Scilab es un software matemático

...

2.- Funciones especiales: Las funciones exp(), sqrt() y log() se aplican elemento a elemento a las matrices y/o vectores que se les pasan como argumentos. Existen otras funciones similares que tienen también sentido cuando se aplican a una matriz como una única entidad. Estas funciones son las siguientes (se distinguen porque llevan una "m" adicional en el nombre): o expm(A) : si A=XDX’, expm(A) = X*diag(exp(diag(D)))*X’ o sqrtm(A) : devuelve una matriz que multiplicada por sí misma da la matriz A o logm(A) : es la función inversa de expm(A)

3.- Funciones para la descomposición y/o factorización de matrices: A su vez este grupo de funciones se puede subdividir en 4 subgrupos: – Funciones basadas en la factorización triangular (eliminación de Gauss):

o [L,U] = lu(A) descomposición Gaussiana (A = LU) de una matriz. La matriz L es una permutación de una matriz triangular inferior (dicha permutación es consecuencia del pivotamiento por columnas utilizado en la factorización).

o B = inv(A) calcula la inversa de A. Equivale a B=inv(U)*inv(L)

o d = det(A) devuelve el determinante d de la matriz cuadrada A. Equivale a d=det(L)*det(U)

o E = rref(A) reducción a forma de escalón (mediante la eliminación de Gauss con pivotamiento por columnas) de una matriz rectangular A. Sólo se utiliza la diagonal y la parte triangular superior de A. El resultado es una matriz triangular superior tal que A = U'*U.

o c = rcond(A) devuelve una estimación del recíproco de la condición numérica de la matriz A basada en la norma sub-1. Si el resultado es próximo a 1 la matriz A está bien condicionada; si es próximo a 0 no lo está. – Funciones basadas en el cálculo de valores y vectores propios:

o [X,D] = spec(A) valores propios (diagonal de D) y vectores propios (columnas de X) de una matriz cuadrada A. Con frecuencia el resultado es complejo (si A no es simétrica).

o [X,D] = spec(A,B) valores propios (diagonal de D) y vectores propios (columnas de X) de dos matrices cuadradas A y B (Ax = λBx).

Funciones basadas en la descomposición QR:

o [Q,R] = qr(A) descomposición QR de una matriz rectangular. Se utiliza para sistemas con más ecuaciones que incógnitas.

o B = null(A) devuelve una base ortonormal del subespacio nulo (kernel, o conjunto de vectores x tales que Ax = 0) de la matriz rectangular A.

o Q = orth(A) las columnas de Q son una base ortonormal del espacio vectorial de columnas de A. El número de columnas de Q es el rango de A.

– Funciones basadas en la descomposición de valor singular

o B = pinv(A) calcula la pseudo-inversa de una matriz rectangular A

4.- Funciones matriciales elementales.

5.- Funciones matriciales específicas.

6.- Funciones para análisis estadístico de datos.

7.- Funciones para análisis de polinomios.

8.- Funciones para integración de ecuaciones diferenciales ordinarias.

9.- Resolución de ecuaciones no-lineales y optimización.

10.- Integración numérica.

11.- Funciones para procesamiento de señal.

Literatura Consultada

Webgrafía:

- http://ingenieriaparaelcambio.blogspot.com/2015/05/que-es-scilab.html

- https://docs.google.com/document/edit?id=1GJdVWLjd4exw_LILPUw1PqYd7ltAoXUQCZkARqSjPzY&hl=es&pref=2&pli=1#