ILC c.a.

Algebra Lineal Aplicada en Contexto

ILC c.a.
A Distancia

Precio a consultar
¿Quieres hablar con un asesor sobre este curso?
¿Quieres hablar con un asesor sobre este curso?

Información importante

Tipología Curso
Metodología A distancia
Horas lectivas 32h
  • Curso
  • A distancia
  • 32h
Descripción

Objetivo del curso: Para trabaen matemáticas discretas aplicadas y en todas las matemáticas en donde se utilice la teoría de matrices. La descomposición en Valor singular te introduce a la creación de algoritmos de compresión y transmisión de imágenes. El cálculo y las aplicaciones de la teoría de valores propios son incontables. Se relaciona con la estadística en la parte de regresión lineal.
Dirigido a: Estudiantes que tomarán próximamente el curso universitario de Algebra Lineal. Todo aquel que esté interesado en las matrices y los vectores. Estudiantes de ingeniería. El tema regresión Lineal tiene aplicaciones a la estadística. Sirve de introducción a un curso de análisis o métodos numéricos.

Información importante

Preguntas & Respuestas

Plantea tus dudas y otros usuarios podrán responderte

Opiniones

4.5
Valoración del curso
100%
Lo recomiendan
4.5
excelente
Valoración del Centro

Opiniones sobre este curso

Y
Yoni Catacho
4.0 25/05/2010
Lo mejor: Interezante para que uno pueda aprender mas
¿Recomendarías este curso?:
¿Te ha ayudado esta opinión? (0)
E
Edgardo Mendoza
5.0 29/01/2010
Lo mejor: Este curso es muy valioso por lo interesante de su contenido y la forma en que se orienta.
¿Recomendarías este curso?:
¿Te ha ayudado esta opinión? (0)
* Opiniones recogidas por Emagister & iAgora

Temario

Matrices, operaciones.Aplicaciones a un problema de comunicaciones. Cadenas de Markov. Matrices de transición. Solución de sistemas de ecuaciones Lineales. Métodos de Gauss y de Gauss Jordan. Cálculo de la matriz inversa. Determinantes. Vectores de dimensión n. Método de ortogonalización de GRam Schmidt. Aplicacion al problema aproximación lineal por mínimos cuadrados. Ecuación normal. Regresión lineal. Valores propios (autovalores), vectores propios (autovectores). Transformaciones semejantes. Formas cuadráticas. Diagonalización de matrices. polinomio característico. Subespacios. teorema espectral. Diagonalización por matrices de rotación de Givens. Descomposición QR y Gram Schmidt. Diagonalización de Jordan. Algoritmo de Filipov. Aplicaciones. Método Simplex. Regresión Lineal. Calculo de autovalores por el algoritmo QR y QR transladado (shifted).

Información adicional

Observaciones:

Se atiende a distancia: Se efectuan trabajos y proyectos.


Persona de contacto: José Arturo Barreto Gutiérrez

Compara para elegir mejor:
Ver más cursos similares