Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice general
1. Introduccin.
1.1. Filosofa. . . . . . . . . . . .
1.2. Objetivos. . . . . . . . . . .
1.3. Algoritmos. . . . . . . . . .
1.4. La matemtica y el ejercicio
1.5. Bibliografa del Captulo. .
. . . . . . .
. . . . . . .
. . . . . . .
profesional.
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
9
10
10
11
14
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
15
15
15
18
18
18
19
3. Funciones elementales.
3.1. Introduccin. . . . . . . . . .
3.2. Funcin potencia. . . . . . . .
3.3. Funcin exponencial. . . . . .
3.4. Funcin logartmica. . . . . .
3.5. Bibliografa de este Captulo.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
23
23
23
32
38
44
4. Geometra.
4.1. Introduccin. . . . . . . . . .
4.2. Ejercicios de vectores. . . . .
4.3. Planos y Poliedros. . . . . . .
4.4. Bibliografa de este Captulo.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
45
45
45
55
60
61
6. Estadstica.
63
6.1. Grficos de barras. . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2. Grfico de Escalera. . . . . . . . . . . . . . . . . . . . . . . . 68
6.3. Histogramas. . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3
NDICE GENERAL
6.4. Medidas de Tendencia Central.
6.5. Media Aritmtica. . . . . . . .
6.6. La Mediana. . . . . . . . . . . .
6.7. La Moda. . . . . . . . . . . . .
6.8. Medidas de Dispersin. . . . . .
6.9. Rango. . . . . . . . . . . . . . .
6.10. Desviacin Estndar. . . . . . .
6.11. El Coeficiente de Variacin. . .
6.12. Percentil. . . . . . . . . . . . .
6.13. Bibliografa de este Captulo. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
76
76
79
81
81
81
82
84
86
86
ndice de figuras
1.1. El cuadro de dilogos de SCILAB. . . . . . . . . . . . . . . .
1.2. Un laboratorio de computadoras tradicional. . . . . . . . . . .
12
13
2.1.
2.2.
2.3.
2.4.
16
17
20
21
24
25
26
26
27
28
29
30
31
32
33
34
34
35
36
37
37
NDICE DE FIGURAS
3.18. Grfica de la funcin f (x) = log3 (x). . . . . . . . . . . . . . .
3.19. Grfica de las funciones f (x) = log3 (x), f (x) = log2 (x) y
f (x) = log1.5 (x). . . . . . . . . . . . . . . . . . . . . . . . . .
3.20. Grfica de las funciones f (x) = x log(x), f (x) = 2x log(x) y
f (x) = 3x ln(x). . . . . . . . . . . . . . . . . . . . . . . . . . .
3.21. Grfica de las funciones f (x) = sin(log(x)), f (x) = cos(log(x)).
3.22. Grfica de las funciones f (x) = x, f (x) = x2 , f (x) = x3 ,
f (x) = x4 y f (x) = x5 . . . . . . . . . . . . . . . . . . . . . . .
3.23. Grfica de las funciones f (x) = x, f (x) = x1/2 , f (x) = x1/3 ,
f (x) = x1/4 y f (x) = x1/5 . . . . . . . . . . . . . . . . . . . . .
39
48
48
39
40
41
42
43
49
49
50
51
51
52
53
53
54
54
56
57
57
58
58
59
59
60
65
NDICE DE FIGURAS
67
69
71
73
75
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
93
94
94
95
95
96
96
97
99
100
100
101
103
104
108
108
108
109
110
111
112
NDICE DE FIGURAS
Captulo 1
Introduccin.
1.1.
Filosofa.
Una proporcin importante de cuestiones que enseamos a nuestros estudiantes, las cuales deben usar en diferentes evaluaciones (exmenes, talleres,
guas de ejercicios) y a lo largo de sus vidas profesionales, pueden ser respondidas por softwares como SCILAB.
Es claro, que este hecho ha producido diferencias en todo el mbito educativo
mundial, en particular el modo en que se ensea matemtica y en la eleccin
de los tpicos que se desarrollan.
En este libro, sugerimos una integracin de tal tipo de medios en la enseanza de la matemtica dentro de los ltimos aos de la enseanza media e
iniciales de la Universidad. Como es natural existen varias cuestiones, pero
principalmente creemos que el uso de la tcnologia computacional debe ser
una habilidad natural de cualquier estudiante de nuestro tiempo.
Es un hecho que muchas profesiones desarrollan actualmente sus actividades
con la ayuda de computadores. Ms an los alumnos del presente tienen gran
afinidad con el uso de computadores.
Uno de los principales motivos por el cual la educacin no incorpora rpidamente la tecnologa en sus procesos educativos, se debe por un lado a un alto
temor a bajar la calidad de la educacin, y por otro al desconocimiento de
experiencias exitosas, de recomendaciones generales, de la literatura internacional sobre el tema y fundamentalmente existe un elevado desconocimiento
de una metodologa que permita incorporarlas las TIC con xito en el aula.
Existe hoy una amplia disponibilidad de computadores, tanto en los hogares
como en las instituciones acadmicas, pero existen muy pocos textos que
desarrollen el uso del software no comercial para su apliacin en la enseanza de la matemtica. En este libro tratamos la elaboracin y presentacin
de clases, mediante el uso de SCILAB, en tres aspectos: como herramienta
para resolver problemas matemticos, como ayuda para entender la teora
matemtica tradicional y como valioso auxiliar en mostrar aplicaciones de la
9
10
CAPTULO 1. INTRODUCCIN.
matemtica.
En las siguientes secciones damos una perspectiva general.
1.2.
Objetivos.
1.3.
Algoritmos.
Programas como SCILAB, pueden realizar esencialmente procesos algortmicos que enseamos a nuestros estudiantes: derivacin e integracin,
solucin de sistemas de ecuaciones, evaluacin de lmites, etc.
En un razonamiento apresurado podramos concluir que no es mas necesario
ensear estos temas.
Pensamos que es importante comprender precisamente que esta mal con esta
conclusin y reconsiderar nuestra aproximacin y eleccin de tpicos a la luz
de esta comprensin.
Los mtodos usados para resolver estos problemas son interesantes por
derecho propio.
11
Conocer como integrar (por ejemplo), ayuda a los estudiantes a entender lo que significa la intregacin.
Muchas veces los programas informticos dan respuestas complejas, se
hace necesario un anlisis inteligente.
Los algoritmos son herramientas que alumnos que no son esforzados,
pero si son diligentes, pueden aprender exitosamente.
Algunas conclusiones posibles:
Problemas a realizar con lpiz y papel deben ser elegidos por su naturaleza instructiva. Muchas veces al cambiar de parmetro en un
problema, se produce un incremento de la complejidad del problema.
Podemos pedir realizar con lpiz y papel casos simples y los ms complejos con la ayuda del computador, de lo cual ser posible extraer
conclusiones. Por ejemplo, el uso del mtodo simplex en economa variar los parmetros econmicos conduce a gran cantidad de cuentas, las
cuales si se ejecutan con ayuda de programas informticos, permiten
al estudiante concentrarse en extraer conclusiones.
Una vez que el estudiante a llevado a cabo con lpiz y papel un ejemplo
o ejercicio, podemos pedirle que realize docenas en el computador, lo
cual conduce a una comprensin y un dominio ms profundo.
Podemos solicitar a los estudiantes resolver problemas algebraicamente
con lpiz y papel y luego pedir que verifiquen sus respuestas insertando
nuevos datos, parmetros ejecutando grficos, etc. De nuevo ejercicios
de esta naturaleza bien diseados tienen gran potencial de mejorar la
comprensin.
1.4.
12
CAPTULO 1. INTRODUCCIN.
13
14
CAPTULO 1. INTRODUCCIN.
1.5.
Captulo 2
Integrando laboratorios
informticos.
2.1.
Integrando:
SCILAB es una herramienta usada rutinariamente por matemticos, ingenieros, profesionales de ciencias en todo el mundo, para resolver problemas
de una gran variedad . Ms all de su uso profesional, este programa informtico es una valiosa herramienta para la enseanza de matemticas y en
las clases de ciencias en general.
Usada imaginativamente esta herramienta puede ayudar a los estudiantes a
comprender mejor y ms rpido, introducindolos en el mundo de la alta
tecnologa.
Con herramientas de enseanza tan verstiles, el desafo para el profesor es
como navegar y canalizar las inmensas posibilidades.
En este punto es importante considerar la curva de aprendizaje, tanto de los
docentes como de los estudiantes.
El objetivo del presente libro es ayudar tanto a los docentes a ser expertos
en SCILAB, como a los estudiantes a introducirse en esta herramienta informtica.
Este proceso ser conducido de tal forma que la evolucin sea natural y gradual. Esperamos que este enfoque enriquezca la experiencia de ensear y de
aprender.
2.2.
El costo econmico.
17
2.3.
2.4.
2.5.
2.6.
19
21
23
19
15
11
Z
7
3
-1
-5
-9
-3
-2
-1
0
Y
1.5
0.8
-0.6
0.1
X
-1.3
-2.0
Captulo 3
Funciones elementales.
3.1.
Introduccin.
3.2.
Funcin potencia.
24
28
24
20
16
12
0
-5
-4
-3
-2
-1
>plot2d(x, y)
Los valores de x se tomaron con un espaciamiento de 0,01. Esto hace que
la grfica se vea, no slo continua sino tambin suave.
Si el espaciamiento es muy grande, por ejemplo:
> xbasc()
> a = 5; b = 5;
> x = a : 1 : b;
> y = x 2;
>plot2d(x, y)
25
28
24
20
16
12
0
-5
-4
-3
-2
-1
26
150
110
70
30
-10
-50
-90
-130
-5
-4
-3
-2
-1
150
110
70
30
-10
-50
-90
-130
-5
-4
-3
-2
-1
27
Funciones potencias
600
500
400
300
200
100
-100 +
-5
+ +
+ +
+ + + + + + + + + + +
+ + +
+
+
X
-4
+ x^2
x^3
x^4
-3
-2
-1
28
Funciones Potencias
100.0
78.6
57.1
35.7
14.3
-7.1
-28.6
+ + + + + + +
+ +
+
+
-50.0
+
-5
+
-4
-3
(2*x^2
4*x^2
+
-2*x^2
-2
-1
Figura 3.6: Representacin grfica de las funciones f (x) = 2x2 , f (x) = 4x2
y f (x) = 2x2 .
el letrero general, el segundo para el eje horizontal y el tercero para el eje
vertical. Por ejemplo:
xtitle(F uncionesP otencias, X, )
Ejercicio 3 : Grficar la funcin de la forma y = ax2 , considerando 2,4,-2
para los valores de a.
> xbasc()
> x = linspace(5, 5, 30);
> X = x0 ones(1, 3);
> y1 = 2 x 2;
> y2 = 4 x 2;
> y3 = 2 x 2;
> Y = [y10 , y20 , y30 ];
> styles = [1, 2, 1];
> legendes = 2 x 2@4 x 2@ 2 x 2;
> plot2d(X, Y, styles, 121, legendes)
> xtitle(f uncionesP otencias, X, )
Ejercicio 4 : Grficar la funcin de la forma y = ax3 , considerando 2,4,2 para los valores de a.
29
Funciones Potencias
500
400
300
+
+
200
100
0
+ +
+ + +
+ + + + + + + + +
+ +
+ +
-100
+
+
-200
-300
-400
X
-500
-5
-4
-3
2*x^3
4*x^3
+
-2*x^3
-2
-1
Figura 3.7: Representacin grfica de las funciones f (x) = 2x3 , f (x) = 4x3
y f (x) = 2x3 .
> xbasc()
> x = linspace(5, 5, 30);
> X = x0 ones(1, 3);
> y1 = 2 x 3;
> y2 = 4 x 3;
> y3 = 2 x 3;
> Y = [y10 , y20 , y30 ];
> styles = [1, 2, 1];
> legendes = 2 x 3@4 x 3@ 2 x 3;
> plot2d(X, Y, styles, 121, legendes)
> xtitle(f uncionesP otencias, X, )
Ejercicio 5 : Grficar la funcin de la forma y = (sin(x))2 , y = (sin(x))4 .
> x = linspace(5, 10, 80);
> X = x0 ones(1, 2);
> y1 = (sin(x)) 2;
> y2 = (sin(x)) 4;
> Y = [y10 , y20 ];
> styles = [1, 2];
> legendes = (sin(x)) 2@(sin(x)) 4;
> plot2d(X, Y, styles, 121, legendes)
30
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-5.00
-2.86
(sin(x))^2
(sin(x))^4
-0.71
1.43
3.57
5.71
7.86
10.00
31
Funciones Potencias
3.10
2.65
2.20
1.75
1.30
0.85
0.40
X
1
10
x^(1/2)
x^(1/4)
Figura 3.9: Representacin grfica de las funciones f (x) = x1/2 , f (x) = x1/4 .
> styles = [1, 2];
> legendes = x (1)@x (2);
> plot2d(X, Y, styles, 121, legendes)
> xtitle(f uncionespotencias, X, )
32
Funciones Potencias
90
80
70
60
50
40
30
20
10
0
X
-5
-4
x^(-1)
x^(-2)
-3
-2
-1
3.3.
Funcin exponencial.
Esta funcin es central en la matemtica. Continuamos con nuestro mtodo de realizar diferentes ejemplos.
Ejercicio 1 : Grficar la funcin exponencial y = 2x .
Como ax = exp(log a)x = (exp x)log a
> xbasc()
> x = linspace(5, 5, 30);
> y = (exp(x) (log(2));
> plot2d(x, y)
Ejercicio 2 : Grficar las funciones y = 3x , y = 2x , y = 1.5x .
> xbasc()
> x = linspace(1, 4, 80);
> X = x0 ones(1, 3);
> y1 = 3 x;
> y2 = 2 x;
> y3 = 1.5 x;
> Y = [y10 , y20 , y3];
> styles = [1, 2, 1];
33
32
28
24
20
16
12
0
-5
-4
-3
-2
-1
34
Funcin Exponencial
+
80
+
+
70
+
+
60
+
+
+
50
40
30
20
10
++++++++++++++++++++++++
-1
+++++++++
+++++
+ ++ +
++
+++
++
++
++
+
++
3^x
2^x
(1.5)^x
Funcin Exponencial
5
+
2 ++
++
++
++
++
++
++
-1
++
++
+++
+++
+++
++++
++++
++++++
++++++++
2
++++++++++
++++++++++++++++++++
3
+ (0.2)^x
(0.5)^x
(0.8)^x
Figura 3.13: Grfica de las funciones f (x) = (0.2)x , f (x) = (0.5)x y f (x) =
(0.8)x .
35
Funcin Exponencial
X
-2.0
-1.6
-1.2
(1/%e)^x
(1/2)^x
-0.8
-0.4
0.0
0.4
0.8
1.2
1.6
2.0
36
3300
2888
2475
2063
1650
1238
825
413
0
0
2
(1.5)^x
x^2
10
12
14
16
18
20
37
27.00
22.67
18.33
14.00
9.67
5.33
1.00
0.000
0.429
4*x+1
3^x
0.857
1.286
1.714
2.143
2.571
3.000
20
16
12
0
-1.0
x
-0.6
-0.2
0.2
0.6
1.0
1.4
1.8
2.2
2.6
3.0
38
3.4.
Funcin logartmica.
39
-1
-2
-3
0
10
12
14
16
18
20
Funcines Logartmicas
1
+
-1
++++
+++++++
++++++
+++++
+
+
+
+++
+++
+++
+++
++
+
+
++
-3 +
-5
X
1.00
3.11
5.22
+ log(x)./log(3)
log(x)./log(2)
log(x)./log(1.5)
7.33
9.44
11.56
13.67
15.78
17.89
20.00
Figura 3.19: Grfica de las funciones f (x) = log3 (x), f (x) = log2 (x) y f (x) =
log1.5 (x).
40
60
50
40
30
20
10
++++++++++++++
1
+
+++++
2
x.*log(x)
(2*x).*log(x)
(3*x).*log(x)
++++
+++++
++++
++++
++++
++
+++
++++
++++
++++
+++
++
++
+++
+++
+++
+++
+++
10
41
0.9
0.7
0.5
0.3
0.1
-0.1
-0.3
-0.5
-0.7
-0.9
1
3
sin(log(x))
cos(log(x))
11
13
15
42
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0
0.1
x
x^2
x^3
0.2
0.3
0.4
0.5
0.6
x^4
x^5
0.7
0.8
0.9
1.0
43
1.0
0.9
0.8
0.7
0.6
0.5
0.4
+
+
+
+
+
+
+
+
+
0.3
0.2
+
+
0.1
0.0
+
0.0
0.1
0.2
+
x
x^(1/2)
x^(1/3)
0.3
0.4
0.5
0.6
0.7
x^(1/4)
x^(1/5)
0.8
0.9
Figura 3.23: Grfica de las funciones f (x) = x, f (x) = x1/2 , f (x) = x1/3 ,
f (x) = x1/4 y f (x) = x1/5 .
1.0
44
3.5.
Captulo 4
Geometra.
4.1.
Introduccin.
Los ejercicios elaborados en este captulo son dos tipos: los primeros son
de clculo, permitiendo al estudiante comprobar sus operaciones y aprender las propiedades de vectores. Los otros ejercicios apuntan a desarrollar la
capacidad de abstraccin del alumno, mediante grficos en los cuales el docente debe orientarlo y ayudarlo en su aprendizaje con ejemplos interesantes
y prcticos. El programa SCILAB cumple con las condiciones suficientes de
enseanza y aprendizaje, ventaja que el docente debe aprovechar al mximo.
4.2.
Ejercicios de vectores.
46
CAPTULO 4. GEOMETRA.
ans =
18. 6.
Aqu el smbolo es para multiplicar cualquier escalar con un vector.
b) 13 ~v
Primero cargamos ~v .
> v = [3, 1]
v =
3. 1.
Luego escribimos
> 1/3 v
ans =
1. 0,3333333
c) 13 (~u + ~v )
Los vectores ~u y ~v ya estn cargados por lo que podemos calcular
directamente:
> 1/3 (u + v)
ans =
1. 0,3333333
Podemos borrar todos los vectores con el comando clear().
~ = (1, 1, 0), B
~ = (2, 1, 3) y C
~ = (3, 0, 2). a)
2. Dado los vectores A
~
~
~
Determinar A + 2B C.
~ B
~ y C.
~
Primero cargamos A,
> A = [1, 1, 0];
> B = [2, 1, 3];
> A = [3, 0, 2];
Luego escribimos
> A C + 2 B
ans =
6.
1. 8
~ + 3B
~ + 2C.
~
b) Determinar A
~ B
~ y C,
~ podemos resolver
Como ya tenemos cargados los vectores A,
directamente
> A + 3 B + 2 C
47
ans =
1.
4. 5.
c) Determinar 2A 2B + C.
Procedemos de manera similar:
> 2A 2 B + C
ans =
9.
4. 8.
El orden de cargar las matrices no influye, es decir, podemos cargar
las matrices en forma pausada de acuerdo al ejercicio que se plant
cargar todas las matrices inmediatamente antes de resolver el
problema, siempre que al usar esa matriz este cargada o definida en el
programa.
3. Describe geomtricamente el conjunto de todos los puntos del plano
que tiene la forma (x, y) = (1, 2) + t(4, 1).
Primero tenemos que definir t con el comando linspace, donde los
primeros dos componentes son los intervalos y el ltimo son las
particiones que se hacen el intervalo.
> t = linspace(15, 15, 100);
Luego cargamos las variables x e y.
> x = 1 + 4 t;
> y = 2 t;
Finalmente para ejecutarlo usamos el comando plot2d en dos
dimensiones.
> plot2d(x, y);
Proponemos a continuacin una serie de ejercicios:
4. Describe geomtricamente el conjunto de todos los puntos del plano
que tiene la forma (x, y) = (5, 2) + t(1, 3).
5. Representar grficamente las rectas paramtricas siguientes
(x, y) = (7, 2) + t(9, 3) y (p, q) = (7, 2) + r(2, 5). Obtener
aproximadamente el punto en que se cruzan.
6. Represente grficamente en el plano los vectores ~a = (3, 1) y
~b = (1, 3).
48
CAPTULO 4. GEOMETRA.
19
15
11
-1
-5
-9
-13
-60
x
-40
-20
20
40
60
80
50
40
30
20
10
0
-10
-20
-30
-40
-50
-10
x
-6
-2
10
14
18
22
49
80
60
40
20
-20
-40
-60
-80
-130
-90
-50
-10
30
70
110
150
-1.0
-1.2
-1.4
-1.6
-1.8
-2.0
-2.2
-2.4
-2.6
-2.8
-3.0
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
50
CAPTULO 4. GEOMETRA.
20
16
12
8
Z
4
0
-4
-8
-30
-12
-10
-60
-40
-20
10
0
20
40
30
60
80
51
20
0
Z
-20
-40
-50
-40
-30
-20
-10
0
10
20
Y
30
40
50
18
22
14
10
-6
-2
-10
80
50
Z
20
-10
-40
-8
-4
0
4
-70
-50
-40
-30
8
12
16
X
20
24
-20
-10
0
10
Y
20
30
40
50
52
CAPTULO 4. GEOMETRA.
16
Z
-50
-40
-6
-30
-40
-20
-30
-10
-20
0
-10
10
0
20
10
30
20
40
30
50
x4
2
y+2
5
3z
7 .
53
80
60
40
20
-20
-40
-60
-50
x
-40
-30
-20
-10
10
20
30
40
50
80
60
40
20
-20
-40
-60
-50
x
-40
-30
-20
-10
10
20
30
40
50
54
CAPTULO 4. GEOMETRA.
21
17
13
9
Z
5
1
-3
-7
-11
-120
-80
-40
0
40
80
120
160
-2
-13
3y
8
= 4 z.
130
100
70
40
Z
10
-20
-50
-80
-110
-80
-60
-40
-20
0
20
Y
40
60
80
40
30
20
x4
2
10
-10
-20
-30
y+2
5
3z
7 .
55
1 1
0
0
1
1
1
2 1
Luego usando la variable p, con el comando inv podemos resolver el
problema:
> p = inv(A) b
p=
3
1
4
El vector p contiene los valores de las incgnitas (x, y, z). Se sigue que
x = 3, y = 1 y z = 4.
Proponemos a continuacin una serie de ejercicios de similar
resolucin.
14. Hallar x, y, y z, si (2, 3, 4) = x(1, 1, 1) + y(1, 1, 0) + z(1, 0, 0).
15. Hallar x, y y z en las siguientes ecuaciones:
a) (3, 1, 2) = x(1, 1, 1) + y(1, 1, 0) + z(1, 0, 0)
b) (1, 3, 3) = x(1, 1, 0) + y(0, 0, 1) + z(0, 1, 1)
16. Hallar x e y, si (2, 3) + x(1, 0) = y(4, 2)
4.3.
Planos y Poliedros.
56
CAPTULO 4. GEOMETRA.
2.0
1.8
1.6
1.4
1.2
Z
1.0
0.8
0.6
0.4
0.2
0
0
0.2
0.4
0.6
0.8
Y
1.0
1.2
1.4
1.6
1.8
0
0.30.20.1
0.70.60.50.4X
2.00.90.8
1.0
Figura 4.13: Tringulo en el espacio cuyos vertices son dados por los vectores
~a = (1, 2, 1), ~b = (0, 1, 2) y ~c = (0, 0, 0).
57
2.0
1.8
1.6
1.4
1.2
Z
1.0
0.8
0.6
0.4
0.2
0.9
0.6
0
2.0
1.8
1.6
0.3
1.4
1.2
1.0
0.8
0.6
0.4
0
0.2
Figura 4.14: Otra vista del trigulo en el espacio formado por los vectores
~a = (1, 2, 1), ~b = (0, 1, 2), y ~c = (0, 0, 0).
0.8
Z
0.4
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Y
0.8
0.9
1.0
1.01
0.99
1.00
X
58
CAPTULO 4. GEOMETRA.
1.0
0.9
0.8
0.7
0.6
Z
0.5
0.4
0.3
0.2
0.1
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
1.0
0.8
0.6
Z
0.4
0.2
0
0.1
0.2
0
0
0.3
0.1
0.4
0.2
0.5
0.3
0.6
0.4
0.5
Y
0.6
0.7
0.7
0.8
0.8
0.9
0.9
1.0
1.0
59
1.0
0.8
0.6
Z
0.4
0.2
0
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
Y
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5
0.8
0.7
0.6
0.9
1.0
Figura 4.18: Grfica del tetraedro de vertices ~a = (0, 0, 0), ~b = (1, 0, 0),
~c = (0, 1, 0), d~ = (0, 0, 1).
1.0
0.8
0.6
Z
0.4
0
0.2
0.1
0.2
0
1.0
0.3
0.4
0.9
0.8
0.5
0.7
0.6
0.6
0.5
X
0.7
0.4
0.3
0.8
0.2
0.9
0.1
1.0
Figura 4.19: Grfica del tetraedro de vertices ~a = (0, 0, 0), ~b = (1, 1, 0),
~c = (0, 1, 1), d~ = (1, 1, 1).
60
CAPTULO 4. GEOMETRA.
3
2
1
Z
0
-1
-2
-3
-2.0
-1.6
-1.2
-0.8
-0.4
0
0.4
-1.0
0.8
Y
-0.6
1.2
-0.2
0.2
1.6
2.0
0.6
1.0
Figura 4.20: Grfica del tetraedro de vertices ~a = (0, 2, 3), ~b = (0, 2, 3),
~c = (1, 1, 1),d~ = (1, 1, 1).
4.4.
Captulo 5
61
62
Captulo 6
Estadstica.
La estadstica ha tenido un desarrollo particularmente significativo en
los ltimos tiempos. Por un lado, porque progresivamente se desarroll como
una disciplina independiente, con cdigos propios y con aplicaciones a un
amplio espectro de procesos y fenmenos tanto naturales como sociales.
Por otro lado, la difusin cada vez ms extensa del uso de los computadores personales y la aparicin de paquetes informticos (software: en este
caso ser el SCILAB) especializados que facilitan da a da el procesamiento
de grandes cantidades de datos y la exhibicin grfica de los resultados, ha
permitido, a un golpe de vista, obtener informacin relevante, dificlmente
comunicable en otros formatos.
Actualmente la estadstica, ms que una rama de la matemtica, es considerada una ciencia para tratar con la recoleccin, anlisis, interpretacin y
presentacin de datos. Es mucho ms que una compilacin de tcnicas de
clculo: es una forma de aprender de los datos, una manera de mirar la informacin y un soporte para toda la ciencia.
En este captulo nos preocuparemos de dar una visin de la estadstica, desde el procesamiento y anlisis de los datos, como las medidas de tendencia
central y de dispersin, hasta distribuciones como histogramas.
6.1.
Grficos de barras.
Una empresa esta interesada en estudiar las cargas familiares que tienen
sus empleados. Con ese fin organiza la informacin en una tabla en la cual,
la primera columna especifica las cargas familiares y la segunda columna
la cantidad de personas en la empresa que tienen ese nmero de cargas
63
64
CAPTULO 6. ESTADSTICA.
familiares.
Carga Familiar
yi
0
1
2
3
4
5
6
Empleados
fi
4
8
11
13
9
6
2
3.Graficar: Una vez introducido los datos, siempre es til poder expresarlos
en un grfico, en este caso ser un grfico de barras con nuestros datos.Para
ello vamos a la ventana que se abri al ingresar todos los datos. Finalmente
nuestro grfico es como lo muestra la figura.
65
16
14
12
10
0
-1
Figura 6.1: Grfico de barras: nmero de cargas familiares por cada empleado.
66
CAPTULO 6. ESTADSTICA.
Mquinas
fi
7
10
14
14
14
9
67
16
14
12
10
0
-1
68
6.2.
CAPTULO 6. ESTADSTICA.
Grfico de Escalera.
Carga Familiar
yi
0
1
2
3
4
5
6
Empleados
fi
4
8
11
13
9
6
2
Empleados (Acumulados)
Fi
4
12
23
36
45
51
53
69
60
50
40
30
20
10
0
0
Variable edad
yi
14
15
16
17
18
19
Frecuencia absoluta
fi
1
51
48
53
60
3
Frecuencia Acumulada
Fi
1
52
100
153
4213
216
70
CAPTULO 6. ESTADSTICA.
240
200
160
120
80
40
0
13
14
15
16
17
18
19
20
6.3. HISTOGRAMAS.
6.3.
71
Histogramas.
Frecuencia
fi
4
12
33
45
58
68
53
40
25
6
72
CAPTULO 6. ESTADSTICA.
0.05
0.04
0.03
0.02
0.01
0.00
0
10
20
30
40
50
60
Figura 6.5: Histograma: frecuencia para los pesos de los paquetes enviados.
x3 = 12 ones(1, 33);
x4 = 17 ones(1, 45);
x5 = 22 ones(1, 58);
x6 = 27 ones(1, 68);
x7 = 32 ones(1, 53);
x8 = 37 ones(1, 40);
x9 = 41 ones(1, 25);
x10 = 46 ones(1, 6);
y = [x1, x2, x3, x4, x5, x6, x7, x8, x9, x10];
histplot([0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50], y, style = 1, f ramef lag = 5, rect =
[0, 0, 55, 0,05])
6.3. HISTOGRAMAS.
73
Departamentos
fi
8
10
13
6
3
74
CAPTULO 6. ESTADSTICA.
0.020
0.018
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
0.000
0
20
40
60
80
100
120
140
160
180
200
6.4.
75
Las medidas de tendencia central son ciertos valores asociados a una variable obtenidos de los valores que esa variable tiene en una muestra o una
poblacin, cuyo propsito es caracterizar a travz de un nmero nico a toda
la muestra (o poblacin). Las medidas de tendencia central ms utilizadas
son la media aritmtica, la moda y la mediana.
6.5.
Media Aritmtica.
a) Datos no agrupados:
P
x=
i=1n xi
n
Ejercicio 1: Las notas de Ciencias Sociales de Andra son las que se muestran
en la tabla siguiente, calcular la media aritmtica:
Control
Nmero1
Nmero2
Nmero3
Nmero4
Nmero5
Nmero6
Notas Andrea
6.2
5.8
4.9
6.5
5.3
6.0
76
CAPTULO 6. ESTADSTICA.
N de familias
2
12
14
10
2
77
x=
i=1n xi fi
n
Empleados
fi
4
8
11
13
9
6
2
yi fi
0
8
22
39
36
30
12
78
CAPTULO 6. ESTADSTICA.
P
x=
i=1n Mi fi
n
Departamentos fi
8
10
13
6
3
Mi
70
96
122
148
174
Mi fi
560
960
1586
888
522
x = [57, 83, 109, 135, 161; 83, 109, 135, 161, 187]
x = mean(x,0 r0 )
y = [8, 10, 13, 6, 3]0
x y;
n = ones(1, 5);
y = [8, 10, 13, 6, 3]0 ;
n y;
z = x y/(n y);
El resultado que se obtiene es:
z = x y/(n y)
ans =
112,9
6.6.
La Mediana.
6.6. LA MEDIANA.
79
median(x);
El resultado que se obtiene es:
median(x) ans =
7,5
Empleados
fi
4
8
11
13
9
6
2
Fi
4
12
23
36
45
51
53
80
CAPTULO 6. ESTADSTICA.
Departamentos Fi
8
10
13
6
3
8
18
31
37
40
6.7.
La Moda.
6.8.
81
Medidas de Dispersin.
6.9.
Rango.
1.8
4.7
5.8
5.4
6.3
6.3
6.10.
Desviacin Estndar.
a) Datos no agrupados:
P
S=
82
CAPTULO 6. ESTADSTICA.
S=
Para calcular la desviacin estndar en datos agrupados por valores puntuales se procede de la siguiente forma:
1. Se crea un vector Y con las clases.
2. Debes tener el promedio y su resultado debe aproximarse a un entero, si
no es as debes calcular su media aritmtica de datos agrupados por valores
puntuales, para ello se encuentra en la seccin de promedio antes mencionada.
3. Se crea un vector F con las frecuencias absolutas, el que debe estar
traspuesto.
4. Se debe crear un vector M que contenga el nmero total de datos ingresados; para ello debes utilizar la funcin ones.
5. Ahora utilizas la frmula de la desviacin estndar
Notas de examen
26
32
45
50
58
61
65
69
Y = [0, 1, 2, 3, 4, 5, 6, 7]
X=3
a = (y x)2
F = [26, 32, 45, 50, 58, 61, 65, 69]0
s=af
n = ones(1, 8)
M =nf
D = (s/(m 1))( 1/2)
El resultado que se obtiene es el siguiente:
D=
2.433308
83
S=
Departamentos
8
10
13
6
3
Mi
70
96
122
148
174
84
CAPTULO 6. ESTADSTICA.
n = 40;
S = (M/n 1)( 1/2)
Luego el resultado es el siguiente:
S=
30.49918
6.11.
El Coeficiente de Variacin.
S = Desviacin estndar.
X = Promedio o Media Aritmtica.
El coeficiente de variacin es un nmero libre de la unidad de medida de la
variable. Sirve como una medida del grado de "homogeneidad", o de parecido de los elementos de la poblacin, para la variable en estudio.
Ejercicio 1: Supongamos que en los departamentos se analiz el consumo
de agua con los siguientes resultados:
X agua = 38.2 m3 y S agua = 4.6 m3.
Calcular su coeficiente de variacin.
Luego vamos al SCILAB y realizamos lo siguiente:
S=[4.6];
X= [38.2];
CV= (S/X);
CV= (S/X)*100;
El resultado que obtenemos es el siguiente:
CV= (S/X)*100
CV =
12.041885
6.12. PERCENTIL.
85
6.12.
Percentil.
Para calcular el Pk , cualesquiera sea la posibilidad de los datos, se procede en la misma forma que se hizo para el clculo de la mediana.
a) Datos no agrupados:
Pk = (n k)/100
86
CAPTULO 6. ESTADSTICA.
6.13.
hemos consultado: [3], [12], [5], [7], [8], [9], [10] y [11].
Captulo 7
Grficos de curvas.
87
50
40
30
Z
20
10
0
-9
-7
-5
-3
-1
Y
-1
-3
-5
-7
89
1.0
0.8
0.6
0.4
0.2
Z
0
-0.2
-0.4
-0.6
-0.8
-1.0
-1.0
-0.6
-0.2
0.2
0.6
Y
1.0
Figura
7.2:
Grfica
de
la
(cos(50t) cos(t), sin(50t)cos(t), sin(t)).
1.0
hlice
0.6
-0.2
0.2
-0.6
esfrica
-1.0
50
45
40
35
30
Z
25
20
15
10
5
0
3
0
Y
91
7.2.
Grficos de superficies.
Si bien SCILAB posee potentes formas de realizar grficas estas son muy
sofisticadas. Presentamos aqu una forma ms extensa pero ms simple conceptualmente. En las dos primeras lneas definimos la discretizacin o malla
usada para la elaboracin de la grfica. En las lneas 3 a 9 ejecutamos ciclos
for. Finalmente obtenemos la grfica usando el comando plot3d y la grfica coloreada usando plot3d1. Comenzamos con ejemplo simple; queremos
obtener la grfica de la funcin z(x, y) = sin(xy). A continuacin presentamos el codigo
> x = (5 : 0,2 : 5)0 ;
> y = (5 : 0,2 : 5)0 ;
> m = size(x, 1); n = size(y, 1);
> w = zeros(m, n);
> f ori = 1 : m;
> f orj = 1 : n;
> w(i, j) = sin(x(j) y(j));
> end;
> end;
> plot3d(x, y, w)
Realizamos una grfica coloreada
> xbasc()
> plot3d1(x, y, w)
El comando grayplot nos permite obtener grficos con diferentes niveles de
grises
> grayplot(x, y, w)
> xbasc()
Finalmente mediante el comando contour obtenemos una grfica de curvas
de nivel. El nmero en el comando especifica la cantidad de curvas de nivel.
> contour(x, y, w, 3)
93
1.0
0.6
0.2
Z
-0.2
-0.6
-1.0
-5
-4
-3
-2
-1
-4
0
1
-1
2
3
3
4
5
-2
-3
-5
1.0
0
-1.0
-5
-5
-4
-4
-3
-3
-2
-2
-1
-1
0
0
1
1
2
2
3
3
4
4
5
5
4
3
2
1
0
-1
-2
-3
-4
-5
-5
-4
-3
-2
-1
5
4
3
95
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
-0.500
0.500
0.000
0
0.500
-0.500
-1
-2
-3
-4
-5
0.500
0.000
-0.500
-0.500
0.000
0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
-5
-4
-3
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
0.500
0.000
-0.500
-0.500
0.000
0.500
-2
-1
30
20
10
-10
-20
-30
-5
-4
-3
-2
-1
0
Y
-1
-2
-3
-4
-5
30
20
10
-10
-20
-30
-5 -4
-3 -2
-1
-1
-3
-2
-4
-5
5
4
3
2
1
0
-1
-2
-3
-4
-5
-5
-4
-3
-2
-1
97
5
-17.857
4
-10.714
3
-3.571
2
1
17.857
10.714
3.571
3.571
10.714
-1
-3.571
-2
-3
-10.714
-4
-17.857
-5
-5
-4
-3
-2
-1
7.3.
Es posible efectuar cambios en la forma que SCILAB colorea las grficas. A continuacin mostramos un ejemplo: hacemos la grfica de la funcin
z(x, y) = cos(y) cos(x)
> x = linspace(0, 2 %pi, 31);
> y = x;
> z = cos(y)0 cos(x);
A continuacin definimos la matriz de colores. En este caso para producir
una grfica armoniosa usamos una matriz predefinida por SCILAB.
> C = hotcolormap(32);
la siguiente linea define el mapa de colores
> xset(colormap, C);
a continuacin cambiamos el color de la cara inferior de la superficie, el color
es elegido con el nmero en el comando.
> xset(00 hidden3d00 , 30);
obtenemos la grfica
> plot3d1(x, y, z);
En el siguiente ejemplo continuamos con la funcin z(x, y) = cos(y) cos(x).
En este caso el mapa de colores sera de carcter aleatorio.
> x = linspace(0, 2 %pi, 31);
> y = x;
99
1.0
0.8
0.6
0.4
0.2
Z
0
-0.2
-0.4
-0.6
-0.8
0
1
-1.0
2
0
3
1
4
3
Y
5
5
6
7
Figura 7.13: Grfica de la funcin z(x, y) = cos(y) cos(x) con colores hot
colormap.
1.0
0.8
0.6
0.4
0.2
Z
0
-0.2
-0.4
-0.6
-0.8
0
-1.0
1
0
2
1
Figura 7.14: Grfica de la funcin z(x, y) = cos(y) cos(x) con colores aleatorios.
1.0
Z
0
-1.0
0
0
1
1
2
2
3
3
4
4
5
5
6
6
7
101
1.0
0.8
0.6
0.4
0.2
Z
0
-0.2
-0.4
-0.6
-0.8
-1.0
0
2
Y
3
X
7.4.
2(1 +
4 sin(8)
)
10
10
es un toro ondulado en tres dimensiones. A continuacin mostramos el cdigo de la funcin parametrica.
f unction[x, y, z] = toroondulado(theta, phi)
R = 1; r = 0,2 (1 + 0,4 sin(8 theta))
x = (R + r cos(phi)). cos(theta)
y = ((R + r cos(phi)). sin(theta)
z = r sin(phi)
endf unction
0.20
0.15
0.10
0.05
Z 0.00
0.05
0.10
0.15
0.20
1.5
1.0
1.5
0.5
1.0
0.0
0.5
0.0
0.5
0.5
1.0
1.0
1.5
1.5
0.3
0.2
0.1
0.0
0.1
0.2
0.3
1.5
1.0
0.5
1.0
0.0
0.5
0.0
0.5
Y
0.5
1.0
1.0
1.5
1.5
7.5.
Captulo 8
Ecuaciones diferenciales
ordinarias.
8.1.
107
108
3.1
2.7
2.3
1.9
1.5
1.1
0.7
0.3
0
10
0
0
10
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0
10
3.2
2.8
2.4
2.0
1.6
1.2
0.8
0.4
0.0
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
(8.1)
3.2
3.2
2.8
110
2.4
2.0
1.6
1.2
0.8
0.4
0.0
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
(8.2)
> def f (00 yprim = f (t, y)00 , [00 yprim1 = cos(y(2))00 ;00 yprim2 = sin(y(1))00 ; ..
>00 yprim = [yprim1; yprim2]00 ])
> f x = 0 : 0,3 : 3; f y = 0 : 0,3 : 3;
> f champ(f, 1, f x, f y)
> t0 = 0;
> t = t0 : 0,1 : 5;
> y0 = [2; 2];
> sol = ode(y0, t0, t, f );
> plot2d(sol(1, :), sol(2, :), 5,00 00000 )
En el siguiente ejemplo trataremos una ecuacin diferencial que modela un
cierto tipo de movimiento oscilatorio que se conoce con el nombre de ecuacin
de Duffing.
x00 (t) + Rx0 (t) + x(t)3 = A cos(t)
(8.3)
Como primer paso reducimos el orden de esta ecuacin. La ecuacin 8.3 es
3.2
3.2
2.8
2.4
2.0
1.6
1.2
0.8
0.4
0.0
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
x0 (t) =
(8.4)
3.2
112
3.2
2.8
2.4
2.0
1.6
1.2
0.8
0.4
0.0
0.0
0.4
0.8
1.2
1.6
2.0
2.4
2.8
3.2
Bibliografa
[1] Gobierno de Chile Ministerio de Educacin: Matemtica Programa de
Estudio Cuarto ao medio 2002.
[2] Jorge Soto Andrade, Patricio Gonzlez Gonzlez: Matemtica 4 Medio
Marenostrum 20052006.
[3] Gonzalo Ribera Lira: Matemtica Cuarto Medio Zig-Zag 2001.
[4] Seymour Lipschutz: Algebra Lineal Libros McGraw-Hill de Mexico
[5] Rodrigo Bamn C.,Patricio Gonzles G., Jorge Soto A.: Matamtica
activa, Cuarto ao Medio Mare Nostrum.
[6] Gobierno de Chile, Ministerio de educacin: Matemtica, Programa de
estudio, Cuarto ao Medio
[7] Dennis W. Sunal, Emmet L. Wright, Jeanete B. Day: Reform in Undergraduate Science Teaching for 21st Century
[8] Bruno Pinzon: Une introduction a Scilab
http://www.iecn.u-nancy.fr/ pincon/scilab/scilab.html
[9] L. E. van Dijk and C. L. Spiel: sci-BOT (Scilab Bag Of Tricks)
ftp://ftp.inria.fr/INRIA/Scilab/contrib/sci-BOT.
[10] C. Mazeau et C. Moreau Scilab par la pratique
http://scilabsoft.inria.fr/doc/Scilabpratique/index.html
[11] Paulo S. Motta Pires, David A. Rogers:Free-Open source software: An
alternative for engineering students acceso libre en www.scilab.org.
[12] Roberto Hojman Ginerman.: Matemtica Cuarto Medio.
113
ndice alfabtico
contour, 92
eval3dp, 102
grayplot, 92
histplot, 64
linspace, 24, 47
param3d, 87
param3d1, 50
plot2d, 23, 47
plot2d3, 64
plot3d, 55, 92
plot3d1, 92
xbasc(), 23
estadstica, 63
histograma, 63, 7275
mediana, 76, 7981, 86
SCILAB, 81, 8486, 92, 97, 98, 102,
107, 109
talleres, 9, 18, 20, 21
114