Ejercicios Resueltos De Metodos Numericos En Matlab

En el mundo de la ingeniería y la ciencia, resolver problemas complejos a menudo requiere herramientas que van más allá de las soluciones analíticas directas. Aquí es donde los métodos numéricos entran en juego.

Matlab, con su potente entorno de cálculo, es una herramienta ideal para implementar y explorar estos métodos. Este artículo te guiará a través de ejercicios resueltos que te ayudarán a comprender mejor cómo aplicar los métodos numéricos en Matlab.

Fundamentos de los Métodos Numéricos

Los métodos numéricos son técnicas para encontrar soluciones aproximadas a problemas matemáticos. Estos problemas pueden incluir ecuaciones algebraicas, ecuaciones diferenciales, integrales, y más. La clave es que, en lugar de buscar una solución exacta, encontramos una aproximación que sea lo suficientemente precisa para nuestros propósitos.

Matlab proporciona una amplia gama de funciones integradas que facilitan la implementación de estos métodos. Además, permite la visualización de los resultados, lo que facilita la interpretación y el análisis.

Ejemplo 1: Búsqueda de Raíces con el Método de Bisección

Uno de los problemas más comunes es encontrar las raíces de una función. El método de bisección es un algoritmo sencillo y robusto para lograr esto. Funciona dividiendo repetidamente un intervalo en dos, hasta que la raíz se encuentre dentro de un rango suficientemente pequeño.

Supongamos que queremos encontrar una raíz de la función f(x) = x^2 - 2 en el intervalo [1, 2]. El código de Matlab para implementar el método de bisección sería el siguiente:

function raiz = biseccion(f, a, b, tol)
  if f(a) * f(b) > 0
    error('La función debe cambiar de signo en el intervalo.');
  end

  while (b - a) / 2 > tol
    c = (a + b) / 2;
    if f(c) == 0
      raiz = c;
      return;
    elseif f(a) * f(c) < 0
      b = c;
    else
      a = c;
    end
  end

  raiz = (a + b) / 2;
end

Para usar esta función, primero definimos la función f(x) en Matlab: `f = @(x) x^2 - 2;`. Luego, llamamos a la función `biseccion(f, 1, 2, 0.001);` para encontrar la raíz con una tolerancia de 0.001.

Ejemplo 2: Integración Numérica con la Regla del Trapecio

La integración numérica es un método para aproximar el valor de una integral definida. La regla del trapecio aproxima la integral dividiendo el área bajo la curva en trapecios y sumando sus áreas.

Para aproximar la integral de f(x) = x^3 entre 0 y 1, podemos usar el siguiente código de Matlab:

function integral = trapecio(f, a, b, n)
  h = (b - a) / n;
  x = a:h:b;
  y = f(x);
  integral = h * (y(1) / 2 + sum(y(2:end-1)) + y(end) / 2);
end

Definimos la función f(x): `f = @(x) x^3;`. Luego, llamamos a la función `trapecio(f, 0, 1, 100);` para aproximar la integral usando 100 trapecios.

Ejemplo 3: Solución de Ecuaciones Diferenciales con el Método de Euler

Las ecuaciones diferenciales modelan muchos fenómenos físicos. El método de Euler es un método numérico simple para aproximar la solución de una ecuación diferencial.

Consideremos la ecuación diferencial dy/dt = -y, con la condición inicial y(0) = 1. El siguiente código de Matlab implementa el método de Euler:

function [t, y] = euler(f, y0, t0, tf, h)
  t = t0:h:tf;
  y = zeros(size(t));
  y(1) = y0;

  for i = 1:length(t) - 1
    y(i+1) = y(i) + h * f(t(i), y(i));
  end
end

Definimos la función f(t, y): `f = @(t, y) -y;`. Luego, llamamos a la función `[t, y] = euler(f, 1, 0, 5, 0.1);`. Podemos graficar la solución usando `plot(t, y);`.

Conclusión

Estos ejemplos ilustran cómo Matlab puede ser utilizado para implementar y resolver problemas utilizando métodos numéricos. La práctica con ejercicios adicionales y la exploración de las diversas funciones de Matlab te permitirán dominar estas técnicas y aplicarlas a una amplia gama de problemas en tu campo de estudio.