|
Álgebra lineal
|
Código:
22.404 :
6
|
|
Consulta de los datos generales
Descripción
La asignatura en el conjunto del plan de estudios
Conocimientos previos
Información previa a la matrícula
Objetivos y competencias
Contenidos
Consulta de los recursos de aprendizaje de la UOC para la asignatura
Información adicional sobre los recursos de aprendizaje y herramientas de apoyo
Informaciones sobre la evaluación en la UOC
Consulta del modelo de evaluación
|
Este es el plan docente de la asignatura para el primer semestre del curso 2024-2025. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. |
Esta asignatura pretende proporcionar al estudiante una formación básica sobre temas de álgebra, como son los elementos de álgebra lineal y geometría, sistemas de ecuaciones lineales, aplicaciones lineales, descomposición en valores singulares y modelos matriciales. Estos contenidos se aplicarán en ejemplos con datos realistas para que el estudiante vea su utilidad en el campo de la ciencia de datos. Al ser una asignatura de matemáticas, debe ayudar al estudiante en su formación científico-técnica, aportando un lenguaje y metodologías propios de las disciplinas matemáticas y científicas. Proporciona instrumentos para otras materias más directamente relacionadas con el mundo de la ciencia de datos aplicada.
|
Esta asignatura forma parte de la materia "Matemáticas y estadística" del grado de ciencia de datos aplicada que junto con las asignaturas "Iniciación a las matemáticas para la ingeniería", "Métodos numéricos en la ciencia de datos", "Modelado y optimización", "Probabilidad y estadística", "Análisis multivariante" y "Modelización e inferencia bayesiana" proporciona las bases matemáticas para asignaturas más avanzadas propias de la ciencia de datos.
|
Es muy conveniente haber cursado recientemente los cursos de matemáticas correspondientes a Bachillerato o nivel equivalente.
|
Esta asignatura se organiza mediante la realización de 5 actividades:
ACTIVIDAD 1 ¿Cómo resolver problemas típicos de la ciencia de datos con sistemas de ecuaciones lineales?
ACTIVIDAD 2 Espacios vectoriales y ciencia de datos
ACTIVIDAD 3 ¿Qué son los valores y vectores propios y para qué los utiliza Netflix?
ACTIVIDAD 4 ¿Cómo afrontar la maldición de la dimensionalidad en la ciencia de datos con el análisis de componentes principales y la descomposición en valores singulares?
ACTIVIDAD 5 Como podemos modelar sistemas dinámicos con cadenas Markov tal y como lo hace el algoritmo PageRank de Google?
Las dos últimas actividades son prácticas: utilizando el lenguaje de programación R, se resolverán problemas con datos reales o realistas aplicando los conceptos teóricos desarrollados en la asignatura.
|
Objetivos Generales
Esta asignatura introduce al estudiante en temas de álgebra y está orientada a futuros científicos y científicas de datos. Los objetivos generales son los siguientes:
- Proporcionar al estudiante conocimientos y habilidades básicas del álgebra, necesarios en el aprendizaje y aplicación a disciplinas vinculadas a diferentes asignaturas de la titulación.
- Desarrollar las capacidades del estudiante con respecto a la modelización formal y posterior resolución de problemas que pueden surgir en ámbitos diversos de la ciencia de datos.
- Aprender a utilizar software matemático (en este curso se utilizará el programa CalcME) y lenguajes de programación (utilizaremos R) que permita al estudiante experimentar con los conceptos de forma interactiva y, también, automatizar los algoritmos de resolución manuales.
Objetivos específicos
- Comprender la importancia del álgebra lineal en el ámbito de la ciencia de datos.
- Conocer y ser capaz de manipular elementos básicos de álgebra lineal (espacios vectoriales, independencia lineal, dimensión, matrices, determinantes) y de la geometría métrica (productos escalares, ortonormalidad, ángulos y distancias).
- Ser capaz de utilizar la calculadora CalcME para resolver problemas básicos del álgebra lineal.
- Comprender la importancia de los sistemas de ecuaciones lineales para resolver problemas típicos de la ciencia de datos.
- Reconocer un sistema de ecuaciones lineales, aprender a expresarlo de forma matricial y saber evaluar si tiene o no solución.
- Saber interpretar de forma geométrica un sistema de ecuaciones lineales.
- Ser capaz de resolver sistemas de ecuaciones lineales mediante los métodos de Gauss y Cramer.
- Comprender la dificultad de resolver un sistema de forma analítica cuando el número de incógnitas y ecuaciones es elevado, así como entender la necesidad de métodos numéricos para este tipo de sistemas.
- Comprender la utilidad de los conceptos de aplicación lineal, vectores y valores propios en el ámbito de la ciencia de datos.
- Conocer las aplicaciones lineales y aprender a representarlas en forma de matriz.
- Entender el concepto de vectores y valores propios, así como la manera de calcularlos y su interpretación geométrica.
- Ser capaz de resolver problemas de diagonalización de matrices cuadradas.
- Ser capaz de resolver un problema utilizando la descomposición en valores singulares en un caso de uso utilizando datos reales o realistas.
- Ser capaz de resolver un problema utilizando modelos matriciales en un caso de uso utilizando datos reales o realistas.
- Entender la utilidad de utilizar un lenguaje de programación para el tratamiento de grandes volúmenes de datos.
- Coger destreza en la utilización del lenguaje R para la resolución de problemas con un gran volumen de datos.
Competencias
Dentro de las memorias de Grado aprobadas por el Consejo de Universidades, las competencias específicas requeridas son las siguientes:
- Que los / las 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.
- Utilizar de forma combinada los fundamentos matemáticos, estadísticos y de programación para desarrollar soluciones a problemas en el ámbito de la ciencia de los datos.
- Uso y aplicación de las TIC en el ámbito académico y profesional.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Buscar, gestionar y utilizar la información más adecuada para modelizar problemas concretos y aplicar adecuadamente procedimientos teóricos para su resolución de manera autónoma y creativa
|
Herramientas de álgebra y geometría
- Matrices.
- Determinantes.
- Ecuaciones de rectas y planos.
- Espacios vectoriales.
- Producto escalar y ortogonalidad.
Sistemas de ecuaciones
- Sistemas de ecuaciones lineales (SEL).
- Expresión matricial de un SEL. Discusión de SEL.
- Sistemas lineales homogéneos.
- Resolución de SEL por Gauss.
- Sistemas de Cramer. Resolución de SEL por Cramer.
- Interpretación geométrica de los SEL.
Aplicaciones lineales
- Concepto de aplicación lineal.
- Matriz asociada a una aplicación lineal.
- Núcleo e imagen de una aplicación lineal.
- Morfismos y endomorfismos.
- Cambios de base en una aplicación lineal.
- Vectores y valores propios. Diagonalización.
Descomposición en valores singulares
- La maldición de la dimensión en ciencia de datos.
- Análisis de componentes principales (PCA): reducción de la dimensión y extracción de características.
- Aplicación de PCA a la ciencia de datos.
- Descomposición en valores singulares (SVD).
- Aplicación de SVD a la ciencia de datos.
Modelos Matriciales: Cadenas de Markov
- Introducción a los modelos matriciales en tiempo discreto.
- Concepto de cadenas de Markov en tiempo discreto. Diagrama de estados y probabilidades de transición.
- Evolución en el tiempo de una cadena de Markov.
- Matrices positivas y valor propio dominante. Distribuciones de estado estacionarias.
- Aplicación a la ciencia de datos.
|
|
|
|
Espai de recursos de ciència de dades |
Web |
Aplicacions lineals, diagonalització i vectors i propis: contextualització i objectius per a la ciència de dades |
PDF |
Aplicacions lineals, diagonalització i vectors propis: problemes per la ciència de dades |
PDF |
Descomposició en valors singulars: Introducció i aplicacions. Contextualització i objectius per la ciència de dades |
PDF |
Descomposició en valors singulars: introducció i aplicacions. Anàlisi de components principals (PCA) i descomposició en valors singulars (SVD) |
PDF |
Descomposicio en valors singulars: introducció i aplicacions. Problemes per a la ciència de dades |
PDF |
Descomposició en valors singulars: introducció i aplicacions. Estudi de cas i guia de resolució en R |
PDF |
Elements bàsics de l'àlgebra lineal. Contextualització i objectius per a la ciència de dades |
PDF |
Elements bàsics de l'àlgebra lineal. Problemes per a la ciència de dades |
PDF |
Resolució de sistemes d'equacions lineals. Contextualització i objectius per a la ciència de dades |
PDF |
Resolució de sistemes d'equacions lineals. Problemes per a la ciència de dades |
PDF |
Models matricials: cadenes de Markov. Contextualització i objectius per a la ciència de dades |
PDF |
Models matricials: cadenes de Markov. Problemes per a la ciència de dades |
PDF |
Cas d'ús i guia de resolució en R. Cadenes de Markov: estudi del vent |
PDF |
Àlgebra lineal per a la ciència de dades |
PDF |
Aplicacions lineals: matriu associada, vectors i valors propis i diagonalització |
PDF |
Iniciació a les matemàtiques per a l'enginyeria |
Web |
3. Espais vectorials |
Audiovisual |
2. Matrius i sistemes d'equacions lineals |
Audiovisual |
4. Aplicacions lineals |
Audiovisual |
1. Nombres complexos |
Audiovisual |
Sistemes d'equacions lineals: discussió, resolució i interpretació geomètrica |
PDF |
Elements d'àlgebra lineal i geometria: espais vectorials, matrius, determinants, espai afí i euclidià |
PDF |
Aplicacions lineals: matriu associada, vectors i valors propis i diagonalització |
PDF |
|
En el apartado recursos del aula encontraréis los manuales de CalcME y de R.
|
El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves. Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente - incluidas las pruebas finales - o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular. Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda. La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente. La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación.
|
Esta asignatura solo puede superarse a partir de la evaluación continua (EC), nota que se combina con una nota de prácticas (Pr) para obtener la nota final de la asignatura.La fórmula de acreditación de la asignatura es la siguiente: EC + Pr.Las calificaciones finales de la asignatura se calcularán de la siguiente manera:
- Si la EC y la Pr superan el mínimo, la calificación final será el resultado de la fórmula de cálculo.
- Si no se supera el mínimo de la EC, la calificación final será la de la EC.
- Si no se presenta la EC, la calificación final será No presentado.
- Si la EC supera el mínimo y la Pr no, la calificación final será la nota de la Pr.
- Si la EC supera el mínimo y la Pr no se presenta, la calificación final será Suspendido (2,5).
|
|