Datos Identificativos 2022/23
Asignatura (*) Álxebra Lineal Código 614G02001
Titulación
Grao en Ciencia e Enxeñaría de Datos
Descriptores Ciclo Período Curso Tipo Créditos
Grao 1º cuadrimestre
Primeiro Formación básica 6
Idioma
Castelán
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Vieites Rodriguez, Ana Maria
Correo electrónico
ana.vieites@udc.es
Profesorado
Vieites Rodriguez, Ana Maria
Correo electrónico
ana.vieites@udc.es
Web http://campusvirtual.udc.es/moodle
Descrición xeral Álxebra Lineal é unha asignatura cuadrimestral que se imparte no primeiro cuadrimestre do primeiro curso da titulación Grao en Ciencias e Enxeñería de Datos. Pertence ó módulo de Formación Básica. Nela débense adquirir hábitos relacionados coa capacidade de abastracción e rigor necesarios para un profesional no ámbito do coñecemento da análisis e xestión de datos. Os conceptos que se estudan son básicos para o desenrolo doutras materias máis específicas da titulación, tales como, por exemplo, Deseño e Análise de Algoritmos, Procesamento da Imaxe, Vídeo e Audio, Modelado de Bases de Datos, Aprendizaxe Automático, etc.

O carácter dos estudos e as necesidades de formación dos estudiantes do Grao en Ciencias e Enxeñería de Datos aconsella un enfoque computacional da Álxebra Lineal, por esta razón ponse unha especial énfase nos conceptos de Álxebra empregados na teoría de matrices, destacando o enfoque algorítmico nos métodos.


Competencias do título
Código Competencias do título
A1 CE1 - Capacidade para utilizar con destreza conceptos e métodos propios da matemática discreta, a álxebra lineal, o cálculo diferencial e integral, e a estatística e probabilidade, na resolución dos problemas propios da ciencia e enxeñaría de datos.
A2 CE2 - Capacidade para resolver problemas matemáticos, planificando a súa resolución en función das ferramentas dispoñibles e das restricións de tempo e recursos.
A12 CE12 - Capacidade de coñecer e aplicar os principios fundamentais, principais paradigmas e técnicas da programación paralela e distribuída ao desenvolvemento de algoritmos para o procesamento e análise masiva de datos.
A26 CE26 - Coñecemento das ferramentas informáticas actuais no campo da aprendizaxe automática, e capacidade para seleccionar a máis adecuada para a resolución dun problema.
A27 CE27 - Compresión e dominio de fundamentos e técnicas básicas para a procura e o filtrado de información en grandes coleccións de datos.
A33 CE33 - Ser capaz de formular, modelar e resolver problemas que requiran a aplicación de métodos, técnicas e tecnoloxías de ciencia e enxeñaría de datos.
B1 CB1 - Que os estudantes demostrasen posuír e comprender coñecementos nunha área de estudo que parte da base da educación secundaria xeral, e adóitase atopar a un nivel que, aínda que se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do seu campo de estudo
B3 CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética
B5 CB5 - Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía
B6 CG1 - Ser capaz de buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo.
B9 CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados.
C1 CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C3 CT3 - Capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer prazos e cumprilos.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Aplicar a teoría da matriz á resolución de sistemas de ecuacións lineais e interpretar os resultados obtidos A33
Comprensión e dominio dos conceptos relacionados coa descomposición de matrices, a súa interpretación xeométrica e as súas aplicacións na resolución de problemas doutras disciplinas científicas. A1
A2
A12
B1
B3
C1
Comprender as distintas nocións relacionadas coa teoría dos espazos vectoriais (bases, dimensións, subespazos). Use ferramentas de cálculo de matriz para calcular unha base e as ecuacións dun subespacio vectorial. A26
B3
C1
Identificar e estudar as aplicacións lineares así como a noción de base asociada con tal obxecto, coa axuda de representacións matriciais B1
B6
Domina o concepto de ortogonalidade e desenvolve capacidades para a súa aplicación ao método dos mínimos cadrados, a diagonalización ortogonal dunha matriz simétrica e, finalmente, a descomposición en valores singulares dunha matriz. A1
A12
A27
B1
B3
B9
C3
Adquirir o concepto de produto e control escalar e saber aplicar as propiedades a tal obxecto A1
B1
B3
B9
Comprender as nocións relacionadas coa diagonalización (por exemplo, valores / vectores / espazos propios, multiplicidade xeométrica e xeométrica, polinomio característico) A1
A2
B3
Desenvolver unha capacidade mínima de abstracción, concreción, concisión, imaxinación, intuición, razoamento, crítica, obxectividade, síntese e precisión, para usalos en calquera momento da actividade académica ou laboral, para poder afrontar con éxito garante os problemas que xorden. B1
B3
B5
B6

Contidos
Temas Subtemas
Tema 1: Sistemas de ecuacións lineais Introducción e definición. Operacións elementais. Método de eliminación de Gauss
Tema2: Álxebra matricial Operacións con matrices. Algúns tipos de matrices. Matrices elementais. Criterio de invertibilidad. Cálculo da inversa dunha matriz. Factorización LU. Determinante dunha matriz e propiedades.
Tema 3: Espazos vectoriais Definición. Combinaciones lineais. Subespacio xenerado por un conxunto de vectores. Dependencia e independencia lineal. Bases e dimensión. Sistemas lineais homoxéneos e subespacio solución. Rango dunha matriz. Coordenadas dun vector con respecto a unha base.
Tema 4: Aplicaciones Lineais Definición. Núcleo, imaxen e rango dunha aplicación lineal. Exemplos. Representación matricial. Matrices de cambio de base. Aplicacións multilineais: tensores.
Tema 5: Diagonalización Valores propios e vectores propios dunha matriz. Polinomio característico. Multiplicidad alxebraica e xeométrica. Criterios de diagonalización. Exemplos.
Tema 6: Ortogonalidad Espazos euclídeos. Producto escalar, norma, distancia, ortogonalidad. Bases ortogonais e ortonormais. Procedemento de Gram-Schmidt. Proxección ortogonal sobre un subespazo vectorial. Método de mínimos cadrados. Factorización QR. Matrices ortogonais e tranformacións ortogonais. Matrices simétricas, teorema espectral. Descomposición en valores singulares (SVD).

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A12 A27 A1 A2 B1 B5 B6 20 45 65
Aprendizaxe colaborativa A26 A1 B6 B9 C1 C3 8 11 19
Proba obxectiva A1 A2 B9 3 0 3
Sesión maxistral A33 A1 B3 B6 30 30 60
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio A través da plataforma Moodle oficial e ó comenzo de cada tema, os alumnos teñen acceso a un boletín de exercicios propostos relacionados cos contidos teóricos do tema.
Nas sesións de prácticas preténdese:
I) Animar ao alumno a resolver exercicios, nun primer momento dirixidos polo profesor, e despois eles solos (de ahí que os boletíns incluan indicacións para as solcións).
II) Fomentar a participación e a resolución razoada dos exercicios, evitando o uso de "receitas". Os alumnos deben inferir conclusións, que poidan ser máis ou menos sinxelas, dos exercicios plantexados.
IV) Dependendo do tema e dos recursos dispoñibles, propóñense exercicios sinxelos para resolver con linguaxe Python. Así pódense reforzar os conceptos traballados nas clases teóricas e resolver exercicios sendo a máquina a que faga os cálculos.

Xunto con cada boletín de exercicios, os alumnos serán informados sobre os obxectivos ou resultados de aprendizaxe que deberán alcadar ó final do correspondente tema.
Aprendizaxe colaborativa Ó longo do curso, o alumno pode (e debe) suscitar en calquera momento as dúbidas que xorden sobre os conceptos, exercicios e procedementos vistos nas sesións tanto de teoría coma de prácticas. Ademais, dependendo da capacidade de traballo dos estudantes e do tempo dispoñible, pódense propoñer pequenos proxectos, así como a resolución de exercicios en pequenos grupos de alumnos.

Proba obxectiva Realizaránse unha proba a través de Moodle e un exame por escrito.

A proba de Moodle constará de preguntas tanto de tipo teórico coma práctico. Abordará os contidos e resultados vistos ata ese intre do curso. Farase na aula con presencia dos mestres da materia.

O exame final será escrito e consistirá nunha colección de preguntas teóricas e / ou problemas (con diferentes graos de dificultad en na mesma liña dos propostos nos seminarios (TGR) e nos boletíns de exercicios).
Sesión maxistral A través das plataformas virtuais oficiais da Universidade, os alumnos teñen acceso ás notas de clase donde se detalladan os contidos teóricos de cada tema. Estes apuntes xunto ca bibliografía básica e material adicional dispoñible nas redes, permite, a cada alumno, elaborar o seu material de traballo para o seguimento e comprensión da asignatura. As clases teóricas e prácticas desenvolveranse de xeito coordinado para que os exercicios se realicen cas explicacións teóricas necesarias. As clases teóricas son reforzadas e complementadas cas prácticas de laboratorio. Faranse esforzos para manter un ritmo adecuado para a comprensión total dos contidos e lograr os obxectivos propostos. Procurarase unha presentación das técnicas formais mediante exemplos, con énfase en cálculos concretos e na natureza algorítmica dalgúns deles. Intentarase motivar ós estudantes a participar e para que sexan capaces de inferir conclusións propias.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Sesión maxistral
Aprendizaxe colaborativa
Descrición
Os alumnos teñen a posibilidade de revisar a nota obtida en cada unha das probas realizadas, verificando que cumpre os criterios de avaliación establecidos.

Así mesmo, as avaliacións das respostas ás preguntas e exercicios levados a cabo durante o cuadrimestre serán xustificadas, incluiranse as indicacións axeitadas para corrixir os erros e / ou mellorar as respostas con vistas a unha formación máis sólida.

Nas sesións en grupos reducidos, as dúbidas que suscitan os alumnos resólvense no grupo, especialmente aquelas que son comúns a varios deles ou ilustran un caso interesante. Se a pregunta é máis específica ou non queda totalmente resolta, pode tratarse nas horas de titoría de forma individualizada, se é preciso.

Todos os alumnos poden preguntar dúbidas ás profesores da materia a través de calquera das plataformas oficiais da Universidade (Teams, Moodle).

Alumnos matriculados a tempo parcial: Dependendo das particularidades de cada caso, e na medida do posible, axústanse as probas de avaliación continua para que o alumno poida obter a mesma cualificación ca un alumno de matrícula ordinaria.

Alumnos matriculados con necesidades de adaptación curricular: Dependendo das particularidades de cada caso adaptaranse, na medida do posible, tanto os materiais de traballo proporcionados polas profesoras da asignatura coma tódalas probas de avaliación.





Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A12 A27 A1 A2 B1 B5 B6 Ó longo do cuadrimestre realizaranse 2 probas de avaliación continua. Estas probas incluen tanto preguntas sobre os contidos teóricos explicados como exercicios prácticos. Valorarase a presentación clara e razoada das respostas.
Será posible avaliar unha actitude participativa dos alumnos na resolución das cuestións formuladas durante as prácticas e nas titorías en pequenos grupos.

A nota obtida neste apartado (P) será a mesma nas dúas oportunidades do anuncio do curso académico.
30
Proba obxectiva A1 A2 B9 Ó longo do cuadrimestre farase unha proba mediante a plataforma Moodle. Esta proba consta de preguntas curtas de tipo teórico e prácticas. Abordará os contidos e resultados do temario vistos hata ese intre na asignatura. O resultado desta proba (M) contribuirá nun 20% na nota final.

Nas datas establecidas pola Xunta de Facultade na sua programación anual, o alumno fará unha proba escrita (E) ó final do cuadrimestre. Esta proba inclúe:
- Preguntas que permiten valorar se o alumno comprendeu os conceptos teóricos básicos.
- Exercicios con diferentes graos de dificultade na liña dos exercicios realizados na clase e dos presentados nos boletíns.
Valoraranse o dominio dos conceptos teóricos da materia, a súa comprensión e a súa aplicación na resolución de exercicios. Así mesmo, avaliarase a claridade e a orde na presentación dos resultados expostos.
Para que o alumno poida aproba-la asignatura, o resultado desta proba (E) debe ser maior de 4 puntos sobre 10.

O resultado desta proba (E) contribúe nun 50% á nota final da asignatura.
70
 
Observacións avaliación

La calificación de las prácticas de laboratorio (P) no se podrá
recuperar y será la misma en las dos oportunidades. Sin embargo, la nota
obtenida en la prueba al final del  cuatrimestre (E) se reescalará de
forma que un estudiante tenga la oportunidad de recuperar el 20% de esta
prueba de Moodle (M). Así, la calificación final (F) de cada estudiante
se calculará con la fórmula
F=P+M+0'1*(7-M)*E
siempre y cuando E sea mayor que  4. En  caso de que E<4, la nota final será E (esto es F=E siempre que E<4).

Que un estudiante se presente a la prueba final, supone que éste completó el proceso de evaluación continua.

Para
el alumnado que se se presente a la segunda oportunidad, el cálculo de F
se hará de la misma forma que en la primera oportunidad pero
sustituyendo  el valor de E por el que obtenga en la nueva prueba
escrita, prueba que tendrá lugar en la fecha oficial determinada por la
Junta de Facultad. 

En ambas  oportunidades, para superar  la materia, el valor de F tendrá que ser mayor o igual que 5.

Avaliación do alumnado matriculado a tempo parcial: Dependendo das particularidades de cada caso concreto e previo acordo coprofesorado encargado do grupo ao que estea asignado un estudante matriculado a tempo parcial, axustaranse as probas da avaliación continua para que o devandito estudante poida obter a mesma cualificación que un estudante de matrícula ordinaria.

Avaliación do alumnado matriculado con necesidades dalgunha adaptación curricular: Dependendo das particularidades de cada caso, axustaranse as probas de avaliación  para que o devandito estudante poida realiza-las mesmas probas que os seus compañeiros.



Fontes de información
Bibliografía básica S. Grossman, J. Flores (2012). Álgebra Lineal (edición: 7). Mc Graw Hill
David C. Lay (2014). Álgebra Lineal y sus aplicaciones (edición: 4). Addison-Wesley
Ron Larson (2017). Elementary Linear Algebra (edition:8th). Cengage Learning

Bibliografía complementaria B.Kolman, D. Hill (2006). Álgebra Lineal (edición: 8). Prentice Hall
D. Cherney et all (2013). Linear Algebra. bajo licencia Creative Commons


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías