Álgebra Linear
- Detalhes
- Categoria: Disciplina
- Santana, A.P. & Queiró, J. F. (2010). Introdução à Álgebra Linear. Gradiva.
- Ciência de Dados (L) (ISMAT)
- 6321
- 2091
- Álgebra Linear
- ISMAT6321-2091
- 1
- 6
- 0
- 12
- Não
- Português
- A metodologia de ensino inclui o método expositivo (ME1) para apresentar os conteúdos necessários, o demonstrativo (ME2) para ilustrar a sua aplicação a casos práticos e o ativo (ME3) para resolução de exercícios em sala de aula, com e sem recurso ao computador. Sempre que adequado, são utilizados softwares de cálculo matricial e computação científica para apoiar a resolução de problemas e a exploração dos conceitos.
- Obrigatório
- No final desta unidade os estudantes devem saber: OA1. Dominar os conceitos e as operações elementares sobre matrizes; OA2. Discutir e resolver sistemas de equações lineares e utilizar o método de eliminação de Gauss; OA3. Formular e resolver problemas do mundo real usando sistemas de equações lineares; OA4. Calcular determinantes e compreender a sua utilidade; OA5. Determinar os valores próprios e os vetores próprios e saber utilizá-los no processo de diagonalização; OA6. Reconhecer os conceitos de espaço vetorial e transformação linear e utilizá-los na resolução de problemas destes domínios; OA7. Identificar e utilizar os conteúdos abordados na resolução de problemas de Ciência de Dados.
- CP1. Matrizes CP2. Sistemas de equações lineares CP3. Determinantes CP4. Valores e vetores próprios de matrizes CP5. Espaços vetoriais CP6. Transformações lineares
A avaliação de conhecimentos é feita por avaliação contínua ou por prova escrita de exame final. A avaliação contínua inclui a realização de três testes escritos com uma ponderação de 30% cada e a participação ativa nas aulas (10%).
- Semestral
- A unidade curricular de Álgebra Linear integra a área científica da Matemática e fornece os fundamentos do cálculo matricial, espaços vetoriais e transformações lineares. Estes conhecimentos constituem uma base essencial para diversas áreas da Ciência de Dados, nomeadamente aprendizagem automática, otimização, análise multivariada e processamento de dados.
