- ES Español (Latinoamérica)

- EN English

7.17. Algebra Lineal I (Obligatorio)
- Semestre: 3er Sem. Créditos: 4
- Horas del curso: Teoría: 2 horas; Práctica: 4 horas;
- Sílabo:
- htmlonly

Español (Latinoamérica)

English - Prerrequisitos:
- MA100 Matemática Básica (1er Sem)
7.17.1. Justificación ↑ Volver arriba
Este curso introduce los conceptos fundamentales del álgebra lineal, proporcionando las bases matemáticas para el estudio de espacios vectoriales, transformaciones lineales y sistemas de ecuaciones lineales. Desarrolla habilidades de pensamiento abstracto y resolución de problemas mediante matrices, determinantes y vectores. El curso es fundamental para aplicaciones en ciencias, ingeniería y computación.
7.17.2. Objetivos Generales ↑ Volver arriba
- Comprender los conceptos de espacios vectoriales y subespacios
- Dominar las operaciones con matrices y determinantes
- Resolver sistemas de ecuaciones lineales usando diferentes métodos
- Aplicar transformaciones lineales y calcular valores y vectores propios
7.17.3. Contribución a los resultados (Outcomes) ↑ Volver arriba
- ABET-1) Habilidad para identificar, formular y resolver problemas técnicos o científicos ampliamente definidos mediante la aplicación de conocimientos de matemáticas y ciencias y/o temas técnicos en áreas relevantes para la disciplina. (Usage)
7.17.4. Contenido ↑ Volver arriba
7.17.4.1. álgebra Lineal Numérica (25 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Lay et al., 2016; Strang, 2016)
Temas
- Descomposición LU y sus aplicaciones
- Descomposición QR y problemas de mínimos cuadrados
- Descomposición en Valores Singulares (SVD) y sus aplicaciones
- Número de condición y estabilidad numérica de sistemas lineales
- Métodos iterativos para sistemas lineales (Jacobi, Gauss-Seidel, Gradiente Conjugado)
Aprendizaje esperado (Learning Outcomes)
- Implementar algoritmos de descomposición LU y QR para resolver sistemas lineales [Usar]
- Explicar el significado geométrico y algebraico de la Descomposición en Valores Singulares [Familiarizarse]
- Usar SVD para aplicaciones como aproximación matricial y análisis de componentes principales [Usar]
- Analizar la estabilidad de un sistema lineal usando su número de condición [Evaluar]
- Seleccionar e implementar un método iterativo apropiado para resolver sistemas lineales grandes y dispersos [Evaluar]
7.17.4.2. Aritmética Computacional y Análisis de Error (25 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Lay et al., 2016; Strang, 2016)
Temas
- Aritmética de punto flotante y el estándar IEEE
- Fuentes de error: truncamiento, redondeo y discretización
- Propagación de error y número de condición
- Estabilidad de algoritmos numéricos
- Error absoluto, relativo y directo/inverso
Aprendizaje esperado (Learning Outcomes)
- Definir los diferentes tipos de errores en computación numérica (redondeo, truncamiento, discretización) [Familiarizarse]
- Explicar los principios de representación y aritmética de punto flotante según el estándar IEEE [Familiarizarse]
- Calcular el error absoluto y relativo de una aproximación [Usar]
- Analizar la propagación de errores en una secuencia de operaciones aritméticas [Usar]
- Distinguir entre la condición de un problema y la estabilidad de un algoritmo [Evaluar]
- Calcular el número de condición de un problema simple (ej., multiplicación matriz-vector) [Usar]
7.17.4.3. Búsqueda de Raíces y Optimización Numérica Básica (25 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Lay et al., 2016; Strang, 2016)
Temas
- Método de bisección e iteración de punto fijo
- Método de Newton y método de la secante para búsqueda de raíces
- Análisis de convergencia y orden de convergencia
- Descenso de gradiente para optimización univariada
- Tasa de convergencia y criterios de parada
Aprendizaje esperado (Learning Outcomes)
- Implementar algoritmos de búsqueda de raíces (bisección, Newton, secante) y analizar su convergencia [Usar]
- Clasificar el orden de convergencia de métodos iterativos [Evaluar]
- Aplicar descenso de gradiente para resolver problemas simples de optimización univariada [Usar]
- Diseñar criterios de parada apropiados para métodos iterativos [Usar]
7.17.4.4. Interpolación y Aproximación de Funciones (25 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Lay et al., 2016; Anton and Rorres, 2014)
Temas
- Interpolación polinomial (formas de Lagrange, Newton)
- Interpolación por splines (splines cúbicos)
- Aproximación por mínimos cuadrados
- Fenómeno de Runge y nodos de Chebyshev
- Análisis de error para interpolación
Aprendizaje esperado (Learning Outcomes)
- Construir polinomios interpoladores usando diferentes métodos [Usar]
- Implementar interpolación por splines cúbicos [Usar]
- Aplicar el método de mínimos cuadrados para ajuste de datos [Usar]
- Explicar el fenómeno de Runge y estrategias para mitigarlo [Familiarizarse]
- Analizar el error de un esquema de interpolación [Evaluar]
7.17.5. Referencias Bibliográficas ↑ Volver arriba
Lay, D. C., Lay, S. R., and McDonald, J. J. (2016). Álgebra Lineal y sus Aplicaciones. Pearson, 5th edition.
Strang, G. (2016). Introduction to Linear Algebra. Wellesley-Cambridge Press, 5th edition.
Anton, H. and Rorres, C. (2014). Álgebra Lineal con Aplicaciones. Limusa Wiley, 11th edition.