<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-04-14T19:30:27Z</responseDate><request verb="GetRecord" identifier="oai:uvadoc.uva.es:10324/43948" metadataPrefix="etdms">https://uvadoc.uva.es/oai/request</request><GetRecord><record><header><identifier>oai:uvadoc.uva.es:10324/43948</identifier><datestamp>2021-06-30T03:59:13Z</datestamp><setSpec>com_10324_38</setSpec><setSpec>col_10324_852</setSpec></header><metadata><thesis xmlns="http://www.ndltd.org/standards/metadata/etdms/1.0/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.ndltd.org/standards/metadata/etdms/1.0/ http://www.ndltd.org/standards/metadata/etdms/1.0/etdms.xsd">
<title>Tensores y datos tensoriales</title>
<creator>Montalvo García, David</creator>
<contributor>Campillo López, Antonio</contributor>
<contributor>Universidad de Valladolid. Facultad de Ciencias</contributor>
<description>La primera parte del trabajo describe la noción de tensor, prestando especial atención al&#xd;
enfoque libre de coordenadas, sin dejar no obstante de lado su tratamiento clásico como datos&#xd;
de mediciones con respecto de un sistema de referencia (enfoque con coordenadas). Se incluye&#xd;
además un estudio detallado de los campos tensoriales, como extensión del concepto de tensor,&#xd;
tratando en especial los tensores y campos tensoriales métricos dada la importancia de los resultados&#xd;
que derivan de ellos. La segunda parte aborda el concepto de dato tensorial, desde el&#xd;
punto de vista de la generalización n-dimensional de las nociones de escalar, vector y matriz. A&#xd;
partir de esta generalización del enfoque con coordenadas, se tratarán sus operaciones prácticas&#xd;
actuales, junto con las descomposiciones tensoriales más relevantes en la actualidad. Estas descomposiciones se utilizan para generar algoritmos aplicables en numerosas áreas actuales, como&#xd;
en el estudio de señales, visión computacional, neurociencia, teoría de grafos, minería de datos&#xd;
y aprendizaje automático, entre otros. El trabajo trata de unificar y contrastar la terminología&#xd;
clásica y la práctica actual.</description>
<date>2020-12-10</date>
<date>2020-12-10</date>
<date>2020</date>
<type>info:eu-repo/semantics/bachelorThesis</type>
<identifier>http://uvadoc.uva.es/handle/10324/43948</identifier>
<language>spa</language>
<rights>info:eu-repo/semantics/openAccess</rights>
<rights>http://creativecommons.org/licenses/by-nc-nd/4.0/</rights>
<rights>Attribution-NonCommercial-NoDerivatives 4.0 Internacional</rights>
</thesis></metadata></record></GetRecord></OAI-PMH>