Álgebra Lineal Numérica Para Aprendizaje Estadístico
Notas de Estudio del Curso 2026
Éste libro compila el material de estudio del curso Álgebra Lineal Para Aprendizaje Estadístico del año 2026. Está basado en los apuntes de clase del Profesor Diego Armentano y en las cátedras del Profesor Gilbert Strang.
Prefacio
Sobre este sitio
Este libro digital fue creado utilizando el ecosistema de Código Abierto:
- Quarto: El sistema de publicación científica y técnica de próxima generación.
- RStudio IDE: El entorno de desarrollo integrado para computación estadística.
- Markdown: El lenguaje de marcado ligero para la redacción de contenido.
- GitHub Pages: Para el alojamiento y despliegue automático del libro.
Todo el código fuente está disponible en el repositorio de Github.
Motivacion
Este libro digital surge como un esfuerzo personal para organizar y profundizar en los conceptos del curso Álgebra Lineal para Aprendizaje Estadístico de la Facultad de Ciencias Económicas y Administración (UdelaR). El objetivo es recopilar toda la informacion disponible en los materiales del curso, enriquecidos con explicaciones y ejemplos asistidos por inteligencia artificial (Gemini 1.5).
Atribución Intelectual
Es fundamental aclarar que la autoría intelectual de los conceptos, teoremas y la estructura lógica presentados en este libro pertenece a las fuentes originales citadas. El núcleo teórico y la secuencia pedagógica provienen directamente de la obra del Prof. Gilbert Strang (MIT) (Strang, 2019), sus lecciones magistrales en OpenCourseWare (Strang, 2018), las notas de clase del Prof. Diego Armentano (Armentano, 2026) y los repartidos de ejercicios prácticos del curso (Hernández, 2026).
Mi rol en este proyecto se limita exclusivamente a la curaduría, organización y edición de contenidos para facilitar su estudio. Mi contribución personal se centra en la digitalización de los conocimientos, la creación de un formato interactivo mediante Quarto, y la generación de ejemplos aclaratorios asistidos por IA. Las contribuciones originales son ocasionales y tienen como único fin conectar las ideas de los autores mencionados o adaptar la notación para mayor claridad del lector.
Este material debe ser utilizado como una guía de estudio complementaria y no como una fuente oficial de verdad absoluta. Debido a que gran parte de la redacción y los ejemplos han sido procesados mediante IA:
- No se ofrecen garantías sobre la exactitud del contenido.
- Pueden existir errores técnicos, matemáticos o de transcripción que aún no han sido detectados.
- Se recomienda siempre contrastar los conceptos con la bibliografía oficial y las fuentes primarias citadas.
¡Colabora y Reporta!
Este es un proyecto abierto. Si encuentras una errata en una fórmula, una explicación confusa o quieres proponer una mejora en el código, no dudes en contribuir.
Puedes contribuir de las siguientes maneras:
- Reportando un error: Abre un Issue en el repositorio de GitHub.
- Corrigiendo directamente: Haz un Fork del proyecto y envía un Pull Request con tus correcciones.
Licencia y Uso
Este libro se distribuye bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0).
Esto significa que eres libre de:
- Compartir: Copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: Remezclar, transformar y construir a partir del material.
Bajo los siguientes términos:
- Atribución: Debes dar crédito de manera adecuada (citando este libro y las fuentes originales).
- No Comercial: No puedes utilizar este material con fines comerciales.
- Compartir Igual: Si remezclas o transformas este material, debes distribuir tus contribuciones bajo la misma licencia que el original.
