los que no suceda esto, como pasa en el Ejercicio E 8.1.

8.4 Gráficas para localizar las raíces y elegir el punto inicial

La determinación teórica de un punto inicial cercano a la solución puede ser una tarea difícil. Sin
embargo, en muchos casos, un estudio gráfico previo puede resultar de gran ayuda.

Ejemplo 8.6
Calcular, si existe, una solución positiva de la ecuación

sen(x) − 2 cos(2x) = 2 − x2

determinando un punto inicial a partir de la gráfica de la función.

1. Comienza por escribir la ecuación en forma homogénea:

sen(x) − 2 cos(2x) + x2 − 2 = 0

2. A continuación, representa gráficamente la función.

fun = @(x) sin(x) -2*cos(2*x) + x.^2 - 2;

x = linspace(-5,5);
plot(x,fun(x));

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 189

La gráfica te mostrará que esta función tiene dos ceros: uno positivo cerca de x = 1 y otro
negativo cerca de x = −1.

3. Utiliza ahora fzero para intentar aproximar el cero positivo:

fzero(fun,1)

Obtendrás la solución x = 0.8924

Como se ha dicho antes, en los casos en que la ecuación tenga varias soluciones, habrá que utilizar
fzero una vez para cada solución que interese calcular.

Ejemplo 8.7
Calcular las soluciones de la ecuación
x √
1
sen cos x = en [0, π].
2 5

1. El primer paso es escribir la ecuación en forma homogénea (f (x) = 0). Por ejemplo
x √
1
f (x) = sen cos x − =0
2 5

2. Comienza por definir una función anónima y hacer la gráfica:

fun = @(x) sin(x/2).*cos(sqrt(x))- 0.2;

x = linspace(0,pi);
plot(x,fun(x));
grid on

Comprobarás que hay una solución en el intervalo [0.4, 0.7] y otra en el intervalo [1.5, 2].

3. Utiliza ahora fzero para intentar aproximar cada una de ellas:

fzero(fun, [0.4, 0.7]) % sol. x = 0.5490

fzero(fun, [1.5, 2]) % sol. x = 1.6904

Cuando se utiliza la gráfica por ordenador para «localizar» las soluciones de una ecuación es preciso
prestar especial atención a los factores de escala de los ejes en el dibujo y hacer sucesivos dibujos
«acercándose» a determinadas zonas de la gráfica para comprender la situación. Asimismo, siempre
es recomendable hacer previo análisis teórico de la función. Como ejemplo de esta situación, véase
el Ejercicio E 8.3 y el Ejercicio E 8.6 al final del capítulo.

8.5 Ceros de funciones definidas por un conjunto discreto de valores

En ocasiones, como ya se ha visto antes, es preciso trabajar con funciones de las que sólo se conocen
sus valores en un conjunto finito de puntos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 190

Para calcular (de forma aproximada) en qué punto(s) se anula una tal función se pueden interpolar sus
valores por alguno de los procedimientos estudiados en el Tema anterior, definir una función anónima
con la interpolante y calcular con fzero el cero de esta función.

Ejercicio 8.8 El fichero [Link] contiene, en dos columnas, las abscisas y las ordenadas de un
conjunto de puntos correspondientes a los valores de una función.
Se desea interpolar dichos valores mediante una interpolante lineal a trozos y calcular el valor para
el que dicha interpolante toma el valor 0.56.

1. Comienza por leer los datos del fichero:

mat = load('[Link]');
xs = mat(:,1);
ys = mat(:,2);

2. Si denotamos por g(x) a la interpolante, lo que tenemos que hacer es resolver la ecuación

g(x) = 0.56 ⇔ g(x) − 0.56 = 0

Necesitamos definir una función anónima que evalúe el primer miembro de la anterior ecuación

fun = @(x) interp1(xs,ys,x) - 0.56;

3. Ahora utilizamos fzero para calcular un cero de esta función partiendo, por ejemplo, del
punto medio del intervalo ocupado por los xs (se podría elegir cualquier otro).

fzero(fun,mean(x))

Obtendrás el valor x = 0.6042.

Ejercicio 8.9 Repite la práctica anterior, pero interpolando mediante un spline cúbico.

1. Igual que antes, lee los datos del fichero:

mat = load('[Link]');
xs = mat(:,1);
ys = mat(:,2);

2. La función anónima ahora se podría escribir

fun = @(x) spline(xs,ys,x)-0.56;

Sin embargo, sería mas adecuado lo siguiente:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 191

coef = spline(xs,ys); % calcula coeficientes del spline

fun = @(x) ppval(coef,x)-0.56; % evalúa el spline en x

Esta segunda opción es mejor porque con ella los coeficientes se calculan una sola vez.

3. Ahora utiliza fzero igual que antes

fzero(fun,mean(x))

Obtendrás el valor x = 0.6044.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 192

8.6 Algoritmos numéricos para la resolución de ecuaciones

Los algoritmos numéricos para resolver el problema

Hallar x ∈ [a, b] tal que f (x) = 0

cuando la ecuación f (x) = 0 es no lineal (en el caso lineal su resolución es inmediata) son en general
algoritmos iterados. Esto significa que, a partir de un punto o intervalo iniciales (dependiendo del
algoritmo), se construye una sucesión de aproximaciones (calculadas una a partir de la anterior) cuyo
límite es la solución buscada. Estos algoritmos, cuando convergen, lo hacen a una de las soluciones de
la ecuación. Si ésta tuviera más de una solución, habría que utilizar el algoritmo una vez para cada
una, cambiando el punto inicial. En la práctica, lógicamente, sólo se efectúan un número finito de
iteraciones y el algoritmo se detiene cuando se verifica algún criterio, previamente establecido.

8.6.1 El algoritmo de bisección o dicotomía

Si f es una función continua en el intervalo [a, b] y tiene signos distintos en los extremos, f (a) f (b) < 0,
entonces posee al menos un cero en el intervalo, es decir, ∃α ∈ (a, b) tal que f (α) = 0. Dicho cero no
tiene porqué ser único (salvo que se tengan condiciones adicionales como, por ejemplo, la monotonía
estricta de la función).
Sin mucha precisión, el método de bisección consiste en lo siguiente:

1) Subdividir en dos partes el intervalo en que se sabe que la función cambia de signo y tiene una
sola raíz.

2) Averiguar, utilizando el Teorema de Bolzano, en cual de las dos mitades se encuentra la raíz y
descartar la otra mitad del intervalo.

3) Reiniciar el proceso con el subintervalo elegido.

4) Continuar este proceso hasta que el subintervalo elegido tenga una longitud lo suficientemente
pequeña como para que cualquiera de sus puntos sea una aproximación aceptable de la solución.
La elección óptima como aproximación es, entonces, el punto medio del intervalo.

α α x2
a0 x0 b0 a1 x1 b1 a2 b2

Algoritmo de bisección (versión 1)

a) Datos de entrada: a, b y tol > 0.

Hacer e = (b − a)/2.
a+b
b) Dados a, b y e, hacer x =
2
b.1) Si |e| ≤ tol, parar y devolver x como aproximación de la solución.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 193

b.2) Si f (a)f (x) < 0, hacer b = x.

b.3) Si no, hacer a = x

c) Hacer e = e/2 y volver al paso b).

En el algoritmo anterior, cabe plantearse la posibilidad de que, en alguna de las iteraciones, sea f (x) =
0. En ese caso, lo lógico sería detener el algoritmo y dar x como solución.
Habría, pues, que introducir, después del paso b1), un test para detectar si f (x) = 0 y, en caso
afirmativo, parar.
Observación: cuando este algoritmo se implementa en un programa, para ser ejecutado en un ordena-
dor, el test mencionado antes no debe consistir en preguntar si f (x) es igual a 0 ya que, debido
a los errores de redondeo, es prácticamente imposible que un número real que resulte de hacer cálculos
sea exactamente igual a cero: será muy pequeño en valor absoluto.
Estas consideraciones dan lugar a la siguiente versión (mejorada) del algoritmo:

Algoritmo de bisección (versión 2)

a) Datos de entrada: a, b, ε > 0 y tol > 0.

Hacer e = (b − a)/2.
a+b
b) Dados a, b y e, calcular x =
2
b.1) Si |e| ≤ tol o bien |f (x)| < ε, parar y devolver x como aproximación de la solución.
b.2) Si f (a)f (x) < 0, hacer b = x.
b.3) Si no, hacer a = x

c) Hacer e = e/2 y volver al paso b).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 194

Ejercicio 8.10 (Método de bisección) Escribir una M-función que aproxime la solución de
f (x) = 0 en el intervalo [a, b] utilizando el método de bisección.

function [x] = Biseccion(fun, a, b, epsi, tol)

%
% Biseccion(fun,a,b,eps,tol) devuelve una aproximacion del
% unico cero de la funcion fun entre a y b
% La funcion fun debe ser continua y tener signos
% distintos en a y b
%
% Metodo utilizado: biseccion
% Argumentos de entrada:
% fun : un handle a una funcion
% a, b : extremos de un intervalo con un cero de fun
% epsi : se detiene el algoritmo si |fun(x)| < epsi
% tol : se detiene el algoritmo si |x-sol_exacta| < tol
% Argumentos de salida:
% x : la aproximacion de la solucion
%

fa = fun(a);
fb = fun(b);
if ( fa*fb > 0 )
error('La funcion debe cambiar de signo en el intervalo');
end

e = (b-a)*0.5;
x = (a+b)*0.5;

while ( abs(e) >= tol )

fx = fun(x);
if ( abs(fx) < epsi )
return
end
if (fa*fx > 0)
a = x;
fa = fx;
else
b = x;
fb = fx;
end
x = (a+b)*0.5;
e = e*0.5;
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 195

8.6.2 El método de aproximaciones sucesivas

Dada g : [a, b] ⊂ R → R continua, el método de aproximaciones sucesivas sirve para aproximar
soluciones de una ecuación de punto fijo

x = g(x), x ∈ [a, b].

A las soluciones de x = g(x) se les llama puntos fijos de la función g. Geométricamente hallar un
punto fijo de g es determinar la abscisa del punto de corte de las gráficas de y = g(x) e y = x en [a, b].

y =x

y =g(x)

a α x2 x1 x0 b
a α b a x1 x3 α x2 x0 b

El método de aproximaciones sucesivas es un método iterativo que consiste en tomar una apro-
ximación inicial x0 ∈ [a, b] y calcular los demás términos de la sucesión {xn }n≥0 mediante la relación

xn+1 = g(xn ).

Es obvio que cualquier ecuación f (x) = 0 puede escribirse en la forma x = g(x) (por ejemplo x =
x + f (x), pero también de muchas otras formas). Bajo ciertas condiciones sobre la función g el método
de aproximaciones sucesivas es convergente con orden de convergencia lineal (orden 1).
Cuando se utiliza el método de aproximaciones sucesivas para calcular una aproximación del punto fijo,
se suelen terminar las iteraciones cuando el valor absoluto de la diferencia entre dos puntos sucesivos
sea menor que una tolerancia pre-establecida, ε:

|xn − xn−1 | ≤ ε.
Por otra parte, para prevenir el caso en que el algoritmo no converja por alguna razón, es preciso
imponer que el programa se detenga tras realizar un número máximo prefijado de iteraciones sin que
se haya obtenido la convergencia.

Algoritmo de aproximaciones sucesivas (AASS) (para aproximar la solución de x = g(x))

a) Elegir x0 ∈ [a, b] y ε > 0. Hacer n = 0.

b) Dados n ≥ 0 y xn .

b.1) Calcular xx+1 = g(xn )

b.2) Si |xn+1 − xn | ≤ ε, parar y devolver xn+1 como aproximación.
b.3) Hacer n = n + 1 y repetir el paso b).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 196

Ejercicio 8.11 (Método de aproximaciones sucesivas) Escribir una M-función que aproxi-
me una solución de x = g(x) utilizando el método de aproximaciones sucesivas.

function [x] = AASS(fun, xcero, epsi, Nmax)

%
% x = AASS(fun,xcero,tol,Nmax) devuelve una aproximacion de
% un punto fijo de fun(x), i.e. una solucion de x=fun(x)
%
% Metodo utilizado: aproximaciones sucesivas
% Argumentos:
% xcero : punto para iniciar el algoritmo
% epsi : se detiene el algoritmo si |x_{n+1}-x_n| < epsi
% Nmax : numero maximo de iteraciones a realizar
%

x = xcero;
for k = 1:Nmax
x0 = x;
x = fun(x);
if ( abs(x-x0) < epsi )
return
end
end
%

8.6.3 El método de Newton

El método de Newton para aproximar la solución de la ecuación

f (x) = 0

consiste en generar una sucesión {xn }n≥0 construida a partir de un valor inicial x0 mediante el método
iterado:

f (xn )
xn+1 = xn −
f 0 (xn )

Obviamente, el método de Newton necesita del conocimiento de la derivada f 0 (x) y que esta no se anule
en ningún término de la sucesión. La interpretación geométrica del método de Newton es la siguiente:
xn+1 es la abscisa del punto de intersección con el eje OX de la tangente a la curva y = f (x) en el
punto (xn , f (xn ))

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 197

a b
α x2 x1 x0

Tomando el punto inicial x0 cercano a la solución, bajo ciertas condiciones sobre la función f , el método
de Newton es convergente con orden de convergencia cuadrático (de orden 2).
La forma de detener las iteraciones de este método para obtener una aproximación de la raíz es similar
al método de aproximaciones sucesivas:

|xn−1 − xn | < ε.

Por otra parte, para prevenir el caso en que el algoritmo no converja por alguna razón, es preciso
imponer que el programa se detenga tras realizar un número máximo prefijado de iteraciones sin que
se haya obtenido la convergencia.

Algoritmo de Newton (para aproximar la solución de f (x) = 0)

a) Elegir x0 ∈ [a, b], tol > 0 y ε > 0.

b) Dados n ≥ 0 y xn .
f (xn )
b.1) Hacer xn+1 = xn − .
f 0 (xn )
b.2) Si |xn+1 − xn | < tol o bien |f (xn+1 )| < ε, parar y devolver xn+1 como aproximación.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 198

Ejercicio 8.12 Escribir una M-función que aproxime la solución de f (x) = 0 utilizando el método
de Newton.

function [x] = Newton(fun, dfun, xcero, tol, epsi, Nmax)

%
% x = Newton(fun, dfun, xcero, tol, epsi, Nmax) devuelve una
% aproximacion de la solucion de fun(x) = 0
%
% Metodo utilizado: Newton
% Argumentos:
% fun : un handle a una funcion
% dfun : un handle a la derivada de fun
% xcero : punto para iniciar el algoritmo
% tol : se detiene el algoritmo si |x_{n+1}-x_n| < tol
% epsi : se detiene el algoritmo si |fun(x)| < epsi
% Nmax : numero maximo de iteraciones a realizar
%

R. Echevarría Dpto. EDAN - Universidad de Sevilla

8. Resolución de ecuaciones no lineales 199

8.7 Ejercicios
E 8.1 Utiliza el comando fzero para aproximar la solución de la ecuación

x2 = 0

Comprobarás que no funciona, sea cual sea el punto inicial.

E 8.2 Estudiar el número de soluciones de la ecuación
(x + 2)2
(x2 − 1)ex/2 = −1
10
en el intervalo [−10, 2] y calcularlas.
(Solución: x1 = −6.9611, x2 = −0.3569, x3 = 0.9612)
E 8.3 Calcular todas las soluciones de la ecuación
ln(x + 1)
= x2 − 8x + 6.
x2 + 1

(Solución: x1 = 0.7815, x2 = 7.1686)

E 8.4 Calcular todos los puntos de corte de las gráficas de las funciones
…
e2

(x + 2) x −
f (x) = 3 y g(x) = 0.1 (x + 2) (x − 3) (x − 8)
ln(x)

E 8.5 Calcular todos los puntos de corte de la curva y = cos3 (3x) con la circunferencia de centro
(π/2, 0) y radio 1.
E 8.6 Las frecuencias naturales de la vibración de una viga homogénea sujeta por un extremo son las
soluciones de :
f (x) := cos(x) cosh(x) + 1 = 0
Se desea saber qué raíces tiene f en el intervalo [0, 15]. Calcular dichas raíces utilizando la función
MATLAB fzero. Realizar las gráficas necesarias para «localizar» los ceros de la función y luego
calcularlos, uno a uno, partiendo en cada ocasión de un punto suficientemente próximo.
(Solución: x1 = 1.8751, x2 = 4.6941, x3 = 7.8548, x4 = 10.9955, x5 = 14.1372)
E 8.7 (Caida.m) Se desea saber si un tanque con desperdicios tóxicos que se deja caer en el océano
alcanza una determinada velocidad crítica al tocar fondo, ya que, de ser así, podría romperse,
liberando su carga y contaminando el océano. Aplicando las leyes de Newton, se obtiene la
siguiente ecuación para la velocidad de caída, v:
gd v p − b  p − b − cv 
= − − 2 ln
p c c p−b

donde g: es la constante de aceleración de la gravedad

d: es la distancia (altura) que recorre el tanque
p: es el peso del tanque
b: es la fuerza hidrotástica
c: es el coeficiente de proporcionalidad de la fuerza hidrodinámica
Escribir una M-función

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 8. Resolución de ecuaciones no lineales 200

function [v] = Caida(p,d)

que, a partir de los valores de p (peso) y d (altura), calcule la velocidad v con la que el tanque
llega al fondo, considerando los siguientes valores del resto de los parámetros:
g = 32.174 ft/s2 , b = 470.327 lb, c = 0.08.
Determinar si tiene o no peligro de rotura un tanque de 527.436 lb de peso que se deja caer en
un punto con 300 ft de profundidad, teniendo en cuenta que la velocidad crítica es vc = 40 ft/s.

E 8.8 (Pasillo.m) Un pasillo tiene la forma indicada

en la figura adjunta. La máxima longitud de una L l1
barra que puede pasar de un extremo al otro,
deslizándose sobre el suelo viene dada por g

`2 `1
L= + l2
sen(π − γ − α) sen α

donde α es la solución de la ecuación no lineal

cos(π − γ − α) cos(α)
f (α) = `2 2
− `1 = 0.
sen (π − γ − α) sen2 (α)

Escribir una M-función

function [L] = Pasillo(ele1, ele2, gamma)

que dibuje la función f (α) en un intervalo adecuado y calcule el valor de L.

3π
Comprobación: para `1 = 8, `2 = 10 y γ = se debe obtener L = 30.5484.
5
Observación: Este ejercicio plantea una versión muy simplificada de uno más complicado cono-
cido como El problema del sofá. Para saber algo más sobre este último, se puede leer la siguiente
entrada en el Blog del IMUS (Instituto de Matemáticas de la Universidad de Sevilla): El problema
del sofá: matemáticas para la Semana Santa

E 8.9 (PesoMaximo.m) Determinar el peso máximo que puede tener el tanque del Ejercicio E 8.7
para que, con los mismos datos, no se rompa al tocar fondo, es decir, que llegue al fondo con
una velocidad v ≤ vc . (Indicación: hallar el cero de la función g : p → v(p) − vc , donde v(p) es la
velocidad con que toca fondo un tanque con peso p.

E 8.10 (Casquete.m) El volumen de un casquete esférico viene dado por

π
V = h2 (3R − h),
3
donde h es la altura del casquete y R es el radio de la esfera.
Un plano corta a una esfera de radio unidad en dos trozos.
Escribir una M-funcion

function dist = Casquete(R, K)

que devuelva la distancia x del plano al centro de la esfera de

radio R, si uno de los trozos tiene un volumen K veces el del
otro.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 8. Resolución de ecuaciones no lineales 201

E 8.11 (Caja.m) A partir de una hoja metálica rectangular de di-

mensiones a × b centímetros se desea construir una caja sin d
tapadera, recortando un cuadrado de lado d cm de cada esqui-
d
na, como se muestra en la figura.
Escribir una M-función

function [d] = Caja(a, b, V)

que calcule y devuelva el/los valor/es de d que hacen que la

caja resultante tenga un volumen de V cm3 .
E 8.12 Modificar el programa Biseccion de forma que devuelva, además de la aproximación de la
solución, el número de iteraciones realizadas:

function [x, iter] = Biseccion(fun,a,b,epsi,tol)

E 8.13 Modificar el programa Biseccion de forma que imprima una tabla con la evolución de las itera-
ciones, es decir, con una linea por iteración indicando (a) el número k de la iteración; (b) el valor
xk de la aproximación; (c) el valor f (xk ) de la función en ese punto.
E 8.14 Modificar el programa AASS de forma que devuelva, además de la aproximación de la solución, el
número de iteraciones realizadas:

function [x, iter] = AASS(fun,xcero,epsi,Nmax)

E 8.15 Modificar el programa AASS de forma que imprima una tabla con la evolución de las iteraciones,
es decir, con una linea por iteración indicando (a) el número k de la iteración; (b) el valor xk de
la aproximación; (c) el valor f (xk ) de la función en ese punto.
E 8.16 Modificar el programa AASS de forma que para el test de parada se utilice el error relativo en
lugar del error absoluto.
E 8.17 Modificar el programa AASS de forma que se produzca un mensaje de warning cuando se alcance
el número máximo de iteraciones.
E 8.18 (Newton.m) Escribir una M-función Newton.m que implemente el método de Newton para
aproximar un cero de una función.

function [x] = Newton(fcn, dfcn, xcero, epsi, tol, Nmax)

E 8.19 Modificar el programa Newton de forma que devuelva, además de la aproximación de la solución,
el número de iteraciones realizadas:

function [x, iter] = Newton(fcn, dfcn, xcero, epsi, tol, Nmax)

E 8.20 Modificar el programa Newton de forma que imprima una tabla con la evolución de las iteraciones,
es decir, con una linea por iteración indicando (a) el número k de la iteración; (b) el valor xk de
la aproximación; (c) el valor f (xk ) de la función en ese punto.
E 8.21 Modificar el programa Newton de forma que para el test de parada se utilice el error relativo en
lugar del error absoluto:
|xn+1 − xn |
<ε
|xn |
E 8.22 Modificar el programa Newton de forma que se produzca un warning cuando se alcance el número
máximo de iteraciones y otro warning cuando se llegue a un xk en que la derivada f 0 (xk ) sea
muy pequeña en valor absoluto .

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

9 B

SE
UNIVER

VILLA
Integración numérica
e an
Ecuaciones Diferenciales
y Análisis Numérico

Nos planteamos aquí el cálculo de integrales definidas

Z b
f (x) dx
a

Si se conoce una primitiva, F , de la función f , es bien sabido que el valor de la integral definida se
puede calcular mediante la Regla de Barrow:
Z b
f (x) dx = F (b) − F (a).
a

En la mayoría de los casos, sin embargo, no se puede utilizar esta fórmula, ya que no se conoce dicha
primitiva. Es posible, por ejemplo, que no se conozca la expresión matemática de la función f , sino
sólo sus valores en determinados puntos. Pero también hay funciones (de apariencia sencilla) para las
que se puede demostrar que no tienen ninguna primitiva que pueda escribirse en términos de funciones
2
elementales, como por ejemplo f (x) = e−x .

La integración numérica es una herramienta de las matemáticas que proporciona fórmulas y téc-
nicas para calcular aproximaciones de integrales definidas. Gracias a ella se pueden calcular, aunque
sea de forma aproximada, valores de integrales definidas que no pueden calcularse analíticamente y,
sobre todo, se puede realizar ese cálculo en un ordenador.

9.1 La función integral (función quad en versiones anteriores)

MATLAB dispone de la función integral para calcular integrales definidas1

integral(fun,a,b);

a, b son los límites de integración

fun es la función a integrar y puede ser especificada de dos formas:

integral(fun,a,b) mediante una función anónima

1
En antiguas versiones de MATLAB, la función básica para el cálculo numérico de integrales definidas era quad, que
ha sido sustituida por integral, que, aunque tiene más funcionalidades, funciona igual que quad en los casos en que esta
última funcionaba.

203
9. Integración numérica 204

integral(@fun,a,b) mediante una M-función

Ejercicio 9.1 Calcular la integral definida

Z 3
x sen(4 ln(x)) dx
0.2

f = @(x) x.*sin(4*log(x));
q = integral(f,0.2,3)

Es preciso que la función del integrando esté vectorizada. Debes obtener el valor -0.2837.
También se podría escribir, directamente,

q = integral(@(x) x.*sin(4*log(x)), 0.2, 3)

Ejercicio 9.2 Calcular la siguiente integral definida utilizando una M-función para representar el
integrando Z 8
0.8
(x e−x + 0.2) dx
0
Usando la función area, representar gráficamente el área por debajo de la curva de la función a
integrar, las rectas x = 0 y x = 8 y el eje OX. Consultar para ello el help de MATLAB.

1. Escribe, en un fichero de nombre mifun.m, una M-función que evalúe la función a integrar:

function [y] = mifun(x)

y = x.*exp(-x.^0.8) + 0.2;

2. Para calcular la integral hay que usar la orden:

q = integral(@mifun, 0,8);

Recuerda que, puesto que el integrando viene definido mediante una M-función, es necesario
poner el símbolo @ delante del nombre al transmitirlo a otra función.

3. La gráfica pedida se puede hacer con las órdenes siguientes. Incluímos un título que utilizamos
para mostrar el valor calculado de la integral.
0.8
La función f (x) = x e−x + 0.2 es positiva en el intervalo [0, 8], por lo tanto el valor de la
integral calculado es el área de la región mostrada en la figura.

x = linspace(0,8);
y = mifun(x);
area(x, y, 'FaceColor', [0.1,0.8,0])
title(['Integral=', num2str(q,'%12.5f')], 'FontSize', 14);

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 205

Integral = 3.16043
0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6 7 8

Ejercicio 9.3 (Propuesta) Calcular la integral definida del Ejercicio 9.1, usando una M-función

Ejercicio 9.4 Escribir una M-función

function [v] = ValorInt(k)

que calcule y devuelva el valor de la integral

Z 7


x sen 4 ln(kx) dx
0.5

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 206

9.2 Aplicaciones de la integral definida

9.2.1 Cálculo de áreas

Como es bien sabido, si f : [a, b] 7→ R, es continua y f > 0 en [a, b], entonces el área A de la región
delimitada por la curva de ecuación y = f (x), el eje OX y las rectas verticales x = a y x = b viene
dada por
Z b
A= f (x) dx
a

Figura 9.1: Región delimitada por la gráfica de la función

y = f (x), el eje de abscisas y las rectas x = a y x = b.

Ejercicio 9.5 Calcular el área de la región plana delimitada por la curva de ecuación
y = sen(4 ln(x)), el eje OX y las rectas verticales x = 1 y x = 2.

1. Comenzamos analizando y representando gráficamente la función y = sen(4 ln(x)) para ase-

gurarnos de que es positiva en el intervalo [1, 2]:

f = @(x) sin(4*log(x));
x1 = linspace(0.95,2.3);
y1=f(x1);
plot(x1,y1)
grid on

2. Puesto que f es positiva en [1, 2], el área de la región mencionada es:

Z 2
A= f (x) dx
1

y se calcula con la orden

A = integral(f,1,2)

Obtendras el valor: A = 0.7166.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 207

Si la función f es negativa en [a, b], entonces el área de la región delimitada por la curva y = f (x), el
eje OX y las rectas verticales x = 1 y x = b es
Z b
A=− f (x) dx
a

Ejercicio 9.6 Calcular el área de la región plana delimitada por la curva de ecuación
1
y= , el eje OX y las rectas verticales x = 3 y x = 4.
x(1 − ln(x))

1. De nuevo comenzamos representando gráficamente la función para analizar su signo:

f = @(x) 1./(x.*(1-log(x)));
x1 = linspace(3, 4);
y1 = f(x1);
plot(x1, y1)
grid on

2. Puesto que f es negativa en [3, 4], el área de la región mencionada es:

Z 4
A=− f (x) dx
3

y se calcula con la orden

A = - integral(f,3,4)

Obtendras el valor: area = 1.3654.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 208

Ejercicio 9.7 Calcular el área total de la región plana delimitada por la curva de ecuación
y = sen(4 ln(x + 1)) y el eje OX entre los puntos de abscisas x = 0 y x = 9.

1. Comenzamos por representar gráficamente la función para analizar su signo:

f = @(x) sin(4*log(x+1)); y
x1 = linspace(0,10);
y1 = f(x1);
plot(x1,y1)
grid on
x

2. La observación de la gráfica nos muestra que la función f cambia de signo en dos puntos del
intervalo [0, 9], x1 y x2 , y que es positiva en [0, x1 ], negativa en [x1 , x2 ] y de nuevo positiva
en [x2 , 9].
Tenemos que calcular las tres áreas por separado y para ello lo primero es calcular los valores
x1 y x2 :

xcero1 = fzero(f,1); % xcero1 = 1.1933

xcero2 = fzero(f,4); % xcero2 = 3.8105

3. Calculamos ahora las tres áreas:

Z x1 Z x2 Z 9
A1 = f (x) dx A2 = − f (x) dx A3 = f (x) dx
0 x1 x2

A1 = integral(f,0,xcero1); % A1 = 0.7514
A2 = - integral(f,xcero1,xcero2); % A2 = 1.6479
A3 = integral(f,xcero2,9); % A3 = 3.5561

4. El área total buscada es finalmente:

A = A1 + A2 + A3; % A = 5.9554

Ejercicio
 9.8 Calcular el área de la región del primer cuadrante delimitada por la curva y =
 x 
x sen 6 log , el eje OX y las rectas verticales x = 1 y x = 10.
2

Ejercicio 9.9 Calcular el área de la región delimitada por la curva

1
y= ,
sen x

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 209

el eje OX, el eje OY , la recta horizontal y = 5 y la recta vertical x = 1.5.

Ejercicio 9.10 Calcular los puntos de corte de las curvas siguientes, así como el área de la región
plana encerrada entre ellas

y = x2 − 4 = f (x) y y = 2x − 0.8 x2 + 3 = g(x)

1. Tenemos que comenzar por identificar la zona en cuestión y hacernos una idea de la locali-
zación de los puntos de corte. Para ello vamos a dibujar ambas curvas, por ejemplo, entre
x = −5 y x = 5 (podrían ser otros valores):
y=f(x)
y=g(x)
30
y

f = @(x) x.^2-4; 20

g = @(x) 2*x - 0.8*x.^2 +3;

x = linspace(-5,5); 10

yf = f(x); 0
x
yg = g(x);
plot(x,yf,x,yg) -10

grid on -20

-30

2. La observación de la gráfica nos muestra que ambas

-6
curvas
-4
se-2 cortan0 en dos2 puntos,
4
(x1 ,6y1 )
y (x2 , y2 ).
Para calcularlos comenzamos por calcular sus abscisas x1 y x2 , que son las soluciones de la
ecuación
f (x) = g(x) equivalente a f (x) − g(x) = 0

fg = @(x) f(x) - g(x);

x1 = fzero(fg,-1); % x1 = -1.4932
x2 = fzero(fg, 3); % x2 = 2.6043

Las ordenadas de los puntos de corte son los valores en estos puntos de la función f (o g, ya
que toman el mismo valor en ellos):

y1 = f(x1); % o bien y1 = g(x1); y1 = -1.7703

y2 = f(x2); % o bien y2 = g(x2); y2 = 2.7826

Así pues, las dos curvas se cortan en los puntos (−1.4932, −1.7703) y (2.6043, 2.7826).

3. El área de la región que queda encerrada entre las dos curvas es, ya que en [x1 , x2 ] se tiene
g(x) ≥ f (x): Z x2 Z x2
A= (g(x) − f (x)) dx = − (f (x) − g(x)) dx
x1 x1

y se puede calcular con la orden:

A = - integral(fg,x1,x2); % A = 20.6396

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 210

y=f(x)
y=g(x)
y

Ejercicio 9.11 Calcular los puntos de corte de las curvas siguientes, así como el área de la región
plana encerrada entre ellas
cos x 1
y= = f (x) y y = 0.3 x − = g(x)
x2 + 1 2

Ejercicio 9.12 Calcular el área de la región plana delimitada por las rectas verticales x = 2 y
x = 3 y las gráficas de las funciones
x
f (x) = tg(x) y g(x) = −
3

Ejercicio 9.13 Las funciones

t t
f (t) = y g(t) =
1 + ln(4 + t2 ) 6

se cortan en el punto (0, 0) y en otro punto (x̄, ȳ) del primer cuadrante. Se pide calcular las
coordenadas de dicho punto y el área de la región encerrada entre ambas curvas.

Ejercicio 9.14 Las funciones

Ä√ ä
f (t) = t sen 5t y g(x) = 0.5 − t

se cortan en dos puntos del intervalo [π, 2π]. Se pide calcular las coordenadas de dichos puntos así
como el área de la región encerrada entre ambas curvas.

Ejercicio 9.15 Calcula el área de la o las regiones planas delimitadas por las curvas

y = cos2 (x) e y = sen(x)

y las rectas verticales x = 0 y x = 3.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 211

9.2.2 Cálculo de longitudes de arcos de curva

Consideremos el arco de curva dado por

y = f (x) x ∈ [a, b].

La longitud de este arco de curva desde (a, f (a)) hasta (b, f (b)) viene dada por
Z bq

2
L= 1 + f 0 (x) dx (9.1)
a

Si la curva viene definida por sus ecuaciones paramétricas

®
x = f (t)
t ∈ [t0 , t1 ]
y = g(t)

entonces la longitud del arco de curva desde (x(t0 ), y(t0 )) hasta (x(t1 ), y(t1 )) viene dada por
Z t1 q

2
2
L= f 0 (t) + g 0 (t) dt (9.2)
t0

Ejercicio 9.16 Calcular la longitud del arco de la curva y = sen 4 ln(x + 1) entre x = 0 y x = 9.

Denotando f (x) = sen 4 ln(x + 1) , se tiene

4
f 0 (x) =


cos 4 ln(x + 1)
x+1
La longitud del arco indicado se puede calcular con las órdenes:

df = @(x) 4*cos(4*log(x+1))./(x+1);
fint = @(x) sqrt(1+df(x).^2);
L = integral(fint, 0, 9)

Ejercicio 9.17 Calcular la longitud del arco de la curva definida por las ecuaciones paramétricas
®
x = cos(80t) − cos3 (t)
t ∈ [0, π]
y = sen(80t) − sen3 (t)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 212

Denotando f (t) = cos(80t) − cos3 (t) y g(t) = sen(80t) − sen3 (t), se tiene

f 0 (t) = −80 sen(80t) + 3 cos2 (t) sen(t)

®

g 0 (t) = 80 cos(80t) − 3 sen2 (t) cos(t)

La longitud del arco indicado se puede calcular con las órdenes:

df = @(t) -80*sin(80*t) + 3* cos(t).^2.*sin(t);

dg = @(t) 80*cos(80*t) - 3* sin(t).^2.*cos(t);
fint = @(x) sqrt( df(x).^2 + dg(x).^2 );
L = integral(fint, 0, pi)

9.3 Cálculo de volúmenes y superficies de revolución

Una figura que se genera por la rotación de una región plana alrededor de un eje se llama sólido de
revolución. La rotación de una curva plana genera una superficie. Esta superficie junto con su interior
es un sólido de revolución. Por ejemplo, la superficie de un cilindro puede ser obtenida por la rotación
de un segmento paralelo al eje; la de un cono, por la rotación de su generatriz alrededor del eje o la de
una esfera por la rotación de una semicircunferencia en torno a su diámetro.

El volumen del sólido de revolución generado por rotación de la región determinada por la curva
y = f (x), las rectas verticales x = a y x = b y el eje OX en torno a dicho eje viene dado por
Z b
V =π f (x)2 dx
a

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 213

El área de la superficie de revolución generada al girar el arco de curva y = f (x), x ∈ [a, b] alrededor
del eje OX viene dada por
Z b q

2
S = 2π f (x) 1 + f 0 (x) dx
a

Ejercicio 9.18 Calcular el volumen del sólido de revolución generado por rotación alrededor del
eje OX de la región plana delimitada por la curva
4
y= , t ∈ [0, 7],
1 + 8e−t
las rectas verticales x = 0 y x = 7 y el eje OX.

El volumen pedido se puede calcular con las órdenes

f = @(x) 4./(1+8*exp(-x));
V = pi*integral(@(x) f(x).^2, 0, 7); % V = 197.4628

Ejercicio 9.19 Calcular el volumen del sólido de revolución (elipsoide) generado por rotación
alrededor del eje OX de la región plana encerrada dentro de la elipse de ecuación

(x − 3)2 + 3y 2 = 4.

Calcular también el area superficial del elipsoide.

En la ecuación implícita de la elipse, se puede despejar la variable y en función de la variable x:

4 − (x − 3).2
y=±
3

El sólido mencionado se obtiene por rotación alrededor del eje OX de la parte positiva

4 − (x − 3).2
y=+
3
Se puede calcular su volumen con las órdenes

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 214

f = @(x) sqrt((4 - (x-3).^2)/3);

V = pi * integral(@(x) f(x).^2, 1, 5) % V = 11.1701

Para calcular el área superficial necesitamos la derivada de la función f :

1 x−3
y = −√ p
3 4 − (x − 3)2

df = @(x) -r3 * (x-3) ./ sqrt(4-(x-3).^2);

fint = @(x) f(x).*sqrt( 1 + df(x).^2);
S = 2*pi*integral(fint, 1, 5) % S = 25.3550

Ejercicio 9.20 Calcular el volumen del toroide generado por rotación alrededor del eje OX de la
región plana encerrada dentro de la elipse de ecuación

x2 + 3(y − 3)2 = 4.

Calcular también su area superficial.

9.4 Cálculo de integrales de funciones definidas por un conjunto dis-

creto de valores

Como hemos mencionado antes, muchas veces es preciso trabajar con funciones de las que sólo se cono-
cen sus valores en un conjunto de puntos. Para calcular (de forma aproximada) la integral definida de
una tal función se pueden interpolar sus valores por alguno de los procedimientos vistos anteriormente
y luego integrar dicha interpolante.

9.4.1 Integrar una poligonal: La función trapz

La posibilidad más sencilla es hacer una interpolación lineal a trozos. Entonces la integral en todo el
intervalo es la suma de las integrales en cada uno de los subintervalos, que es fácil de hacer, ya que en
cada uno de ellos la función a integrar es un polinomio de grado uno.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 215

La función MATLAB trapz permite realizar este cálculo:

q = trapz(x,y);

x,y son dos vectores de la misma dimensión y representan las coordenadas de los puntos.

q es el valor de la integral

Ejercicio 9.21 Calcula la integral definida de una función que viene dada a través del siguiente
conjunto de puntos:

x 0 2 3 5 6 8 9 11 12 14 15
y 10 20 30 -10 10 10 10.5 15 50 60 85

1. Define dos vectores que contienen las abscisas y las ordenadas de los puntos:

x = [0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15];

y = [10, 20, 30, -10, 10, 10, 10.5, 15, 50, 60, 85];

2. Calcula el valor de la integral usando trapz

q = trapz(x,y)

Debes obtener el valor 345.7500.

9.4.2 Integrar otros interpolantes

Si se lleva a cabo otro tipo de interpolación, el procedimiento a seguir es definir una función (por
ejemplo anónima) y luego utilizar integral.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 216

Ejercicio 9.22 Se consideran los siguientes datos correspondientes a los valores de una función:

x 0 2 3 5 6 8 9 11 12 14 15
y 10 20 30 -10 10 10 10.5 15 50 60 85

Se desea interpolar dichos valores mediante un spline cúbico s = s(x), representarlo gráficamente
y calcular la integral definida: Z 14
s(x) dx
10

1. Crea dos variables x e y con las abscisas y las ordenadas que vas a interpolar:

x = [0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15];

y = [0, 20, 30, -10, 10, 10, 10.5, 15, 50 , 60 , 85];

2. Calcula con la orden spline los coeficientes del spline que pasa por estos puntos:

c = spline(x,y);

3. Define una función anónima s = s(x) que evalúa el spline en los puntos x:

s = @(x) ppval(c,x);

4. Calcula usando quad la integral definida requerida

a = integral(s,10,14)

Obtendrás el valor a = 157.0806.

5. Dibuja los puntos y el spline:

plot(x,y,'rx','LineWidth',1.5)
hold on
xs = linspace(min(x),max(x));
ys = s(xs);
plot(xs,ys,'LineWidth',1.5)
hold off
100

80

60

40

20

-20
0 5 10 15

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 217

Ejercicio 9.23 Usando los datos del Ejercicio 9.22, calcular el area de la región del cuarto cua-
drante (x ≥ 0, y ≤ 0) delimitada por el spline cúbico que interpola estos datos y el eje OX.

1. Crea dos variables x e y con las abscisas y las ordenadas de los puntos a interpolar:

x = [0, 2, 3, 5, 6, 8, 9, 11, 12, 14, 15];

y = [0, 20, 30, -10, 10, 10, 10.5, 15, 50 , 60 , 85];

2. Comienza por representar gráficamente el spline para analizar su signo:

c = spline(x,y);
s = @(x) ppval(c,x);
xs = linspace(0,15);
ys = s(xs);
plot(xs,ys)
grid on
100

80

60

40

20

-20
0 5 10 15

3. La observación de la gráfica muestra que el spline cúbico cambia de signo en tres puntos del
intervalo [0, 15]: x1 , x2 y x3 y que las regiones que nos interesan son las que quedan entre
x = 0 y x = x1 por un lado, y entre x = x2 y x = x3 por otro. Lo primero es calcular los
valores x1 , x2 y x3 :

x1 = fzero(s,1) % x1 = 1.1240
x2 = fzero(s,4) % x2 = 4.2379
x3 = fzero(s,6) % x3 = 5.5685

4. Calcula ahora las dos áreas:

Z x1 Z x3
A1 = − s(x) dx, A2 = − s(x) dx,
0 x2

A1 = -integral(s,0,x1) % A1 = 4.7719
A2 = -integral(s,x2,x3); % A2 = 8.6921

5. El área total buscada es finalmente:

A = A1 + A2 % A = 13.4640

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 218

Ejercicio 9.24 Se considera el siguiente conjunto de puntos correspondientes a los valores de una
función:

x 12 13 14 15 16 17 18 19 20
y -11.43 -7.30 8.86 13.82 -1.76 -16.73 -8.06 13.87 17.24

Se pide calcular el area de la región delimitada por el spline cúbico que intepola estos datos, el eje
OX y las rectas verticales x = 12 y x = 20.

Ejercicio 9.25 El fichero [Link] contiene una matriz con dos columnas, que corresponden
a las abscisas y las ordenadas de una serie de datos.
Se pide leer los datos del fichero, y calcular y dibujar el spline cúbico que interpola dichos valores,
en un intervalo que contenga todos los puntos del soporte. También se desea calcular el área de la
región del primer cuadrante delimitada por el spline cúbico.

1. Puesto que el fichero [Link] es de texto, se puede editar. Ábrelo (como texto) para ver
su estructura. Cierra el fichero.

2. Dado que todas las líneas del fichero tienen el mismo número de datos, se puede leer con la
orden load:

datos = load('[Link]');

que guarda en la variable datos una matriz 50 × 2 cuya primera columna contiene los valores
de las abscisas y la segunda los de las ordenadas. Compruébalo.

3. Extrae la primera columna de la matriz datos a un vector x y la segunda columna a un

vector y:

x = datos(:,1);
y = datos(:,2);

4. Calcula los coeficientes del spline y guárdalos en una variable c

c = spline(x,y);

5. Define una función anónima que evalúe el spline en x:

f = @(x) ppval(c,x);

6. Dibuja el spline en un intervalo que contenga todos los nodos:

xs = linspace(min(x),max(x));
ys = f(xs);
plot(xs,ys)
grid on

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 219

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3

7. En la gráfica se observa que el spline cúbico cambia de signo en tres puntos del intervalo
[1, 3]: x1 y x2 . La región del primer cuadrante delimitada por el spline es la que queda entre
x = x1 y x = x2 . Comienza por calcular los valores de x1 y x2 :

x1 = fzero(f,1.5) % x1 = 1.5713
x2 = fzero(f,2.5) % x2 = 2.3566

8. Calcula ahora el área: Z x2

A1 = f (x) dx
x1

A = integral(f,x1,x2) % A = 0.5002

Ejercicio 9.26 Se considera el siguiente conjunto de datos:

x 0 1 2 3 4 5 6 7 8 9 10
y 0 0.28 -1.67 -2.27 1.63 4.95 0.92 -6.32 -5.33 4.72 9.64

Se desea interpolar dichos valores mediante una interpolante lineal a trozos s(x), calcular la integral
definida Z 2π
s(x) dx
π/2

y realizar una representación gráfica de los datos junto con la interpolante lineal a trozos.

Ejercicio 9.27 El fichero [Link] contiene una matriz con dos columnas, que corresponden
a las abscisas y las ordenadas de una serie de datos.
Se pide leer los datos del fichero, y calcular la función logarítmica f (x) = m ln(x) + b que mejor se
ajusta a estos valores, y dibujarla en un intervalo que contenga todos los puntos del soporte.
También se pide calcular el área de la región del plano delimitada por la gráfica de la función f (x),
el eje OX y las rectas verticales x = 1.5 y x = 3.5.

9.5 Funciones definidas a trozos

Los siguientes ejemplos muestran cómo vectorizar el cálculo de una función que no viene definida
mediante una fórmula; por ejemplo, que está definida a trozos.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 220

Ejercicio 9.28 Escribir una M-función para calcular la siguiente función definida a trozos:

si x ≥ 0
®
0.5x2
f (x) =
x3 si no

y calcular el área de la región delimitada por la curva y = f (x), el eje OX y las rectas verticales
x = −2 y x = 2.5.

1. En un primer intento, escribiríamos probablemente algo como lo que sigue para calcular la
función f :

function [y] = mifun(x)

if (x>=0)
y = 0.5*x^2;
else
y = x^3;
end

en un fichero de nombre mifun.m.

Esto sería correcto si sólo fuéramos a utilizarla siendo el argumento x un escalar. Pero no
funcionaría si x fuera un vector, ya que el if no se lleva a cabo componente a compo-
nente.

Intenta comprender, mediante algún ejemplo y leyendo el help, cuál sería

el funcionamiento del if anterior si x fuese un vector.

2. Para que una M-función como la anterior sea «vectorial» hay que calcular los valores de y
componente a componente, como se muestra a continuación:

function [y] = mifun(x)

y = zeros(size(x));
for k = 1:length(x)
if x(k) >= 0
y(k) = 0.5*x(k)^2;
else
y(k) = x(k)^3;
end
end

Escribe el código anterior en un fichero y sálvalo con el nombre mifun.m. Comprueba, desde
la ventana de comandos, que el programa funciona correctamente, dando distintos valores a
la variable de entrada.

3. Dibuja la función en el intervalo [−3, 3] (por ejemplo):

x = linspace(-3, 3);
y = mifun(x);
plot(x, y, 'LineWidth', 1.5)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 221

-2
2.5

4. Calcula ahora las dos áreas:

Z 0 Z 2.5
A1 = − f (x) dx, A2 = f (x) dx,
−2 0

A1 = -integral(@mifun,-2,0) % A1 = 4
A2 = integral(@mifun,0,2.5) % A2 = 2.6042

5. Luego el área buscada es:

A = A1 + A2; % A = 6.6042

Observación 1
Las órdenes para realizar esta práctica se pueden escribir todas en un solo fichero de nombre,
por ejemplo, practica23.m, de la siguiente manera (para ejecutarlo hay que invocar el programa
principal, es decir, el que lleva el nombre del fichero):

function practica23
%-------------------------------------------------
% Practica numero 23 : funcion "principal"
%
x = linspace(-2.5, 3);
y = mifun(x);
plot(x, y, 'LineWidth', 1.5)
axis([-2.5, 3, -15, 10])
grid on
%
A1 = - integral(@mifun, -2, 0);
A2 = integral(@mifun, 0, 2.5);
A = A1 + A2;
fprintf(' El area calculada es: %12.6f \n',A)

%-------------------------------------------------
% mifun : funcion auxiliar utilizada por practica23
% No es "visible" fuera de este programa
%

R. Echevarría Dpto. EDAN - Universidad de Sevilla

9. Integración numérica 222

function [y] = mifun(x)

y = zeros(size(x));
for k = 1:length(x)
xk = x(k);
if xk>=0
y(k) = 0.5*xk^2;
else
y(k) = xk^3;
end
end

Observación 2
En realidad, utilizando adecuadamente las operaciones vectoriales de Matlab y los operadores de
comparación, es posible escribir la función f (x) mediante una sóla expresión y, por lo tanto, como
una función anónima, de la siguiente manera:

f = @(x) (0.5*x.^2).*(x>=0) + (x.^3).*(x<0);

En esta expresión se hace uso del hecho de que, cuando se combinan en una expresión aritmética
datos numéricos y datos lógicos, Matlab interpreta estos últimos como ceros y unos (números).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
Problemas de valores SI

10 B

SE
UNIVER

VILLA
iniciales para ecuaciones
e an
Ecuaciones Diferenciales
diferenciales ordinarias y Análisis Numérico

Una ecuación diferencial es una ecuación en que la incógnita es una función y que, además, involucra
también las derivadas de la función hasta un cierto orden. La incógnita no es el valor de la función en
uno o varios puntos, sino la función en sí misma.
Cuando la incógnita es una función de una sola variable se dice que la ecuación es ordinaria, debido a
que la o las derivadas que aparecen en ella son derivadas ordinarias (por contraposición a las derivadas
parciales de las funciones de varias variables).
Comenzamos con la resolución de ecuaciones diferenciales ordinarias (edo) de primer orden, llamadas
así porque en ellas sólo aparecen las derivadas de primer orden.
Más adelante trataremos la resolución de sistemas de ecuaciones diferenciales ordinarias (sdo) de primer
orden. Con ello podremos, en particular, abordar la resolución de ecuaciones diferenciales de orden
superior a uno, ya que éstas siempre se pueden reducir a la resolución de un sistema de primer orden.

10.1 Ecuaciones diferenciales ordinarias de primer orden

Una ecuación diferencial ordinaria
y 0 = f (t, y), f : Ω ⊂ R2 → R
admite, en general, infinitas soluciones. Si, por ejemplo, f ∈ C 1 (Ω; R)1 , por cada punto (t0 , y0 ) ∈ Ω
pasa una única solución ϕ : I → R, definida en un cierto intervalo I ⊂ R, que contiene a t0 .
Se denomina Problema de Cauchy (PC) o Problema de Valor Inicial (PVI)

 y 0 = f (t, y),

(10.1)
 y(t0 ) = y0


al problema de determinar, de entre todas las soluciones de la ecuación diferencial y 0 = f (t, y), aquélla
que pasa por el punto (t0 , y0 ), es decir, que verifica y(t0 ) = y0 .

Sólo para algunos (pocos) tipos muy especiales de ecuaciones diferenciales es posible encontrar la
expresión de sus soluciones en términos de funciones elementales. En la inmensa mayoría de los casos
prácticos sólo es posible encontrar aproximaciones numéricas de los valores de una solución en algunos
puntos.
Así, una aproximación numérica de la solución del problema de Cauchy

 y 0 = f (t, y), t ∈ [t0 , tf ]

(10.2)
 y(t0 ) = y0


1
En realidad basta con que f sea continua y localmente Lipschitziana con respecto de y en Ω.

223
10. Problemas de valores iniciales para edo’s 224

consiste en una sucesión de valores de la variable independiente:

t0 < t1 < . . . < tn = tf

y una sucesión de valores y0 , y1 , . . . , yn tales que

yk ≈ y(tk ), k = 0, 1, . . . , n,

es decir, yk es una aproximación del valor en tk de la solución del problema (10.2).

yk ≈ y(tk ), k = 0, 1, . . .

10.2 Resolución de problemas de Cauchy para ecuaciones diferenciales

ordinarias de primer orden
MATLAB dispone de toda una familia de funciones para resolver (numéricamente) ecuaciones diferen-
ciales:

ode45, ode23, ode113

ode15s, ode23s, ode23t, . . .

Cada una de ellas implementa un método numérico diferente, siendo adecuado usar unas u otras en
función de las dificultades de cada problema en concreto. Para problemas no demasiado «difíciles» será
suficiente con la función ode45 ó bien ode23.
Exponemos aquí la utilización de la función ode45, aunque la utilización de todas ellas es similar, al
menos en lo más básico. Para más detalles, consúltese la documentación.

Para dibujar la gráfica de la solución (numérica) de (10.2) se usará la orden:

ode45(odefun, [t0,tf], y0)

donde:

odefun es un manejador de la función que evalúa el segundo miembro de la ecuación, f (t, y). Puede
ser el nombre de una función anónima dependiente de dos variables, siendo t la primera de ellas
e y la segunda, o también una M-función, en cuyo caso se escribiría @odefun. Ver los ejemplos a
continuación.
[t0,tf] es el intervalo en el que se quiere resolver la ecuación, i.e. t0= t0 , tf= tf .

y0 es el valor de la condición inicial, y0= y0 .

Ejercicio 10.1 Calcular la solución del Problema de Cauchy:


 y 0 = 5y en [0, 1]
 y(0) = 1

Comparar (gráficamente) con la solución exacta de este problema, y = e5t

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 225

1. Comenzamos por definir una función anónima que represente el segundo miembro de la
ecuación f (t, y):

f = @(t,y) 5*y;

2. Calculamos y dibujamos la solución numérica:

ode45(f, [0,1], 1)

Obsérvese que no se obtiene ningún resultado numérico en salida, únicamente la gráfica de

la solución. 150

100

50

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

3. Para comparar con la gráfica de la solución exacta, dibujamos en la misma ventana, sin borrar
la anterior:

hold on
t = linspace(0,1);
plot(t, exp(5*t), 'r')
shg

4. Para hacer lo mismo utilizando una M-función en vez de una función anónima, tendríamos
que escribir, en un fichero (el nombre odefun es sólo un ejemplo):

function [dy] = odefun(t,y)

% Segundo miembro de la ecuacion diferencial
dy = 5*y;

y guardar este texto en un fichero de nombre odefun.m (el mismo nombre que la función).
Este fichero debe estar en la carpeta de trabajo de MATLAB.
Después, para resolver la ecuación, usaríamos ode45 en la forma:

ode45(@odefun, [0,1], 1)

Si se desean conseguir los valores tk e yk de la aproximación numérica para usos posteriores, se debe
usar la función ode45 en la forma:

[t, y] = ode45(odefun, [t0,tf], y0);

obteniéndose así los vectores t e y de la misma longitud que proporcionan la aproximación de la solución
del problema:
y(k) ≈ y(t(k)), k = 1, 2, . . . , length(y).

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 226

Si se utiliza la función ode45 en esta forma, no se obtiene ninguna gráfica.

Ejercicio 10.2 Calcular el valor en t = 0.632 de la solución del problema


 y 0 = t et/y
 y(0) = 1

Calculamos la solución en el intervalo [0, 1] y luego calculamos el valor en t = 0.632 utilizando una
interpolación lineal a trozos:

f = @(t,y) t.*exp(t/y);
[t,y] = ode45(f, [0,1], 1);
v = interp1(t, y, 0.632)

Obsérvese que t e y, las variables de salida de ode45, son dos vectores columna de la misma
longitud.

En ocasiones puede ser necesario calcular las aproximaciones yk en unos puntos tk pre-determinados.
Para ello, en lugar de proporcionar a ode45 el intervalo [t0,tf], se le puede proporcionar un vector
con dichos valores, como en el ejemplo siguiente:

Ejercicio 10.3 Calcular (aproximaciones de) los valores de la solución del problema

 y 0 = −2y
 y(0) = 10

en los puntos: 0, 0.1, 0.2, . . . , 1.9, 2. Comparar (gráficamente) con la solución exacta y = 10 e−2t .

f = @(t,y) -2*y;
t = 0:0.1:2;
[t,y] = ode45(f, t, 10);
plot(t, y, 'LineWidth', 1.1)
hold on
plot(t, 10*exp(-2*t), 'r.')
legend('Sol. aproximada', 'Sol. exacta')
shg
10
Sol. aproximada
Sol. exacta
9

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 227

Ejercicio 10.4 Calcular el instante en que la solución del problema


 y 0 = 0.5 10t − ln(y + 1)

 y(0) = 1

alcanza el valor y = 1.5.

1. Comenzamos por visualizar la gráfica de la solución, para obtener, por inspección, una pri-
mera aproximación:

f = @(t,y) 0.5*(10*t-log(y+1));
ode45(f, [0,1], 1)
grid on
shg
3.5

2.5

1.5

0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Vemos así que el valor y = 1.5 se produce para un valor de t en el intervalo [0.5, 0.6].

2. Usaremos ahora la función fzero para calcular la solución de la ecuación y(t) = 1.5 escrita
en forma homogénea, es decir, y(t) − 1.5 = 0, dando como aproximación inicial (por ejemplo)
t = 0.5. Para ello, necesitamos construir una función que interpole los valores que nos devuelva
ode45. Usamos interpolación lineal a trozos:

[ts,ys] = ode45(f, [0,1], 1);

fun = @(t) interp1(ts, ys, t) - 1.5;
fzero(fun, 0.5)

Obtendremos el valor t ≈ 0.5292.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 228

10.3 Resolución de problemas de Cauchy para sistemas diferenciales

ordinarios de primer orden
Nos planteamos ahora la resolución de sistemas diferenciales ordinarios:

0
 y1 = f1 (t, y1 , y2 , . . . , yn ),




 y 0 = f2 (t, y1 , y2 , . . . , yn ),

2
(10.3)
 ...




 y 0 = f (t, y , y , . . . , y ),

n n 1 2 n

y, concretamente, de Problemas de Cauchy asociados a ellos, es decir, problemas consistentes en calcular

la solución de (10.3) que verifica las condiciones iniciales:



 y1 (t0 ) = y10 ,


 y2 (t0 ) = y 0 ,

2
(10.4)



 . . .

 y (t ) = y 0 .

n 0 n

Gracias a las características vectoriales del lenguaje de MATLAB, estos problemas se resuelven con
las mismas funciones (ode45, ode23, etc.) que los problemas escalares. Basta escribir el problema en
forma vectorial. Para ello, denotamos:
     
y1 f1 (t, y1 , y2 , . . . , yn ) y10
     
 0 
 y2   f2 (t, y1 , y2 , . . . , yn )   y2 
   
Y = 
 , F (t, Y ) = 
 
 , Y0 = 
 
,

 ...   ...   ... 
     
yn fn (t, y1 , y2 , . . . , yn ) yn0
Con esta notación el problema planteado se escribe:

 Y 0 = F (t, Y )
(10.5)
 Y (t ) = Y
0 0

y se puede resolver (numéricamente) con la función ode45, de forma similar al caso escalar, con las
adaptaciones oportunas, como en el ejemplo siguiente.

Ejercicio 10.5 Calcular (una aproximación de) la solución del problema




 y10 = y2 y3 ,


y20 = −0.7 y1 y3 , t ∈ [0, 5π]






 y30 = −0.51 y1 y2 ,



y1 (0) = 0






y2 (0) = 1







 y (0) = 1
3

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 229

1. Comenzamos por escribir el sistema en notación vectorial:

á ë á ë á ë
y1 y2 y3 0
Y = y2 , F (t, Y ) = −0.7 y1 y3 , Y0 = 1 , (10.6)
y3 −0.51 y1 y2 1

2. Definimos una función anónima para F (t, Y ) y el dato inicial (ambos son vectores columna
con tres componentes):

f = @(t,y) [ y(2)*y(3); -0.7*y(1)*y(3); -0.51*y(1)*y(2)];

y0 = [ 0; 1; 1];

3. Utilizamos ode45 para calcular y dibujar la solución. Añadimos una leyenda para identificar
correctamente la curva correspondiente a cada componente: y1 (t), y2 (t), y3 (t).

ode45(f, [0, 5*pi], y0)

legend('y_1', 'y_2', 'y_3')
1.5
y
1
y2
y
3
1

0.5

−0.5

−1

−1.5
0 2 4 6 8 10 12 14 16

4. Vamos ahora a utilizar ode45 recuperando las variables de salida de la aproximación numérica:

[t, y] = ode45(f, [0, 5*pi], y0);

Obsérvese que t es un vector columna y que y es una matriz con tantas filas como t y tres
columnas: cada columna es una de las componentes de la solución Y . Es decir:

y(k,i) ≈ yi (tk )

5. Si, por ejemplo, sólo quisiéramos dibujar la gráfica de la segunda componente y2 (t) usaríamos
la orden plot con la segunda columna de y:

plot(t, y(:,2))
legend('y_2(t)')
shg

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 230

1
y2(t)

0.8

0.6

0.4

0.2

−0.2

−0.4

−0.6

−0.8

−1
0 2 4 6 8 10 12 14 16

En el análisis de las soluciones de sistemas diferenciales autónomos (que no dependen explícitamente

del tiempo) con dos ecuaciones, interesa con frecuencia dibujar las soluciones en el plano de fases, es
decir, en el plano (y1 , y2 ), como en el ejemplo siguiente.

Ejercicio 10.6 Calcular (una aproximación de) la solución del sistema siguiente para t ∈ [0, 15]
y dibujar la solución en el plano de fases:



 y10 = 0.5y1 − 0.2y1 y2


 y 0 = −0.5y + 0.1y y


2 2 1 2

y1 (0) = 4






 y (0) = 4

2

1. Comenzamos por escribir el sistema en notación vectorial:

Ñ é Ñ é Ñ é
y1 0.5y1 − 0.2y1 y2 4
Y = , F (t, Y ) = , Y0 = ,
y2 −0.5y2 + 0.1y1 y2 4

2. Para ver cómo se haría, vamos a escribir la función del segundo miembro como una M-función.
También se podría hacer como una función anónima, como en el ejercicio anterior.

function [dy] = odefun(t,y)

dy = zeros(2,1);
dy(1) = 0.5*y(1) - 0.2*y(1)*y(2);
dy(2) = -0.5*y(2) + 0.1*y(1)*y(2);

Observaciones:
a) Esta función debe ser guardada en un fichero de nombre odefun.m, que debe estar en la
carpeta de trabajo de MATLAB para poder ser encontrada.
b) El nombre odefun es sólo un ejemplo.
c) La orden dy = zeros(2,1); en la función odefun tiene el objetivo de crear la variable dy
desde un principio con las dimensiones adecuadas: un vector columna con dos componentes.

3. Calculamos la solución:

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 231

[t, y] = ode45(@odefun, [0, 15], [4; 4]);

4. Dibujamos la órbita de la solución en el plano de fases:

plot(y(:,1), y(:,2))
xlabel('y_1')
ylabel('y_2')
4.5

3.5

3
y2

2.5

1.5

1
2 3 4 5 6 7 8 9
y1

10.4 Resolución de problemas de Cauchy para ecuaciones diferenciales

ordinarias de orden superior

En esta sección nos planteamos la resolución numérica de problemas de Cauchy para ecuaciones dife-
renciales ordinarias de orden superior a uno, es decir, problemas como:



 y (n) = f (t, y, y 0 , . . . , y (n−1) )




 y(t0 ) = y0



y 0 (t0 ) = y1 (10.7)



...






 y (n−1) (t ) = y

0 n−1

La resolución de este problema se puede reducir a la resolución de un problema de Cauchy para un

sistema diferencial de primer orden mediante el cambio de variables:

z1 (t) = y(t), z2 (t) = y 0 (t), ..., zn (t) = y (n−1) .

En efecto, se tiene:
 


 z10 = y 0 = z2 

 z1 (t0 ) = y(t0 ) = y0

 

 z 0 = y 00 = z3
  z2 (t0 ) = y 0 (t0 ) = y1

2



 ... 


 ...
 
 z 0 = y (n) = f (t, y, y 0 , . . . , y (n−1) ) = f (t, z , z , . . . , z
  z (t ) = y (n−1) (t ) = y

n 1 2 n−1 ) n 0 0 n−1

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 232

Para escribir este sistema en notación vectorial, denotamos:

     
z1 z2 y0
     
 z2  z3  y1
     
  
Z= 
 , F (t, Z) = 
 
,
 Z0 = 

,

 ...   ...   ... 
     
zn fn (t, z1 , z2 , . . . , zn−1 ) yn−1
Con esta notación el problema planteado se escribe:

 Z 0 = F (t, Z)

(10.8)
 Z(t0 ) = Z0


y puede ser resuelto usando ode45 como se ha mostrado en la sección anterior.

Ejercicio 10.7 Calcular y dibujar la solución del problema


 y 00 + 7 sen y + 0.1 cos t = 0, t ∈ [0, 5]




 y(0) = 0


 y 0 (0) = 1


Siguiendo los pasos antes indicados, este problema se puede reducir al siguiente:

 Z 0 = F (t, Z)


 Z(0) = Z0


con Ñ é Ñ é
z2 0
F (t, Z) = , Z0 = .
−7 sen z1 − 0.1 cos t 1

1. Comenzamos por usar ode45 para dibujar la solución del sistema (2 componentes)

f = @(t,z) [z(2); -7*sin(z(1))-0.1*cos(t)];

ode45(f, [0,5], [0;1])
1.5

0.5

−0.5

−1

−1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Ñ é
z1 (t)
En esta gráfica están representadas las dos componentes de la solución Z(t) =
z2 (t)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 233

2. A nosotros sólo nos interesa la primera de las componentes de Z(t), ya que es y(t) = z1 (t). Por
lo tanto usaremos ode45 para recuperar los valores de la solución y dibujaremos únicamente
la primera componente:

[t, z] = ode45(f, [0,5], [0;1]);

y = z(:, 1);
plot(t, y) % o bien, directamente, plot(t, z(:, 1))
0.4

0.3

0.2

0.1

−0.1

−0.2

−0.3

−0.4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

10.5 Paso de variables adicionales a la función que define la ecuación

La función odefun que define la ecuación debe depender, obligatoriamente, solo de las variables t e y
(variables independiente y dependiente, respectivamente). Sin embargo es posible que queramos escribir
un código para resolver una ecuación o sistema diferencial que depende, además, de otros parámetros.
El problema que se plantea es ¿cómo pasar los valores actuales de dichos parámetros a la M-función
odefun?
Vemos cómo hacerlo en el siguiente ejemplo, donde retomamos el sistema diferencial del Ejercicio 10.6.

Ejercicio 10.8 Calcular (una aproximación de) la solución del sistema siguiente para t ∈ [0, 25]
y dibujar la solución en el plano de fases:

0
 y1 = ay1 − by1 y2




 y 0 = −cy + dy y


2 2 1 2

y1 (0) = 4






 y (0) = 4

2

siendo a, b, c, d > 0.

1. El sistema en notación vectorial es ahora:

Ñ é Ñ é Ñ é
y1 ay1 − by1 y2 4
Y = , F (t, Y ) = , Y0 = ,
y2 −cy2 + dy1 y2 4

R. Echevarría Dpto. EDAN - Universidad de Sevilla

10. Problemas de valores iniciales para edo’s 234

2. Escribimos una M-función que describa el segundo miembro de la ecuación, dependiente,

además de t e y, de los parámetros a, b, c y d:

function [dy] = odeparam(t,y,a,b,c,d)

dy = zeros(2,1);
dy(1) = a*y(1) - b*y(1)*y(2);
dy(2) = -c*y(2) + d*y(1)*y(2);

3. Para la llamada a ode45, damos valores a los parámetros y definimos la siguiente función
anónima:

a = 0.5;
b = 0.2;
c = 0.5;
d = 0.1;
odefun = @(t,y) odeparam(t, y, a, b, c, d)
[t, y] = ode45(odefun, [0, 25], [4; 4]);

Otra forma de hacerlo es agrupando los parámetros en una estructura:

En el programa principal definimos una estructura cuyos campos son los parámetros

params.a = 0.5;
params.b = 0.2;
params.c = 0.5;
params.d = 0.1;
odefun = @(t,y) odeparam(t, y, params)
[t, y] = ode45(odefun, [0, 25], [4; 4]);

En este caso, la función odeparam sería:

function [dy] = odeparam(t,y,params)

dy = zeros(2,1);
dy(1) = params.a*y(1) - params.b*y(1)*y(2);
dy(2) = -params.c*y(2) + params.d*y(1)*y(2);

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
Problemas de contorno para SI

11 B

SE
UNIVER

VILLA
sistemas diferenciales
e an
Ecuaciones Diferenciales
ordinarios y Análisis Numérico

Exponemos aquí la forma de utilizar las herramientas de MATLAB para resolver problemas de
contorno relativos a sistemas diferenciales ordinarios de primer orden. En estos problemas se bus-
ca encontrar una solución del sistema, definida en un intervalo [a, b], que verifique unas condiciones
adicionales que involucran los valores de la solución en ambos extremos del intervalo.
Concretamente, queremos calcular una solución del problema

y 0 = f (x, y), x ∈ [a, b]

®

(11.1)
g y(a), y(b) = 0.

Como es conocido, el problema (11.1) puede no tener solución, tener un número finito de soluciones o
incluso tener infinitas soluciones.
Las mismas herramientas que permiten calcular (cuando la haya) una solución de (11.1) permiten tam-
bién resolver problemas de contorno relativos a ecuaciones diferenciales ordinarias de orden superior, ya
que, mediante un cambio de variable adecuado, estos problemas se pueden reducir al problema (11.1).

11.1 La función bvp4c

La función bvp4c utiliza, para resolver (11.1), un método de colocación: Se busca una solución aproxi-
mada S(x) que es continua (de hecho, es de clase C 1 ) y cuya restricción a cada subintervalo [xi , xi+1 ]
de la malla determinada por la partición a = x0 < x1 < . . . < xN = b es un polinomio cúbico.
A esta función S(x) se le impone que verifique las condiciones de contorno


g S(a), S(b) = 0,

y, también, la ecuación diferencial en los extremos y el punto medio de cada subintervalo [xi , xi+1 ].
Esto da lugar a un sistema (no lineal) de ecuaciones que es resuelto por métodos iterados.
Por esta razón, y también porque el problema (11.1) puede tener más de una solución, es necesario
proporcionar ciertas aproximaciones iniciales.
El uso básico de la función bvp4c es el siguiente:

sol = bvp4c(odefun, ccfun, initsol)

donde:

odefun es un manejador de la función que evalúa el segundo miembro de la ecuación, f (x, y). Como
en otros casos, puede ser el nombre de una función anónima o un manejador de una M-función.

ccfun es un manejador de la función que evalúa las condiciones de contorno g(ya , yb )

235
11. Problemas de contorno para sistemas diferenciales ordinarios 236

initsol es una estructura que contiene las aproximaciones iniciales. Esta estructura se crea mediante
la función bvpinit, cuya descripción está más adelante.

sol es una estructura1 que contiene la aproximación numérica calculada, así como algunos datos
informativos sobre la resolución. Los campos más importantes de la estructura sol son:

sol.x contiene la malla final del intervalo [a, b].

sol.y contiene la aproximación numérica de la solución y(x) en los puntos sol.x.

[Link] contiene la aproximación numérica de la derivada de la solución y 0 (x) en los puntos

sol.x.
[Link] contiene información sobre las iteraciones realizadas por bvp4c.

initsol = bvpinit(xinit, yinit)

xinit es un vector que describe una malla inicial, i.e., una partición inicial a = x0 < x1 < . . . <
xN = b del intervalo [a, b]. Normalmente bastará con una partición con pocos puntos creada, por
ejemplo, con xinit = linspace(a,b,5). La función bvp4c refinará esta malla inicial, en caso
necesario. Sin embargo, en casos difíciles, puede ser necesario proporcionar una malla que sea
más fina cerca de los puntos en los que se prevea que la solución cambia rápidamente.

yinit es una aproximación inicial de la solución. Puede ser, o bien un vector, o bien una función.
Se usará la primera opción cuando se desee proporcionar una aproximación inicial de la solución
que sea constante. Si se desea proporcionar, como aproximación inicial, una función y = y0 (x),
se suministrará el nombre de una función que evalúe y0 (x).

Ejercicio 11.1 Calcular una aproximación numérica de la solución de:


y 0 = 3y1 − 2y2
 1


1
y20 = −y1 + y2

 2
y1 (0) = 0, y2 (1) = π


1. Comenzamos por definir una función anónima que represente el segundo miembro de la
ecuación f (t, y):

dydx = @(x,y) [ 3*y(1) - 2*y(2); -y(1) + 0.5*y(2)];

2. Definimos también una función anónima que evalúe la función que define las condiciones de
contorno

condcon = @(ya, yb) [ ya(1); yb(2)-pi];

1
En MATLAB, una estructura es una colección de datos, organizados en campos, que se identifican mediante un
nombre de campo. Ello permite manipular de forma compacta conjuntos de datos de distintos tipos, a diferencia de las
matrices, en que todas las componentes deben ser del mismo tipo.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 237

3. Construimos a continuación la estructura para proporcionar la aproximación inicial:

xinit = linspace(0,1,5);
yinit = [0; pi];
solinit = bvpinit(xinit, yinit);

4. Utilizamos ahora la función bvp4c para calcular la solución

sol = bvp4c(dydx, condcon, solinit);

Ahora, para dibujar las curvas de la solución (y1 (x), y2 (x)), utilizamos la estructura sol:
— sol.x es un vector fila que contiene los puntos a = x0 < x1 < . . . < xN = b del soporte
de la solución numérica
— sol.y es una matriz con dos filas; la primera fila sol.y(1,:) son los valores de y1 (x) en
los puntos sol.x; la segunda fila sol.y(2,:) son los valores de y2 (x) en los puntos sol.x.
En consecuencia, para obtener la gráfica de la solución ponemos:

plot(sol.x, sol.y)
legend('y_1(x)', 'y_2(x)', 'Location', 'Best')
4

−2

−4

−6

−8
y1
y2

−10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Observación: la forma en que se ha construido la gráfica anterior sólo utiliza los valores de
la solución numérica en los puntos del soporte sol.x. No hace uso del hecho de que la
aproximación obtenida es un polinomio cúbico a trozos. Para tener esto en cuenta,
habría que usar la función deval, que se explica a continuación.

Para evaluar la solución obtenida con bvp4c en un punto o vector de puntos xp, se debe utilizar la
función deval:

yp = deval(sol, xp);

donde sol es la estructura devuelta por bvp4c.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 238

Ejercicio 11.1 (sigue. . . ) Repetimos el ejercicio, utilizando una partición más fina del intervalo
[0, 1] para realizar la gráfica, de forma que las curvas se vean más «suaves». Utilizamos la función
deval para calcular los valores de la solución aproximada en los puntos de la partición.

function ejercicio1
%
dydx = @(x,y) [ 3*y(1) - 2*y(2); -y(1) + 0.5*y(2)];
condcon = @(ya, yb) [ ya(1); yb(2)-pi];
xinit = linspace(0,1,5);
yinit = [0; pi];
solinit = bvpinit(xinit, yinit);

sol = bvp4c(dydx, condcon, solinit);

xx = linspace(0,1);
yy = deval(sol, xx);
plot(xx,yy)
legend('y_1', 'y_2', 'Location', 'Best')

shg
4

−2

−4

−6

−8
y1
y2

−10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Ejercicio 11.2 Calcular la solución del problema

® 00
−y + 100y = 0, x ∈ [0, 1]
(11.2)
y(0) = 1, y(1) = 2

Comenzamos por escribir el problema en forma de un problema de contorno para un SDO de primer
orden. Hacemos el cambio de variable z1 = y, z2 = y 0 y el problema (11.2) se transforma en:

0
z1 = z2

z20 = 100z1

z1 (0) = 1, z1 (1) = 2


R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 239

function ejercicio2
%
dydx = @(t,y) [ y(2); 100*y(1)];
condcon = @(ya, yb) [ ya(1)-1; yb(1)-2];
xinit = linspace(0,1,5);
yinit = [1.5; 0];
solinit = bvpinit(xinit, yinit);

sol = bvp4c(dydx, condcon, solinit);

xx = linspace(0,1);
yy = deval(sol, xx);
plot(xx, yy(1,:), 'LineWidth', 1.1)

shg
2

1.8

1.6

1.4

1.2

0.8

0.6

0.4

0.2

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

La función bvp4c permite, mediante un argumento opcional, modificar algunas de los parámetros que
utiliza el algoritmo por defecto. Para ello hay que usar la función en la forma

sol = bvp4c(odefun, ccfun, initsol, options)

donde

options es una estructura que contiene los valores que se quieren dar a los parámetros opcionales.
Esta estructura se crea mediante la función bvpset que se explica a continuación.

options = bvpset('nombre1', valor1, 'nombre2', valor2, ...)

nombre1, nombre2 son los nombres de las propiedades cuyos valores por defecto se quieren modificar.
Las propiedades no mencionadas conservan su valor por defecto.

valor1, valor2 son los valores que se quieren dar a las propiedades anteriores.

R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 240

Para una lista de las propiedades disponibles, véase el help de MATLAB. Los valores actuales se pueden
obtener usando la función bvpset sin argumentos. Mencionamos aquí la propiedad que vamos a usar en
el ejercicio siguiente, que nos permite determinar el nivel de precisión que bvp4c utilizará para detener
las iteraciones y dar por buena una aproximación:

RelTol es el nivel de tolerancia de error relativo que se aplica a todas las componentes del vector
residuo ri = S 0 (xi ) − f (xi , S(xi )). Esencialmente, la aproximación se dará por buena cuando
S 0 (xi ) − f (xi , S(xi ))
≤ RelT ol
máx{|f (xi , S(xi ))|}
El valor por defecto de RelTol es 1.e-3.

Stats si tiene el valor ’on’ se muestran, tras resolver el problema, estadísticas e información sobre
la resolución. El valor por defecto es ’off’.

Ejercicio 11.3 La ecuación diferencial

3py
y 00 +
2 = 0
p + t2

tiene la solución analítica

t
ϕ(t) = p .
p + t2
Para p = 10−5 , resolver el problema de contorno
3py

y 00 +


2 = 0
p + t2
y(−0.1) = ϕ(−0.1),

y(0.1) = ϕ(0.1)

para el valor por defecto de RelTol y para RelTol=1.e-5 y comparar con la solución exacta.

Comenzamos por escribir el problema en forma de un problema de contorno para un SDO de primer
orden. Hacemos el cambio de variable z1 = y, z2 = y 0 y el problema (11.2) se transforma en:

0

z1 = z2


 0
 3pz1
z2 = −
2
p + t2
−0.1 0.1



z1 (−0.1) = √
 , z1 (0.1) = √
p + 0.01 p + 0.01

function ejercicio3

% Parametros y constantes
%
p = 1.e-5;
yenb = 0.1/sqrt(p+0.01);

% Funciones anonimas
%
dydt = @(t,y) [ y(2); -3*p*y(1)/(p+t^2)^2];

R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 241

condcon = @(ya, yb) [ya(1)+yenb; yb(1)-yenb ];

exacta = @(t) t./sqrt(p+t.^2);

% Aproximaciones iniciales
% La aproximacion inicial se ha obtenido promediando
% las condiciones de contorno
%
tguess = linspace(-0.1, 0.1, 10);
yguess = [0; 10];
solinit = bvpinit(tguess, yguess);

% Resolucion con valor estandar de RelTol

%
options = bvpset('Stats','on');
fprintf('\n')
fprintf('==> Resolucion con valor estandar de RelTol \n')
sol1 = bvp4c(dydt, condcon, solinit,options);

% Resolucion con RelTol = 1.e-5

%
options = bvpset(options, 'RelTol', 1.e-5);
fprintf('\n')
fprintf('==> Resolucion con RelTol =%15.10f\n',bvpget(options,'RelTol'))
sol2 = bvp4c(dydt, condcon, solinit, options);

% Graficas
% Dibujamos solo la primera componente de la solucion del sistema
%
xx = linspace(-0.1, 0.1);
yy1 = deval(sol1, xx, 1);
yy2 = deval(sol2, xx, 1);
yye = exacta(xx);
plot(xx, yy1,'b', xx, yy2,'g', xx, yye,'r*')
shg

R. Echevarría Dpto. EDAN - Universidad de Sevilla

11. Problemas de contorno para sistemas diferenciales ordinarios 242

Ejercicio 3: comparacion de resultados

1
Sol. con RelTol estandar
Sol. con RelTol=1.e−5
0.8 Sol. exacta

0.6

0.4

0.2

−0.2

−0.4

−0.6

−0.8

−1
−0.1 −0.08 −0.06 −0.04 −0.02 0 0.02 0.04 0.06 0.08 0.1

Ejercicio 3: zoom
−0.6
Sol. con RelTol estandar
Sol. con RelTol=1.e−5
Sol. exacta
−0.65

−0.7

−0.75

−0.8

−0.85

−0.9

−0.95

−1
−0.04 −0.035 −0.03 −0.025 −0.02 −0.015 −0.01 −0.005 0

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 DAD DE
SI

12 B

SE
UNIVER

VILLA
Problemas de minimización e an
Ecuaciones Diferenciales
y Análisis Numérico

Exponemos aquí brevemente la forma de utilizar las herramientas de MATLAB para resolver proble-
mas de minimización con restricciones.
Concretamente, queremos calcular una solución del problema



 Minimizar J(x)
sujeto a x ∈ Rn

(12.1)


 Gi (x) = 0 i = 1, . . . , me

G (x) ≤ 0 i = m + 1, . . . , m
i e

donde J es una función con valores reales.

12.1 La función fmincon

La función fmincon, del Optimization Toolbox de MATLAB, se puede utilizar para resolver el proble-
ma (12.1) en el caso en que tanto la función a minimizar como las restricciones (o algunas de ellas)
son no lineales.
Para resolver el problema (12.1) con fmincon lo primero que hay que hacer es clasificar el conjunto de
las restricciones (Gi (x) = 0, i = 1, . . . , me , Gi (x) ≤ 0, i = me + 1, . . . , m) según los tipos siguientes:

• Cotas: ci ≤ x ≤ cs
• Igualdades lineales: Ax = b, donde A es una matriz
• Desigualdades lineales: Cx ≤ d, donde C es una matriz
• Igualdades nolineales: f (x) = 0
• Desigualdades no lineales: g(x) ≤ 0

Cada tipo de restrición habrá que incorporarla de manera distinta a la función fmincon.
Los usos más sencillos de la función fmincon son los siguientes:

x = fmincon(funJ, x0, C, d)
x = fmincon(funJ, x0, C, d, A, b)
x = fmincon(funJ, x0, C, d, A, b, ci, cs)
x = fmincon(funJ, x0, C, d, A, b, ci, cs, resnolin)
x = fmincon(funJ, x0, C, d, A, b, ci, cs, resnolin, options)

donde:

243
12. Problemas de minimización 244

funJ es un manejador de la función a minimizar J(x). Como en otros casos, puede ser el nombre de
una función anónima o un manejador de una M-función.

x0 es una aproximación inicial de la solución.

C, d son, respectivamente, la matriz y el segundo miembro que definen las restricciones lineales de
desigualdad Cx ≤ d.

A, b son, respectivamente, la matriz y el segundo miembro que definen las restricciones lineales
de igualdad Ax = b. Si hay que utilizar A y b y nuestro problema no tiene restricciones con
desigualdades lineales, se pone C=[] y b=[].

ci, cs son, respectivamente, las cotas inferior y superior ci ≤ x ≤ cs . Si no hay cota inferior para
alguna de las variables se especificará -Inf. Análogamente, si no hay cota superior, se pondrá
Inf. Como antes, si alguno de los argumentos anteriores (C, d, A, b) no se usa, se utilizarán
matrices vacías ([]) en su lugar.

resnolin es un manejador de la función que define las restricciones no lineales, tanto de igualdad
f (x) = 0 como de desigualdad g(x) ≤ 0. Puede ser el nombre de una función anónima o un
manejador de una M-función. Esta función debe aceptar como argumento de entrada un vector
x y devolver dos vectores: c = g(x), ceq = f (x):

function [c, ceq] = resnolin(x)

options es una estructura que permite modificar algunos de los parámetros internos de la función
fmincon. Esta estructura se crea mediante la función:

options = optimset('Opcion1','valor1','Opcion2','valor2', ...)

Aunque son numerosas las opciones que se pueden modificar, mencionamos aquí sólo dos:

Algorithm permite elegir entre cuatro algoritmos, en función de las caracterísitcas y/o di-
ficultad del problema a resolver. Los posibles valores son: 'interior-point', 'sqp',
'active-set' y 'trust-region-reflective'.
Display permite elegir el nivel de verbosity, es decir, de información suministrada durante la
ejecución. Posibles valores son: 'off', 'iter', 'final' y 'notify'.

Ejercicio 12.1 Calcular una aproximación de la solución de:

Minimizar f (x) = −x1 x2 x3



sujeto a

0 ≤ x1 + 2x2 + 3x3 ≤ 72


partiendo de la aproximación inicial x0 = (10, 10, 10).

Re-escribimos las restricciones.

®
−x1 − 2x2 − 3x3 ≤ 0
x1 + 2x2 + 3x3 ≤ 72

R. Echevarría Dpto. EDAN - Universidad de Sevilla

12. Problemas de minimización 245

Se trata en ambos casos de restricciones lineales de desigualdad, que se pueden expresar en la forma
Ñ é Ñ é
−1 −2 −3 0
Cx ≤ d con C = , d=
1 2 3 72

funJ = @(x) - prod(x);

C = [-1, -2, -3; 1, 2, 3];

d = [0; 72];
ci = [-Inf; -Inf; -Inf];
cs = [ Inf; Inf; Inf];
x0 = [10; 10; 10];
options = optimset('Algorithm', 'interior-point', 'Display', 'iter');

x = fmincon(funJ, x0, C, d, [], [], ci, cs,[],options)

Ejercicio 12.2 Calcular una aproximación de la solución de:




 Minimizar f (x) = −x1 x2 x3
sujeto a


0 ≤ x1 + 2x2 + 3x3 ≤ 72


x2 + x2 + x2 ≤ 500

1 2 3

partiendo de la aproximación inicial x0 = (10, 10, 10).

Las restricciones lineales son las mismas del ejercicio anterior. La restricción no lineal hay que
escribirla en forma homogénea
x21 + x22 + x23 − 500 ≤ 0
y escribir una M-función para definir dichas restricciones:

function [c, ceq] = resnolin(x)

%
% funcion definiendo las restricciones no lineales
%
c = sum(x.^2)-500;
ceq = 0;

Para resolver el problema,

funJ = @(x) - prod(x);

C = [-1, -2, -3; 1, 2, 3];
d = [0; 72];
ci = [-Inf; -Inf; -Inf];
cs = [ Inf; Inf; Inf];
x0 = [10; 10; 10];
options = optimset('Algorithm', 'interior-point', 'Display', 'iter');
x = fmincon(funJ, x0, C, d, [], [], ci, cs, @resnolin, options)

R. Echevarría Dpto. EDAN - Universidad de Sevilla

12. Problemas de minimización 246

R. Echevarría Dpto. EDAN - Universidad de Sevilla

 Problemas de valores DAD DE
SI

13 B

SE
UNIVER

VILLA
iniciales y de contorno para
e an
edp’s unidimensionales Ecuaciones Diferenciales
y Análisis Numérico

Dedicamos este capítulo a describir brevemente cómo resolver con MATLAB problemas de valores
iniciales y de contorno para sistemas de EDP parabólicas/elípticas unidimensionales.

13.1 La función pdepe

La función pdepe se puede utilizar para resolver problemas de valores iniciales y de contorno para
sistemas pequeños de EDP parabólicas y elípticas en una variable espacial x y tiempo t con una
precisión modesta.
Para describir pdepe, consideremos el problema general
∂u  ∂u ∂ h m  ∂u i ∂u 
  

 c x, t, u, = x−m x f x, t, u, + s x, t, u, en [a, b] × [t0 , tf ],


 ∂x ∂t ∂x ∂x ∂x
 ∂u 
(13.1)
p(x, t, u) + q(x, t)f x, t, u, = 0, para x = a, x = b,


 ∂x
u(x, t0 ) = u0 (x), en [a, b],



donde:

• u = u(x, t) es una función vectorial de dos variables,

• c (x, t, u, ∂u/∂x) es una matriz diagonal con elementos idénticamente nulos (que corresponden
a una ecuación elíptica) o positivos (que corresponden a las ecuaciones parabólicas). El sistema
debe contener, al menos, una ecuación parabólica;
• m es la constante de simetría: m = 0 corresponde a un problema unidimensional (sin simetría);
m = 1 corresponde a soluciones radiales de un problema bidimensional; m = 2 corresponde a
soluciones radiales de un problema tridimensional. Si m > 0, entonces a ≥ 0;
• f (x, t, u, ∂u/∂x) es un flujo y s (x, t, u, ∂u/∂x) es un término fuente;
• q(x, t) es una matriz diagonal. Sus elementos deben ser o bien idénticamente nulos o bien no se
deben anular nunca. p(x, t, u) es una función vectorial;
• u0 (x) es el dato inicial (función vectorial).

La forma más sencilla de utilizar pdepe es:

sol = pdepe(m,pdefun,icfun,bcfun,xmesh,tspan)

donde:

m indica la simetría del problema.

247
13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 248

pdefun es un manejador de la función que proporciona los coeficientes del sistema (funciones c, f y
s). Puede ser el nombre de una función anónima o un manejador de una M-función. Esta función
responde a la siguiente declración:

function [c,f,s] = pdefun(x,t,u,dudx)

∂u
Recibe los valores x, t y u=u(x,t), dudx= (x,t) y devuelve los valores de c, f y s para estos
∂x
argumentos. Más concretamente, devuelve tres vectores c, f y s, de la misma dimensión que u
y dudx, de forma que f = f(x, t, u, dudx), s = s(x, t, u, dudx) y c es la diagonal de la matriz
c(x, t, u, dudx).

icfun es también un manejador de la función (anónima o M-función) que proporciona la condición

inicial del sistema. Tiene como argumentos de entrada un valor x y devuelve el valor u0=u0 (x):

function u0 = icfun(x)

bcfun es un manejador de la función (anónima o M-función) que da la condición de contorno. Como

argumentos de entrada tiene a, ua=u(a,t), b, ub=u(b,t) y t, y devuelve los valores de las
funciones p y q en el extremo inferior del intervalo (x=a) y en el extremo superior (x=b):
pa=p(a,t,ua), pb=p(b,t,ub) y qa y qb son las diagonales, respectivamente, de q(a,t) y q(b,t).

function [pa,qa,pb,qb] = bcfun(a,ua,b,ub,t)

xmesh es un vector que define una partición del intervalo espacial [a, b]: xmesh = [x1, x2, ...xN],
con x1 = a < x2 ...< xN = b y N ≥ 3. Son los puntos del intervalo [a, b] en los que se va a
calcular la aproximación de la solución.

tspan es un vector que define una discretización del intervalo temporal [tO , tf ]: [t1, t2, ...tM],
con t0 = t1 < t2 ...< tM = tf . Son los tiempos en los que se van a calcular las aproximaciones
de la solución u del problema.
El producto cartesiano xmesh × tspan define una malla en cuyos nodos se va a calcular una
aproximación de la solución u(x, t):

Los vectores xmesh y tspan juegan diferentes papeles en pdepe. En particular, el coste y la
precisión de la solución dependen en gran medida de la longitud del vector xmesh. Sin embargo,
el cálculo es mucho menos sensible a los valores del vector tspan.

sol es una matriz tridimensional (esto es, con tres subíndices) que contiene la aproximación de
la solución: sol(:,:,k) son los valores de la k-ésima componente de u en los nodos de la

R. Echevarría Dpto. EDAN - Universidad de Sevilla

13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 249

malla definida por xmesh×tspan. Concretamente, sol(i,j,k) es el valor de uk en (xmesh(j),

tspan(i)).

Ejemplo 13.1
Calcular una aproximación de la solución de:
2
2 ∂u = ∂ u


π (x, t) ∈ [0, 1] × [0, 2],
 ∂t ∂x2


∂u (13.2)
u(0, t) = 0, (1, t) = −πe−t , t ∈ [0, 2]



 ∂x
u(x, 0) = sen(πx), x ∈ [0, 1],


Comenzamos por reescribir el problema (13.2) en la forma del problema (13.1):



m=0

  ∂u 
c x, t, u, = π2


∂x


∂u ∂  ∂u  
π2 = x0 x0 luego  ∂u  ∂u
∂t ∂x ∂x f x, t, u, =
∂x ∂x




∂u

  
s x, t, u,

= 0.
∂x
Las condiciones de contorno se pueden escribir:

 p(0, t, u) = u
u(0, t) + 0 · ∂u (0, t) = 0
 

u(0, t) = 0  p(1, t, u) = πe−t

⇐⇒ ∂x luego
 ∂u (1, t) = −πe−t πe−t + 1 · ∂u (1, t) = 0
 q(0, t) = 0
∂x

∂x


q(1, t) = 1

Así pues, la EDP en este ejemplo puede ser representada por la M-función

function [c,f,s] = pdefun(~,~,~,dudx)

%
% funcion que define los coeficientes de la EDP
%
c = pi^2;
f = dudx;
s = 0;
end

Observamos que, puesto que x, t y u no se utilizan en la función, se pueden sustituir por ˜.

Para representar la condición inicial, escribimos la función:

function u0 = icfun(x)
%
% funcion que proporciona el dato inicial para t = 0
%
u0 = sin(pi*x);
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 250

Finalmente, para describir las condiciones de contorno, escribimos :

function [pa,qa,pb,qb] = bcfun(~,ua,~,~,t)

%
% funcion que proporciona las condiciones de contorno
%
pa = ua;
qa = 0;
pb = pi * exp(-t);
qb = 1;
end

Creamos ahora los vectores que definen la malla. Para este problema usaremos una malla con 20
puntos equi-espaciados en el intervalo espacial [0, 1] y 10 puntos en el intervalo temporal [0, 2]:

xmesh = linspace(0,1,20);
tspan = linspace(0,2,10);

Finalmente, resolvemos numéricamente el problema haciendo:

m = 0;
u = pdepe(m,@pdefun,@icfun,@bcfun,xmesh,tspan);

En este caso la solución, u, solo tiene una componente, de manera que u es una matriz con dos
subíndices. Podemos ahora representar la solución usando la función surf (ver su descripción en
la sección 3.4.2:

surf(xmesh,tspan,u)
title('Solucion numerica calculada con una malla de 20 puntos')
xlabel('Distacia x')
ylabel('Tiempo t')

R. Echevarría Dpto. EDAN - Universidad de Sevilla

13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 251

Ñ é
u1
Ejercicio 13.2 Calcular la solución u = del siguiente sistema de reacción-difusión:
u2

∂u ∂2u
= D + Au, (x, t) ∈ [0, 1] × [0, 2],


∂x2



 ∂t
 ∂u1

 )
(0, t) = 0, u2 (0, t) = 0,
∂x t ∈ [0, 2] (13.3)
 ∂u2
u (1, t) = 1, (1, t) = 0,

1

∂x




u (x, 0) = x2 , u (x, 0) = 0, x ∈ [0, 1],

1 2

donde D y A son las matrices dadas por

Ñ é Ñ é
1 0 0 1
D= y A=
0 2 1 0

En este ejemplo tenemos un problema de valores iniciales y de contorno para un sistema de dos
EDP parabólicas. La EDP en (13.3) se escribe, en forma desarrollada:
Ü ê Ü 2 ê Ü ê
∂u1 Ñ é ∂ u1 Ñ éÑ é ∂u1 Ñ é
∂t 1 0 ∂x 2 0 1 u1 ∂ ∂x u2
= + = +
∂u2 0 2
2
∂ u2 1 0 u2 ∂x ∂u2 u1
2
∂t ∂x 2 ∂x
Por lo tanto, se puede escribir en la forma general de la EDP de 13.1 para m = 0 y:
Ü ê
Ñ é ∂u1 Ñ é
∂u
1 0 ∂u
∂x ∂u
u2
c x, t, u, = , f x, t, u, = , s x, t, u, =
∂x 0 1 ∂x ∂u2 ∂x u1
2
∂x
El código de la función pdefun se escribe (observemos que ninguno de los coeficientes c, f y s
depende explícitamente de x ni de t):

function [c, f, s] = pdefun(~, ~, u, dudx)

%
% funcion que define los coeficientes del sistema
%
c = [1; 1]; % recordamos que es la diagonal de la matriz
f = [1; 2].*dudx;
s = [u(2); u(1)];
end

Las condiciones iniciales en este caso se escriben (recordemos que u es un vector columna de dos
componentes):

function u0 = icfun(x)
%
% funcion que proporciona el dato inicial
%
u0 = [x^2; 0];
end

R. Echevarría Dpto. EDAN - Universidad de Sevilla

13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 252

Tratemos ahora las condiciones de contorno. Estas se escriben:

Ü ê

∂u 1
Ñ é Ñ é ∂u1 Ñ é

(0, t) = 0 0 1 0 (0, t) 0
∂x

Para x = 0, ∂x ⇐⇒ + =

u (0, t) = 0 u2 (0, t) 0 0 ∂u2 0
2 2 (0, t)
∂x
Ü ê

∂u 2
Ñ é Ñ é ∂u1 Ñ é

(1, t) = 0 u1 (1, t) − 1 0 0 (0, t) 0
∂x

Para x = 1, ∂x ⇐⇒ + =

u (1, t) = 1 0 0 1 ∂u2 0
1 2 (0, t)
∂x
Por tanto, en este caso, se tiene:
Ñ é Ñ é Ñ é Ñ é
0 u1 − 1 1 0 0 0
p(0, t, u) = , p(1, t, u) = , q(0, t) = , q(1, t) = .
u2 0 0 0 0 1

y la M-función sería (recordamos que se devuelven las diagonales de q(0, t) y de q(1, t)):

function [pa,qa,pb,qb] = bcfun(~,ua,~,ub,~)

%
% funcion que proporciona las condiciones de contorno
%
pa = [0; ua(2)];
qa = [1; 0];
pb = [ub(1)-1; 0];
qb = [0; 1];
end

De nuevo, usaremos una malla con 200 puntos equi-espaciados en el intervalo espacial [0, 1] y 50
puntos en el intervalo temporal [0, 2]:

xmesh = linspace(0,1,200);
tspan = linspace(0,2,50);

Resolvemos numéricamente el problema haciendo:

m = 0;
sol = pdepe(m,@pdefun,@icfun,@bcfun,xmesh,tspan);

La solución es devuelta por pdepe como una matriz 3D: sol(:,:,1) son los valores de u1 y
sol(:,:,2) son los valores de u2 :

u1 = sol(:,:,1); % Solucion numerica primera componente

u2 = sol(:,:,2); % Solucion numerica segunda componente

Representamos finalmente las dos componentes de la solución mediante contour:

subplot(1,2,1)
contour(xmesh,tspan,u1,50)
title('Primera componente de la solucion: u_1')
xlabel('Distacia x')

R. Echevarría Dpto. EDAN - Universidad de Sevilla

13. Problemas de valores iniciales y de contorno para edp’s unidimensionales 253

ylabel('Tiempo t')
colorbar
%
subplot(1,2,2)
contour(xmesh,tspan,u2,50)
title('Segunda componente de la solucion: u_2')
xlabel('Distacia x')
ylabel('Tiempo t')
colorbar

Primera componente de la solucion: u1 Segunda componente de la solucion: u2

2 2 0.25
1

1.8 1.8
0.9

1.6 1.6 0.2

0.8

1.4 1.4
0.7

1.2 1.2
0.15
0.6
Tiempo t

Tiempo t
1 1
0.5

0.8 0.8
0.4 0.1

0.6 0.6
0.3

0.4 0.4
0.2 0.05

0.2 0.2
0.1

0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Distacia x Distacia x

R. Echevarría Dpto. EDAN - Universidad de Sevilla