| Competencias do título |
| Código | Competencias do título |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Identificar o potencial dos métodos numéricos na resolución de problemas que xorden na ciencia de datos. | A2 |
B2 B3 B4 B8 B9 |
C1 C4 |
| Comprender os conceptos básicos dos métodos numéricos para aplicalos con criterio e non ser un mero usuario das opcións dun paquete de software como caixa negra. | A2 |
B2 B3 B4 B7 B8 B9 |
C1 C4 |
| Ter criterios para decidir os métodos numéricos aplicables e máis eficaces para cada problema e sentar as bases para estudar outros métodos máis avanzados que xurdan. | A2 |
B2 B3 B4 B7 B8 B9 |
C1 C4 |
| Xestionar ferramentas software que implementen os métodos numéricos estudados e adquirir a capacidade de implementalos e facer ampliacións dos mesmos. | A2 |
B2 B4 B9 B10 |
C1 C4 |
| Contidos |
| Temas | Subtemas |
| Conceptos básicos en métodos numéricos: converxencia, erros e orde | |
| Métodos numéricos de resolución de ecuacións non lineáis | Bisección, secante, Regula Falsi, punto fixo e Newton-Raphson |
| Métodos numéricos de resolución de grandes sistemas lineáis. | Métodos directos e métodos iterativos |
| Métodos numéricos para aproximar autovalores de matrices | Métodos de tipo potencia. Método QR. |
| Almacenamiento de grandes matrices no ordenador | |
| Métodos numéricos de resolución de sistemas de ecuacións no lineáis | Método de punto fixo. Método de Newton. |
| Métodos numéricos de optimización | Métodos de gradiente e gradiente conxugado. Algoritmos para a búsqueda lineal. Métodos de Newton e quasi-Newton. Métodos de optimización global e métodos de dúas fases. |
| Interpolación numérica nunha e en varias variables. |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Prácticas a través de TIC | A2 B2 B3 B4 B9 B10 C1 C4 | 14 | 35 | 49 |
| Traballos tutelados | A2 B2 B3 B4 B7 B8 B9 B10 C1 C4 | 1.5 | 6 | 7.5 |
| Solución de problemas | A2 B2 B4 B9 B10 | 7 | 14 | 21 |
| Proba obxectiva | A2 B2 B3 B4 B7 B8 C1 | 2 | 4 | 6 |
| Aprendizaxe colaborativa | A2 B2 B3 B4 B7 B9 B10 C1 | 0.5 | 5 | 5.5 |
| Sesión maxistral | A2 B2 B3 B4 B8 B9 | 20 | 40 | 60 |
| Atención personalizada | 1 | 0 | 1 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Prácticas a través de TIC | O profesor axudará aos estudantes a profundizar nos conceptos e métodos numéricos presentados nas sesions maxistrais con axuda do linguaxe Python. |
| Traballos tutelados | Os estudantes realizarán un traballo tutelado no que combinarán o uso dos diferentes coñecementos adquiridos na materia. |
| Solución de problemas | Resolveranse problemas que axuden á comprensión do funcionamento dos métodos numéricos estudiados. |
| Proba obxectiva | Realizarase un exame nas datas fixadas pola Xunta de Facultade para esta materia. A proba orientarase fundamentalmente á resolución de problemas. |
| Aprendizaxe colaborativa | Os estudantes terán a oportunidade de participar nun proxecto COIL. |
| Sesión maxistral | Durante as sesións maxistrais, a profesora presentará os contidos teórico-prácticos da materia. Motivará a necesidade dos distintos métodos numéricos usando problemas reais, e presentará os conceptos necesarios e os diferentes métodos numéricos, discutiendo as súas características principais. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas a través de TIC | A2 B2 B3 B4 B9 B10 C1 C4 | Avaliaranse traballos prácticos que se propondrán ao longo do curso. | 30 |
| Traballos tutelados | A2 B2 B3 B4 B7 B8 B9 B10 C1 C4 | Propondrase a realización dun traballo tutelado teórico-práctico que o estudante terá que defender ao final do curso. | 20 |
| Solución de problemas | A2 B2 B4 B9 B10 | Ao longo do curso realizaranse probas que consistirán na resolución de problemas como os estudados nas clases. | 20 |
| Proba obxectiva | A2 B2 B3 B4 B7 B8 C1 | Realizarase unha proba obxectiva nas datas fixadas na Xunta de Facultade. | 30 |
| Aprendizaxe colaborativa | A2 B2 B3 B4 B7 B9 B10 C1 | Propondrase a realización dun traballo tutelado teórico-práctico que o estudantado terá que defender ao longo do curso. Este traballo é opcional e unha alternativa ao traballo tutelado. Contará polo tanto hasta un 20% da cualificación final. | 0 |
| Observacións avaliación | |||
|
Para superar a materia, é necesario acadar una cualificación mínima do 50%. A avaliación da materia na segunda oportunidade de avaliación é como na primeria oportunidade. Os estudantes con recoñecemento de dedicación a tempo parcial e dispensa académica de exención de asistencia que non foro avaliados da parte de prácticas a través de TIC, poderán realizar unha proba específica para recuperar o 50% da nota desta parte; a proba obxetiva representará o 50% da cualificación final. Por último, seguendo o Regulamento disciplinar do estudantado da UDC, a realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso (nota numérica "0") na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeria oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta da primerira oportunidade se fose necesario. |
|||
| Fontes de información |
| Bibliografía básica |
R.L. Burden, D.J. Faires & A.M. Burden (2017). Análisis Numérico. CENCAGE Learning
A. Quarteroni & F. Saleri (2006). Calculo cientifico con Matlab y Octave. . Springer
J. Nocedal & S.J. Wright (2006). Numerical Optimization. Springer
S. Linge & H.P. Langtangen (2020). Programming for Computations - Python. Soringer
C.T: Kelley (2003). Solving Nonlinear Equations with Newton's Method. SIAM
R. Barrett, M. Berry, T.F. Chan, J. Demmel, J.M. Donato, J. Dongarra, V. Eijkhout, R. Pozo, C. Romin (1994). Templates for the Solution of Linear Systems: Building Blocks for Iterative Methods. SIAM |
|
|
|
| Bibliografía complementaria |
J.W. Demmel (1997). Applied Numerical Linear Algebra. SIAM
M. Locatelli & F. Schoen (2013). Global Optimization. Theory, Algorithms and Applications. SIAM
C.T. Kelley (1995). Iterative Methods for Linear and Nonlinear Equations. SIAM
C.T. Kelley (1999). Iterative Methods for Optimization. SIAM
G. Strang (2019). Linear Algebra and Learning from Data. Wellesley Cambridge Press
D.R. Kincaid & E.W. Cheney (2022). Numerical Analysis: Mathematics of Scientific Computing. AMS
J Kiusalaas (2013). Numerical Methods in Engineering with Python 3. Cambridge University Press |
|
|
| Recomendacións | |||
| Materias que se recomenda ter cursado previamente | |||
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |
|
Recomendase aos estudantes levar a materia o día e preguntar co profesorado as súas dúbidas. |