Nombre: ÁLGEBRA LINEAL
Código: 525101003
Carácter: Básica
ECTS: 6
Unidad Temporal: Cuatrimestral
Despliegue Temporal: Curso 1º - Primer cuatrimestre
Menciones/Especialidades:
Lengua en la que se imparte: Castellano
Carácter: Presencial
Nombre y apellidos: PERIAGO ESPARZA, FRANCISCO
Área de conocimiento: Matemática Aplicada
Departamento: Matemática Aplicada y Estadística
Teléfono: 968338909
Correo electrónico: f.periago@upct.es
Horario de atención y ubicación durante las tutorias:
martes - 10:30 / 13:30
HOSPITAL DE MARINA, planta 0, Despacho B036
jueves - 12:00 / 14:00
HOSPITAL DE MARINA, planta 0, Despacho B036
Titulaciones:
Categoría profesional: Catedrático de Universidad
Nº de quinquenios: 5
Nº de sexenios: 4 de investigación y 1 de transferencia
Curriculum Vitae: Perfil Completo
[CB1 ]. Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
[CB2 ]. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
[CB3 ]. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
[CB4 ]. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
[CB5 ]. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
[CG3 ]. Capacidad para desarrollar experimentos y para implementar sistemas, infraestructuras, procesos y herramientas con el fin de soportar la manipulación de los datos durante todo el ciclo de vida de estos.
[CG4 ]. Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.
[CG5 ]. Conocer, desarrollar e implementar estrategias de gestión de datos con el fin de realizar su recolección, almacenamiento, preservación y disponibilidad para posteriores procesamientos.
[CE25 ]. Capacidad para la resolución de los problemas matemáticos básicos que puedan plantearse en la ciencia e ingeniería de datos, aplicando los conocimientos adquiridos (sobre álgebra, geometría, cálculo diferencial e integral, métodos numéricos, algorítmica numérica, estadística y optimización), y planificando su resolución en función de las herramientas de que se disponga y de las restricciones de tiempo y recursos.
[CE26 ]. Saber comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas en ciencia e ingeniería de datos con fundamento matemático.
[CE31 ]. Conocimiento de herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de los diferentes problemas.
Conocer las nociones básicas de números complejos y espacios vectoriales.
Conocer y manejar métodos de resolución de sistemas lineales.
Saber calcular la matriz de una aplicación lineal en una base y cambiar de base.
Conocer las nociones básicas del cálculo matricial.
Conocer las nociones básicas del espacio vectorial euclídeo: espacio vectorial con producto escalar.
Conocer métodos de resolución de problemas relativos a valores y vectores propios.
Conocer métodos de resolución numérica de sistemas lineales.
Números complejos, espacios vectoriales. Sistemas de ecuaciones lineales. Métodos numéricos para la resolución de sistemas de ecuaciones. Aplicaciones lineales, matrices y determinantes. Álgebra de matrices, valores y vectores propios, diagonalización. Productos escalares, ortogonalidad, espacios euclídeos, mínimos cuadrados, factorización QR.
ÁLGEBRA LINEAL
TEMA 1. Números complejos
Forma binomial y polar. La exponencial compleja. Raíces enésimas.
TEMA 2. Vectores, matrices y tensores
Dependencia e independencia lineal. Normas. Ortognalidad. Operaciones con matrices. Matrices por
bloques. Tensores. Operaciones con tensores
TEMA 3. Matrices elementales y sistemas de ecuaciones
Operaciones elementales en una matriz. Matrices de permutación. Matrices escalonadas. Rango de una
matriz
TEMA 4. Subespacios vectoriales
Conjuntos generadores y bases. Dimensión. Subespacios fundamentales de una matriz. Rango. Suma
de subespacios. Suma directa. Ecuaciones de subespacios. Coordenadas respecto de una base.
Cambios de base. Aplicaciones lineales. Transformaciones ortogonales.
TEMA 5. Ortogonalidad y factorización QR
Algoritmo de Gram-Schmidt. Proyecciones ortogonales. Factorización QR
TEMA 6. Vectores y valores propios
Vectores y valores propios. Matrices diagonalizables. Diagonalización de matrices simétricas. Valores
singulares. Factorización SVD
TEMA 7. Álgebra lineal numérica
Factorizaciones LU, PLU y Cholesky. Aplicaciones. Normas matriciales. Número de condición de una
matriz. Resolución numérica de sistemas: métodos directos y métodos iterativos. Cálculo numérico de
vectores y valores propios. Aproximaciones low-rank de matrices
Álgebra Lineal con Python
Práctica 1: Relacionada con los contenidos Tema 1 Números reales y complejos en Python Práctica 2: Relacionada con los contenidos Tema 2 Introducción a NumPy y N-dimensional arrays Práctica 3: Relacionada con los contenidos Tema 2 Más sobre NumPy arrays: index, slice, reshape, broadcasting, etc. Práctica 4: Relacionada con los contenidos Tema 2 Vectores: aritmética y normas Práctica 5: Relacionada con los contenidos Tema 2 Matrices: aritmética y normas Práctica 6: Relacionada con los contenidos Tema 2 Matrices sparse. Lectura de datos desde ficheros Práctica 7: Relacionada con los contenidos Tema 2 Tensores en Ciencia de Datos Práctica 8: Relacionada con los contenidos Tema 7,Tema 2 y Tema 3 Factorizaciones LU, PLU y Cholesky. Métodos directos de resolución de sistemas lineales Práctica 9: Relacionada con los contenidos Tema 7 y Tema 3 Métodos iterativos de resolución de sistemas lineales Práctica 10: Relacionada con los contenidos Tema 7 y Tema 6 Factorización QR. Cálculo de autovalores y autovectores Práctica 11: Relacionada con los contenidos Tema 7 y Tema 6 Factorización SVD Práctica 12: Relacionada con los contenidos Tema 1,Tema 7,Tema 2,Tema 3,Tema 4,Tema 5 y Tema 6 Repaso de prácticas
La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual, y en el que encontraras instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.
Linear Algebra
1. Complex numbers.
2. Vector spaces in finite dimension. Linear combinations. Linear dependence. Vector subspaces. Bases. Change of coordinates. Change of basis matrix.
3. Matrices. Determinants and linear systems.
4. Computational linear algebra. Condition number. LU and Cholesky decompositions. Direct solvers. Iterative methods.
5. Linear transformations.
6. Euclidean vector spaces. QR decomposition.
7. Eigenvalues and eigenvectors. SVD decomposition.
Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas.
Actividades de clase expositiva: Exposición teórica, clase magistral, proyección, dirigida al grupo completo de estudiantes, con
independencia de que su contenido sea teórico o práctico/aplicado. Junto a la exposición de conocimientos, en las clases se plantean cuestiones, se aclaran dudas, se realizan ejemplificaciones, se establecen relaciones con las diferentes actividades prácticas que se realizan y se orienta la búsqueda de información.
20
100
Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos.
Actividades de clase práctica de aula: Actividades prácticas de ejercicios y resolución de problemas, estudio de casos, aprendizaje
orientado a proyectos, exposición y análisis de trabajos, debates, simulaciones, etc. Suponen la realización de tareas por parte de
los alumnos, dirigidas y supervisadas por el profesor, con independencia de que en el aula se realicen individualmente o en grupos
reducidos.
21
100
Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos.
Actividades prácticas de laboratorio: Actividades de los estudiantes en aulas de informática o específicas, realizadas en grupos
reducidos o individualmente, dirigidas al uso y conocimiento de la materia de estudio, supervisadas por el profesor
12
100
Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.
Estudio de la asignatura de manera individual por parte del alumno.
90
0
Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.
Tutorías: Sesiones programadas individuales o en grupo de orientación, revisión o apoyo a los estudiantes por parte del profesor con
independencia de que los contenidos sean teóricos o prácticos.
3
100
Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.
Evaluación de las capacidades adquiridas tanto teóricas como prácticas.
4
100
Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.
Examen escrito de teoría, cuestiones teóricas y de cálculo. Se
obtendrá una nota T sobre 10.
75 %
Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.
1 Examen de prácticas con ordenador. Se obtendrá una nota P sobre 10.
2 Entrega de ejercicios de prácticas a lo largo del curso. Incluirá entrevista
oral. Se obtendrá una nota E sobre 10.
25 %
Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.
Examen escrito de teoría, cuestiones teóricas y de cálculo. Se
obtendrá una nota T sobre 10.
75 %
Informes escritos, trabajos y proyectos: Trabajos escritos, memorias, portafolios, entregables en formato digital realizados de forma individual o en grupo. Se contempla la posibilidad de la exposición oral de los resultados obtenidos y procedimientos aplicados, así como respuestas razonadas a las posibles cuestiones que se planteen en el contexto de la presentación.
1 Examen de prácticas con ordenador. Se obtendrá una nota P sobre 10.
2 Entrega de ejercicios de prácticas a lo largo del curso. Incluirá entrevista
oral. Se obtendrá una nota E sobre 10.
25 %
La calificación final se obtendrá según la fórmula
Calificación final = max {F, 0.8F + 0.2E}
donde
F = 0.7T + 0.3P
La asignatura estará aprobada si T y P son mayores o iguales que 4 y
Calificación final es mayor o igual que 5.
Este criterio se aplicará a todas las convocatorias del curso.
Autor: Gilbert Strang
Título: Linear Algebra and learning from data
Editorial: Wellesley - Cambridge Press
Fecha Publicación: 2019
ISBN:
Autor: Jason Brownlee
Título: : Basics of linear algebra for machine learning. Discover the mathematical language of data in Python
Editorial: Machine learning mastery
Fecha Publicación:
ISBN: