Rutinas para procesamiento de señales

MODULO SCIPY ( OPERACIONES MATEMATICAS)
Parte II
APLICACIÓN:
Debido a que Scipy es una biblioteca de funciones matemáticas, tiene una gran
aplicación en el campo de la ingeniería.
Existen diferentes aplicaciones para este módulo, ya que algunas de sus
funciones son: Integrales, problemas de optimización, álgebra lineal e
interpolación de funciones especiales. También posee funciones estadísticas.
Scipy es de gran utilidad en muchos cursos, sobretodo en el curso de Modelos
Matemáticos. Esto es muy importante, pues Modelos Matemáticos es un curso
que se puede aplicar a todas las carreras que se llevan a cabo en la
Universidad del Valle. Scipy puede ser aplicado a estudios relacionados con
desarrollo, crecimiento poblacional, optimización de recursos etc. Al poseer
funciones estadísticas, Scipy puede ayudar al ingeniero en muchas otras
cosas.
Todo esto hace de Scipy un gran aliado del estudiante y del profesional en su
desempeño diario.
Recursos para aprender a utilizarlo (pags web, tutoriales para conocer la
funcionalidad, indicar cuál se recomienda principalmente)

http://docenciaeupt.unizar.es/ctmedra/scipy_tutorial/scipy_tutori
al.html#SECTION00210000000000000000

http://www.scipy.org/

http://www.denebola.org/?tag=scipy

http://tools.assembla.com/svn/homedevel/presents/numsci.pdf

Langtangen, H. 2004. Python Scripting for Computational Science.
Tercera edición. Editorial Springer. 728 pp. Página consultada 179

Hugo Pivaran, apoyo al momento de hacer las integrales en
graficas.
INSTRUCCIONES DE INSTALACIÓN:
Para poder utilizar Scipy en su ordenador, primero que nada, deberá de instalar
python, el cual lo puede obtener gratuitamente desde la página:
http://www.python.org/download/
Al tener Python instalado, deberá de instalar Numpy, que es un paquete con
muchas funciones; puede descargarlo aquí:
http://sourceforge.net/projects/numpy/files/
Luego de tener Numpy instalado… ¡Es el momento de instalar Scipy!
Lo puedes descargar en la siguiente dirección:
http://sourceforge.net/projects/scipy/files/
Si se desea ampliar el rango de funciones de Scipy, puede leer la siguiente
página:
http://nipy.sourceforge.net/nipy/devel/install/windows_scipy_build.html
Funcionalidad principal (lista de las principales funciones, o métodos, un
ejemplo para cada una dando parámetros y resultados):
Como SciPy es un módulo de Python para cómputo científico, depende de
NumPy. La librería de SciPy incluye un buen número de métodos numéricos
para la solución de una amplia gama de problemas.
SciPy funciona en la mayoría de los sistemas operativos, es fácil de instalar y
gratis.
GLOSARIO:
1.- Módulo: Minicódigos (la mayoría escritos también en Python) que llaman a
los recursos del sistema. Un ejemplo es el módulo Tkinter, que permite crear
interfaces gráficas que incluyan botones, cajas de texto, y muchas cosas que
vemos habitualmente en el sistema operativo. Los módulos se agregan a los
códigos escribiendo import seguida del nombre del módulo que queramos usar.
2.- NumPy:NumPy es una extensión del lenguaje de programación Python,
añadiendo soporte para grandesmatrices, junto con una gran biblioteca de
funciones de alto nivel matemático para funcionar en estas matrices.
3.- Optimización: el proceso de encontrar los mínimos y máximos de una
función.
4.- Integración: es un concepto fundamental de las matemáticas avanzadas,
especialmente en los campos del cálculo y del análisis matemático.
Básicamente, una integral es una suma de infinitos sumandos, infinitamente
pequeños.
5.- Interpolación: en el sub-campo matemático del análisis numérico, se
denomina interpolación a la construcción de nuevos puntos partiendo del
conocimiento de un conjunto discreto de puntos.
6.- Matrices: en matemáticas, una matriz es una tabla de números consistente
en cantidades abstractas que pueden sumarse y multiplicarse. Las matrices se
utilizan para describir sistema de ecuaciones lineales, realizar un seguimiento
de los coeficientes de una aplicación lineal y registrar los datos que dependen
de varios parámetros.
Provee las siguientes funcionalidades:
- Rutinas para Transformadas de Fourier (usando fftpack)
- Rutinas de integración numérica
- Rutinas de interpolación
- Rutinas de álgebra lineal (con un módulo especializado en matrices
dispersas)
- Rutinas para clusters (cuantización y kmeans)
- Rutinas para manipulación de imágenes (n-dimensionales)
- Rutinas de optimización
- Rutinas para procesamiento de señales
- Rutinas para estadística
Sub módulos en español
Nombre/ejemplo















racimo: Quantization/Kmeans del vector
fftpack: Fourier discreto transforma algoritmos
integre: Rutinas de la integración
interpole: Herramientas de la interpolación
io: Entrada y salida de datos
lib: Envolturas del Python a las bibliotecas externas
linalg: Rutinas lineares de la álgebra
misceláneo: Utilidades misceláneas
optimice: Herramientas de optimización
sandbox: Código experimental
señal: Herramientas del proceso de señal
escaso: Ayuda de matriz escasa
especial: Funciones especiales
stats: Funciones estadísticas
armadura: Permite la inclusión de C/C++ dentro del código del
Python
Sub módulos en inglés
Nombre/ejemplo

cluster: Clustering algorithms
Constants: Physical and mathematical constants















fftpack: Fast Fourier Transform routines
integrate: Integration and ordinary differential equation solvers
interpolate: Interpolation and smoothing splines
io: Input and Output
linalg: Linear algebra
maxentropy: Maximum entropy methods
ndimage: N-dimensional image processing
odr: Orthogonal distance regression
optimize: Optimization and root-finding routines
signal: Signal processing sparse
Sparse: matrices and associated routines
Spatial: Spatial data structures and algorithms
Special: Special functions
Stats: Statistical distributions and functions
Weave: C/C++ integration
importación del módulo
>>> import numpy as np
>>> import scipy as sp
>>> import matplotlib as mpl
>>> import matplotlib.pyplot as plt
Para importar los modulos, se deben llamar por separado; de la
siguiente manera:
>>> from scipy import linalg, optimize
Argumentos: como es de esperar, los argumentos de tipos simples se
pasan por valor. Así mismo, los nombres de las variables locales
declaradas dentro de la función, sólo son visibles dentro de ella, y lo
mismo cabe decir de los nombres de los argumentos. Las variables
locales del mismo nombre, ocultan a las globales.
Aplicación del módulo (en qué se utiliza, trabajos que se pueden hacer
con el módulo) (dar una idea general de en qué se podría utilizar el
módulo)
El módulo tiene gran aplicación debido a que es una biblioteca
de funciones matemáticas. Existen diferentes aplicaciones para SciPy,
entre las funciones más sencillas a utilizar están la integración y la
optimización.
Se podría utilizar para cursos más avanzados, como Álgebra
Lineal, Ecuaciones diferenciales. También es una introducción a un taller
a llevar, para todos los ingenieros, que se llama “mathcad”. Mathcad
con python pueden llegar a interrelacionarse.