PROGRAMA OFICIAL DE POSGRADO EN INGENIERA MATEMTICA

MASTER EN INGENIERA MATEMTICA

PROGRAMAS

CURSO 2009-2010

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Titulacin: Mster en Ingeniera Matemtica Departamento: Matemtica Aplicada Nombre de asignatura: Curso Propedutico:lgebra Tipo: A determinar por la lineal numrica comisin de admisin Curso: M2 Semestre: Primero (septiembre) Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 10 Horas de prcticas: 20 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor que imparte la asignatura: Juan Antonio Infante del Ro Objetivos: Conocimiento de la herramienta MATLAB. Formacin bsica en lgebra lineal numrica que ser de utilidad en asignaturas posteriores. Competencias o destrezas que se van a adquirir: Programar mediante MATLAB. Conocer los distintos mtodos que sirven para resolver los problemas que se estudian y saber elegir el ms apropiado para cada problema concreto. Utilizar los comandos de MATLAB relacionados con los temas estudiados. Prerrequisitos para cursar la asignatura: Los de admisin en el Mster. Contenido (breve descripcin de la asignatura): MATLAB: uso bsico y programacin. lgebra matricial. Resolucin de sistemas lineales: Mtodos directos y factorizacin de matrices. Resolucin de sistemas lineales. Mtodos iterativos. Resolucin de sistemas no lineales. Resolucin de sistemas lineales grandes: matrices banda y matrices dispersas. Clculo aproximado de autovalores y autovectores. Descomposicin en valores singulares. Mnimos cuadrados lineales. Bibliografa: Ciarlet P. G., Introduction lanalyse numrique matricielle et loptimisation, Masson, 1982. de la Fuente OConnor, J.L., Tcnicas de clculo para sistemas de ecuaciones, programacin lineal y programacin entera, 2 Edicin, Revert, 1998. Infante, J.A., Rey, J.M., Mtodos Numricos. Teora, problemas y prcticas con MATLAB, 2 Edicin, Ediciones Pirmide, 2002. Ortega J.M., Rheinboldt W.C., Iterative solution of nonlinear equations in several variables, Academic Press, 1970. Trefethen, L.N., Bau III, D.: Numerical Linear Algebra, SIAM, 1997. Metodologa docente: Exposicin de la materia, previamente entregada a los alumnos. Resolucin por parte del alumno, en el aula, de los problemas y casos prcticos propuestos, tutelado en todo momento por el profesor. Tutoras personalizadas, para la parte del trabajo que cada alumno no haya podido abordar en las horas de clase. Tipo de evaluacin: Trabajos Idioma en que se imparte: Espaol

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Titulacin: Master en Ingeniera Matemtica Departamento: Estadstica e Investigacin Operativa I Nombre de asignatura: Curso Propedutico: Lenguajes Tipo: A determinar por la de Programacin (Fortran, C) comisin de admisin Curso: M2 Semestre: Primero (Septiembre) Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia tericas: 6 Horas de docencia prcticas: 24 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Angel Felipe Ortega (1,5 cr.), Santiago Cano Alsa (1,5cr.) Objetivos: Explicar la sintaxis a nivel elemental-medio de Fortran y C. Explicar y aprender a usar grandes libreras cientficas. Competencias o destrezas que se van a adquirir: Entender cdigos de programas; elaborar programas de sencilla y moderada complejidad; saber utilizar libreras de clculo numrico, estadstico y optimizacin para resolver casos concretos; adquirir o mejorar hbitos de programacin Prerrequisitos para cursar la asignatura: Conocimientos elementales de manejo de un PC, conocimientos matemticos satisfactorios Contenido (breve descripcin de la asignatura): Lenguajes Fortran 95 y C. Subrutinas NAG e IMSL Bibliografa:
ADAMS, J.C., BRAINERD, W.S., MARTIN, J.T., SMITH, B.T. and WAGENER, J.L. (1997) "Fortran 95 Handbook. Complete ISO/ANSI Reference" MIT Press CANO, S. (2005) "Curso de Programacin en C" Apuntes propios FELIPE, A. (2005) "Curso Bsico de Fortran" Apuntes propios HANSEN, A. (1988) "Aprenda C Ya" Anaya

IMSL MATH/Library, IMSL STAT/Library, IMSL SFUN/Library Manuales en pdf

KERNIGHAN, B. and RITCHIE, D. (1978) "The C Programming Language" Prentice Hall

METCALF, M., REID, J. y COHEN, M. (2004) Fortran 95/2003 Explained, Oxford University Press NAG Fortran Library Manual, Mark 19 Manuales NAG en html-pdf Metodologa docente: Explicacin de ambos lenguajes a travs de numerosos ejemplos selectos progresivamente ms complejos. El alumno dispone con antelacin de una amplia documentacin impresa y en soporte informtico, comentada y modificable y tambin del software utilizado en la asignatura. Con las explicaciones dadas en las horas presenciales y la asistencia a tutoras, el alumno est en condiciones de realizar las prcticas y programas propuestos. Tipo de evaluacin: Prcticas personalizadas, entrega de programas Idioma en que se imparte: Espaol

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Observaciones: Fortran: Las clases presenciales se dedican a explicar numerosos programas, analizar cambios y estrategias de programacin, comentar y corregir errores, realizar pruebas, resolver dudas, etc., y requieren una participacin activa del alumno. No son el momento ni el lugar para que el alumno elabore programas de moderada complejidad, lo cual consumira el tiempo docente disponible, sino que el alumno debe realizar esta tarea en sus horas de trabajo personal.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Titulacin: Postgrado en Ingeniera Matemtica Departamento: Anlisis Matemtico Nombre de asignatura: Curso Propedutico: Anlisis Tipo: A determinar por la Matemtico y Ecuaciones diferenciales ordinarias comisin de admisin Curso: M2 Semestre: Primero (septiembre) Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 10 Horas de prcticas: 20 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor que imparte la asignatura: Gustavo Adolfo Muoz Fernndez Objetivos: Conocimiento de la herramienta MATLAB. Buena formacin en Anlisis Matemtico. Competencias o destrezas que se van a adquirir: Programar mediante MATLAB. Conocer los distintos mtodos que sirven para resolver los problemas que se estudian y saber elegir el ms apropiado para cada problema concreto. Utilizar los comandos de MATLAB relacionados con los temas estudiados. Prerrequisitos para cursar la asignatura: Los de admisin en el Mster. Contenido (breve descripcin de la asignatura): MATLAB: uso bsico y programacin. Clculo diferencial. Convexidad y optimizacin. Problemas de valor inicial y de contorno. Introduccin a las ecuaciones en derivadas parciales. Bibliografa: Infante, J.A., Rey, J.M., Mtodos Numricos. Teora, problemas y prcticas con MATLAB, 2 Edicin, Ediciones Pirmide, 2002. Marsden, J. y Hoffmann, M. Anlisis Clsico Elemental. Addison-Wesly (1998). Apostol, T. Anlisis Matemtico. Revert (1979). Carothers, N. Real Analysis. Cambridge (2000). Fernndez Prez, C. y otros, Ecuaciones diferenciales y en diferencias, Thomson 2003. Hirsh, M.W. Y Smales, S., Ecuaciones diferenciales, sistemas dinmicos y lgebralineal Ed. Alianza Universidad. 1983. Metodologa docente: Exposicin de la materia previamente entregada a los alumnos. Resolucin por parte del alumno, en el aula, de los problemas y casos prcticos propuestos, tutelado en todo momento por el profesor. Tutoras personalizadas para la parte del trabajo que cada alumno no haya podido abordar en las horas de clase. Tipo de evaluacin: Entrega de trabajos. Idioma en que se imparte: Espaol

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Titulacin: Postgrado en Ingeniera Matemtica Departamento: Estadstica e Investigacin Operativa, Hospital Clnico S. Carlos Nombre de asignatura: Curso Propedutico: Tipo: A determinar por la Probabilidad y Estadstica comisin de admisin Curso: M2 Semestre: Primero (Septiembre) Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 18 Horas de prcticas: 12 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor que imparte la asignatura: Javier Montero de Juan (0.8 cr.), Juan AntonioTejada Cazorla (1.4 cr.), Cristina Fernndez Prez (0.8 cr.). Objetivos: Revisin de conceptos fundamentales de probabilidad, modelos probabilsticos e inferencia estadstica. Construccin de modelos bsicos de regresin. Introduccin en tcnicas bsicas de metodologa de investigacin clnica. Competencias o destrezas que se van a adquirir: Familiaridad con los conceptos bsicos de la probabilidad y de los modelos probabilsticos. Conocer, manejar e interpretar las herramientas bsicas del anlisis de datos y la inferencia estadstica. Construccin de modelos de regresin con especial atencin a los problemas mdicos. Anlisis y resolucin de problemas estadsticos sencillos en la metodologa clnica. Familiaridad con el paquete estadstico SPSS. Prerrequisitos para cursar la asignatura: Los de admisin en el Mster. Contenido (breve descripcin de la asignatura): El modelo de probabilidad. Resultados fundamentales. Variables aleatorias. Caracterizacin y propiedades fundamentales. Modelos probabilsticos discretos y continuos. Modelos asociados a la distribucin normal. El problema de la inferencia: Estimacin puntual y por intervalo. Contraste de hiptesis. Principales contrastes paramtricos y no paramtricos. Modelo de regresin lineal simple y mltiple. Construccin de modelos. Introduccin a la metodologa en investigacin clnica Bibliografa: Casella, G.; Berger, R.L.(1990): "Statistical Inference". Brooks/Cole. Ferrn, M., (2002). Curso de SPSS para Windows. McGraw-Hill Profesional. Montero, J. y otros, (1988). "Ejercicios y problemas de clculo de probabilidades". Daz de Santos. Pea, D. (2001) Estadstica: Modelos y mtodos. Alianza Universidad. Metodologa docente: Clases magistrales, de resolucin de problemas y casos prcticos, y trabajo en el aula informtica con el paquete SPSS. Tipo de evaluacin: Evaluacin continua, entrega de trabajos. Idioma en que se imparte: Espaol.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Titulacin: Master en Ingeniera matemtica Departamento: Sistemas Informticos y Programacin, Sopra Group (empresa) Nombre de asignatura: Bases de datos Tipo: Obligatoria Curso: M2 Semestre: Primero Crditos ECTS: 6 Horas totales estimadas de trabajo del alumno: 150 Horas de docencia terica: 20 Horas de prcticas: 40 Horas de trabajo personal del alumno y otras actividades: 90 Nombre del profesor/es que imparte/n la asignatura: Olga Marroqun Alonso (3.5 crditos), Juan Miguel Fernndez (2.5 crditos) Objetivos: Proporcionar al alumno conocimientos avanzados en el diseo de bases de datos que le capaciten para su gestin y manipulacin. Competencias o destrezas que se van a adquirir: Modelo entidad-relacin, modelo relacional, SQL, diseo de bases de datos. Prerrequisitos para cursar la asignatura: Lenguajes de programacin procedurales (nivel elemental) y lgebra (nivel medio).

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Contenido: 1. Introduccin Introduccin a las bases de datos Sistemas de gestin de bases de datos (SGBD) Instalacin del software de la base de datos ORACLE 2. El modelo entidad-relacin Entidades, atributos y relaciones Notacin para los diagramas entidad-relacin Introduccin a ORACLE Designer 3. El modelo de datos relacional Elementos bsicos: atributos y relaciones Claves (primaria/externa) y restricciones (dominio/clave/integridad) 4. Lenguajes de acceso a bases de datos SQL: Structured Query Language Lenguaje de definicin de datos (DDL) Lenguaje de manipulacin de datos (DML) Lenguaje de control de datos (DCL) Seguridad y optimizacin de consultas Introduccin al diccionario de datos de ORACLE Generacin de informes con SQL*Plus PL/SQL: Procedural Language/SQL Cursores y control de excepciones Procedimientos, funciones y paquetes Creacin de disparadores Introduccin a ORACLE Forms Creacin de pantallas de consulta y manipulacin de datos 5. Planificacin, diseo y administracin de bases de datos relacionales Ciclo de vida de los sistemas de informacin Ciclo de vida de las aplicaciones de bases de datos Diseo de bases de datos Diseo conceptual, diseo lgico y normalizacin Diseo fsico Administracin de datos y de la base de datos Componentes de la arquitectura de ORACLE Manejo de tablespaces y ficheros de datos Gestin de usuarios y privilegios Operaciones de copia de seguridad y recuperacin Herramientas de administracin: ORACLE Enterprise Manager y TOAD 6. Modelos de datos avanzados: Nuevas tendencias en bases de datos

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

Bibliografa bsica recomendada: 1. R. Elmasri, S.B. Navathe. Fundamentals of Database Systems. Addison-Wesley, 2000. 2. A. de Miguel, M. Piattini. Fundamentos y Modelos de Bases de Datos. Editorial Rama, 1999. 3. A. de Miguel, M. Piattini. Diseo de Bases de Datos Relacionales. Editorial Ra-ma, 1999. 4. A. de Miguel et al. Diseo de Bases de Datos: Problemas Resueltos. Editorial Rama, 2001. 5. S. Urman, R. Hardman, M. McLaughlin. Oracle Database 10g PL/SQL Programming. McGraw-Hill, 2004. 6. K. Loney, Bob Bryla. Oracle Database 10g DBA Handbook. McGraw-Hill, 2005. Bibliografa complementaria recomendada: 1. C. Batini, S. Ceri, S.B. Navathe. Diseo Conceptual de Bases de Datos: Un Enfoque de Entidades-Interrelaciones. Addison-Wesley Iberoamericana, 1994. 2. C.J. Date. Introduccin a los Sistemas de Bases de Datos. Pearson Educacin, 2001. 3. L. Grau, I. Lpez. Problemas de Bases de Datos. Sanz y Torres, 2001. Metodologa docente: El mdulo se desarrollar a travs de clases tericas, prcticas y de laboratorio. En las clases tericas se expondrn los conceptos fundamentales del mdulo, incluyendo ejemplos de aplicacin; en las clases prcticas se resolvern problemas propuestos previamente, y en el laboratorio se realizarn prcticas cuya presentacin contribuir a la calificacin final. Tipo de evaluacin (exmenes/trabajos/evaluacin continua): Examen final de conocimientos tericos y prcticos que determinar la parte principal de la calificacin. No obstante, dicha calificacin se matizar en cada caso por la resolucin y presentacin de los problemas propuestos en clase y las prcticas planteadas en el laboratorio. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2008-2009

Titulacin: Postgrado en Ingeniera Matemtica Departamento: Estadstica e Investigacin Operativa, SAS Institute, Dpto. Matemtica Aplicada UPM Nombre de asignatura: Estadstica aplicada y Minera de Tipo: Obligatoria datos Curso: M2 Semestre: Primero Crditos ECTS: 12 Horas totales estimadas de trabajo del alumno: 300 Horas de docencia terica: 60 Horas de prcticas: 60 Horas de trabajo personal del alumno y otras actividades: 180 Nombre del profesor que imparte la asignatura: Carmen Bravo Llatas (1,6 cr), M Isabel Garca de La Oliva (2 cr.), Miguel ngel Gmez Villegas (0,4 cr.), Jos Antonio Lpez Varona (0,4 cr.), Paloma Man Yaque (0,6 cr.), Leandro Pardo Llorente (1,6 cr.), Carlos Rivero Rodrguez (0,8 cr.), Juan A. Tejada Cazorla (2,6 cr.), Tefilo Valdes Snchez (1 cr.), Pedro Zufira Zataran (1 cr.). Objetivos: Descripcin de los conceptos de la Estadstica necesarios para desarrollar las aplicaciones en el mbito de la minera de datos. Descripcin y manejo de las herramientas bsicas de las tcnicas de minera de datos con los paquetes S.A.S. y HUGIN. Competencias o destrezas que se van a adquirir: Conocimiento Terico y Prctico de distintas tcnicas de la minera de datos. Construccin de modelos estadsticos. Capacidad de manejo de grandes volmenes de datos. Conocimiento y manejo del software profesional relevante para la minera de datos. Capacidad de resolucin de casos prcticos. Prerrequisitos para cursar la asignatura: Conocimientos de Probabilidad y Estadstica, Inferencia estadstica. Contenido (breve descripcin de la asignatura): Programacin en S.A.S. Tcnicas de anlisis multivariante. Modelos loglineales. Regresin logstica y anlisis de correspondencias. Tcnicas de prediccin. Introduccin a SAS Miner. rboles de Decisin. Redes neuronales. Redes Bayesianas. Otras tcnicas de minera de datos.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

10

Bibliografa: Agresti, A. (2002) Categorical Data Anlisis. Wiley. Logistic Regresin (Examples, using the SAS System). SAS Institute, Inc., Nc, USA. MANUAL ENTERPRISE MINER DE SAS Morrison, D. F. (1990) Multivariate Statistical Methods, McGraw-Hill. Arnold, S.F. (1981) The Theory of Linear Models and Multivariate Analysis, Wiley. Bernardo, J.M. y Smith, A.F.M. (1994) Bayesian Theory, Wiley. Jensen, F.V. (2001) Bayesian Networks and Decision Diagrams, Springer. B. Lawal (2003): Categorical data anlisis with SAS and SPSS. Applications. Laurence Erlbaum Associates Publishers. London Gmez Villegas, M.A. (2005) Inferencia Estadstica. Madrid: Daz de Santos. Gelman, A., Carlin, J.B., Stern, H.S. and Rubin, B. (2004) Bayesian Data Analysis. London: Chapman&Hall. Probabilistic networks and expert systems / Robert G. Cowell... [et al.] Springer, 1999 Carroll, J.D., Green, P.E. y Chaturvedi, A. (1997), Mathematical Tools for Applied Multivariate Anlisis. Academic Press. Metodologa docente: Clases magistrales, de resolucin de problemas y casos prcticos. Mtodo del caso. Trabajo diario en el aula informtica con el software SAS y HUGIN. Tipo de evaluacin: Evaluacin continua, entrega de trabajos, exmenes escritos sobre algunos temas. Idioma en que se imparte: Espaol. Titulacin: Postgrado en Ingeniera Matemtica Departamento: Estadstica e Investigacin Operativa, SAS Institute, Dpto. Matemtica Aplicada UPM Nombre de asignatura: Estadstica aplicada y Minera de Tipo: Obligatoria datos Curso: M2 Semestre: Primero Crditos ECTS: 12 Horas totales estimadas de trabajo del alumno: 300 Horas de docencia terica: 60 Horas de prcticas: 60 Horas de trabajo personal del alumno y otras actividades: 180 Nombre del profesor que imparte la asignatura: Carmen Bravo Llatas (1,6 cr), M Isabel Garca de La Oliva (2 cr.), Miguel ngel Gmez Villegas (0,4 cr.), Jos Antonio Lpez Varona (0,4 cr.), Paloma Man Yaque (0,6 cr.), Leandro Pardo Llorente (1,6 cr.), Carlos Rivero Rodrguez (0,8 cr.), Juan A. Tejada Cazorla (2,6 cr.), Tefilo Valdes Snchez (1 cr.), Pedro Zufira Zataran (1 cr.). Objetivos: Descripcin de los conceptos de la Estadstica necesarios para desarrollar las aplicaciones en el mbito de la minera de datos. Descripcin y manejo de las herramientas bsicas de las tcnicas de anlisis de datos (minera de datos) con los paquetes S.A.S. y HUGIN. Competencias o destrezas que se van a adquirir: Conocimiento Terico y Prctico de distintas tcnicas del Anlisis de datos.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

11

Prerrequisitos para cursar la asignatura: Conocimientos de Probabilidad y Estadstica, Inferencia estadstica. Contenido (breve descripcin de la asignatura): Programacin en SAS. Tcnicas de anlisis multivariante. Modelos loglineales. Regresin logstica y anlisis de correspondencias. rboles de Decisin. Redes neuronales y prediccin. Inferencia bayesiana. Redes Bayesianas. Bibliografa: Agresti, A. (2002) Categorical Data Anlisis. Wiley. Logistic Regresin (Examples, using the SAS System). SAS Institute, Inc., Nc, USA. MANUAL ENTERPRISE MINER DE SAS Morrison, D. F. (1990) Multivariate Statistical Methods, McGraw-Hill. Arnold, S.F. (1981) The Theory of Linear Models and Multivariate Analysis, Wiley. Bernardo, J.M. y Smith, A.F.M. (1994) Bayesian Theory, Wiley. Jensen, F.V. (2001) Bayesian Networks and Decision Diagrams, Springer. B. Lawal (2003): Categorical data anlisis with SAS and SPSS. Applications. Laurence Erlbaum Associates Publishers. London Gmez Villegas, M.A. (2005) Inferencia Estadstica. Madrid: Daz de Santos. Gelman, A., Carlin, J.B., Stern, H.S. and Rubin, B. (2004) Bayesian Data Analysis. London: Chapman&Hall. Probabilistic networks and expert systems / Robert G. Cowell... [et al.] Springer, 1999 Carroll, J.D., Green, P.E. y Chaturvedi, A. (1997), Mathematical Tools for Applied Multivariate Anlisis. Academic Press. Metodologa docente: Clases magistrales, de resolucin de problemas y casos prcticos, y trabajo en el aula informtica con el software SAS y HUGIN. Tipo de evaluacin: Evaluacin continua, entrega de trabajos, exmenes escritos sobre algunos temas. Idioma en que se imparte: Espaol.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

12

Titulacin: Master en Ingeniera Matemtica Departamento: Matemtica Aplicada Nombre de asignatura: Mtodos Numricos, Tipo: Obligatoria Modelizacin y Sistemas Dinmicos Curso: M2 Semestre: Primero Crditos ECTS: 10 Horas totales estimadas de trabajo del alumno: 250 Horas de docencia terica: 60 Horas de prcticas: 40 Horas de trabajo personal del alumno y otras actividades: 170 Nombre del profesor/es que imparte/n la asignatura: Ana Carpio (1,4 cr.), Antonio Lpez (1,8 cr.), Gerardo Oleaga (1,8 cr.), Jess Ildefonso Daz Daz (1,5 cr.), ngel Manuel Ramos del Olmo (2 cr.), Rodolfo Bermejo Bermejo (1,5 cr.) Objetivos: Formar especialistas capaces de predecir el comportamiento de sistemas relevantes en Ciencia y Tecnologa a partir de la simulacin por ordenador de los modelos que los describen. Ensear al alumno las tcnicas ms comunes para la formulacin matemtica de problemas de inters cientfico y tcnico elegidos de los campos de la ingeniera, fsica, qumica y ciencias de la vida. Aplicar mtodos numricos y tcnicas de anlisis matemtico para calcular y analizar la solucin de los modelos construidos. Competencias o destrezas que se van a adquirir: Capacidad de formular esquemas sencillos en diferencias finitas para distintos tipos de ecuaciones. Habilidad para calcular errores de truncatura y condiciones de estabilidad. Capacidad de obtener formulaciones variacionales para problemas elpticos. Habilidad para construir los espacios de elementos finitos asociados, sus funciones de base y los sistemas matriciales a resolver. Capacidad de programar mtodos sencillos de diferencias finitas en MATLAB. Familiaridad con el paquete de elementos finitos de MATLAB. Modelizacin de fenmenos Fsicos por medio de ecuaciones matemticas y posterior resolucin y simulacin en el ordenador. Prerrequisitos para cursar la asignatura: Conocimientos de Matemticas como los correspondientes a una Licenciatura en Matemticas, Fsicas o cualquier Ingeniera Superior. Conocimientos bsicos de programacin en Matlab

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

13

Contenido (breve descripcin de la asignatura): Parte I: Mtodos Numricos Avanzados - Simulacin numrica de modelos que involucran ecuaciones diferenciales ordinarias - Simulacin numrica de modelos en derivadas parciales: diferencias finitas y elementos finitos Parte II: Modelizacin, Sistemas Dinmicos y Control II.A El tiempo como variable independiente. Captulo.1. Introduccin Captulo 2. Modelizacin. Captulo 3. Teora general de EDOs. . Captulo 4. Sistemas caticos Captulo 5. Control de sistemas dinmicos finito-dimensionales. Captulo 6. Introduccin a la teora de juegos diferenciales II.B Tiempo y espacio Captulo 1 Modelos de conservacin de masa Captulo 2 Interpretacin de resultados numricos. Ciclos y bifurcaciones. Captulo 3 Ecuaciones de Navier-Stokes Bibliografa: - Akai, T.J., Applied numerical methods for engineers, John Wiley & Sons, 1980. - Bickford, W.B., A first course in the finite element method, Irwin, 1990. - Bellomo, N., Preciosi, L., Modeling, mathematical methods and scientific computation, CRC Mathematical Modelling Series, CRC Pres, 1995. - Iserles, I. Numerical analysis of differential equations, Cambridge, 1996. - Kincaid, D., Cheney, W., Anlisis numrico: las matemticas del clculo cientfico, Addison Wesley Iberoamericana, 1994. - Mathews, J.H., Fink, K.D., Mtodos numricos con Matlab, Prentice, 2000. - Vetterling, W.T., Teukolsky, S.A., Press, W.H.,Flannery, W.T., Numerical recipes: the art of scientific computing, Cambridge University Press, 1992. - Zienkkiewicz, O.C., Taylor, R.L., El mtodo de los elementos finitos, McGraw-Hill, 1994. - E. Beltrami (1981): Mathematics for Dynamic Modeling. Academica Press - P. Blanchard, R. L. Devaney and G.R. Hall (1998): Differential Equations. Brooks/Cole - P. Glendinning (1992): Instability and Chaos: An Introduction to the Theory of Nonlinear Differential Equations. Cambridge University Press. - J Guckenheimer and P Holmes (1983): Nonlinear Oscillations, Dynamical Systems and Bifurcations of Vector Fields. Springer- Verlag. - R Haberman (1994): Mathematical Models. SIAM Text in Applied Mathemayics. - N. Hirsch and S. Smale (1974): Differential Equations, Dynamical Systems and Linear Algebra. Academic Press. - F.L. Lewis and V.L. Syrmos (1995): Optimal Control. John Wiley and Sons, Inc. - R. Temam (1997). Infinite-Dimensional Systems in Mechanics and Physics. Springer-Verlag.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

14

Metodologa docente: Clases en aula de ordenadores que combinan breves explicaciones tericas al comienzo con la resolucin y programacin de casos prcticos a continuacin. Tipo de evaluacin: Para la primera parte: Evaluacin continua teniendo en cuenta los programas y problemas realizados por los alumnos y su actividad en clase. Para la segunda parte: entrega de trabajos. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

15

Titulacin: Master en Ingeniera Matemtica Departamento: Estadstica e Investigacin Operativa I Nombre de asignatura: Optimizacin y Simulacin Tipo: Obligatoria Curso: M2 Semestre: Segundo Crditos ECTS: 9 Horas totales estimadas de trabajo del alumno: 225 Horas de docencia terica: 45 Horas de docencia prctica: 45 Horas de trabajo personal del alumno y otras actividades: 135 Nombre del profesor/es que imparte/n la asignatura: Angel Felipe Ortega (2,5 cr.), Teresa Ortuo Snchez (3,5 cr.), Javier Yez Gestoso (3 cr.) Objetivos: - Aprender a modelizar, analizar y resolver problemas reales de optimizacin en procesos industriales y de gestin. - Saber disear, desarrollar y verificar un modelo de simulacin. Ser capaz de aplicar lo aprendido al estudio de algunos problemas industriales y de gestin (fiabilidad, lneas de espera, inventarios, etc.) Competencias o destrezas que se van a adquirir: - Saber modelizar casos reales de optimizacin. Ser capaz de comparar distintas modelizaciones para elegir la ms adecuada. - Resolver con software comercial problemas de optimizacin. - Implementar en lenguajes de programacin de propsito general algoritmos propios, exactos o heursticos. - Ser capaz de construir y aplicar mtodos metaheursticos a problemas de gran complejidad computacional. - Decidir cundo es adecuado realizar un estudio de simulacin. - Realizar un estudio de simulacin de eventos discretos, completando todos sus pasos. - Programar un modelo de simulacin, utilizando tanto software de carcter general como lenguajes propios de simulacin. - Analizar estadsticamente los resultados obtenidos. Prerrequisitos para cursar la asignatura: - Conocimientos satisfactorios de un lenguaje de programacin (Fortran C). Familiarizacin con el uso de libreras de clculo cientfico. - Nociones de estadstica: variables aleatorias, estimacin, intervalos de confianza, contrastes de hiptesis.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

16

Contenido (breve descripcin de la asignatura): Optimizacin: - Problemas de asignacin, distribucin de recursos y transporte. - Problemas de produccin y cadenas de suministro. Planificacin estratgica, tctica y de operaciones. - Gestin de inventarios. - Planificacin de proyectos. - Gestin de redes. Problemas de rutas. - Mtodos aproximados en optimizacin. Metaheursticas. Simulacin: - Anlisis de sistemas, construccin, verificacin y validacin de modelos de Simulacin. - Modelizacin de la Aleatoriedad en Sistemas Discretos. - Lenguajes de Simulacin. - Anlisis de Resultados. - Estudio de casos: a) un problema de gestin de lneas de espera; b) un problema de Fiabilidad, Disponibilidad y Mantenimiento; c) un problema de control de stock con demanda aleatoria. Bibliografa: BALL, M.O., MAGNANTI, T.L., MONMA, C.L. y NEMHAUSER, G.L. (1995) Netwok Models,Vol 7 Handbook in Operations Research and Management Science, Nort-Holland BALL, M.O., MAGNANTI, T.L., MONMA, C.L. y NEMHAUSER, G.L. (1995) Netwok Routing,Vol 8 Handbook in Operations Research and Management Science, Nort-Holland BARCEL, J. (1996) Simulacin de Sistemas Discretos. Isdefe BAZARAA, M.S., JARVIS, J.J. y SHERALI, H.D. (1990) Linear Programming and Network Flows Wiley BAZARAA, M.S., SHERALI, H.D. y SHETTY, C.M. (1993) Nonlinear Programming. Theory and Algorithms Wiley IMSL MATH/Library, IMSL STAT/Library, IMSL SFUN/Library Manuales en pdf LAW, A.M.; KELTON, W.D. (2000) Simulation Modeling and Analysis McGraw Hill MPL-FortMP (1997) Modeling System. Maximal Software NAG Fortran Library Manual, Mark 19 Manuales NAG en html-pdf SAS Manuales en html-pdf STAHL, I. (1990). Introduction to Simulation with GPSS: On the PC, Macintosh and VAX, Prentice Hall International WILLIAMS, H.P. (1999) Model Building in Mathematical Programming Wiley WOLSEY, L.A. (1998) Integer Programming Wiley

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

17

Metodologa docente: - Explicacin y discusin de numerosos modelos y casos de problemas reales de optimizacin en procesos industriales. - Resolucin con software de casos concretos. Estudio de variantes. Interpretacin, discusin y anlisis de los resultados. - El alumno dispone con antelacin de una amplia documentacin impresa y/o en soporte informtico, comentada y modificable y tambin del software utilizado en la asignatura. Tipo de evaluacin: - Prcticas personalizadas, entrega de trabajos, implementacin de algoritmos. - Planteamiento y resolucin por parte del alumno de un caso prctico elegido por ellos mismos, utilizando las tcnicas y el software desarrollados durante el curso. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

18

Titulacin: Master en Ingeniera Matemtica Departamento:Anlisis Matemtico, Matemtica Aplicada, Analistas Financieros Internacionales (AFI) Nombre de asignatura: Fundamentos de Matemticas Financieras Tipo: Obligatoria Curso: M2 Semestre: Segundo Crditos ECTS: 6 Horas totales estimadas de trabajo del alumno: 150 Horas de docencia terica: 30 Horas de prcticas: 30 Horas de trabajo personal del alumno y otras actividades: 90 Nombre del profesor/es que imparte/n la asignatura: Jos Luis Fernndez (coordinador), Ignacio Villanueva (2 cr.), Gerardo Oleaga (2 cr.). Francisco Manuel Mejas (1 cr.), Manuel Menndez (1 cr.) Objetivos: Se trata de introducir a los alumnos en los mercados financieros y en su modelizacin matemtica y estadstica. En dos vertientes, en la primera, la modelizacin para valoracin de los principales instrumentos financieros derivados del valor de las acciones y de los niveles de tipos de inters, en la segunda, se modelizan los riesgos, y la incertidumbre, sea de valor en una fecha, sea de flujos en la vida del instrumento, desde una visin global, de cartera en su conjunto, para capturar el riesgo. Competencias o destrezas que se van a adquirir: Existe en la actualidad un perfil profesional de matemtico o cuantitativo dentro de las entidades financieras, (entidades de crdito, gestoras, de fondos de inversin, compaas aseguradoras). Entre las tareas principales que este perfil profesional tiene encomendadas estn la valoracin de instrumentos financieros y la medicin del riesgo asociado a estos instrumentos. La formacin de este mdulo va encaminada a que los alumnos conozcan los modelos a aplicar para esas tareas, sus ventajas e inconvenientes, y (parte de) las dificultades de aplicacin. Prerrequisitos para cursar la asignatura: Ninguno ms all de los prerrequisitos necesarios para cursar el master. Contenido (breve descripcin de la asignatura):
Instrumento financieros asociados al valor de acciones, de ndices o de tipos de cambio. Caractersticas, riesgo, ingredientes de su valoracin, uso de cobertura de riesgos. Opciones. Fondos de inversin. Instrumentos financieros asociados a los tipos de inters. Poltica monetaria. Valor temporal del dinero. Bonos, swaps, forward, opciones sobre tipos de inters. La curva cupn cero. Teorema Fundamental de Valoracin de activos. Procesos estocsticos discretos. rboles binomiales. Fundamentos de valoracin de derivados. Frmulas de Black-Scholes. Riesgo de mercado. Riesgo asociado a los tipos de inters.

Bibliografa: Options, futures, and other derivatives, J. C. Hull, 6 Ed. Prentice Hall. Metodologa docente: Clases presenciales de carcter terico y prctico, con uso permanente de hoja de clculo y de programacin. Tipo de evaluacin: Trabajo en el que se exhiba el haber adquirido las destrezas sealadas. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

19

Titulacin: Master en Ingeniera Matemtica Departamento: Anlisis Matemtico Nombre de asignatura: Teora de la Seal Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 12 Horas de prcticas: 18 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Jos Mara Martnez Ansemil (1,3 cr.), Jos Ignacio Ronda Prieto (0,4 cr.), Vctor Manuel Snchez de los Reyes (1,3 cr.). Objetivos: Introducir a los alumnos en el tratamiento de seales, tan de actualidad hoy en da. Para ello se desarrollar el Anlisis de Fourier y se darn aplicaciones al filtrado y compresin de seales de imagen y sonido. Se har tambin uso de las wavelets para ese fin. Competencias o destrezas que se van a adquirir: El manejo de tcnicas de tratamiento digital de seales con ayuda de programas como MATLAB o KHOROS. Prerrequisitos para cursar la asignatura: Ninguno ms all de los generales del Master. Contenido (breve descripcin de la asignatura): Seales peridicas y series de Fourier. La transformada continua de Fourier. La transformada discreta de Fourier y la FFT. Muestreo, seales y filtros. Tratamiento digital de seales unidimensionales e imgenes. Bibliografa: -Burrus, C. S. et al, Ejercicios de tratamiento de la seal utilizando MATLAB, Prentice Hall, 1998. -Gasquet, C., Witomski, P., Fourier Analysis and Applications, Springer, 1998. -Oppenheim, A. V. et al., Seales y Sistemas, Prentice Hall, 1998. -Oppenheim, A. V. et al., Tratamiento de Seales en Tiempo Discreto, Prentice Hall, 2000. Metodologa docente: La parte terica ser explicada por el profesor en clases magistrales. La parte prctica consistir en la utilizacin del software indicado anteriormente para tratar distintos tipos de seales, unidimensionales y bidimensionales. En concreto se generarn y filtrarn distintos tipos de seales y se procesarn algunas imgenes fotogrficas. Tipo de evaluacin: Aparte de una evaluacin continua del aprovechamiento del alumno, se realizar una prueba sobre la parte de Teora y se deber entregar resuelto un caso prctico. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

20

Titulacin: Master en Ingeniera Matemtica Departamento: lgebra, Tecnologas de la Informacin y las Comunicaciones (CSICIFA) Nombre de asignatura: Criptografa Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 40 Nombre del profesor/es que imparte/n la asignatura: Ignacio Luengo Velasco (1 cr.), Fausto Montoya Vitini, CSIC (0,8 cr.), Amparo Fuster Sabater, CSIC (0,6 cr.), Gonzalo lvarez Maran, CSIC (0,6 cr.). Objetivos: 1.- Introducir al alumno los fundamentos de la Criptografa Moderna 2.-Proporcionar los conocimientos necesarios para entender y analizar cifrados en flujo, cifrados en bloque de clave secreta y de clave publica. 3.- Conocer los protocolos criptogrficos ms importantes y su aplicacin a la seguridad. Competencias o destrezas que se van a adquirir: Entender y programar algunos algoritmos de cifrado en bloque y de clave publica. Entender y manejar los protocolos de seguridad y los programas que los implementan. Prerrequisitos para cursar la asignatura: Ninguno aparte de los generales del Master. Contenido (breve descripcin de la asignatura): Conceptos Fundamentales. Complejidad. Criptoanlisis .Cuerpos finitos. Cifrado de Clave Secreta: Cifrado en bloque. DES y AES. Advanced Encryptation Standard. Cifrado en flujo: Aplicaciones en telefona mvil. Cifrado de Clave Publica. Intercambio de claves. RSA. Seguridad del RSA. El cifrado de El Gamal. Curvas elpticas Protocolos Criptogrficos: Autentificacin y firma digital. Esquemas para compartir secretos. Votaciones electrnicas Correo electrnico seguro. PGP. Otras Aplicaciones: Seguridad en Internet. Hacking web. Seguridad de usuarios: VPN. Bibliografa: Applied Cryptography. Protocols, Algorithms, and Source Code in C. 2nd ed. Schneier, Bruce. John Wiley & Sons, Inc., 1996. Criptografa Digital. Pastor, Jos; Sarasa, Miguel ngel. Coleccin Textos Docentes; Prensas Universitarias de Zaragoza; 1998. Criptography. Theory and Practice.Stinson, Douglas R. CRC Press. 1995. Cryptography and Network Security. Principles and Practice. 2nd ed. Stallings, William. Prentice Hall International Editions, 1999. Handbook of Applied Cryptography, Menezes, Alfred J., Paul C. van Oorschot, and Scott A.
VanstoneCRC Press, Inc., Boca Raton FL USA 1997 .

Tcnicas Criptogrficas de Proteccin de Datos. Fster, A.; De la Gua, D.; Hernndez, L.; Montoya, F.; Muoz, J. Ra-Ma, 1997. Metodologa docente: El temario ser impartido por los profesores en clases presenciales, en las que se potenciar la participacin activa de los alumnos. Adems se harn practicas con Maple y programas de seguridad informatica. Tipo de evaluacin: Evaluacin continua y eventualmente trabajos finales.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

21

Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

22

Titulacin: Master en Ingeniera Matemtica Departamento: Sistemas Informticos y Programacin Nombre de asignatura: Java y los Servicios Web (I) Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 10 Horas de prcticas: 20 Horas de trabajo personal del alumno y otras actividades: 40 Nombre del profesor/es que imparte/n la asignatura: Luis Fernando Llana Daz (1,5 crditos), Olga Marroqun Alonso (1,5 crditos) Objetivos: Proporcionar al alumno un conocimiento en profundidad de las principales libreras de cdigo compilado de las que dispone la plataforma de Java, con especial hincapi en las relativas al acceso a bases de datos relacionales. Competencias o destrezas que se van a adquirir: Desarrollo de aplicaciones de POO y JDBC (Java Database Connectivity). Prerrequisitos para cursar la asignatura: Lenguajes de programacin procedurales (nivel medio), conocimientos de programacin orientada a objetos (nivel elemental), diseo de bases de datos modelo relacional y SQL (nivel elemental). Contenido (breve descripcin de la asignatura): 1. Introduccin Conceptos bsicos de Java La Interfaz de Programacin de Aplicaciones de Java (API) 2. Clases bsicas de Java Entrada/Salida y colecciones JCF (Java Collections Framework) 3. Programacin concurrente Creacin y control de threads 4. Acceso a bases de datos relacionales: JDBC (Java Database Connectivity) Fundamentos de JDBC y ODBC Realizacin de consultas y manipulacin de sus resultados 5. Estructura y protocolos de la Web El protocolo HTTP y el lenguaje HTML Clientes y servidores

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

23

Bibliografa: Bsica 1. M. Campione, K. Walrath y A. Huml. The Java Tutorial: A Short Course on the Basics (3rd Edition). Addison-Wesley (The Java Series), 2001. 2. M. Campione, K. Walrath, A. Huml y Tutorial Team. The Java Tutorial Continued: The Rest of the JDK. Addison-Wesley (The Java Series), 1999. 3. C.S. Horstmann y G. Cornell. Java 2 (Volumen 1/Volumen 2). Prentice-Hall International, 2003. 4. H.M. Deitel y P.J.Deitel. Cmo programar en Java. Pearson Educacin, 2004. Complementaria 1. J. Garca de Jaln, J.I. Rodrguez, I. Mingo, A. Imaz, A. Brazlez, A. Larzabal, J. Calleja y J. Garca. Aprenda Java como si estuviera en Primero. Universidad de Navarra, 1999. http://www.tecnun.es/asignaturas/Informat1/AyudaInf/Index.htm 2. B. Eckel. Thinking in Java. Prentice-Hall International, 2002. http://www.mindview.net/ Metodologa docente: El mdulo se desarrollar a travs de clases tericas, prcticas y de laboratorio. En las clases tericas se expondrn los conceptos fundamentales del mdulo, incluyendo ejemplos de aplicacin; en las clases prcticas se resolvern problemas propuestos previamente, y en el laboratorio se realizarn prcticas cuya presentacin contribuir a la calificacin final. Tipo de evaluacin: Examen final de conocimientos tericos y prcticos que determinar la parte principal de la calificacin. No obstante, dicha calificacin se matizar en cada caso por la resolucin y presentacin de los problemas propuestos en clase y las prcticas planteadas en el laboratorio. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

24

Titulacin: Master en Ingeniera Matemtica Departamento: Sistemas Informticos y Programacin Nombre de asignatura: Java y los Servicios Web (II) Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 10 Horas de prcticas: 20 Horas de trabajo personal del alumno y otras actividades: 40 Nombre del profesor/es que imparte/n la asignatura: Luis Fernando Llana Daz (1,5 crditos), Olga Marroqun Alonso (1,5 crditos) Objetivos: Proporcionar al alumno, ya familiarizado con la programacin orientada a objetos y la construccin de aplicaciones JDBC (Java Database Connectivity), un conocimiento en profundidad de las principales libreras de cdigo compilado sobre Servicios Web de las que dispone la plataforma de Java. Competencias o destrezas que se van a adquirir: Desarrollo de aplicaciones de POO, Java Servlets, Java Server Pages, Struts y Servicios Web. Prerrequisitos para cursar la asignatura: Lenguajes de programacin procedurales (nivel medio), conocimientos de programacin orientada a objetos (nivel elemental), diseo de bases de datos modelo relacional y SQL (nivel elemental) y/o haber superado la asignatura Java y los Servicios Web (I). Contenido (breve descripcin de la asignatura): 1. Desarrollo de Java Servlets Ciclo de vida y API bsica de servlets Gestin de sesiones y cookies 2. Desarrollo de Java Server Pages (JSP) Elementos bsicos de JSP Creacin de libreras JSP a medida 3. Arquitectura MVC y Jakarta-Struts Las libreras Struts El patrn de diseo Modelo Vista Controlador 4. Introduccin a los Servicios Web Conceptos bsicos de SOAP (Simple Object Access Protocol) WSDL (Web Service Definition Language) Fundamentos para UDDI (Universal Description, Discovery and Integration) Implementaciones de los Servicios Web de Java

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

25

Bibliografa: Bsica 1. C.S. Horstmann y G. Cornell. Java 2 (Volumen 1/Volumen 2). Prentice-Hall International, 2003. 2. J. Garca de Jaln, J. I. Rodrguez, A. Imaz. Aprenda Servlets de Java como si estuviera en Segundo. Universidad de Navarra, 1999. http://www.tecnun.es/asignaturas/Informat1/AyudaInf/Index.htm 3. S. Allamaraju, K. Avedal et al. Professional Java Server Programming J2EE. Wrox Press, 2001. 4. C. Cavaness. Programming Jakarta Struts. OReilly & Associates, 2004. 5. E. Cerani. Web Services Essentials. O'Reilly & Associates. 2002. Complementaria 1. B. Eckel. Thinking in Java. Prentice-Hall International, 2002. http://www.mindview.net/ 2. T. Husted, C. Dumoulin, G. Franciscus, D. Winterfeldt. Struts in Action. Manning Publications, 2002. Metodologa docente: El mdulo se desarrollar a travs de clases tericas, prcticas y de laboratorio. En las clases tericas se expondrn los conceptos fundamentales del mdulo, incluyendo ejemplos de aplicacin; en las clases prcticas se resolvern problemas propuestos previamente, y en el laboratorio se realizarn prcticas cuya presentacin contribuir a la calificacin final. Tipo de evaluacin: Examen final de conocimientos tericos y prcticos que determinar la parte principal de la calificacin. No obstante, dicha calificacin se matizar en cada caso por la resolucin y presentacin de los problemas propuestos en clase y las prcticas planteadas en el laboratorio. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

26

Titulacin: Master en Ingeniera Matemtica Departamento: Nombre de asignatura: Clculo Estocstico y Aplicaciones Curso: Semestre: Tipo: Op (obligatoria/optativa) Crditos ECTS: 3

Horas totales estimadas de trabajo del alumno: (ECTSx25) 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: (indicar las horas presenciales que impartir cada uno) Anibal Rodrguez Bernal (15h) Ignacio Villanueva Dez (15h) Objetivos: Introduccin a los procesos estocsticos y a su uso en la modelizacin de derivados financieros. Aplicacin a la valoracin de estos derivados. Competencias o destrezas que se van a adquirir: Capacidad de uso de la Teora de Procesos Estocsticos en el anlisis de instrumentos financieros. (Primeros pasos) Prerrequisitos para cursar la asignatura: Ninguno ms all de los prerrequisitos necesarios para cursar el master. Contenido (breve descripcin de la asignatura): Introduccin a la probabilidad, las variables aleatorias y los procesos estocasticos. Procesos estocsticos en tiempo continuo. Movimiento browniano y procesos adaptados. Integracin estocstica. La integral de Ito. Clculo estocstico de Ito. Ecuaciones diferenciales estocsticas. Martingalas. Procesos de Ito y martingalas. Teorema de Girsanov. Modelos continuos de valoracin de derivados financieros. Frmula de BlackScholes. Aplicaciones. Valoracin de opciones europeas. Opciones americanas. Opciones binarias. Opciones con barrera.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

27

Bibliografa: Options, futures, and other derivatives, J. C. Hull, 6 Ed. Prentice Hall. B. Oksendal. Stochastic Differential Equations, Springer-Verlag (1980). L.Evans, An introduction to stochastic differential equations, U. Berkeley (2005) R. Dana, M. Jeanblanc, Financial markets in continuous time, Springer (2003) R. J. Elliot, P. E. Kopp, Mathematics of financial markets, Springer (1999) Metodologa docente: Clases presenciales de carcter terico y prctico, con uso de hoja de clculo y de programacin. Tipo de evaluacin: (exmenes/trabajos/evaluacin continua) Trabajo en el que se exhiba el haber adquirido las destrezas sealadas. Idioma en que se imparte: Espaol Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

28

Titulacin: Mster en Ingeniera Matemtica Departamento: lgebra Nombre de asignatura: Aplicaciones del lgebra Tipo: Optativa Computacional en Inteligencia Artificial Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Eugenio Roanes Lozano Objetivos: Conocer las principales posibilidades de un sistema de cmputo algebraico. Entender y manipular algoritmos del lgebra computacional con aplicaciones interdisciplinares. Desarrollar sencillos sistemas expertos y simulaciones en ingeniera sobre un sistema de cmputo algebraico. Competencias o destrezas que se van a adquirir: Capacitar al alumno para desarrollar e implementar simulaciones y sistemas expertos sobre un sistema de cmputo algebraico como Maple o CoCoA. Prerrequisitos para cursar la asignatura: Conocimientos elementales de lgebra conmutativa. Contenido (breve descripcin de la asignatura): Introduccin a Maple. Programacin en Maple. Algoritmos de lgebra computacional con aplicaciones interdisciplinares. Simulaciones en ingeniera del transporte. Introduccin a CoCoA. Lgica booleana y lgebra. Sistemas expertos y lgebra: extraccin de conocimiento y verificacin. Ejemplos de sistemas expertos en medicina, ciencias naturales, Bibliografa: * Cox- Little-O'Shea (1992): Ideals, Varieties and Algorithms, Springer-Verlag. * Roanes-Laita-Roanes (1996): An inference engine for Propositional Two-valued Logic Based on the Radical Membership Problem. En: Artificial Intelligence and Symbolic Mathematical. Computation, Springer, LNCS 1138. * Roanes-Laita (1998): An Applicable Topology-Independent Model for Railway Interlocking Systems. Math. Comp. Simul. 45/1-2. * Roanes-Roanes (1999): Clculos Matemticos por Ordenador con Maple. Ed. Rubios-1860. * Laita - Roanes et al. (2001): An Expert System for Managing Medical Appropriateness Criteria based on Computer Algebra Techniques. Comp. Math. Appl. 42/12. * Gonzlez Uriel-Roanes (2004): A knowledge-based system for house layout selection. Math. Comp. Simul. 66/1. * Roanes-Roanes-Laita (2004): An accelerated-time simulation of departing passengers' flow in airport terminals. Math. Comp. Simul 67. Metodologa docente: Clases presenciales (tericas y prcticas) y trabajos tutelados.

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

29

Tipo de evaluacin: Evaluacin continua, entrega de ejercicios y presentacin de trabajos individuales tutelados. Idioma en que se imparte: Espaol (sera posible impartirla en ingls) Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

30

Titulacin: Master en Ingeniera Matemtica Departamento: Matemtica Aplicada Nombre de asignatura: Los tipos de inters Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Gerardo Oleaga (1,5 cr), Belen Lerena (1,5 cr.) Objetivos: Competencias o destrezas que se van a adquirir: Prerrequisitos para cursar la asignatura: Contenido (breve descripcin de la asignatura): Curvas de tipos fundamentales. Los tipos forward. Valoracin de instrumentos de renta fija. Estructura temporal de los tipos de inters. Modelo de Hull-White. Modelo de Heath-Jarrow-Morton. El Libor-Market-Model o BGM. Valoraciones. Bibliografa: Metodologa docente: Tipo de evaluacin: Evaluacin continua. Idioma en que se imparte: Espaol Observaciones: Se actualizar la ficha en breve

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

31

Titulacin: Master en Ingeniera Matemtica Departamento: Anlisis Matemtico Nombre de asignatura: Introduccin a la gestin de Tipo: Optativa riesgos financieros Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Ignacio Villanueva (1,5 cr), M Jess Campin (1,5 cr.) Objetivos: Se introducir a los alumnos a la nocin de riesgo de mercado, y a las distintas metodologas para medirlo, as que como a las ventajas e inconvenientes relativas de estas metodologas. Se estudiar tambin el riesgo de crdito y los principales instrumentos financieros diseados para cubrirse de dicho riesgo, as como la valoracin de estos instrumentos. Competencias o destrezas que se van a adquirir: Una de las principales tareas a desempear por un matemtico trabajando en el rea cuantitativa de una entidad o consultora financiera es el anlisis y la medicin del riesgo asociado a una cartera formada por distintas clases de instrumentos financieros. En este asignatura se pretende que los alumnos se familiaricen con la nocin de riesgo de una cartera y sean capaces de medirlo y analizarlo. Tambin conocern la nocin de riesgo de crdito y los CDSs y CDOs. Prerrequisitos para cursar la asignatura: Contenido (breve descripcin de la asignatura): Riesgo de Mercado. Var, TailVar. Simulacin histrica y mediante modelos. Riesgo a largo plazo. Riesgo de crdito. Clasificacin crediticia. CDSs y CDOs. Bibliografa: Options, futures, and other derivatives, J. C. Hull, 6 Ed. Prentice Hall. Metodologa docente: Clases presenciales de carcter terico y prctico, con uso permanente de hoja de clculo y de programacin Tipo de evaluacin: Trabajo en el que se exhiba el haber adquirido las destrezas sealadas Idioma en que se imparte: Espaol Observaciones: Se actualizar la ficha en breve

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

34

Titulacin: Master en Ingeniera Matemtica Departamento: Matemtica Aplicada, Estadstica e Investigacin operativa Nombre de asignatura: Mtodos numricos en finanzas Tipo: Optativa Curso: M2 Semestre: Segundo Crditos ECTS: 3 Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 Horas de prcticas: 15 Horas de trabajo personal del alumno y otras actividades: 45 Nombre del profesor/es que imparte/n la asignatura: Juan Antonio Infante (1,5 cr), Begoa Vitoriano (1,5 cr.) Objetivos: Competencias o destrezas que se van a adquirir: Prerrequisitos para cursar la asignatura: Contenido (breve descripcin de la asignatura): Simulacin Montecarlo. Reduccin de Varianza. Muestreo por importancia. Simulacin EDPs. Mtodo de diferencias finitas; mtodos implcitos. El mtodo de CrankNicholson. Bibliografa: Metodologa docente: Tipo de evaluacin: Evaluacin continua. Idioma en que se imparte: Espaol Observaciones: Se actualizar la ficha en breve

Titulacin: Master en Ingeniera Matemtica

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

33

Departamento: Matemtica Aplicada, Seccin departamental de Astronoma y Geodesia Nombre de asignatura: Seminario y Semana de la Tipo: Obligatoria Modelizacin Curso: M2 Semestre: Primero Crditos ECTS: 2 Horas totales estimadas de trabajo del alumno: 25 Horas de docencia terica: 10 Horas de prcticas: 10 Horas de trabajo personal del alumno y otras actividades: 5 Nombre del profesor/es que imparte/n la asignatura: Coordinador: ngel Manuel Ramos del Olmo (2 cr.) Objetivos: Motivar y potenciar la capacidad de los estudiantes de poner en prctica los conocimientos adquiridos aplicndolos al estudio y modelizacin de casos prcticos. Competencias o destrezas que se van a adquirir: Aplicacin de herramientas matemticas a la modelizacin de casos prcticos Prerrequisitos para cursar la asignatura: Ninguno aparte de los generales del Master. Contenido (breve descripcin de la asignatura): Distintos casos prcticos planteados y expuestos por representantes de empresas. Bibliografa: Metodologa docente: A lo largo de una semana, (Semana de la Modelizacin), se desarrolla un seminario en cinco sesiones. En cada una de ellas ser invitada una empresa que expondr un caso que ser debatido por profesores y alumnos. Tipo de evaluacin: Evaluacin continua, presentacin de memoria. Idioma en que se imparte: Espaol, posiblemente ingls (en funcin de las empresas invitadas). Observaciones:

Posgrado en Ingeniera Matemtica UCM

Programas curso 2009-2010

34

Titulacin: Master en Ingeniera Matemtica Departamento: Astronoma y Geodesia Nombre de la asignatura: Tcnicas de inversin y Tipo: Optativa anlisis de datos gravimtricos Semestre: Segundo Crditos ECTS: 3 Curso: M2 116008 MODULO IV OPTATIVAS SEGUNDO AO Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 (0,6 ECTS) Horas de prcticas: 15 (0,6 ECTS) Horas de trabajo personal del alumno y otras actividades: 45 (1,8 ECTS) Nombre del profesor/es que imparte/n la asignatura: Fuensanta Gonzlez Montesinos (1,5 cr.), Jos Arnoso Sampedro (1,5 cr) Objetivos: Introducir a los alumnos en las diferentes tcnicas matemticas para el tratamiento de datos gravimtricos, tanto en series temporales como distribuidos espacialmente. Se desarrollarn los diferentes mtodos que actualmente se utilizan para la interpretacin gravimtrica. Por un lado, el curso se centrar en las series de datos temporales, por lo que el alumno adquirir los conocimientos necesarios relacionados con las seales peridicas, el anlisis armnico y las tcnicas de filtrado numrico aplicadas a la seal gravimtrica. Por otro lado, el alumno aprender distintos mtodos matemticos que permiten obtener toda la informacin que aporta la seal gravimtrica distribuida espacialmente. Adems, la resolucin del Problema Inverso se basa en el desarrollo de una metodologa que permita obtener los valores de algunos parmetros del modelo fsico en estudio a partir de los datos que generan. En el caso de Gravimetra, el problema inverso pretende determinar la distribucin de densidades de masa del subsuelo mediante valores de gravedad observados en la superficie terrestre. Siendo ste un problema de no unicidad de la solucin, existen diversas formas de planteamiento que el alumno conocer y ejercitar con aplicaciones prcticas y reales. Se plantea como objetivo final la interpretacin y aplicacin de los resultados, as como su extrapolacin a otras disciplinas afines. Competencias o destrezas que se van a adquirir: Manejo de tcnicas de anlisis de series de gravedad temporales. Uso de programas especializados (VAV, ETERNA, TSFOT) Manejo de tcnicas de anlisis de datos gravimtricos (diferenciacin, prolongacin, etc.) Problema inverso. Aplicacin a la gravimetra. Manejo de programas especializados. Prerrequisitos para cursar la asignatura: Ninguno ms all de los generales del Master

Contenido (breve descripcin de la asignatura): - Teora General. Datos de gravedad. Observaciones e instrumentacin. - Fenmenos observables. Mareas terrestres. Mapas de anomalas. - Mtodos de anlisis de series temporales. - Investigaciones de mareas terrestres. Aplicaciones. - Mtodos y tcnicas de anlisis de Mapas gravimtricos. - Problema directo: Caso 2D, 2.5D y 3D - Problema inverso: Planteamiento general. Parametrizaciones 2D y 3D. - Tcnicas de inversin gravimtrica. Mtodos lineales y no lineales. Algoritmo Gentico. - Aplicacin de tcnicas de inversin gravimtrica. Multidisciplinariedad . Bibliografa: BOX, G.E.P., JENKINS, G.M., REINSEL, G.C., 1994. Time series analysis. Forecasting and control. 3rd Ed. Prentice Hall, 587 pp JACOBY, W., SMILDE, P.L., 2009: Gravity Interpretation: Fundamentals and Application of Gravity Inversion PRIESTLEY, M.B., 1996. Spectral analysis and time series. 9th Ed. Academic Press, 890 pp TARANTOLA, A., 1987, Inverse Problem Thoery, Elsevier, msterdam, 613 pp. TORGE, W., 1989, Gravimetry. Ed. Walter de Gruyter, Berlin.465 pp. ZHDANOV. MICHAEL S., 2003, Geophysical inverse theory and regularization problems. Elsevier Science, 609 pp WILHELM, H., ZRN, W., WENZEL, H.G. 1997. Tidal phenomena. Lecture notes in Earth sciences, 66. Ed. Springer-Verlag, 398 pp HARRISON, J. C., 1985 "Earth Tides" Edit. Van Nostrand Reinhold Company Inc MELCHIOR, P., 1983. The tides of the planet Earth. 2nd Ed. Pergamon Press, 641 pp. Publicaciones en revistas especializadas: Journal of Geodynamics, Geophysics, Geophysical Journal International, Journal of Geophysical Research, Inverse Problem, etc. Metodologa docente: La parte terica ser explicada por los profesores en clases magistrales. La parte prctica consistir en la utilizacin del software apropiado para el anlisis tanto de series temporales, como para una distribucin espacial bidimensional y tridimensional de datos gravimtricos. Tambin se utilizar software para la resolucin del Problema Gravimtrico Inverso. Se utilizarn datos reales con los que el alumno desarrollar completamente el procedimiento de anlisis e inversin. La disponibilidad de dos laboratorios de Gravimetra en la Facultad de Matemticas y en el Valle de Los Cados (Madrid) facilitar al alumno el acceso a instrumentacin gravimtrica moderna y de precisin. Tipo de evaluacin: Adems de una evaluacin continua del aprovechamiento del alumno, se realizar una prueba sobre la parte de Teora y se entregarn resueltos diversos casos prcticos que se planteen. Idioma en que se imparte: Espaol Observaciones:

Titulacin: Master en Ingeniera Matemtica Departamento: Astronoma y Geodesia Nombre de la asignatura: Tipo: Optativa Redes geodsicas y GPS Curso: M2 Semestres: Segundo Crditos ECTS: 3 116008 MODULO IV OPTATIVAS SEGUNDO AO Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 (0,6 ECTS) Horas de prcticas: 15 (0,6 ECTS) Horas de trabajo personal del alumno y otras actividades: 45 (1,8 ECTS) Nombre del profesor/es que imparte/n la asignatura: Miguel J. Sevilla de Lerma Objetivos: La evolucin actual del concepto de la Red Geodsica, de los mtodos matemticos para el tratamiento de redes, as como de sus aplicaciones en Geodinmica e Ingeniera, ha hecho que el estudio de Redes Geodsicas constituya uno de los campos ms interesantes y modernos de investigacin geodsica. En este contexto las metas del curso consisten en preparar al alumno para la investigacin en Redes Geodsicas y la realizacin inmediata de aplicaciones reales. Los objetivos operacionales del curso consisten en presentar los aspectos actuales del diseo, clculo y compensacin, anlisis estadstico y optimizacin de Redes Geodsicas tanto terrestres como espaciales, locales y globales. El curso se completa con el estudio de investigaciones en campos de reciente aplicacin como son las modernas tcnicas de observacin con satlites artificiales, redes GPS y las redes para el estudio y determinacin de movimientos recientes de la corteza y el control de deformaciones de grandes estructuras. Competencias o destrezas que se van a adquirir: Plantear y resolver problemas de geodesia geomtrica incluyendo el diseo, clculo y compensacin de redes geodsicas. Conocimiento de las tcnicas de geodesia por satlites en especial tratamiento de datos GPS Prerrequisitos para cursar la asignatura: Ninguno ms all de los generales del Master Contenido (breve descripcin de la asignatura): 1. Redes Geodsicas. Observacin, clculo y compensacin. 2. Problemas geodsicos directo e inverso. Resolucin. 3. Sistemas de referencia terrestres y espaciales. 4. Redes 1D: Nivelacin y gravimetra. 5. Redes 2D: Planimetra. En el elipsoide y en proyeccin UTM. 6. Redes geodsicas Tridimensionales. 7. Modelos matemticos en la compensacin de redes. 8. Redes libres. Problema del Datum. 9. Constreimientos mnimos y constreimientos internos. 10. Anlisis estadstico de redes geodsicas. 11. Problemas de diseo y optimizacin de redes geodsicas. 12. El Sistema de Posicionamiento Global (GPS). 13. Ajuste de redes GPS. 14. Altitudes ortomtricas y Geoide. Nivelacin con GPS. 15. Redes para el control de deformaciones y para estudios geodinmicos

Bibliografa: BJERHAMMAR, A. B.: Theory of errors and generalized matrix inverses. Elsevier Scientific Pub. Co. Amsterdam. 1973. GRAFAREND, E. W. and SANSO, F. (Eds): Optimization and Design of Geodetic Networks. Springer-Verlag. Berlin. 1985. HOFMANN-WELLENHOF, B., H. LICHTENEGGER and J. COLLINS: G. P. S. Theory and Practice. Springer Verlag. Wien. 1997. LEICK, A.: GPS satellite surveying. John Willey. New York. 1995. SANSO, F.; M. J. SEVILLA Y L. MUSSIO: El problema de contorno de la Geodesia Fsica y Estudio de deformaciones de la corteza. Cursos y Seminarios N 3. Instituto de Astronoma y Geodesia. UCM-CSIC. Madrid. 1987. SEEBER, G.- Satellite Geodesy. de Gruyter. Berlin, 2003. SEVILLA, M. J.; K. LINKWITZ y H. HENNEBERG: Compensacin de Redes Geodsicas y sus aplicaciones convencionales y no convencionales. Cursos y Seminarios N 2. Instituto de Astronoma y Geodesia. UCM-CSIC. Madrid. 1986. SEVILLA. M.J.: Actualizacin de Clculos Astronmicos. Cursos y Seminarios N 8. Instituto de Astronoma y Geodesia. UCM-CSIC. Madrid. 2003. SEVILLA. M.J.: Clculos de precesin y nomenclatura. Cursos y Seminarios N 9. Instituto de Astronoma y Geodesia. UCM-CSIC. Madrid. 2009. XU, G.- GPS Theory, Algorithms and Applications, Springer. 2003.

Metodologa docente: Clases presenciales tericas y prcticas. Resolucin de problemas en grupo. Tutoras personalizadas. Tipo de evaluacin: La evaluacin es continua, con intervenciones de los alumnos en clase a lo largo de todo el curso. Se valoran estas intervenciones voluntarias y las exposiciones obligatorias de las ponencias que cada alumno debe preparar. Tambin se valoraran los ejercicios escritos sobre trabajos de investigacin publicados y la resolucin de los problemas planteados en las clases Idioma en que se imparte: Espaol Observaciones:

Titulacin: Master en Ingeniera Matemtica Departamento: Astronoma y Geodesia Nombre de la asignatura: Tipo: Optativa Optimizacin en problemas de control orbital. Tcnicas feed-back y funciones de coste Curso: M2 Semestres: Segundo Crditos ECTS: 3 116008 MODULO IV OPTATIVAS SEGUNDO AO Horas totales estimadas de trabajo del alumno: 75 Horas de docencia terica: 15 (0,6 ECTS) Horas de prcticas: 15 (0,6 ECTS) Horas de trabajo personal del alumno y otras actividades: 45 (1,8 ECTS) Nombre del profesor/es que imparte/n la asignatura: Pilar Romero Prez y Marta Folgueira Lpez Objetivos: La asignatura tiene como objetivo proporcionar una visin de la aplicacin a la ingeniera espacial de diversas herramientas matemticas aplicables en problemas de control de sistemas dinmicos. Competencias o destrezas que se van a adquirir: Aplicacin de las ecuaciones de Mecnica a la formulacin de los problemas de Dinmica Orbital. Elaboracin de modelos complejos de fuerzas. Determinacin de soluciones analticas aplicando el mtodo de variacin de las constantes. Optimizacin de maniobras de control minimizando la funcin de coste. Determinacin de soluciones numricas. Manejo de algoritmos numricos predictor-corrector de integracin numrica de EDOS. Optimizacin del problema no lineal. Tcnicas feed-back. Prerrequisitos para cursar la asignatura: Ninguno ms all de los generales del Master Contenido (breve descripcin de la asignatura): 1- Problemas de control en sistemas dinmicos. 2- Movimiento perturbado de satlites. Mtodos analticos. 3- Efectos de campo gravitatorio terrestre. 4- Efectos de la fuerza lunisolar. 5- Efectos de la presin de radiacin solar. 6- Principio de mantenimiento en estacin. 7- Maniobras impulsivas. 8- Establecimiento de estrategias ptimas. Funcion de coste 9- Movimiento perturbado de satlites. Mtodos numricos. 10Optimizacin de maniobras. Caso no lineal.

Bibliografa: Baker, R., 1967. "Astrodynamic applications and advanced topic". Academic Press. New York. n de un sistema acoplado de satlites geoestacionarios". Gendt, G. and Montag, 1986. "Orbital computations by means of the POTSDAM-5 program system and applications". Advances in Space Research. Vol. 6, N 9, pp. 143-150. Herrick, S. (1972): "Astrodynamics". Van Nostrand Reinhold Company. London. Mattias Soop, E., (1983): "Introduccin to geostationary orbits". ESA Scientific & Technical Publications Branch, ESTEC Noordwijk, The Nederlands. Romero, P., J.M: Gambi, E. Patio. Station keeping manoeuvres for geostationary satellites using feed-back control techniques. Aerospace Science and Technology Vol. 11, n 2-3, pp.229-237 (2007). Romero, P., J. M. Gambi. Optimal control in the east/west station keeping manoeuvres for geostationary satellites. Aerospace Science and Technology, Vol.8 n 8 pp 729-734 (2004). Metodologa docente: Tipo de evaluacin: Se valorar la actitud del alumno a lo largo del curso y la presentacin y exposicin de un trabajo sobre un tema tratado Idioma en que se imparte: Observaciones: