Introducción A SciLab PDF

i
Introducción a
SCILAB
Héctor Manuel Mora Escobar

Departamento de Matematicas
Universidad Nacional de Colombia
Bogota
mayo del 2005
ÍNDICE GENERAL
1 INTRODUCCIÓN 1
2 GENERALIDADES 3
2.1 Primeros pasos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Operaciones y funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Otros temas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6 Lista de algunas herramientas . . . . . . . . . . . . . . . . . . . . . . . . 11
3 VECTORES Y MATRICES 13
3.1 Creacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Notacion y operaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Funciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4 Solucion de sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . 20
3.5 Otras funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4 PROGRAMAS 22
4.1 Guiones (scripts) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.3 Carpeta actual o por defecto . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.4 Comparaciones y operadores logicos . . . . . . . . . . . . . . . . . . . . . 27
4.5 Ordenes y control de ujo . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5.1 if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
ii
ÍNDICE GENERAL iii
4.5.2 for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.5.3 while . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.5.4 select . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.5.5 Otras ordenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.6 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.6.1 Calculo numerico del gradiente . . . . . . . . . . . . . . . . . . . 33
4.6.2 Matriz escalonada reducida por las . . . . . . . . . . . . . . . . . 34
4.6.3 Aproximacion polinomial por m nimos cuadrados . . . . . . . . . 37
4.6.4 Factores primos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.7 Miscelanea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5 GRÁFICAS 43
5.1 Dos dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Tres dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.3 Otras funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4 Creacion de un archivo Postscript . . . . . . . . . . . . . . . . . . . . . . 49
6 MÉTODOS NUMÉRICOS 50
6.1 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . 50
6.2 Solucion por m nimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . 51
6.3 Una ecuacion no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.4 Sistema de ecuaciones no lineales . . . . . . . . . . . . . . . . . . . . . . 53
6.5 Integracion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
6.6 Derivacion numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.7 Interpolacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.8 Aproximacion por m nimos cuadrados . . . . . . . . . . . . . . . . . . . . 56
6.9 Ecuaciones diferenciales ordinarias . . . . . . . . . . . . . . . . . . . . . . 58
6.10 Sistema de ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . . 58
7 OPTIMIZACIÓN 60
7.1 Optimizacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
7.1.1 Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
iv ÍNDICE GENERAL
7.1.2 Desigualdades y restricciones de caja . . . . . . . . . . . . . . . . 61

7.1.3 Igualdades, desigualdades y restricciones de caja . . . . . . . . . . 62
7.2 Optimizacion cuadratica . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.3 Optimizacion no lineal
Capı́tulo 1
INTRODUCCIÓN
Este documento es una peque~ na introduccion a Scilab. Esta lejos de ser exhaustivo con
respecto a los temas, es decir, muchos de los temas y posibilidades de Scilab no son
tratados aqu . Ademas, tampoco es exhaustivo con respecto al contenido de cada tema,
solo estan algunos aspectos de cada tema.
El autor estara muy agradecido por los comentarios, sugerencias y correcciones enviados
a:
[email protected] o [email protected]
Scilab fue desarrollado en el INRIA, Institut National de Recherche en Informatique et
Automatique, un excelente instituto frances de investigacion. Posteriormente colaboro
la escuela de ingenieros ENPC, Ecole Nationale de Ponts et Chaussees.
Actualmente hay un gran consorcio con empresas como Renault, Peugeot-Citroen, CEA
Commissariat a l’Energie Atomique, CNES Centre National d’Etudes spatiales, Dassault
Aviation, EDF Electricite de France, Thales...
Sus principales caracter sticas son:
• software para calculo cient co
• interactivo
• programable
• de libre uso, con la condicion de siempre hacer referencia a sus autores
• disponible para diferentes plataformas: Windows, Linux, Sun, Alpha, ...
El sitio o cial de Scilab es

www.scilab.org
1
2 CAPÍTULO 1. INTRODUCCIÓN
All se encuentra informacion general, manuales, FAQs (frequent asked questions), ref-
erencias sobre reportes, diferencias con Matlab, lista de errores, ... All se puede \bajar"
la version binaria o las fuentes para las diferentes plataformas.
Un libro bastante completo sobre el tema es:
Gomez C. ed.,
Engineering and Scientific Computing with Scilab,
Birkhauser, Boston, 1999.
Otros libros son:
• Allaire G y Kaber S.M., Introduction à Scilab, Exercises pratiques d’algèbre linéaire,

Ellipses, Paris, 2002.
• Guerre-Delabriere S. y Postel M., Méthodes d’approximation : Équations différen-

tielles - Applications Scilab, niveau L3, Ellipses, Paris, 2004.
• Yger A., Théorie et analyse du signal : Cours et initiation pratique via MATLAB
et SCILAB (1 decembre 1999) Ellipses, Paris, 1999.
• Urroz G., Numerical and Statistical Methods With Scilab for Science and Engi-
neering, vol. 1, 2, Booksurge, 2001.
• Gomez C., Bunks C. et al., Integrated Scientific Computing with SciLab, Birkhauser,
Boston, 1998
• Chancelier J.P. et al., Introduction à SCILAB (Collection IRIS) Springer, Paris,

2002
La utilizacion es igual para las diferentes plataformas, pero obviamente hay algunas
diferencias intr nsecas al usar una u otra plataforma. Este peque~no manual se re ere
principalmente a la version 3.0 para Linux y para Windows (la ultima, a la fecha de
hoy: 1 de abril del 2005).
Deseo agradecer a todos los que tuvieron que ver con la creacion y actualizacion de
Scilab. Realmente es una herramienta de uso libre muy poderosa. Me ha sido muy util
para mi trabajo personal y para mis clases en la Universidad.
Tambien deseo manifestar mi agradecimiento a todas las personas que de una u otra
forma me han ayudado a corregir, modi car, actualizar y mejorar este documento, en
particular, a Manuel Mej a.
Capı́tulo 2
GENERALIDADES
Al activar Scilab aparece en la pantalla algo semejante a:
-------------------------------------------
Scilab-3.0
Copyright (c) 1989-2004

Consortium Scilab (INRIA, ENPC)
-------------------------------------------
Startup execution:
loading initial environment
-->
A partir de ese momento se puede escribir al frente de --> las ordenes de Scilab.
Estas deben ser acabadas oprimiendo la tecla Enter , denominada tambien Intro o
simplemente ←−| .
2.1 Primeros pasos

La orden
--> t = 3.5 ←−|
crea la variable t y le asigna el valor 3.5 . Ademas Scilab muestra el resultado de
la orden desplegando en pantalla lo siguiente:
3
4 CAPÍTULO 2. GENERALIDADES
t =
3.5
-->
De ahora en adelante, en este manual no se indicará la tecla ←−| ni tampoco

el “prompt” --> . Por lo tanto deben sobreentenderse. Generalmente tampoco se
mostrara el resultado desplegado en la pantalla por Scilab ante una orden recibida.
Al dar la orden
T = 4.5;
se crea otra variable diferente con nombre T y se le asigna el valor 4.5. Scilab diferencia
las letras minusculas de las mayusculas. La presencia de punto y coma al nal de la
orden hace que Scilab no muestre el resultado en la pantalla. Sin embargo, la orden
tuvo efecto.
Scilab no hace diferencia entre numeros enteros y numeros reales. Los numeros se pueden
escribir usando la notacion usual o la notacion cient ca. Por ejemplo, son validos los
siguientes numeros.
3.5
-4.1234
3.14e-10
3.14E-10
0.0023e20
-12.345e+12
Al usar la orden
who
Scilab muestra las variables que esta usando en ese momento. Su respuesta es algo
semejante a:
your variables are...
T t startup ierr demolist

%scicos_display_mode scicos_pal %scicos_menu
%scicos_short %helps MSDOS home PWD TMPDIR
percentlib soundlib xdesslib utillib tdcslib siglib
s2flib roblib optlib metalib elemlib commlib polylib
autolib armalib alglib intlib mtlblib WSCI SCI
%F %T %z %s %nan %inf $
%t %f %eps %io %i %e
2.1. PRIMEROS PASOS 5
using 5870 elements out of 1000000.

and 48 variables out of 1791
Ah aparecen las variables t y T , de nidas anteriormente, y otras variables propias

de Scilab.
En las ordenes de Scilab los espacios en blanco antes y despues del signo igual no
son indispensables. Se podr a simplemente escribir t=3.5 obteniendose el mismo
resultado. Los espacios en blanco sirven simplemente para facilitar la lectura.
Los nombres en Scilab constan hasta de 24 caracteres. El primero debe ser una letra o
$ . Los otros pueden ser letras, numeros, #, _, $, ! . Por ejemplo:
a12, pesoEsp, valor_ini
Cuando en la orden no hay ninguna asignacion, sino simplemente una operacion valida,
Scilab crea o actualiza una variable llamada ans . Por ejemplo,
t+T
produce el resultado
ans =
8.
Las asignaciones pueden incluir operaciones con variables ya de nidas, por ejemplo
x = t+T
Si se da la orden
t = 2*t
se utiliza el antiguo valor de t para la operacion, pero, despues de la orden, t queda
valiendo 7.
Si se quiere conocer el valor de una variable ya de nida, basta con digitar el nombre de
la variable y oprimir Enter.
Es posible volver a repetir facilmente una orden dada anteriormente a Scilab. Utilizando
las teclas correspondientes a las echas hacia arriba y hacia abajo, se obtiene una orden
anterior y se activa oprimiendo ←−| . Por ejemplo al repetir varias veces la orden
x = (x+3/x)/2
√
se obtiene una aproximacion muy buena de 3.
Tambien es posible, por medio de las echas (hacia arriba y hacia abajo), buscar una
orden anterior para editarla y enseguida activarla.
En una misma l nea de Scilab puede haber varias ordenes. Estas deben estar separadas
por coma o por punto y coma. Por ejemplo,
t1 = 2, t2 = 3; dt = t2-t1
2.2 Operaciones y funciones

Los s mbolos
+ - * /
sirven para las 4 operaciones aritmeticas. El signo - tambien sirve para indicar el
inverso aditivo. Por ejemplo
u = -t
Para elevar a una potencia se utiliza el signo ^ o tambien ** . Por ejemplo
u = 2^8, v = 2**8
Scilab utiliza para agrupar los parentesis redondos: ( ), como en la orden
x = (x+3/x)/2.
Puede haber parejas de parentesis metidas (anidadas) dentro de otras.
En una expresion puede haber varios operadores. Las reglas de precedencia son seme-
jantes a las de la escritura matematica usual. Los parentesis tienen prioridad sobre todos
los operadores. Entre los operadores vistos hay tres grupos de prioridad. De mayor a
menor, estos son los grupos de prioridad:
^ **
* /
+ -
Entre operadores de igual prioridad, se utiliza el orden de izquierda a derecha. Por
ejemplo, 2*3+4^5-6/7 es equivalente a ((2*3)+(4^5))-(6/7).
Scilab tiene prede nidas muchas funciones matematicas. A continuacion esta la lista de
las funciones elementales mas comunes.
abs : valor absoluto
acos : arcocoseno
acosh : arcocoseno hiperbolico
asin : arcoseno
asinh : arcoseno hiperbolico
atan : arcotangente
2.2. OPERACIONES Y FUNCIONES 7
atanh : arcotangente hiperbolica

ceil : parte entera superior
cos : coseno
cosh : coseno hiperbolico
cotg : cotangente
coth : cotangente hiperbolica
exp : funcion exponencial: ex
fix : redondeo hacia cero (igual a int)
floor : parte entera inferior
int : redondeo hacia cero (igual a fix)
log : logaritmo natural
log10 : logaritmo decimal
log2 : logaritmo en base dos
max : maximo
min : m nimo
modulo : residuo entero
rand : numero aleatorio
round : redondeo
sin : seno
sinh : seno hiperbolico
sqrt : raiz cuadrada
tan : tangente
tanh : tangente hiperbolica
El signi cado de la mayor a de estas funciones es absolutamente claro. La siguiente
tabla muestra varios ejemplos utilizando las funciones de parte entera y redondeo.
x ceil(x) floor(x) int(x) round(x)

2.0 2. 2. 2. 2.
1.8 2. 1. 1. 2.
1.5 2. 1. 1. 2.
1.2 2. 1. 1. 1.
- 3.1 - 3. - 4. - 3. - 3.
- 3.5 - 3. - 4. - 3. - 4.
- 3.8 - 3. - 4. - 3. - 4.
Otra funcion matematica, esta ya con dos parametros de entrada, es modulo. Sus dos
parametros deben ser enteros. El resultado es el residuo de la division entera.
modulo(17,5)
da como resultado 2.
Para tener informacion mas detallada sobre alguna funcion basta con digitar help y a
continuacion el nombre de la funcion o de la orden. Por ejemplo
help floor
Obviamente se requiere que la funcion floor exista. Si no se conoce el nombre de la
funcion, pero se desea buscar sobre un tema, se debe utilizar apropos. Por ejemplo:
apropos polynomial
da informacion sobre las funciones que tienen que ver con polinomios. En cambio,
help polynomial
informa que no hay manual para polynomial.
Ademas de estas funciones elementales, Scilab tiene muchas mas funciones como las
funciones de Bessel, la funcion gama, ... Mediante la barra de menu, con la opcion
Help seguida de Help Dialog se obtiene un catalogo resumido de las herramientas
de Scilab.
La lista de funciones elementales de Scilab es la siguiente:
abs, acos, acosh, acoshm, acosm, addf, adj2sp, amell, and,

asinh, asinhm, asinm, atan, atanh, atanhm, atanm, besseli,
besselj, besselk, bessely, binomial, bloc2exp, bloc2ss, calerf,
ceil, cmb_lin, conj, cos, cosh, coshm, cosm, cotg, coth, cothm,
cumprod, cumsum, delip, diag, dlgamma, double, erf, erfc,
erfcx, eval, eye, fix, floor, frexp, full, gamma, gammaln,
gsort, imag, int, int16, int32, int8, integrate, interp,
interpln, intersect, intsplin, inttrap, isdef, isinf, isnan,
isreal, kron, ldivf, lex_sort, linspace, log, log10, log2,
logm, logspace, max, maxi, mean, median, min, mini, minus,
modulo, mps2linpro, mtlb_sparse, mulf, nnz, norm, not, ones,
or, pen2ea, pertrans, pmodulo, prod, rand, rat, rdivf, real,
round, sign, signm, sin, sinh, sinhm, sinm, size, smooth,
solve, sort, sp2adj, sparse, spcompack, speye, spget, splin,
spones, sprand, spzeros, sqrt, sqrtm, squarewave, ssprint,
ssrand, st_deviation, subf, sum, sysconv, sysdiag, syslin, tan,
tanh, tanhm, tanm, toeplitz, trfmod, trianfml, tril, trisolve,
triu, typeof, uint16, uint32, uint8, union, unique, zeros.
2.3. OTROS TEMAS 9
2.3 Otros temas

Se puede modi car el formato utilizado por Scilab para mostrar los resultados, mediante
format. Si se da la orden
format(16)
a partir de ese momento, Scilab utilizara 16 \columnas" (16 posiciones) para mostrar
cada numero. Estas 16 columnas incluyen el espacio para el signo la parte entera y el
punto. Por defecto, Scilab usa 10 posiciones.
format(’e’,14)
La orden anterior sirve para utilizar notacion cient ca con 14 posiciones. Tambien se
puede utilizar simplemente format(’e’)
Para regresar al formato inicial, el formato \variable" (el prede nido por Scilab) se usa
format(’v’)
o, por ejemplo,
format(’v’, 10)
Scilab tiene prede nidas algunas constantes
√ especiales cuyos nombres estan precedidos
del signo % . Para los valores e, π, −1, sus nombres son: %e , %pi , %i . Observe
que dos de estas variables aparecieron al utilizar who. Despues de la siguiente asignacion,
la variable r tendra el valor -1.
r = log(1/%e)
2.4 Complejos
Scilab maneja de manera sencilla los numeros complejos. Estos pueden ser de nidos de
varias maneras. Por ejemplo, suponiendo que r vale −5, las dos ordenes siguientes
a = 3 + 4*r*%i
b = sqrt(-4)
de nen dos variables, a = 3 − 20i, b = 2i.
Para las operaciones con numeros complejos (suma, resta, multiplicacion, ...) se
utilizan exactamente los mismos s mbolos + - * / ** ^.
Las funciones real, imag y conj permiten obtener la parte real, la parte imaginaria
y el conjugado de un complejo. Si se utiliza la funcion abs con un complejo, se obtiene
la magnitud o modulo de el.
Las funciones de Scilab usadas para funciones reales elementales que tienen generaliza-
ciones en complejos, se pueden usar tambien para los complejos, por ejemplo, sin,
cos, log, ... As , es completamente l cito

z = 3 + 4*%i; r = sin(z)
El resultado mostrado por Scilab en pantalla es
r =
3.853738 - 27.016813i
2.5 Polinomios
Un polinomio se puede de nir de dos maneras: por sus coe cientes o por sus ra ces. Es
necesario ademas indicar la variable simbolica para el polinomio. La orden
p = poly([2 3 5 7], "x", "coeff")
de ne en la variable p el polinomio 2 + 3x + 5x2 + 7x3 . La orden
q = poly([2 3 5], "x", "roots")
de ne en la variable q el polinomio −30+31x−10x2 +x3 cuyas ra ces son exactamente
2, 3 y 5. Escribir q = poly([2 3 5], "x") produce exactamente el mismo resultado,
o sea, "roots" es el tipo de de nicion por defecto.
La doble comilla " puede ser reemplazada por la comilla sencilla ’. Mas aun, se
puede reemplazar ’coeff’ por ’c’ y ’roots’ por ’r’ . Es l cito escribir
r = poly([6 7 8], ’y’, ’c’) .
La funcion roots calcula las ra ces de un polinomio, sean estas reales o complejas. Por
ejemplo
roots(p)
Con polinomios se pueden hacer sumas, multiplicaciones, restas, multiplicacion por un
numero. Deben ser polinomios en la misma variable. Por ejemplo:
v = p + q + p*q - 3.1*q
Tambien se puede elevar un polinomio a una potencia, por ejemplo,
r = p^3
La funcion coeff tiene dos parametros, el primero es el polinomio y el segundo la
potencia. La siguiente orden asigna a la variable k el valor −10, el coe ciente de x 2
en el polinomio q.
k = coeff(q, 2)
Si se utiliza simplemente
c = coeff(q)
2.6. LISTA DE ALGUNAS HERRAMIENTAS 11
se obtendran todos los coe cientes. La variable c sera un vector (ver cap tulo siguiente
sobre matrices y vectores).
Si se utiliza p = poly(a,’x’), donde a es una matriz cuadrada (ver cap tulo sigu-
iente sobre matrices y vectores), se obtiene el polinomio caracter stico de de la matriz
a.
Para evaluar un polinomio p en un valor t se usa
horner(p, t)
Por ejemplo horner(q, 1) dara como resultado −8. Si q es un polinomio, es l cito
utilizar la orden
r = horner(p, q)
para obtener p(q(x)).
2.6 Lista de algunas herramientas

Scilab tiene numerosas herramientas para diferentes temas. A continuacion hay una
lista de ellas.
• Algebra lineal (cap tulo 3)
• Gra cas (cap tulo 5)
• Optimizacion
• METANET: grafos y redes
• Analisis y control de sistemas lineales
• Procesamiento de se~
nales
• Modelacion y simulacion ARMA (autoregressive moving average)
• Simulacion
• SCICOS: modelamiento y simulacion de sistemas dinamicos h bridos
• Funciones de entrada y salida
• Manejo de funciones y librer as
• Manipulacion de cadenas de caracteres
• Dialogos: ventanas y botones
• Calculos con polinomios

• Funciones de distribucion
• Control robusto
• PVM: parallel virtual machine
• Traducciones de lenguajes y datos
• GeCI: comunicacion con otras aplicaciones
• Interfaz con Maple

Capı́tulo 3
VECTORES Y MATRICES
En Scilab no hay vectores como tales, los vectores se deben asimilar a matrices de una
sola la o vectores la (tama~ no 1 × n) o a matrices de una sola columna o vectores
columna (tama~no n × 1).
3.1 Creación
La matriz  
11 12 13 14 15
21 22 23 24 25
31 32 33 34 35
se puede de nir por medio de
a = [ 11 12 13 14 15; 21 22 23 24 25; 31 32 33 34 35]
o tambien por medio de
a = [ 11,12,13,14,15; 21,22,23,24,25; 31,32,33,34,35]
o por
a = [ 11 12 13 14 15
21 22 23 24 25
31 32 33 34 35]
Scilab mostrara el siguiente resultado en la pantalla:
a =
! 11. 12. 13. 14 15. !

! 21. 22. 23. 24 25. !
! 31. 32. 33. 34 35. !
13
14 CAPÍTULO 3. VECTORES Y MATRICES
La de nicion de la matriz se hace por las. Los elementos de una misma la se separan
por medio de espacios en blanco o por medio de comas. Una la se separa de la siguiente
por medio de punto y coma o por medio de cambio de l nea.
Scilab permite crear rapidamente algunos tipos especiales de matrices:
ones(4,5) es una matriz de unos de tama~
no 4 × 5
zeros(4,5) es una matriz de ceros de tama~
no 4 × 5
rand(20,30) es una matriz aleatoria de tama~
no 20 × 30
eye(4,4) es la matriz identidad de orden 4
Algunas veces es util, especialmente para gra cas de funciones (tema que se vera en un
cap tulo posterior), crear vectores con elementos igualmente espaciados, por ejemplo
x = [1 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6]
Esto tambien se puede hacer mas facilmente as :
x = 1:0.2:2.6
Los valores 1.0, 0.2 y 2.6 corresponden respectivamente al l mite inferior, al incremento
y al l mite superior. Si no se especi ca incremento se supone que es uno. Escribir
y = 2:9 es equivalente a y = 2:1:9. Cuando se desea una columna basta con utilizar
el operador de trasposicion, por ejemplo, z = (1:0.2:2.6)’
3.2 Notación y operaciones

a(2,5) denota el elemento o entrada de a en la la 2 y en la columna 5.
a(3,:) denota la tercera la de la matriz a.
a(:,4) denota la cuarta columna de la matriz a.
a(1:2,2:5) denota la submatriz de tama~ no 2 × 4, formado por los elementos que estan
en las las 1, 2 y en las columnas 2, 3, 4, 5, o sea, la matriz

12 13 14 15
·
22 23 24 25
La anterior de nicion de submatrices se puede generalizar utilizando vectores( la o

columna). Por medio de las siguientes ordenes
u = [ 1 2 1], v =[2 4], aa = a(u,v)
se asigna a la variable aa la matriz
 
12 14
22 24 ·
12 14
3.2. NOTACIÓN Y OPERACIONES 15
Si a es una matriz m × n, entonces a(:) es un vector columna de tama~ no mn × 1,

obtenido colocando primero la primera columna de a, enseguida la segunda columna,
luego la tercera y as sucesivamente.
Si x es un vector columna, entonces x(:) es el mismo vector columna. Si x es un vector
la, entonces x(:) es lo mismo que x’. Dicho de otra forma, si x es un vector ( la
o columna), entonces x(:) es un vector columna con las mismas entradas de x. As ,
x = x(:) convierte el vector x en un vector columna.
Si x es un vector la, se puede escribir x(3) en lugar de x(1,3). Analogamente,
si y es un vector columna, se puede escribir y(2) en lugar de y(2,1).
Por medio de * se puede hacer el producto entre un numero y una matriz. Los signos
+ y - permiten hacer sumas y restas entre matrices del mismo tama~ no. Cuando
el producto de matrices es posible (numero de columnas de la primera matriz igual al
numero de las de la segunda), este se indica por medio de * . La transposicion de
una matriz se indica por medio de comilla, por ejemplo,
c = a’*a
crea la matriz c , producto de la traspuesta de a y de a . Por construccion c es
una matriz cuadrada.
La mayor a de las funciones de Scilab utilizadas para numeros reales se pueden aplicar
a matrices. En este caso se obtiene una matriz del mismo tama~ no, en la que se ha
aplicado la funcion a cada uno de los elementos de la matriz. Por ejemplo, las dos
ordenes siguientes son equivalentes.
D = sin([1 2; 3 4]) , D = [sin(1) sin(2); sin(3) sin(4)]
Para matrices (y vectores) del mismo tama~
no se puede hacer la multiplicacion elemento
a elemento utilizando .* . De manera analoga se puede hacer la division elemento a
elemento. Por ejemplo:
P = rand(3,5), Q = rand(3,5), r = P.*Q
Tambien es posible elevar a una potencia los elementos de una matriz, por ejemplo,
H = a.^3
Si a es una matriz rectangular
a.^(1/2)
es lo mismo que
sqrt(a)
es decir, una matriz del mismo tama~
no, cuyas entradas son las raices cuadradas de las
entradas de a.
En cambio, si a es una matriz cuadrada,
a1 = a^(1/2)
es una matriz raiz cuadrada de a, o sea, a1*a1 es lo mismo que a.

Como se vera mas adelante, para gra car se requieren dos vectores, uno con los valores
de la variable x y otro (del mismo tama~ no) con los valores de la variable y. Las dos
ordenes siguientes permiten crear los dos vectores para un polinomio:
x = (-2:0.01:3)’;
y = 3*x.^4 + x.^3 - 5*x.*x + 3.14;
Para matrices cuadradas, es posible calcular directamente una potencia. Por ejemplo,
G = rand(6,6)^3
Si los tama~
nos son compatibles, dos o mas matrices se pueden \pegar" para obtener una
matriz de mayor tama~ no, por ejemplo,
AA = [a rand[3,2)]
B = [rand(2,5); a; eye(5,5)]
Como a fue de nida de tama~
no 3 × 5, entonces AA es de tama~
no 3 × 7 y B es de
tama~
no 10 × 5.
La orden y = [] permite crear la matriz y de tama~
no 0 × 0.
Si x es un vector, la orden x(2) = [] suprime la segunda componente y desplaza
el resto. Por ejemplo,
x = [2 3 5 7 11]; x(2) = []
x =
! 2. 5. 7. 11. !
De manera analoga, si a es un matriz, la orden a(:,2) = [] suprime la segunda

columna.
3.3 Funciones elementales

Hay numerosas funciones de Scilab para el manejo de matrices. Algunas de las mas
usadas son:
• rank(a) calcula el rango de a.
• det(c) determinante de una matriz cuadrada c.
• inv(c) inversa de una matriz cuadrada e invertible c.

3.3. FUNCIONES ELEMENTALES 17
• rref(a) matriz escalonada reducida por las equivalente a a.
• expm(C) produce la matriz eC , donde C es una matriz cuadrada.
1 1 1
eC = I + C + C 2 + C 3 + C 4 + · · ·
2 6 24
• diag(c) produce un vector columna con los elementos diagonales de la matriz
cuadrada c.
• diag(x) produce una matriz diagonal con los elementos del vector ( la o columna)
x.
• y = sort(x) ordena el vector x de manera decreciente.
• [y, k] = sort(x): y es el vector ordenado de manera decreciente, k es un vector

que contiene los ndices del ordenamiento, o sea, y = x(k).
• b = sort(a) ordena la matriz a de manera decreciente, considerando cada

matriz como un vector formado por la primera columna, la segunda columna, ...,
la ultima columna.

3.2 3.1 3.8 3.2
a= , b=
3.4 3.8 3.4 3.1
• b = sort(a, ’r’) ordena la matriz a de manera decreciente por columnas.

Atención, aunque ’r’ tiene un signi cado interno de las, el resultado externo
es un ordenamiento de las columnas.

3.4 3.8
b=
3.2 3.1
• b = sort(a, ’c’) ordena la matriz a de manera decreciente por las. Aten-

ción, aunque ’c’ tiene un signi cado interno de columnas, el resultado externo
es un ordenamiento de las las.

3.2 3.1
b=
3.8 3.4
• m = max(x) calcula el maximo del vector ( la o columna) x.
• [m, k] = max(x): m es el maximo del vector x, k indica la posicion donde

esta el maximo.
• m = max(a) calcula el maximo de la matriz a.

• [m, k] = max(a): m es el maximo de la matriz a, k es un vector 1 × 2 e

indica la posicion donde esta el maximo.
• m = max(a, ’r’) : m es un vector la (row) que contiene los maximos de las

columnas de a.
• [m, k] = max(a, ’r’) : m es un vector la que contiene los maximos de las

columnas de a, k es un vector la que contiene las posiciones de los maximos.
• min semejante a max pero para el m nimo.
• m = mean(x) calcula el promedio del vector ( la o columna) x.
• m = mean(a) calcula el promedio de la matriz a.
• m = mean(a, ’r’) : m es un vector la (row) que contiene los promedios las

columnas de a.
• m = mean(a, ’c’) : m es un vector columna que contiene los promedios las las
de a.
• median semejante a mean pero para la mediana.
• st-deviation semejante a mean pero para la desviacion estandar.
• sum semejante a mean pero para la suma.
• prod semejante a mean pero para el producto.
• norm(x) calcula la norma euclidiana del vector x ( la o columna).
• norm(x, p) calcula la norma lp del vector x:

n
!1/p
X
|xi |p .
i=1
• norm(x, ’inf’) calcula la norma \del maximo" del vector x:
max |xi |.
1≤i≤n
• norm(a) = norm(a, 2) calcula, para la matriz a, la norma matricial generada

por la norma euclidiana, o sea, el mayor valor singular de a.
• norm(a, 1) calcula, para la matriz a, la norma matricial generada por la norma

l1 , o sea,
Xm
max |aij |.
1≤j≤n
i=1
3.3. FUNCIONES ELEMENTALES 19
• norm(a, ’inf’) calcula, para la matriz a, la norma matricial generada por la

norma l∞ , o sea,
Xn
max |aij |.
1≤i≤m
j=1
• norm(a, ’fro’) calcula, para la matriz a, la norma de Frobenius, o sea,
m X
n
!1/2
X
a2ij .
i=1 j=1
• La orden fc = size(a) proporciona un vector la 1 × 2 con el numero de las

y el numero de columnas de a. La orden size(a,1) proporciona el numero de
las de a. Analogamente, size(a,2) proporciona el numero de columnas de a.
• Por medio de tril se puede obtener la parte triangular inferior (low) de una
matriz cuadrada. Por ejemplo,
a = [1 2 3; 4 5 6; 7 8 9]; L = tril(a)
L =
! 1. 0. 0. !
! 4. 5. 0. !
! 7. 8. 9. !
• La funcion triu produce la parte triangular superior (upper).
• Si a es una matriz cuadrada, por medio de

v = spec(a)
se obtiene un vector columna con los valores propios (reales o complejos) de a.
Con la orden
[v, s] = spec(a)
se obtiene la matriz v cuyas columnas son vectores propios y la matriz diagonal s
cuyos elementos diagonales son los valores propios.
• Si A es una matriz simetrica y de nida positiva, entonces se puede factorizar en la

forma A = U T U , donde U es una matriz triangular superior de diagonal positiva.
Esta es la llamada factorizacion de Cholesky. Esta matriz se puede obtener por
U = chol(A)
• La factorizacion QR de una matriz A es la expresion
A = QR
donde Q es una matriz ortogonal y R es una matriz del tama~

no de A, \triangular "
(no necesariamente cuadrada). Por ejemplo,
[q, r] = qr(a)
• La factorizacion LU de una matriz cuadrada invertible A es la expresion
P A = LU
donde P es una matriz de permutacion, L es una matriz triangular inferior con

unos en la diagonal y U es una matriz triangular superior. Por ejemplo,
[L, U, P] = lu(A)
• La descomposicion SVD, descomposicion en valores singulares, de una matriz A

es la expresion
A = U DV T
donde U y V son matrices ortogonales y D es una matriz del ma2 0 Td (or338

A 0
3.5. OTRAS FUNCIONES 21
Teoricamente, el resultado debe ser el mismo. Desde el punto de vista de precision

numerica, los resultados son semejantes. Para matrices medianamente grandes hay
diferencias en tiempo. La primera forma gasta, aproximadamente, tres veces mas tiempo
que la segunda.
Fuera del caso de solucion unica hay otros dos casos: el caso de sistema inconsistente
(sin solucion) y el caso de muchas soluciones (numero in nito de soluciones).
Si el sistema es inconsistente, entonces se desea encontrar una seudosolucion, la solucion
por m nimos cuadrados, o sea, se busca x que minimice ||Ax − b||22 . En este caso la orden
x = A\b
encuentra una de estas\soluciones". Si las columnas de A son linealmente independi-
entes, esta seudosolucion es unica. Para mayor informacion, use la ayuda:
help backslash
3.5 Otras funciones

La lista de funciones de Scilab para Algebra Lineal es la siguiente:
aff2ab, balanc, bdiag, chfact, chol, chsolve, classmarkov,

coff, colcomp, companion, cond, det, eigenmarkov, ereduc, exp,
expm, fstair, fullrf, fullrfk, genmarkov, givens, glever,
gschur, gspec, hess, householder, im_inv, inv, kernel, kroneck,
linsolve, lu, ludel, lufact, luget, lusolve, lyap, nlev, orth,
pbig, pencan, penlaur, pinv, polar, proj, projspec, psmall, qr,
quaskro, randpencil, range, rank, rcond, rowcomp, rowshuff,
rref, schur, spaninter, spanplus, spantwo, spchol, spec,
sqroot, sva, svd, sylv, trace
Capı́tulo 4
PROGRAMAS
En Scilab hay dos tipos de programas: los guiones o libretos (scripts) y las funciones.
Un guion es simplemente una secuencia de ordenes de Scilab. No tiene parametros
(\argumentos") de entrada ni de salida. En cambio una funcion s los tiene.
Por otro lado, las variables de nidas en un guion son globales, es decir, despues del
llamado del guion estas variables siguen existiendo. En cambio en una funcion, las
variables de nidas dentro de la funcion dejan de existir una vez nalizada la ejecucion
de la funcion, son variables locales.
4.1 Guiones (scripts)

Un guion es simplemente un archivo ASCII en el que hay una sucesion de ordenes de
Scilab. Generalmente tiene la extension .sce pero eso no es obligatorio. Puede estar
colocado en cualquier carpeta.
En el ejemplo que sigue se va a hacer lo siguiente:
crear aleatoriamente una matriz,
crear aleatoriamente la solucion x0 ,
crear los terminos independientes correspondientes a x0 ,
hallar la solucion,
calcular la norma del error cometido.
Scilab viene con un editor llamado Scipad. Se activa mediante la opcion Editor de la
barra de menu de Scilab.
Ya sabiendo lo que se va a hacer, con Scipad o con un editor cualquiera, creamos el
archivo
c:\misci\ensayo01.sce
22
4.1. GUIONES (SCRIPTS) 23
cuyo contenido sea el siguiente:
n = 100;
A = rand(n,n);
x0 = rand(n,1);
b = A*x0;
x = A\b;
residuo = norm(x-x0)
Obviamente el nombre de la carpeta misci es simplemente un ejemplo y hubiera podido

ser cualquier otra carpeta. Una vez guardado el contenido, desde el ambiente Scilab se
da la orden
exec c:\misci\ensayo01.sce
Esto hace que se ejecuten todas las ordenes contenidas en el archivo. Mediante who, o
de cualquier otra forma, se puede veri car que las variables n, A, x0, ... fueron creadas
y todav a existen.
Dar la orden exec c:\misci\ensayo01.sce tambien se puede hacer en Windows
por medio de la barra de menu con las opciones File y despues Exec. Subiendo y
bajando de nivel se busca la carpeta adecuada y se hace doble clic con el boton derecho
del raton en el archivo ensayo01.sce.
En Linux se hace de manera muy parecida: en la barra de menu File, enseguida
File Operations y nalmente Exec despues de haber escogido el archivo deseado.
Si se usa SciPad, se obtiene el mismo resultado con la barra de menu (de SciPad)
mediante la opcion Execute y despues Load into Scilab.
Si se desea, se puede editar el archivo, hacer algunos cambios, guardarlos y de nuevo
activar el guion mediante exec ...
En el siguiente ejemplo suponemos que se tiene una matriz A de tama~
no m × n, m ≥
n, r(A) = n, es decir, tiene mas las que columnas y sus columnas son linealmente
independientes. Consideremos el siguiente sistema de ecuaciones
A x = b.
Probablemente este sistema de ecuaciones no tiene solucion en el sentido estricto. Su
seudosolucion o solucion por m nimos cuadrados esta dada por la solucion de la ecuacion
normal
AT A x = AT b.
proveniente de minimizar el cuadrado de la norma del error:

ε = ||A x − b||22 .
Sea c:\estad\ensayo02.sce el archivo que de ne los datos y lleva a cabo este pro-
ceso. Su contenido puede ser:
24 CAPÍTULO 4. PROGRAMAS
// solucion por minimos cuadrados

//
a = [ 1 2; 3 4; 5 6];
b = [ 3 7 10]’;
//
x = (a’*a)\(a’*b)
e = norm(a*x-b)^2
Las l neas que empiezan por // son l neas de comentarios (como en C++).
Obviamente para activar este otro archivo se necesita dar la orden
exec c:\estad\ensayo02.sce
De manera natural aparece la pregunta: ¿Cómo hacer el mismo proceso con otro sistema
de ecuaciones sin tener que cambiar el archivo? Las funciones son la respuesta.
4.2 Funciones
En un archivo ASCII puede haber varias funciones. Generalmente el nombre de los
archivos de funciones tienen la extension .sci. El esquema general de una funcion es
el siguiente:
function [res1, res2, ...] = nombrefuncion(par1, par2, ...)
...
...
endfunction
El signi cado de res1 es resultado 1 o tambien parametro de salida 1. El signi cado
de par2 es parametro de entrada 2 o simplemente parametro 2. Cuando la funcion
tiene un unico resultado, el esquema puede ser simplemente:
function result = nombrefuncion(par1, par2, ...)
...
...
endfunction
El siguiente archivo llamado c:\misci\misfunc.sci tiene varias funciones
function [x, error2] = seudoSol(A, b)

// solucion por minimos cuadrados
x = (A’*A)\(A’*b)
error2 = norm(A*x-b)^2
4.2. FUNCIONES 25
endfunction
//--------------------------------------------------------
function [x, y] = polarCart(r, t)
// Conversion de coordenadas polares a cartesianas.
x = r*cos(t)
y = r*sin(t)
endfunction
//--------------------------------------------------------
function [x, y] = polarCartGr(r, t)
// Conversion de coordenadas polares a cartesianas,
// el angulo esta dado en grados.
[x, y] = polarCart(r, t*%pi/180)
endfunction
//--------------------------------------------------------
function fx = f(x)
fx = x(1)^2 + x(2)^2
endfunction
Este archivo de funciones se debe cargar mediante la orden

getf c:\misci\misfunc.sci
o tambien, en Windows, mediante las opciones de la barra de menu File y despues
Exec. En Linux, en la barra de menu File , File Operations y nalmente Getf
despues de haber escogido el archivo deseado.
Tambien con la barra de menu de SciPad: Execute y Load into Scilab .
Una vez cargado el archivo, las funciones se pueden utilizar como las otras funciones de
Scilab. Por ejemplo, son validas las siguientes ordenes:
[x1, y1] = polarCart(2, 0.7854)

[u, v] = polarCartGr(3, 30)
a = [1 2; 3 4; 5 6]; b = [3 7 10]’; [x,err] = seudoSol(a,b)
[x, dif] = seudoSol([1 2; 3 4; 5 6], [3 7 10]’)
valor = f([3; 4])
x = [5; 6], res = f(x)
Cuando una funcion produce mas de un resultado, tambien se puede utilizar asig-
nando menos de los resultados previstos. Por ejemplo, la utilizacion completa de
polarCartGr puede ser
[a, b] = polarCartGr(3,30)
lo cual produce el resultado
b =
1.5
a =
2.5980762
En cambio, la orden
c = polarCartGr(3,30)
c =
2.5980762
Otra caracter stica de las funciones es que una funcion puede llamar una o varias fun-
ciones. Observese que la funcion polarCartGr utiliza la funcion polarCart.
En los ejemplos anteriores de funciones, hay simplemente una secuencia de ordenes que
siempre se repite de la misma manera. Con mucha frecuencia esto no es as . Normal-
mente dentro de una funcion, dependiendo de los datos o de resultados intermedios, hay
que tomar algunas decisiones, repetir un proceso, abortar un proceso, ... Esto se logra
mediante los operadores relacionales, los operadores logicos y las estructuras de control.
Esto se vera en secciones posteriores de este mismo cap tulo.
4.3 Carpeta actual o por defecto

Al arrancar, Scilab tiene de nido un subdirectorio (o carpeta) preferencial, actual o por
defecto. Para saber el nombre de esta carpeta, se da la orden
pwd
La respuesta de Scilab puede ser:
ans =
C:\WINDOWS\Escritorio
En Linux la respuesta podr a ser
ans =
/home/h
4.4. COMPARACIONES Y OPERADORES LÓGICOS 27
Esto quiere decir que si un archivo de funciones o un archivo tipo guion estan ubicados
all , no es necesario, al utilizar getf o exec, escribir la ubicacion completa del archivo,
basta dar el nombre del archivo. Por ejemplo, si el archivo ejemplo4.sce esta en la
carpeta C:\WINDOWS\Escritorio, no es necesario, dar la orden
exec \WINDOWS\Escritorio\ejemplo4.sce
Basta digitar
exec ejemplo4.sce
Para decir a Scilab que cambie la carpeta por defecto, se usa la orden chdir, por
ejemplo,
chdir ’c:\algebra\matrices\’
4.4 Comparaciones y operadores lógicos

< menor
<= menor o igual
> mayor
>= mayor o igual
== igual
~= diferente
<> diferente
& y
| o
~ no
4.5 Órdenes y control de flujo

La principales estructuras de control de Scilab son:
• if
• select y case
• for
• while
Otras ordenes relacionadas con el control de ujo son:

• break
• return equivalente a resume

• abort
En este manual introductorio se supone que el lector tiene algún conocimiento
de un lenguaje de programación. Aqu no se explica como es el funcionamiento de
la estructura while. Simplemente hay algunos ejemplos sobre su escritura en Scilab.
4.5.1 if
Una forma sencilla de la escritura de la escritura if es la siguiente:

if condición then
...
...
end
La palabra then puede ser reemplazada por una coma o por un cambio de l nea.
Entonces se puede escribir
if condición
...
...
end
Obviamente tambien existe la posibilidad else:
if condición
...
else
...
end
Estas estructuras se pueden utilizar directamente dentro del ambiente interactivo de
Scilab. Por ejemplo, se puede escribir directamente, sin necesidad de un guion
if x < 0, fx = x*x, else fx = x*x*x, end
Resulta ine ciente hacer un guion unicamente para las ordenes de la l nea anterior. Pero,
cuando hay muchas ordenes y muchos controles y es necesario depurar el proceso, es
casi indispensable hacer un guion o una funcion.
4.5. ÓRDENES Y CONTROL DE FLUJO 29
4.5.2 for
La estructura for tiene la siguiente forma:
for var = lim1:incr:lim2
...
...
end
Esto quiere decir que la variable var empieza en el l mite inferior lim1, despues va
incrementar el valor en el incremento incr (puede ser negativo). Si el incremento es
1, este se puede suprimir. A continuacion algunos ejemplos.
for i = 2:3:14
...
...
end
for j = 2:-3:-10
...
...
end
for k = 2:8
...
...
end
Una estructura for puede estar anidada dentro de otro for o dentro de un if.
4.5.3 while
La forma general es:
while condición
...
...
end
Por ejemplo
e = 1;
while e+1 > 1
e = e/2;
end
4.5.4 select
La forma general es:

select variable
case valor1 then
...
...
case valor2 then
...
...
case valor3 then
...
...
case valor4 then
...
...
...
else
...
...
end
La palabra then puede ser reemplazada por una coma o por un cambio de l nea. La
parte else es opcional. Entonces se puede escribir
select variable
case valor1
...
...
case valor2, ...
case valor3
...
...
case valor4
4.5. ÓRDENES Y CONTROL DE FLUJO 31
...
...
end
Por ejemplo
select indic
case 0, a = b;
case 1
a = b*b;
b = 1;
case 3
a = max(a,b);
b = a*a;
else
a = 0;
b = 0;
end
4.5.5 Otras órdenes

La orden break permite la salida forzada (en cualquier parte interna) de un bucle
for o de un bucle while.
La orden return permite salir de una funcion antes de llegar a la ultima orden. Todos
los parámetros de salida o resultados deben estar definidos con anterioridad.
Otra orden que sirve para interrumpir una funcion, en este caso interrumpiendo la
evaluacion, es abort.
En la siguiente funcion se calcula el maximo comun divisor por el algoritmo de Euclides.
function [maxcd, indic] = mcd(a, b)

// Maximo comun divisor de a, b enteros positivos.
// indic valdra 1 si se calculo el m.c.d
// 0 si los datos son inadecuados.
indic = 0
maxcd = 0
if round(a) ~= a | round(b) ~= b
return
end
if a < 1 | b < 1
return
end
if a < b
t = a
a = b
b = t
end
indic = 1
while 1 == 1
r = modulo(a, b)
if r == 0
maxcd = b
return
end
a = b
b = r
end
endfunction
En el ejemplo anterior, el ultimo return esta anidado en un solo bucle y despues acaba
la funcion, luego se podr a cambiar por un break. La condicion del while siempre
es cierta, luego la salida del bucle se obtiene siempre en la mitad del cuerpo del while.
En una funcion no es necesario el punto y coma despues de una orden, pues de todas
maneras Scilab no muestra el resultado de la asignacion (en Matlab si es necesario el
punto y coma). Si de nitivamente, en una funcion, se desea mostrar en pantalla algunos
valores intermedios se debe hacer por medio de disp o por medio de printf. Por
ejemplo, despues del calculo de r se puede utilizar la orden
disp(a, b, r)
Observe que primero escribe el valor de r, despues el de b y nalmente el de a.
La orden printf es una emulacion de la orden del mismo nombre del lenguaje C. Por
ejemplo se podr a utilizar la orden
printf(’ a = %3d b = %3d r = %3d\n’, a, b, r)
Esta emulacion utiliza una comilla en lugar de la comilla doble. El s mbolo \n se
utiliza para cambio de l nea.
Otras ordenes que se pueden utilizar para escritura son:
fprintf
print
write
4.6. EJEMPLOS 33
4.6 Ejemplos
Los siguientes ejemplos, son simplemente casos que pretenden ilustrar la manera de
programar en Scilab. En ellos se busca mas la claridad que la e ciencia numerica.
4.6.1 Cálculo numérico del gradiente

En este ejemplo se desea aproximar numericamente el gradiente de una funcion, que va
de Rn en R, cuyo nombre es exactamente f. Cuando se desea cambiar de funcion, es
necesario editar la funcion f e introducir los cambios necesarios. La aproximacion
utilizada es
∂f f (x + hei ) − f (x − hei )
(x) ≈ ,
∂xi 2h
donde e1 , e2 , ..., en forman la base canonica. A continuacion aparece la funcion f y
la funcion que aproxima el gradiente.
//--------------------------------------------------------
function fx = f(x)
fx = 3*x(1)^2 + 5*x(2)
endfunction
//--------------------------------------------------------
function g = gradf(x)
// gradiente de la funcion f en el punto x
//********
h = 0.001
//********
h2 = 2*h
n = max(size(x))
g = zeros(n,1)
for i =1:n
xi = x(i)
x(i) = xi+h
f1 = f(x)
x(i) = xi-h
f2 = f(x)
x(i) = xi
g(i) = (f1-f2)/h2
end
endfunction
Habiendo cargado, mediante getf ..., el archivo que contiene estas dos funciones, su
uso se puede hacer mediante ordenes semejantes a:
x = [3; 4]; gr = gradf(x)

Si se desea una funcion que evalue el gradiente de varias funciones diferentes sin tener
que editar cada vez la misma funcion f, entonces se debe pasar la funcion como uno
de los parametros.
//--------------------------------------------------------
function fx = func1(x)
fx = 3*x(1)^2 + 5*x(2)
endfunction
//--------------------------------------------------------
fx = 3*x(1) + 5*x(2)^3
endfunction
//--------------------------------------------------------
function g = grad(funcion, x)
// gradiente de funcion en el punto x
//********
h = 0.001
//********
h2 = 2*h
n = max(size(x))
g = zeros(n,1)
for i =1:n
xi = x(i)
x(i) = xi+h
f1 = funcion(x)
x(i) = xi-h
f2 = funcion(x)
x(i) = xi
g(i) = (f1-f2)/h2
end
endfunction
//--------------------------------------------------------
El llamado se puede hacer as :

x = [3; 4], gr = grad(func1, x), fp = grad(func2, x)
4.6.2 Matriz escalonada reducida por filas

En el siguiente ejemplo se obtiene la matriz escalonada reducida por las de una matriz
dada. La unica diferencia con respecto al metodo tradicional que se ve en los cursos de
4.6. EJEMPLOS 35
Algebra Lineal es que se hace pivoteo parcial, es decir, se busca que el pivote sea lo mas
grande posible en valor absoluto con el n de disminuir los errores de redondeo. Si la
posicion del pivote es (i, j), entonces se busca el mayor valor absoluto en las posiciones
(i, j), (i + 1, j), ..., (m, j) y se intercambia la la i con la la del mayor valor absoluto.
Esta funcion merf permite escribir en pantalla resultados parciales de los calculos
mediante la funcion escrMatr que a su vez llama la funcion escrVect.
En merf se utiliza argn(2) que indica el numero de parametros en el llamado a
la funcion y permite de nir los dos ultimos por defecto. El llamado merf(A) es
equivalente a merf(A, 1.0e-12, 0) . El llamado merf(A, 1.0e-7) es equivalente a
merf(A, 1.0e-7, 0). Para una matriz cualquiera, la orden norm(rref(a)-merf(a))
debe producir un valor muy cercano a cero.
function escrVect(x, titulo)
// escribe un vector en la pantalla
//*********************
formato = ’%10.4f’
numNumerosPorLinea = 5
//*********************
nnl = numNumerosPorLinea
[n1, n2]= size(x)

n = max(n1,n2)
m = min(n1,n2)
if m > 1
printf(’ESCRVECT: x no es un vector.\n’)
end
x = x(:)
if argn(2) == 2
printf(’%s :\n’, titulo)
end
for i=1:n
printf(formato, x(i))
if modulo(i, nnl) == 0 | i == n
printf(’\n’)
end
end
endfunction
//-------------------------------------------------------
function escrMatr(A, titulo)
// escribe una matriz en la pantalla
if argn(2) == 2
printf(’%s :\n’, titulo)
end
[m, n] = size(A)
for i=1:m
escrVect(A(i,:))
end
endfunction
//--------------------------------------------------
function a = merf(A, eps0, IRP)
// Matriz escalonada reducida por filas.

// Se hace pivoteo parcial para buscar para
// disminuir los errores numericos.
// Si |t| <= eps0, se considera nulo.
// Si IRP = 1 se escriben resultados parciales.
// 0 no se escriben los resultados parciales
if argn(2) == 1
eps0 = 1.0e-12
IRP = 0
end
if argn(2) == 2
IRP = 0
end
if IRP == 1, escrMatr(a, ’matriz inicial’), end
[m, n] = size(a)
eps0 = eps0*max(abs(A))
a = A
i = 1
j = 1
while i <= m & j <= n

[vmax, i0] = max(abs(a(i:m,j)))
if vmax > eps0
imax = i+i0-1
if imax ~= i
t = a(i,j:n)
a(i,j:n) = a(imax,j:n)
a(imax,j:n) = t
4.6. EJEMPLOS 37
if IRP == 1
printf(’interc. filas %d y %d\n’, i, imax)
escrMatr(a)
end
end
aij0 = a(i,j)
a(i,j+1:n) = a(i,j+1:n)/a(i,j)
a(i,j) = 1
if IRP == 1
printf(’dividir fila %d por el pivote: %f\n’, i, aij0)
escrMatr(a)
end
for k = 1:m
if k ~= i
a(k,j+1:n) = a(k,j+1:n) - a(k,j)*a(i,j+1:n)
a(k,j) = 0.0
end
end
if IRP == 1
printf(’buscar ceros en la columna %d\n’, j)
escrMatr(a)
end
i = i+1
else
a(i:m,j) = zeros(m+1-i,1)
end
j = j+1
end
endfunction
4.6.3 Aproximación polinomial por mı́nimos cuadrados

Dados m puntos (x1 , y1 ), (x2 , y2 ), ..., (xm , ym ), tales que xi 6= xj si i 6= j (no hay dos
xi iguales), se desea encontrar un polinomio de grado n ≤ m − 1 que pase lo mas cerca
posible de estos puntos, en el sentido de m nimos cuadrados. Si n = m − 1, el polinomio
pasa exactamente por los m puntos. Los calculos que hay que hacer, utilizando las
ecuaciones normales, son los siguientes:
 
1 x1 x21 · · · xn1
1 x2 x22 · · · xn2 
A= 
,

1 xm x2m · · · xnm
resolver (AT A) c = AT y,
donde,
T
c = c0 c1 c2 ... cn ,
p(x) = c0 + c1 x + c2 x2 + · · · + cn xn ,
y~ = Ac.
Si n = m − 1, no hay que resolver el sistema dado por las ecuaciones normales, se

resuelve directamente,
A c = y.
function [p, yy, ind] = aproxPol(x, y, n)

// Dados los vectore x, y, se desea
// buscar p, el polinomio de aproximacion por
// minimos cuadrados, tal que
// p(x(i)) ~ y(i)
// Si hay m puntos, se requiere que m >= n+1
// ind valdra 0 si hubo problemas
// 1 si el proceso funciono bien.
// yy contendra los valores del polinomio p en los
// diferentes puntos x(i)
p = poly([0], ’x’, ’c’)

yy = []
ind = 0
x = x(:)
y = y(:)
[m, nx ] = size(x)
[my, ny ] = size(y)
if nx > 1 | ny > 1
printf(’x, y deben ser vectores.\n’)
return
end
if m <> my
4.6. EJEMPLOS 39
printf(’x, y deben ser del mismo tama~no.\n’)

return
end
if n < 0 | m < n+1

printf(’ n = %d inadecuado.\n’, n)
return
end
// no debe haber xi repetidos

eps0 = 1.0e-16*max(abs(x))
for i=1:m-1
for j = i+1:m
if abs(x(i)-x(j)) <= eps0
printf(’ x(i) repetidos.\n’)
return
end
end
end
ind = 1
A = zeros(m,n+1)
for i=1:m
A(i,1) = 1
xi = x(i)
xij = 1
for j =1:n
xij = xij*xi
A(i,j+1) = xij
end
end
if m == n+1
c = A\y
else
c = (A’*A)\(A’*y)
end
p = poly(c, ’x’, ’c’)
yy = A*c
endfunction
4.6.4 Factores primos

En el siguiente ejemplo, para un entero n ≥ 2, se construye un vector la con los
factores primos de n. En este vector la los factores primos aparecen repetidos segun
la multiplicidad. Por ejemplo, para n = 72 = 23 × 32 , los factores seran 2, 2, 2, 3 y 3.
La funcion factores hace uso de la funcion primerDiv que calcula el divisor mas
peque~no de un entero superior a uno.
function [p, indic] = primerDiv(n)

// calculo del primer divisor (divisor mas peque~no)
// de un entero n >= 2.
// indic valdra 0 si n es un dato malo,
// 1 si el proceso se realizo bien.
// Si n es primo, entonces p = n.
p = 0
indic = 0
if n < 2
printf(’PRIMERDIV: n < 2.\n’), return
end
if int(n) <> n
printf(’PRIMERDIV: n no es entero.\n’), return
end
ind = 1
n1 = floor(sqrt(n))
for p =2:n1
if modulo(n, p) == 0, return, end
end
p = n
endfunction
//--------------------------------------------------------
function [p, indic] = factores(n)
// Construccion del vector fila p con los factores
// primos del entero n >= 2.
// El producto de los elementos de p sera n.
// indic valdra 0 si n es un dato malo,
// 1 si el proceso se realizo bien.
p = []
indic = 0
4.7. MISCELÁNEA ’FACTORES:9e8.916.695A6 Tf 361.049e8.9924( )Tj -1. ..\n’),10 0 9.123.1 0 0 cretur10
// con velocidad inicial v0 en el tiempo t.

if ~isdef(’gravedad’)
gravedad = 9.8
end
h = v0*t - 0.5*gravedad*t*t
endfunction
Cuado se involucran vectores de manera adecuada, las comparaciones dan vectores de

variables boolenas (valor %T o %F, correspondientes a 1 o 0). Por ejemplo,
x = [ -2 -1.0e-10 -1.0e-20 4]
y = [ 3 3 3 3]
res = ( x <= y )
da como resultado el vector

! T T T F !
Las ordenes
x = [ -2 -1.0e-10 -1.0e-20 4 ]
res = ( abs(x) >= 1.0e-16 )
dan como resultado el vector

! T T F T !
La orden find permite obtener las posiciones de un vector booleano donde el valor es
%T . Por ejemplo, las ordenes
x = [ -2 -1.0e-10 -1.0e-20 4 ]
p = find( abs(x) >= 1.0e-16 )
dan como resultado el vector

! 1. 2. 4. !
o sea, un vector con las posiciones de x donde hay valores no despreciables (ni nulos
ni casi nulos).
Capı́tulo 5
GRÁFICAS
5.1 Dos dimensiones

Para hacer la gra ca de la funcion f : [a, b] → R, basta con construir un vector con
valores de x en el intervalo [a, b] y otro vector con los valores de f en los puntos del
primer vector. Por ejemplo,
a = -2; b = 3;
x = a:0.01:b;
y = sin(x);
plot2d(x, y)
1.0
0.8
0.6
0.4
0.2
0
−0.2
−0.4
−0.6
−0.8
−1.0
−2 −1 0 1 2 3
hace la gra ca de seno(x) en el intervalo [−2, 3].
43
44 CAPÍTULO 5. GRÁFICAS
Obviamente los vectores x, y tienen el mismo tama~ no. Los valores de x se tomaron
con un espaciamiento de 0.01. Esto hace que la gra ca se vea, no solo continua sino
tambien suave. Si el espaciamiento es muy grande, por ejemplo,
a = -2; b = 3;
x = a:0.5:b;
y = sin(x);
plot2d(x, y)
dara una gra ca continua pero poligonal y no suave. De hecho siempre Scilab hace l neas
poligonales, pero si el espaciamiento es muy peque~
no la l nea poligonal se confunde con
una curva suave. En resumen, el espaciamiento debe ser peque~ no, pero es ino cioso
hacerlo muy peque~ no.
Las ordenes siguientes permiten obtener la gra ca de una parabola:
a = -2; b = 3;
x = a:0.05:b;
y = 0.5*x.*x - 2;
plot2d(x, y)
En una sesion de Scilab, la primera vez que se hace una gra ca, esta aparece inmedia-
tamente en la pantalla. Cuando se da la orden para una segunda gra ca, esta es creada
pero no aparece automaticamente en la pantalla. Es necesario, mediante un clic, activar
la ventana de la gra ca.
Muy posiblemente despues de la segunda orden plot2d, en la gra ca apareceran las dos
\curvas" superpuestas. Para limpiar la ventana gra ca se utiliza xbasc(). Observe la
diferencia entre los dos grupos de ordenes siguientes:
plot2d(x,sin(x))
plot2d(x,cos(x))
plot2d(x,sin(x))
xbasc(), plot2d(x,cos(x))
Si se da la orden plot(x, y, ’t’, ’sen(t)’, ’Ejemplo 1’); en la gra ca apare-

ceran ademas 3 etiquetas (o rotulos), la primera en el eje x, la segunda en el eje y y la
tercera sera la etiqueta general de la gra ca.
En la misma gura pueden aparecer varias funciones. Para esto, los datos de plot2d
deben estar en columnas o en matrices. Si x, y, z son vectores columna con el
mismo numero de las, entonces se puede dar la orden
5.1. DOS DIMENSIONES 45
plot2d(x, [y z] )
cuyo efecto es tener en la misma gura las gra cas producidas por las ordenes plot2d(x,y)
y plot2d(x,z) . Por ejemplo,
x = (-2:0.05:3)’; y = sin(x); z = cos(x); plot2d(x, [y z sin(2*x)])
En este caso Scilab asigna colores diferentes a cada una de las curvas. Para conocer
la correspondencia entre colores y curvas se pueden colocar letreros (\legend") para las
curvas. Se utiliza la opcion leg separando los letreros por medio de @.
plot2d(x, [y z sin(2*x)], leg="sen(x)@cos(x)@sen(2x)" )
Despues de haber hecho una gra ca, se le pueden agregar letreros. Se usa xtitle , que
tiene 3 parametros, todos los tres deben ser cadenas. El primero para el letrero general,
el segundo para el eje horizontal y el tercero para el eje vertical. Por ejemplo
xtitle("Funciones trigonometricas", "x", "")
En resumen, una de las formas de utilizar plot2d es plot2d(x, a), donde x es
un vector columna y a es una matriz con el mismo numero de las que x. En la
gura habra tantas gra cas como columnas tenga la matriz a.
Una forma mas general es plot2d(u, v), donde u y v son matrices del mismo
tama~no, de m las y n columnas. Entonces en la misma gura apareceran la gra ca
de la primera columna de u con la primera columna de v, la gra ca de la segunda
columna de u con la segunda columna de v, etc. En la gura producida por el siguiente
ejemplo esta la gra ca de seno entre 0 y 3.14 y la gra ca de la tangente entre −1 y 1.
n = 100;
a = 0; b = 3.14;
h = (b-a)/n;
x1 = (a:h:b)’;
y = sin(x1);
a = -1; b = 1;
h = (b-a)/n;
x2 = (a:h:b)’;
z = tan(x2);
plot2d([x1 x2], [y z]);
Tambien se puede, usando fplot2d , obtener la gra ca de una funcion f de nida

mediante una funcion de Scilab. En este caso, solo se necesita el vector de valores de
xi . Este vector debe ser monotono, es decir, creciente o decreciente. Supongamos que
se ha de nido la siguiente funcion
fx = sin(x)-tan(x)
endfunction
y que se ha cargado el archivo donde esta de nida, mediante getf ... Entonces se
puede obtener la gra ca mediante
u = (-1:0.01:1)’;
fplot2d(u, func4)
Si la funcion es sencilla, no es necesario crear la funcion en un archivo. Se puede obtener

la gra ca mediante:
t = (-1:0.01:1.2)’;
deff("[y] = func4b(x)", "y = x.*x + 2.5")
fplot2d(t, func4b)
Algunas veces se desea, no obtener la curva, sino dibujar los puntos, sin que haya
\continuidad", o sea, que los puntos no esten unidos por un segmento de recta. Una
forma de hacerlo es mediante un argumento adicional, el estilo. Las siguientes ordenes
muestran un ejemplo.
xbasc();
x = (-3.2:0.2:3.2)’;
y = sin(x);
tipo = -1;
plot2d( x, y, tipo)
Si el estilo, en este ejemplo la variable tipo, es menor o igual a cero, en la gra ca

aparecen los puntos representados por un s mbolo. Los valores pueden ser 0, −1, −2,
..., −9
El signi cado de los cinco primeros es el siguiente:
0: ·
-1 : +
-2 : ×
-3 :
-4 :
Obviamente en la gra ca aparecen reducciones de estos s mbolos. Es posible dibujar, al
mismo tiempo, dos listas de puntos (con igual cantidad de puntos), cada lista con un
s mbolo diferente. Por ejemplo:
xbasc();
x = (-3.2:0.2:3.2)’;
plot2d( [x x], [sin(x) cos(x)], [-1 -2] )
5.2. TRES DIMENSIONES 47
5.2 Tres dimensiones

Sea f : R2 → R, por ejemplo, f (x, y) = 5x2 − y 2 . Para hacer la gra ca de la funcion
restringida al rectangulo [a, b] × [c, d], basta con construir un vector con valores de la
primera variable en el intervalo [a, b], otro con valores de la segunda variable en el
intervalo [c, d] y una matriz con los valores f (..., ...). Por ejemplo,
u = (-2:0.05:2)’;
v = (-3:0.1:3)’;
m = size(u,1); n = size(v,1);
w = zeros(m,n);
for i=1:m
for j = 1:n
w(i,j) = 5*u(i)^2 - v(j)^2;
end
end
plot3d(u, v, w);
De manera analoga a dos dimensiones, es posible gra car por medio de fplot3d una
funcion f de nida por medio de una funcion de Scilab. Basta con dar dos vectores, uno
con las coordenadas de la primera variable y otro con las coordenadas de la segunda
variable.
Supongamos que se ha de nido la siguiente funcion
function fst = func5(s, t)

fst = 5*s^2 - t^2
endfunction
y que se ha cargado el archivo donde esta de nida, mediante getf ... Entonces se
puede obtener la gra ca mediante
u = (-4:0.05:4)’;
v = (-5:0.05:3)’;
fplot3d(u, v, func5)
Esta funcion fplot3d construye la matriz de valores f (u[i],v[j]), de tama~

no, para
este ejemplo, 161 × 221. Esto se demora algunos segundos. Ademas si u y v son
muy grandes, la matriz podr a ser demasiado grande. En este caso Scilab muestra un
aviso semejante a:
stack size exceeded (Use stacksize function to increase it)

indicando que el tama~

no de la pila no es su ciente para lo solicitado. Este tama~
no se
puede modi car mediante la funcion stacksize, por ejemplo,
stacksize(2000000)
Se pueden obtener curvas de nivel mediante la funcion contour. Su uso es muy seme-
jante al de plot3d pero con un parametro adicional que indica el numero de curvas de
nivel. Por ejemplo:
u = (-2:0.05:2)’;
v = (-3:0.1:3)’;
m = size(u,1); n = size(v,1);
w = zeros(m,n);
for i=1:m
for j = 1:n
w(i,j) = 5*u(i)^2 + v(j)^2;
end
end
contour(u, v, w, 5);
Tambien, mediante fcontour, se pueden obtener curvas de nivel de una funcion de nida
en una funcion de Scilab. Su uso es analogo al de fplot3d pero con un parametro adi-
cional que indica el numero de curvas de nivel. Por ejemplo:
u = (-4:0.2:4)’;
v = (-4:0.2:5)’;
fcontour(u, v, func5, 7)
5.3 Otras funciones

La siguiente lista contiene los nombres de la mayor a de la funciones para gra cas.
addcolor alufunctions black bode champ champ1 chart colormap

contour contour2d contour2di contourf dragrect drawaxis driver
edit_curv errbar eval3d eval3dp evans fac3d fchamp fcontour
fcontour2d fec fgrayplot fplot2d fplot3d fplot3d1 gainplot
genfac3d geom3d getcolor getfont getlinestyle getmark
getsymbol gr_menu graduate graycolormap grayplot graypolarplot
hist3d histplot hotcolormap isoview legends locate m_circle
Matplot Matplot1 milk_drop nf3d nyquist param3d param3d1
paramfplot2d plot plot2d plot2d1 plot2d2 plot2d3 plot2d4 plot3d
plot3d1 plot3d2 plot3d3 plotframe plzr polarplot printing
5.4. CREACIÓN DE UN ARCHIVO POSTSCRIPT 49
replot rotate scaling sd2sci secto3d Sfgrayplot Sgrayplot sgrid

square subplot titlepage winsid xarc xarcs xarrows xaxis xbasc
xbasimp xbasr xchange xclea xclear xclick xclip xdel xend xfarc
xfarcs xfpoly xfpolys xfrect xget xgetech xgetmouse xgraduate
xgrid xinfo xinit xlfont xload xname xnumb xpause xpoly xpolys
xrect xrects xrpoly xs2fig xsave xsegs xselect xset xsetech
xsetm xstring xstringb xstringl xtape xtitle zgrid
5.4 Creación de un archivo Postscript

Una vez hecha la gra ca, la creacion de archivos Postscript o de otros tipos de formato
puede ser realizada por medio de la barra de menu de la ventana de la gra ca, con las
opciones
File Export Postscript nombre-del-archivo
El nombre del archivo debe ser dado sin extension. Observe que para exportar hay otras
posibilidades:
Postscript No Preamble:
Postscript-Latex
Xfig
GIF
PPM
Otra forma de crear archivos postscript es mediante las ordenes: driver xinit xend.
Utilice la ayuda de Scilab par obtener informacion sobre su uso.
La orden xbasimp permite enviar una gra ca a una impresora postscript o a un archivo.
Capı́tulo 6
MÉTODOS NUMÉRICOS
6.1 Sistemas de ecuaciones lineales

Como se vio anteriormente, si se tiene un matriz A de tama~no n×n y un vector b de
tama~
no n × 1, la manera e ciente de reolver el sistema Ax = b, es mediante
x = A\b
Si la matriz es singular o casi singular, Scilab muestra una advertencia.
Si la matriz es de nida positiva, resolver el sistema por medio de x = A\b funciona
bien, pero es mas e ciente resolverlo usando la factorizacion de Cholesky:
y = zeros(n,1);
x = zeros(n,1);
u = chol(a);
y(1) = b(1)/u(1,1);
for i=2:n
y(i) = ( b(i) - u(1:i-1,i)’*y(1:i-1) )/u(i,i);
end
x(n) = y(n)/u(n,n);
for i=n-1:-1:1
x(i) = ( y(i) - u(i,i+1:n)*x(i+1:n) )/u(i,i);
end
La diferencia en el tiempo se nota para valores grandes de n. Por ejemplo, si n = 1500,

la solucion x = A\b gasta 12.33 \segundos" (en realidadson unidades de tiempo, no
exactamente segundos, en un computador espec co). En cambio, obtener la solucion
utilizando la factorizacion de Cholesky dura 2.78 segundos. Para medir el tiempo se
puede puede utilizar la funcion timer().
50
6.2. SOLUCIÓN POR MÍNIMOS CUADRADOS 51
Para economizar memoria se hubiera podido efectuar el calculo de y y de x sobrees-

cribiendo encima de b.
Una version, con menos ordenes, pero ine ciente, podr a ser:
u = chol(a);
y = (u’\b);
x = u\y;
Por ejemplo, con n = 1500, estas tres ordenes duran 15.12 segundos.
Una matriz dispersa (sparse) es aquella que tiene muchos ceros y muy pocos elementos
no nulos. Si
 
−8 0 0 0 1.12
 −2 5 0.5 0 0 
 
A=
 0 0 10 3.14 0 
 0 0 0 4 −1 
0 0 0 0 20
basta con almacenar, para cada entrada no nula, el ndice de la la el ndice de la

columna y el valor. Entonces en Scilab se requiere una matriz de dos columnas con los
ndices (numeros enteros entre 1 y n) y un vector con los valores:
ij = [1 1; 1 5; 2 1 ; 2 2; 2 3;3 3; 3 4; 4 4; 4 5; 5 5]
v = [-8 1.12 -2 5 0.5 10 3.14 4 -1 20]’
A = sparse(ij, v)
b = [-6.88 3.5 13.14 3 20]’

x = A\b
Construida de esa manera, se puede resolver el sistema Ax = b utilizando A\b. Esta

forma de almacenamiento es util cuando A es muy grande y muy dispersa.
6.2 Solución por mı́nimos cuadrados

Cuando se tiene el sistema
Ax = b,
donde A es un matriz m × n, m ≥ n, es muy probable que el sistema no tenga solucion,

dado que hay mas ecuaciones que incognitas. En este caso se busca obtener un x que
minimice el cuadrado de la norma euclidiana del error, o sea
52 CAPÍTULO 6. MÉTODOS NUMÉRICOS
minimizar ||Ax − b||22
Por ejemplo,
A = [1 2; 3 4; 5 6]
b = [3 7 11.1]’
En este caso, la solucion por m nimos cuadrados se puede obtener mediante

x = A\b
o mediante
x = pinv(A)*b
La primera forma es mas e ciente.
6.3 Una ecuación no lineal

Para resolver
f (x) = 0,
donde f es una funcion de variable y valor real, se utiliza fsolve. Por ejemplo para
resolver
x − ex
− cos(x) + 0.1 = 0,
1 + x2
es necesario de nir una funcion de Scilab donde este f y despues utilizar fsolve.
fx = ( x - exp(x) )/( 1 + x*x ) - cos(x) + 0.1
endfunction
Despues de haber cargado esta funcion, se utiliza fsolve dandole como parametros, la
aproximacion inicial y la funcion:
r = fsolve(0, func156)
Con otra aproximacion inicial podr a dar otra ra z. Un parametro opcional, que puede
acelerar la obtencion de la solucion, es otra funcion de Scilab donde este de nida la
derivada.
6.4. SISTEMA DE ECUACIONES NO LINEALES 53
6.4 Sistema de ecuaciones no lineales

Dada una funcion f : Rn → Rn se desea encontrar un vector x tal que f (x) = 0. Aqu
0 es el vector nulo. Por ejemplo,
x21 + x1 x2 + x3 − 3 = 0 ,
2x1 + 3x2 x3 − 5 = 0 ,
(x1 + x2 + x3 )2 − 10x3 + 1 = 0 .
La funcion f debe estar de nida en una funcion de Scilab, donde, dado un vector
columna x, calcule el vector columna f (x). Una vez escrita la funcion y cargado el
archivo donde esta f , se utiliza fsolve . Para el ejemplo anterior la funcion puede ser
function fx = f3(x)
n = size(x,1)
fx = zeros(n,1)
fx(1) = x(1)^2 + x(1)*x(2) + x(3) - 3
fx(2) = 2*x(1) + 3*x(2)*x(3) - 5
fx(3) = (x(1) + x(2) + x(3))^2 - 10*x(3) + 1
endfunction
El llamado de fsolve es de la forma

[x, fx, info] = fsolve([3 4 5]’, f3)
El primer parametro de entrada es la aproximacion inicial de la solucion. El segundo es el
nombre de la funcion donde esta de nida f . Hay tres parametros de salida. Unicamente
el primero es obligatorio. Es un vector con la solucion, si esta fue obtenida. El vector
fx es el vector f (x). El parametro info puede tener 5 valores:
0 : numero inadecuado de parametros de entrada.
1 : se obtuvo la solucion con la precision deseada.
2 : muchos llamados a la funcion.
3 : la tolerancia permitida es muy peque~
na.
4 : el metodo avanza muy lentamente.
Si se dispone de una funcion donde esta de nida la matriz jacobiana, entonces fsolve
trabajara mucho mejor. Por ejemplo,
function J = jacf3(x)
t = 2*(x(1)+x(2)+x(3))
J = [ 2*x(1)+x(2) x(1) 1
2 3*x(3) 3*x(2)
t t t-10 ]
endfunction
Entonces el llamado de fsolve es de la forma

[x, fx, info] = fsolve([3 4 5]’, f3, jacf3)
El problema de encontrar la solucion, por m nimos cuadrados, de un sistema de ecua-

ciones no lineales esta en el cap tulo siguiente.
6.5 Integración numérica

Para obtener una aproximacion del valor de una integral de nida, por ejemplo,
Z 0.5
2
e−x dx
0.1
se utiliza intg . Para eso es necesario de nir en Scilab la funcion que se va a integrar.
Puede ser, directamente en el ambiente Scilab:
deff(’[y] = f53(x)’, ’y = exp(-x*x)’)
I = intg(0.1, 0.5, f53)
Tambien se puede de nir una funcion en un archivo .sci
function fx = f57(x)
fx = exp(-x*x)
endfunction
y despues de cargarla, dar la orden

I = intg(0.1, 0.5, f57)
Algunas veces no se conoce una expresion de la funcion f , pero se conoce una tabla
de valores (xi , f (xi )), o simplemente una tabla de valores (xi , yi ). Supongamos, as lo
requiere Scilab, que la lista de valores (x1 , y1 ), ..., (xn , yn ) esta ordenada de manera
creciente de acuerdo a los xi , o sea, x1 < x2 < · · · < xn .
Para obtener el valor aproximado de la integral, entre x1 y xn , de la funcion f (repre-
sentada por los valores (xi , yi )), es necesario tener dos vectores con los valor xi y yi , y
utilizar la funcion inttrap .
x = [0.1 0.15 0.2 0.25 0.3 0.4 0.5]’

y = [ 0.9900 0.9778 0.9608 0.9394 0.9139 0.8521 0.7788]’
I = inttrap(x, y)
6.6. DERIVACIÓN NUMÉRICA 55
6.6 Derivación numérica

Para obtener una aproximacion numerica de la derivada de una funcion en un punto se
puede usar derivative .
Si f57 es la funcion de nida anteriormente, una vez cargada, la orden
d = derivative(f57, 0.3)
da una aproximacion numerica de la derivada de la funcion en x = 0.3.
Si se tiene una funcion f : Rn → R, por ejemplo,
// funcion de Rosenbrock
t1 = x(2)-x(1)*x(1)
t2 = 1-x(1)
fx = 10*t1*t1 + t2*t2 + 4
endfunction
entonces la orden
derivative(func90, [3 4]’)
da como resultado un vector la con el gradiente de f en x = (3, 4). El segundo
parametro, el punto x, debe ser un vector columna.
Si se tiene una funcion f : Rn → Rm , entonces f (x) = ( f1 (x), f2 (x), ..., fm (x) ), donde
fi : Rn → R . Por ejemplo,
function Fx = func157(x)
Fx = zeros(4,1);
Fx(1) = x(1)^2 + x(1)*x(2) + x(3) - 3;
Fx(2) = 2*x(1) + 3*x(2)*x(3) - 5;
Fx(3) = ( x(1) + x(2) + x(3) )^2 - 10*x(3) + 1;
Fx(4) = 10*( x(1) + x(2) + x(3) - 3.3 );
endfunction
entonces la orden
derivative(func157, [3 4 5]’)
da como resultado la matriz jacobiana de la funcion f (de nida en f157 ) evaluada en
el punto x = (3, 4, 5). El segundo parametro, el punto x, debe ser un vector columna.
La matriz jacobiana es de tama~ no m × n (en este ejemplo: 4 × 3 ). En la la i esta el
gradiente de fi .
6.7 Interpolación
Cuando hay m puntos (x1 , y1 ), (x2 , y2 ), ..., (xm , ym ) se desea obtener la funcion inter-
polante, una funcion que pase por esos puntos, con el objetivo de evaluarla en otros
valores x intermedios.
La funcion interpln permite hacer interpolacion lineal. Tiene dos parametros, el
primero es una matriz de dos las. La primera la tiene los valores xi . Deben estar en
orden creciente. La segunda la tiene los valores yi . El segundo parametro es un vector
donde estan los valores x en los que se desea evaluar la funcion interpolante (af n por
trozos).
x = [.4trozos
p8 p8
rozos).
rozos).
(a Td )Tj 14.0395 0 Td (p6trozos).)Tj /R27 117
6.8. APROXIMACIÓN POR MÍNIMOS CUADRADOS 57
una matriz de tama~ no m × (n + 1), resolver por m nimos cuadrados un sistema de

ecuaciones. Generalmente, despues se evalua este polinomio en algunos valores (pueden
ser los mismos xi u otros).
x = [0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2]’;

y = [4.8 6.2 6.8 7.2 7.8 9.2 8.8 9.2 8.8 9.2 7.8]’;
m = size(x,1);
t = (x(1):0.01:x(m))’;
n = 2;
A = zeros(m, n+1);
for i=0:n
A(:,i+1) = x.^i;
end
cf = A\y;
p = poly(cf, ’x’, ’c’);

ft = horner(p, t);
xbasc()
plot2d(t, ft)
Para la aproximacion no es indispensable que los xi esten ordenados de manera creciente,

pero en este ejemplo es necesario para la gra ca.
Tambien se puede hacer, de manera analoga, aproximacion por m nimos cuadrados
utilizando una combinacion lineal de otras funciones (trigonometricas, exponenciales,
logar tmicas...). Cambia simplemente la manera de construir la matriz A y la manera
de evaluar la funcion en los valores del vector t.
Scilab tiene la funcion lsq_splin que permite aproximacion por m nimos cuadrados
con funciones spline. Los datos son: los valores xi , ordenados de manera creciente, los
valores yi , y los puntos de ruptura (breakpoint) ordenados de manera creciente. Con
ellos se determina la funcion spline. Despues se evalua en los valores deseados.
x = [0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2]’;

y = [4.8 6.2 6.8 7.2 7.8 9.2 8.8 9.2 8.8 9.2 7.8]’;
nx = size(x,1);
t = (x(1):0.01:x(nx))’;
X = [0 1 2]’
[Y, d] = lsq_splin(x, y, X);
ft = interp(t, X, Y, d);
xbasc()
plot2d(t, ft)
6.9 Ecuaciones diferenciales ordinarias

Una ecuacion diferencial de primer orden con condicion inicial se escribe, generalmente,
en la forma
y 0 = f (x, y),
y(x0 ) = y0 .
Por ejemplo,
x+y
y0 = +4,
x2 + y 2
y(2) = 3.
Antes de utilizar la funcion ode , es necesario crear en Scilab la funcion f y cargarla.

La funcion ode evalua aproximaciones del valor de y en valores t1 , t2 , ..., tp .
Despues de de nir y cargar
function fxy = func158(x, y)

fxy = ( x + y )/( x*x + y*y ) + 4
endfunction
se obtiene la solucion aproximada mediante
x0 = 2
y0 = 3
t = [2 2.1 2.2 2.5 2.9]’
yt = ode(y0, x0, t, func158)
6.10 Sistema de ecuaciones diferenciales

Un sistema de ecuaciones diferenciales ordinarias de primer orden con condiciones ini-
ciales se escribe, generalmente, en la forma
y 0 = f (x, y),
y(x0 ) = y0 .
6.10. SISTEMA DE ECUACIONES DIFERENCIALES 59
pero ahora, y, y 0 y y0 son vectores en Rn ; f : R1+n → Rn . Por ejemplo,
2y1
y10 = + x3 y2 ,
x
3
y20 = − y2
x
y1 (1) = −1
y2 (1) = 1.
Despues de de nir y cargar
function fxy = func43(x, y)

fxy = zeros(2,1)
fxy(1) = 2*y(1)/x + x^3*y(2)
fxy(2) = -3*y(2)/x
endfunction
se utiliza la misma funcion ode , pero con los parametros de dimension adecuada.
x0 = 1
y0 = [-1 1]’
t = (1:0.2:2)’
yt = ode(y0, x0, t, func43)
En este caso, yt es un matriz de dos las. En la la i estan las aproximaciones de los

valores de yi (tj ).
Capı́tulo 7
OPTIMIZACIÓN
7.1 Optimización lineal

Hay varias maneras o formas de presentacion de problemas de OL, optimizacion lineal (o
programacion lineal). Entre las de uso mas frecuente estan la forma canonica y la forma
estandar. La forma que mas rapidamente se adapta a la solucion en Scilab, mediante la
funcion linpro , es la siguiente:
min z = cT x
Ai· x = bi , i = 1, ..., m0
(7.1)
Ai· x ≤ bi , i = m0 + 1, ..., m
u ≤ x ≤ v.
Obviamente, siempre se puede pasar de una forma a otra sin di cultad. Para el caso de
Scilab, todos los problemas deben ser de minimizacion y las desigualdades, si las hay,
diferentes de las restricciones de caja (u ≤ x ≤ v), deben ser de la forma
ai1 x1 + ai1 x2 + · · · + ai1 xn ≤ bi .
La matriz A es de tama~ no m × n; los vectores c, u, v ∈ Rn×1 , b ∈ Rm×1 (todos son
vectores columna). Las igualdades, si las hay, deben estar antes de las desigualdades.
Frecuentemente, en los problemas de OL, todas las variables deben ser no negativas. En
Scilab esto se debe considerar como restricciones de caja o como restricciones usuales.
7.1.1 Desigualdades
El problema mas sencillo para resolver por medio de linpro es el siguiente:
min cT x
60
7.1. OPTIMIZACIÓN LINEAL 61
Ax ≤ b.
La orden en Scilab es:

[x, lagr, z] = linpro(c, A, b)
El signi cado de los tres resultados es el siguiente : x es el vector solucion; lagr es un
vector con los coe cientes de Lagrange; z es el valor optimo de la funcion objetivo, es
decir, cT x.
Para resolver el siguiente problema
min −x1 − 1.4x2

x1 + x2 ≤ 400
x1 + 2x2 ≤ 580 (7.2)
x1 ≤ 300
x ≥ 0,
es necesario reescribir las restricciones de no negatividad:
min −x1 − 1.4x2

x1 + x 2 ≤ 400
x1 + 2x2 ≤ 580
x1 ≤ 300
−x1 ≤0
−x2 ≤ 0.
Su solucion mediante Scilab:
c = [-1 -1.4 ]’;

A = [ 1 1; 1 2; 1 0; -1 0 ; 0 -1];
b = [400 580 300 0 0]’;
[x, lg, z ] = linpro(c, A, b)
7.1.2 Desigualdades y restricciones de caja

Se usa la orden
[x, lg, z ] = linpro(c, A, b, u, v)
para resolver
min cT x
62 CAPÍTULO 7. OPTIMIZACIÓN
Ax ≤ b
u ≤ x ≤ v.
El problema (7.2) se puede resolver con las siguientes ordenes:
c = [-1 -1.4 ]’;

A = [ 1 1; 1 2; 1 0];
b = [400 580 300]’;
[x, lg, z ] = linpro(c, A, b, zeros(2,1), [])
Es interesante observar que como no hay restricciones superiores de caja, entonces se uti-
liza un vector \vac o". En el problema (7.2) la restriccion x1 ≤ 300 se puede considerar
como una restriccion de caja.
min −x1 − 1.4x2

x1 + x2 ≤ 400
x1 + 2x2 ≤ 580
x1 ≤ 300
x ≥ 0.
As planteado, se puede resolver mediante las siguientes ordenes:
c = [-1 -1.4 ]’;

A = [ 1 1; 1 2];
b = [400 580]’;
v = [ 300 1.0e90]’;
[x, lg, z ] = linpro(c, A, b, zeros(2,1), v)
7.1.3 Igualdades, desigualdades y restricciones de caja

Es el caso general (7.1) planteado al comienzo del cap tulo. Este problema se resuelve
mediante la orden
[x, lg, z ] = linpro(c, A, b, u, v, m0)
El siguiente problema
min −x1 − 1.4x2

x1 + x2 = 400
7.2. OPTIMIZACIÓN CUADRÁTICA 63
x1 + 2x2 ≤ 580
x1 ≤ 300
x ≥ 0,
se resuelve mediante:
c = [-1 -1.4 ]’;

A = [ 1 1; 1 2];
b = [400 580]’;
v = [ 300 1.0e90]’;
[x, lg, z ] = linpro(c, A, b, zeros(2,1), v, 1)
7.2 Optimización cuadrática

El problema general de optimizacion cuadratica es muy parecido al caso general de
OL. La unica diferencia consiste en que la funcion objetivo tiene una parte cuadratica
x Qx. Las restricciones siguen exactamente el mismo esquema.
1 T
2
1
min q(x) = xT Hx+cT x
2
Ai· x = bi , i = 1, ..., m0
Ai· x ≤ bi , i = m0 + 1, ..., m
u ≤ x ≤ v.
La matriz H debe ser simetrica. Se usa la funcion quapro . Su llamado y uso son muy
semejantes a los de la funcion linpro.
[x, lg, qx ] = quapro(H, c, A, b, u, v, m0)
Los casos de desigualdades y, desigualdades y restricciones de caja, son completamente
analogos a los de OL.
Consideremos el siguiente problema:
min (x1 − 3)2 + (x2 − 4)2

x1 + 2x2 ≤ 3
3x1 + x2 ≤ 4
x ≥ 0.
Entonces:

2 0 −6
H= , c= .
0 2 −8
Su solucion se puede obtener mediante las ordenes
H = [ 2 0; 0 2];
c = [-6; -8];
A = [ 1 2; 3 1];
b = [ 3 ; 4];
[x, lagr, qx ] = quapro(H, c, A, b, zeros(2,1), [])
7.3 Optimización no lineal
7.3.1 Optimización no restringida

El problema que se trata de resolver es simplemente minimizar una funcion f : Rn → R,
min f (x)
Para su solucion en Scilab se usa la funcion optim. Se necesita haber de nido previ-
amente una funcion en Scilab donde se calcule f (x) y el gradiente f 0 (x). Esta funcion
que por el momento llamaremos f_obj debe tener la siguiente forma
[fx, gr, ind2] = f_obj(x, ind1)
Parametros de entrada:
x: punto donde se va a evaluar f (x);
si ind1 = 2, se evalua f (x);
si ind1 = 3, se evalua f 0 (x);
si ind1 = 4, se evaluan f (x) y f 0 (x).
Parametros de salida:
fx: valor f (x);
gr: gradiente f 0 (x);
si ind2 < 0, no se puede evaluar f (x);
si ind2 = 0, se interrumpe la optimizacion.
Consideremos dos problemas, el primero esta dado por la llamada funcion de Rosenbrock.
Las soluciones de estos problemas son x = (1, 1) y x = (3, 4).
min f (x1 , x2 ) = 10(x2 − x21 )2 + (1 − x1 )2 ,
min f (x1 , x2 ) = (x1 − 3)2 + (x2 − 4)2 .
Antes de resolver estos dos problemas de minimizacion mediante optim es necesario

construir un archivo, por ejemplo de nombre func.sci
7.3. OPTIMIZACIÓN NO LINEAL 65
function [fx, gr, ind2] = rosenbr(x, ind)

// funcion de Rosenbrock
// f(x) = 10(x2-x1^2) + (1-x1)^2
fx = 0.0;
gr = 0.0*x;
ind2 = 1;
if ind == 2 | ind == 4
fx = 10*(x(2)-x(1)^2)^2 + (1-x(1))^2;
end
if ind == 3 | ind == 4
gr(1,1) = -40*x(1)*(x(2)-x(1)^2) - 2*(1-x(1));
gr(2,1) = 20*(x(2)-x(1)^2);
end
endfunction
//------------------------------------------------
function [fx, gr, ind2] = ensayo(x, ind)
fx = 0.0;
gr = 0.0*x;
ind2 = 1;
if ind == 2 | ind == 4
fx = (x(1)-3)^2 + (x(2)-4)^2;
end
if ind == 3 | ind == 4
gr(1,1) = 2*x(1)-6;
gr(2,1) = 2*x(2)-8;
end
endfunction
La funcion optim se puede llamar de la siguiente forma:

[fx, x] = optim(f_obj, x0)
Para nuestros dos ejemplos espec cos, las ordenes pueden ser
getf c:\...\func.sci
[fxopt, xopt] = optim(rosenbr, [5; 6])
[fxopt, xopt] = optim(ensayo, [0; 0])
La funcion optim admite escoger el metodo de minimizacion entre cuasi Newton,

gradiente conjugado y no diferenciable. Para ello es necesario utilizar ’qn’ ’gc’ o
’nd’. La opcion por defecto es ’qn’. Por ejemplo,
[fx, x]=optim(rosenbr, x0, ’qn’)

[fx, x]=optim(rosenbr, x0, ’gc’)
[fx, x]=optim(rosenbr, x0, ’nd’)
7.3.2 Restricciones de caja

La funcion optim tambien admite restricciones de caja, o sea, sirve para un problema
de la forma
min f (x1 , x2 ) = 10(x2 − x21 )2 + (1 − x1 )2

3 ≤ x1 ≤ 5
2 ≤ x2 ≤ 10 .
La ordenes pueden ser:
u = [3; 2];
v = [5; 10];
x0 = [0; 0];
[fx, x] = optim(rosenbr, ’b’, u, v, x0)
[fx, x] = optim(rosenbr, ’b’, u, v, x0, ’qn’)
[fx, x] = optim(rosenbr, ’b’, u, v, x0, ’gc’)
El parametro ’b’ (bound ) indica que los dos vectores columna siguientes son las cotas
de caja. Tambien es posible escoger el criterio de parada, para ello se usa el parametro
’ar’ . Ver la ayuda de la funcion optim.
7.4 Mı́nimos cuadrados no lineales

Dada una funcion f : Rn → Rm , (usualmente n ≤ m), se desea minimizar el cuadrado
de la norma euclidiana de f (x),
min ||f (x)||2 .
Por ejemplo,
f (x1 , x2 , x3 ) = (x21 + x1 x2 + x3 − 3, 2x1 + 3x2 x3 − 5, (x1 + x2 + x3 )2 − 10x3 + 1, 10(x1 +
x2 + x3 ) − 3.3).
La solucion se hace mediante leastsq . De manera analoga al caso de sistemas de
ecuaciones no lineales, es necesario escribir una funcion de Scilab donde se de ne f
(dado un vector columna x calcula el vector columna f (x) ). Por ejemplo
function fx = fmc(x)
m = 4;
7.4. MÍNIMOS CUADRADOS NO LINEALES 67
fx = zeros(m,1);
fx(1) = x(1)^2+x(1)*x(2)+x(3)-3;
fx(2) = 2*x(1)+3*x(2)*x(3)-5;
fx(3) = (x(1)+x(2)+x(3))^2-10*x(3)+1;
fx(4) = 10*(x(1)+x(2)+x(3)-3.3);
endfunction
El llamado de leastsq es muy parecido al de fsolve. Por ejemplo,

[fx, x] = leastsq(fmc, [3 5 7]’)
Tambien el metodo trabaja mejor si se tiene una funcion de Scilab donde se calcula la
matriz con las derivadas parciales. Por ejemplo,
function D = derfmc(x)
t = 2*(x(1)+x(2)+x(3));
D = [ 2*x(1)+x(2) x(1) 1
2 3*x(3) 3*x(2)
t t t-10
10 10 10 ];
endfunction
La orden pueden ser:

[fx, x] = leastsq(fmc, derfmc, [4 5 6]’)
7.4.1 Mı́nimos cuadrados con restricciones de caja

En Scilab se puede resolver el problema de m nimos cuadrados no lineales con restric-
ciones de caja:
min ||f (x)||2

u ≤ x ≤ v.
Las ordenes pueden ser:
u = [1.2 0 1.1]’;
v = [10 10 10]’;
[fx, x] = leastsq(fmc, ’b’, u, v, [4 5 6]’)
o para mayor e ciencia,

[fx, x] = leastsq(fmc, derfmc, ’b’, u, v, [4 5 6]’)
Otras herramientas de optimizacion son:

• semidef : optimizacion semide nida,
• lmisolver, lmitool: linear matrix inequalities,
• karmarkar : metodo de Karmarkar. para OL.
ÍNDICE ANALÍTICO
π, 9 arcotangente hiperbolica, 7
’b’, 66 asignacion, 3
’c’, 10 asin, 6
’coeff’, 10 asinh, 6
’e’, 9 atan, 6
’gc’, 65 atanh, 7
’nd’, 65 ayuda, 8
’qn’, 65
’r’, 10 ’b’, 66
’roots’, 10 backslash, 20
’v’, 9 barra de menu, 8, 23
(:), 15 break, 31
.sce, 22
.sci, 24 C, 32
\, 20 c, 10
%, 9 C++, 24
timer, 50 carpeta
actual, 26
abort, 31 por defecto, 26
abs, 6, 9 case, 30
acos, 6 ceil, 7, 8
acosh, 6 chdir, 27
aleatorio, 7 chol, 19
algoritmo de Euclides, 31 Cholesky, 19, 50
anidamiento, 29 coeff, 10
ans, 5 coe ciente, 10
apropos, 8 columna, 13, 14
aproximacion polinomial por comentarios, 24
m nimos cuadrados, 37 comparaciones, 27
aproximacion por m nimos cuadrados, 56 complejos, 9
archivo Postscript, 49 conj, 9
arcocoseno, 6 conjugado, 9
arcocoseno hiperbolico, 6 constantes prede nidas, 9
arcoseno, 6 contour, 48
arcoseno hiperbolico, 6 control de ujo, 27
arcotangente, 6 cos, 7
69
70 ÍNDICE ANALÍTICO
coseno, 7 exec, 23, 24, 27

coseno hiperbolico, 7 exists, 41
cosh, 7 exp, 7
cotangente, 7 expm, 17
cotangente hiperbolica, 7 exponencial
cotg, 7 de una matriz, 17
coth, 7 Export, 49
cuasi Newton,, 65 eye, 14
curvas de nivel, 48
factores primos, 40
def, 54 factorizacion
derivacion numerica, 55 de Cholesky, 19
derivadas parciales, 67 LU, 20
derivative, 55 QR, 20
descomposicion en valores fcontour, 48
singulares, 20 la, 14
desigualdades, 60{62 File, 23, 25, 49
desigualdades lineales de matrices, 68 find, 42
desviacion estandar, 18 fix, 7
det, 16 floor, 7, 8
determinante, 16 for, 29
diag, 17 format, 9
diagonal de una matriz, 17 formato, 9
Dialog, 8 formato \variable", 9
diferente, 27 formato por defecto, 9
disp, 32 formato prede nido, 9
dispersa, 51 fplot2d, 45
division, 6, 9 fplot3d, 47
elemento a elemento, 15 fprintf, 32
Frobenius, 19
e, 9 fsolve, 53
ecuacion no lineal, 52 funcion (programa), 22, 24
ecuaciones diferenciales ordinarias, 58 funcion exponencial, 7
ecuaciones no lineales, 53 funciones, 6
else, 28, 30 funciones elementales, 6
end, 28{30 funciones matematicas, 6
endfunction, 24 function, 24
ENPC, 1
enteros, 4 ’gc’, 65
espacios en blanco, 5 Getf, 25
espectro, 19 getf, 25, 27
estructuras de control, 26, 27 GIF, 49
evaluar un polinomio, 11 Gomez, 2
Exec, 23 gradiente, 55, 64
ÍNDICE ANALÍTICO 71
gradiente conjugado, 65 LMI, 68

gradiente numerico, 33 lmisolver, 68
gra cas, 43 lmitool, 68
en dos dimensiones, 43 log, 7
en tres dimensiones, 47 log10, 7
guion (programa), 22 log2, 7
logaritmo decimal, 7
Help, 8 logaritmo en base dos, 7
help, 8
logaritmo natural, 7
Help Dialog, 8
lu, 20
horner, 11
LU, factorizacion, 20
i, 9
if, 28 Matlab, 2
igual, 27 matrices, 13
igualdades, 62 matriz
imag, 9 aleatoria, 14
incremento, 29 de ceros, 14
INRIA, 1 de derivadas parciales., 67
int, 7, 8 de unos, 14
integracion numerica, 54 de nida positiva, 19
interpl, 56 diagonal, 17
interpolacion, 56 dispersa, 51
linea, 56 escalonada reducida por las, 17, 34
intg, 54 identidad, 14
inv, 16 inversa, 16
inversa de una matriz, 16 jacobiana, 53, 55
inversa generalizada, 20 simetrica, 19
inverso aditivo, 6 \vac a", 16
isdef, 41 max, 7, 17
maximo, 7, 17
jacobiana, 53 maximo comun divisor, 31
jacobiana, matriz, 55 mayor, 27
mayor o igual, 27
Karmarkar, 68
mayusculas, 4
karmarkar, 68
mean, 18
leastsq, 66 median, 18
leg, 45 mediana, 18
libro, 2 menu, 8
l mite menor, 27
inferior, 29 menor o igual, 27
superior, 29 metodos numericos, 50
linear matrix inequalities, 68 min, 7, 18
linpro, 60 m nimo, 7, 18
m nimos cuadrados no lineales, 66, 67 parentesis, 6

m nimos cuadrados, 54 parte
minusculas, 4 imaginaria, 9
modulo, 7, 8 real, 9
modulo de un complejo, 9 parte entera
multiplicacion, 6, 9, 10 inferior, 7, 8
de matrices, 15 superior, 7, 8
elemento a elemento, 15 parte triangular
por escalar, 15 inferior, 19
superior, 19
’nd’, 65 pegar matrices, 16
negacion, 27 pinv, 20
no, 27 plot2d, 43
no diferenciable, 65 plot3d, 47
nombres de variables, 5 polinomios, 10
norm, 18 poly, 10, 11
norma, 18 polynomial, 8
norma matricial, 18 Postscrip-Latex, 49
notacion cient ca, 4, 9
Postscript, 49
numero
Postscript No Preamble, 49
de columnas, 19
potencia, 6, 10, 15, 16
de las, 19
PPM, 49
numero aleatorio, 7
precedencia, véase prioridad
numero de argumentos, 35
print, 32
numero de parametros, 35
printf, 32
o, 27 prioridad, 6
ode, 58 prod, 18
ones, 14 producto
operaciones, 6 de elementos de ..., 18
operadores producto de matrices, véase multiplicacion
logicos, 27 ...
optim, 64 programacion ..., véase
optimizacion, 60 optimizacion ...
cuadratica, 63 programacion lineal, véase
lineal, 60 optimizacion lineal
no lineal, 64 programas, 22
no restringida, 64 promedio, 18
semide nida, 68 pwd, 26
ordenamiento, 17
’qn’, 65
parametro QR, 20
de entrada, 24 qr, 20
de salida, 24 quapro, 63
ÍNDICE ANALÍTICO 73
r, 10 st deviation, 18
ra z de una matriz, 16 stacksize, 48
raiz cuadrada, 7 submatriz, 14
rand, 7, 14 sum, 18
rango, 16 suma, 6, 9, 10
rank, 16 de elementos de ..., 18
real, 9 de matrices, 15
reales, 4 suprimir
redondeo, 7, 8 una columna, 16
residuo entero, 7, 8 una componente, 16
resta, 6, 9, 10 una la, 16
de matrices, 15 SVD, 20
restricciones de caja, 61, 62, 66, 67 svd, 20
return, 31, 32
tama~no de una matriz, 19
roots, 10
tan, 7
Rosenbrock, 64
tangente, 7
round, 7, 8 tangente hiperbolica, 7
rref, 17 tanh, 7
then, 28, 30
sce, 22
tiempo, 50
sci, 24 transpuesta de una matriz, 15
script, véase guion tril, 19
select, 30 triu, 19
semidef, 68
seno, 7 valor absoluto, 6, 9
seno hiperbolico, 7 valores propios, 19
seudoinversa, 20 variable, 3
seudosolucion, 23 variables
sin, 7 globales, 22
sinh, 7 locales, 22
sistema de ecuaciones diferenciales, 58 vector columna, 13, 15
sistema de ecuaciones no lineales, 53 vector la, 15
sistemas de ecuaciones lineales, 50 vectores, 13
size, 19 vectores propios , 19
solucion de sistemas de ecuaciones, 20
while, 29
solucion por m nimos
who, 23
cuadrados, 21, 23
who, 4
sort, 17
Windows, 2
sparse, 51
write, 32
sparse, 51 www, 1
spec, 19
spline, 56, 57 Xfig, 49
sqrt, 7 xtitle, 45
y, 27
zeros, 14

Introducción A SciLab PDF

Cargado por

Copyright:

Formatos disponibles

Introducción A SciLab PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introducción A SciLab PDF

Cargado por

Copyright:

Formatos disponibles

i

Héctor Manuel Mora Escobar

7.1.2 Desigualdades y restricciones de caja . . . . . . . . . . . . . . . . 61

• software para calculo cient co

• de libre uso, con la condicion de siempre hacer referencia a sus autores

• disponible para diferentes plataformas: Windows, Linux, Sun, Alpha, ...

El sitio o cial de Scilab es

• Allaire G y Kaber S.M., Introduction à Scilab, Exercises pratiques d’algèbre linéaire,

• Guerre-Delabriere S. y Postel M., Méthodes d’approximation : Équations différen-

• Chancelier J.P. et al., Introduction à SCILAB (Collection IRIS) Springer, Paris,

Al activar Scilab aparece en la pantalla algo semejante a:

Copyright (c) 1989-2004

2.1 Primeros pasos

De ahora en adelante, en este manual no se indicará la tecla ←−| ni tampoco

your variables are...

T t startup ierr demolist

using 5870 elements out of 1000000.

Ah aparecen las variables t y T , de nidas anteriormente, y otras variables propias

2.2 Operaciones y funciones

atanh : arcotangente hiperbolica

x ceil(x) floor(x) int(x) round(x)

abs, acos, acosh, acoshm, acosm, addf, adj2sp, amell, and,

2.3 Otros temas

cos, log, ... As , es completamente l cito

2.6 Lista de algunas herramientas

• Algebra lineal (cap tulo 3)

• Gra cas (cap tulo 5)

• METANET: grafos y redes

• Analisis y control de sistemas lineales

• Modelacion y simulacion ARMA (autoregressive moving average)

• SCICOS: modelamiento y simulacion de sistemas dinamicos h bridos

• Funciones de entrada y salida

• Manejo de funciones y librer as

• Manipulacion de cadenas de caracteres

• Dialogos: ventanas y botones

• Calculos con polinomios

• PVM: parallel virtual machine

• Traducciones de lenguajes y datos

• GeCI: comunicacion con otras aplicaciones

• Interfaz con Maple

Scilab mostrara el siguiente resultado en la pantalla:

! 11. 12. 13. 14 15. !

3.2 Notación y operaciones

La anterior de nicion de submatrices se puede generalizar utilizando vectores( la o

Si a es una matriz m × n, entonces a(:) es un vector columna de tama~ no mn × 1,

es una matriz raiz cuadrada de a, o sea, a1*a1 es lo mismo que a.

De manera analoga, si a es un matriz, la orden a(:,2) = [] suprime la segunda

3.3 Funciones elementales

• rank(a) calcula el rango de a.

• det(c) determinante de una matriz cuadrada c.

• inv(c) inversa de una matriz cuadrada e invertible c.

• rref(a) matriz escalonada reducida por las equivalente a a.

• expm(C) produce la matriz eC , donde C es una matriz cuadrada.

• y = sort(x) ordena el vector x de manera decreciente.

• [y, k] = sort(x): y es el vector ordenado de manera decreciente, k es un vector

• b = sort(a) ordena la matriz a de manera decreciente, considerando cada

• b = sort(a, ’r’) ordena la matriz a de manera decreciente por columnas.

• b = sort(a, ’c’) ordena la matriz a de manera decreciente por las. Aten-

• m = max(x) calcula el maximo del vector ( la o columna) x.