����������������������������������������������������������������������������������

 

 

Validaci�n del contenido de una gu�a did�ctica de algebra lineal para ingenier�a y ciencias

 

Validation of the content of a linear algebra teaching guide for engineering and science

 

Valida��o do conte�do de um guia de ensino de �lgebra linear para engenharia e ci�ncias

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: silvia.escobar@istcarloscisneros.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

* Recibido: 28 de noviembre de 2024 *Aceptado: 13 de diciembre de 2024 * Publicado: �09 de enero de 2025

 

         I.            Licenciada en Ciencias de la Educaci�n, Profesora de Ciencias Exactas, Magister en Aprendizaje de la F�sica, Docente del Instituto Superior Tecnol�gico Carlos Cisneros, Carrera de Tecnolog�a Superior en Electr�nica, Riobamba, Ecuador.

       II.            Ingeniero en Electr�nica y Control, Docente del Instituto Superior Tecnol�gico Carlos Cisneros, Carrera de Tecnolog�a Superior en Electr�nica, Riobamba, Ecuador.

     III.            Ingeniero en Electr�nica, Telecomunicaciones y Redes,� Magister en Sistemas de Telecomunicaciones, Profesional de Escuela Superior Polit�cnica de Chimborazo, Facultad de Inform�tica y Electr�nica, Riobamba, Ecuador.

 

Resumen

El �lgebra lineal constituye un campo matem�tico fundamental, en los planes curriculares universitarios contempor�neos. Raz�n por la cual se plantea como objetivo, validar el contenido de una gu�a did�ctica orientada a estudiantes de ingenier�a y ciencias. La investigaci�n adopt� un dise�o no experimental, con enfoque cualitativo, empleando una metodolog�a de revisi�n sistem�tica. Se realiz� un an�lisis exhaustivo de diversos autores y teor�as del �lgebra lineal, priorizando referencias bibliogr�ficas indexadas en bases de datos cient�ficas. Para evaluar la calidad de las obras seleccionadas, se implement� una r�brica espec�fica. Los conceptos m�s relevantes se sintetizaron en una matriz, que establece la ruta pedag�gica �ptima para la gu�a did�ctica.� Los resultados evidenciaron una estructura curricular organizada en ocho cap�tulos, que progresa sistem�ticamente, desde conceptos fundamentales, hasta contenidos de mayor complejidad. La gu�a comprende el estudio de vectores, matrices, sistemas de ecuaciones, espacios vectoriales, transformaciones lineales, autovalores, aplicaciones tecnol�gicas y t�picos avanzados. La evaluaci�n realizada por seis expertos arroj� calificaciones predominantes entre excelente (90-100 puntos) y muy bueno (80-89 puntos). Se concluye que, es fundamental fortalecer los planes de estudio, mediante la integraci�n de herramientas computacionales modernas y metodolog�as flexibles, que faciliten la comprensi�n te�rica y pr�ctica del �lgebra lineal en diversos campos cient�ficos y tecnol�gicos.

Palabras Clave: �lgebra lineal; gu�a did�ctica; juicio de expertos; herramientas computacionales; planificaci�n curricular.

 

Abstract

Linear algebra constitutes a fundamental mathematical field in contemporary university curricula. Reason why the objective is to validate the content of a teaching guide aimed at engineering and science students. The research adopted a non-experimental design, with a qualitative approach, using a systematic review methodology. An exhaustive analysis of various authors and theories of linear algebra was carried out, prioritizing bibliographic references indexed in scientific databases. To evaluate the quality of the selected works, a specific rubric was implemented. The most relevant concepts were synthesized in a matrix, which establishes the optimal pedagogical route for the teaching guide.� The results showed a curricular structure organized in eight chapters, which progresses systematically, from fundamental concepts to more complex contents. The guide includes the study of vectors, matrices, systems of equations, vector spaces, linear transformations, eigenvalues, technological applications and advanced topics. The evaluation carried out by six experts showed predominant ratings between excellent (90-100 points) and very good (80-89 points). It is concluded that it is essential to strengthen the study plans, through the integration of modern computational tools and flexible methodologies, which facilitate the theoretical and practical understanding of linear algebra in various scientific and technological fields.

Keywords: linear algebra; teaching guide; expert judgment; computational tools; curriculum planning.

 

Resumo

�lgebra linear constitui um campo matem�tico fundamental nos curr�culos universit�rios contempor�neos. Raz�o pela qual o objetivo � validar o conte�do de um guia de ensino destinado a estudantes de engenharia e ci�ncias. A pesquisa adotou um desenho n�o experimental, com abordagem qualitativa, utilizando metodologia de revis�o sistem�tica. Foi realizada uma an�lise exaustiva de diversos autores e teorias da �lgebra linear, priorizando refer�ncias bibliogr�ficas indexadas em bases de dados cient�ficas. Para avaliar a qualidade dos trabalhos selecionados, foi implementada uma rubrica espec�fica. Os conceitos mais relevantes foram sintetizados em uma matriz, que estabelece o percurso pedag�gico ideal para o guia de ensino.� Os resultados mostraram uma estrutura curricular organizada em oito cap�tulos, que avan�a sistematicamente, desde conceitos fundamentais at� conte�dos mais complexos. O guia inclui o estudo de vetores, matrizes, sistemas de equa��es, espa�os vetoriais, transforma��es lineares, autovalores, aplica��es tecnol�gicas e t�picos avan�ados. A avalia��o realizada por seis especialistas apresentou predomin�ncia de classifica��es entre excelente (90-100 pontos) e muito bom (80-89 pontos). Conclui-se que � fundamental refor�ar os planos de estudo, atrav�s da integra��o de ferramentas computacionais modernas e metodologias flex�veis, que facilitem a compreens�o te�rica e pr�tica da �lgebra linear em diversos dom�nios cient�ficos e tecnol�gicos.

Palavras-chave: �lgebra linear; guia did�tico; parecer especializado; ferramentas computacionais; planejamento curricular.

 

 

Introducci�n

El �lgebra lineal constituye una base conceptual, que proporciona los elementos esenciales, para la comprensi�n de estructuras abstractas como las transformaciones lineales y los espacios vectoriales (Corless et al., 2023). Su importancia se extiende m�s all� del �mbito de las matem�ticas puras, relacion�ndose con disciplinas como la f�sica, la ingenier�a, las ciencias de la computaci�n y el an�lisis de datos (Alam y Mohanty, 2024).

En el �mbito universitario, la actualizaci�n continua de los planes curriculares, relacionados con el �lgebra lineal, se ha convertido en una necesidad imperativa (Sabatinelli y Llanos, 2024). Las ciencias exactas constituyen un pilar esencial, en la formaci�n integral de los estudiantes en las Instituciones de Educaci�n Superior (IES) (Tereshchenko et al., 2024), particularmente en lo que respecta al dominio de herramientas tecnol�gicas y cient�ficas (Penprase y Pickus, 2023) (Abbasi et al., 2024). Esta situaci�n genera desaf�os multidimensionales, provocando una brecha significativa, entre la formaci�n te�rica tradicional, y las exigencias del entorno acad�mico y profesional contempor�neo.

La problem�tica central radica en la desactualizaci�n de los contenidos curriculares (Bjarnad�ttir et al., 2024), que frecuentemente siguen estructuras r�gidas desarrolladas hace d�cadas, sin considerar las transformaciones tecnol�gicas y metodol�gicas actuales (Johnson y Lenhard, 2024). Los programas de estudio convencionales, no logran integrar efectivamente las modernas herramientas computacionales, lo que restringe la capacidad de los estudiantes, para implementar conceptos algebraicos, en contextos pr�cticos y din�micos (White, 2023)�(Corless et al., 2023).

Las necesidades de aprendizaje contempor�neas, exigen una reformulaci�n integral que contemple:

1.      Integraci�n de herramientas computacionales avanzadas (White, 2023)�(Corless et al., 2023) (Matzakos et al., 2023).

2.      Desarrollo de competencias de programaci�n aplicadas al �lgebra lineal (Graafsma et al., 2023).

3.      Vinculaci�n directa con problemas de investigaci�n y aplicaci�n industrial (Kunduru, 2023).

4.      Flexibilizaci�n de metodolog�as de ense�anza (Iqboljon, 2024).

5.      Incorporaci�n de casos de estudio interdisciplinarios (Castle, 2023).

El desajuste curricular se manifiesta en una notable brecha, entre la ense�anza te�rica y las competencias demandadas, en �reas emergentes como la inteligencia artificial, el an�lisis de datos, el modelado matem�tico y la simulaci�n computacional (Liu y Yang, 2024) (White, 2023)�(Corless et al., 2023) (Matzakos et al., 2023). Esta situaci�n genera dificultades significativas para los estudiantes, quienes experimentan obst�culos al intentar aplicar conceptos abstractos en implementaciones pr�cticas, limitando as�, su capacidad de innovaci�n y desarrollo profesional (Cirneanu y Moldoveanu, 2024) (Fisseni et al., 2023).

La resoluci�n de esta problem�tica requiere un abordaje sist�mico, que contemple m�ltiples dimensiones, tales como: la actualizaci�n continua de contenidos, el fortalecimiento de la formaci�n docente en tecnolog�as emergentes, la implementaci�n de metodolog�as flexibles, la incorporaci�n efectiva de herramientas computacionales, y el establecimiento de v�nculos s�lidos con los sectores productivos y de investigaci�n. Es por eso que, se pretende validar los contenidos de una gu�a did�ctica de la asignatura de �lgebra lineal, a trav�s de juicio de expertos, y que satisfaga las necesidades acad�micas y profesionales contempor�neas, con capacidad de evolucionar y adaptarse �gilmente, a las transformaciones tecnol�gicas y cient�ficas del entorno actual.

a.      Evoluci�n Hist�rica

El �lgebra lineal se consolid� como disciplina matem�tica durante el siglo XIX. Hawkins (1972), documenta c�mo sus fundamentos conceptuales, surgieron a partir de los trabajos pioneros de Cayley y Sylvester en Inglaterra, quienes desarrollaron m�todos sistem�ticos, para el estudio de las transformaciones lineales y las estructuras algebraicas.� La consolidaci�n te�rica lleg� en la d�cada de 1920. Van der Waerden (1985), destaca c�mo Emmy Noether, logr� un nivel de abstracci�n matem�tica, que revolucion� la comprensi�n del �lgebra, estableciendo los cimientos de la teor�a moderna de anillos y espacios vectoriales.

En la primera mitad del siglo XX, Weyl (1950) evidenci� el potencial de las transformaciones lineales, para modelar sistemas f�sicos complejos, profundizando la conexi�n entre el �lgebra lineal y la f�sica te�rica, particularmente en el campo de la mec�nica cu�ntica, trabajo que lo continuo posteriormente Ballentine (2014).� Este desarrollo estableci� nuevas perspectivas interdisciplinarias, que expandieron el alcance de esta disciplina m�s all� de las matem�ticas puras.

El desarrollo computacional marc� un hito fundamental en la evoluci�n del �lgebra lineal. Durante la d�cada de 1940, Von Neumann estableci� algoritmos esenciales, para la resoluci�n num�rica de sistemas lineales, que sentar�an las bases de la computaci�n moderna. Seg�n documentan Golub y Van Loan (2013) estos avances transformaron el �lgebra lineal, desde una disciplina puramente te�rica, hacia una herramienta pr�ctica, con aplicaciones directas en ingenier�a, f�sica y ciencias de la computaci�n.

La segunda mitad del siglo XX presenci� una creciente abstracci�n y generalizaci�n de la disciplina. Halmos (2017) realiz� contribuciones decisivas hacia una visi�n axiom�tica, proporcionando definiciones rigurosas de conceptos fundamentales como espacios vectoriales, transformaciones lineales y estructuras algebraicas. Esta aproximaci�n estableci� una comprensi�n m�s profunda y universal de los principios fundamentales del �lgebra lineal.

En d�cadas recientes, la disciplina ha experimentado una notable convergencia, con campos emergentes como: machine learning, teor�a de la informaci�n y f�sica cu�ntica. En el �mbito del aprendizaje autom�tico, Bishop (2006), demuestra la importancia crucial de las t�cnicas del �lgebra lineal, en el desarrollo de m�todos de reducci�n de dimensionalidad, an�lisis de componentes principales y algoritmos de clasificaci�n.� Por su parte, Axler (2024) propone innovadores enfoques pedag�gicos, que facilitan la comprensi�n de conceptos complejos, contribuyendo a la democratizaci�n del conocimiento del �lgebra lineal, m�s all� de los c�rculos matem�ticos tradicionales.

b.      Bases conceptuales

El �lgebra lineal constituye una rama fundamental de las matem�ticas, basada en conceptos estructurales, que analizan sistemas complejos, mediante herramientas algebraicas. Sus or�genes modernos se remontan a 1844, cuando Hermann Grassmann public� "La teor�a de extensi�n", obra que estableci� los cimientos te�ricos de esta disciplina.

Los espacios vectoriales, seg�n Strang (2007) , representan las estructuras fundamentales del �lgebra lineal. Estos determinan c�mo los objetos matem�ticos se combinan y transforman bajo reglas espec�ficas, conformando as� la base conceptual de esta disciplina.

Por su parte, Poole (2002) destaca el papel crucial de las transformaciones lineales como principio central. Estas operaciones, que act�an como mapeos de espacios vectoriales, preservan las operaciones de suma y multiplicaci�n por escalares, y as�, modela relaciones matem�ticas en diversos campos, desde la f�sica hasta la ingenier�a.

La contribuci�n de Anton (2001) profundiza en los conceptos de dependencia e independencia lineal, herramientas anal�ticas esenciales para comprender la estructura y propiedades de los sistemas de vectores. El dominio de estas relaciones, facilita la interpretaci�n y comprensi�n de sistemas matem�ticos complejos.

As� tambi�n, del Valle Sotelo (2011), ampl�a esta base te�rica al enfatizar el papel fundamental de las matrices, como representaciones algebraicas. Estas estructuras constituyen un lenguaje universal, que describe y manipula relaciones lineales, entre conjuntos de datos de manera sistem�tica.

Finalmente, Zald�var (2012) sintetiza la importancia pr�ctica de estos principios conceptuales, se�alando que el �lgebra lineal trasciende su naturaleza abstracta, para convertirse en un instrumento fundamental, en la resoluci�n de problemas en m�ltiples disciplinas cient�ficas y tecnol�gicas.

 

Metodolog�a

La investigaci�n se desarrolla mediante un dise�o no experimental (LaVigne-Jones, 2023), con un enfoque cualitativo (Astutik y Purwasih, 2023), y una metodolog�a de revisi�n sistem�tica (Hidayat y Wardat, 2024). Este marco metodol�gico, examina diversos autores y teor�as, vinculadas a las bases conceptuales del �lgebra lineal, abarcando desde sus precursores, hasta los actuales desarrolladores de rutas de aprendizaje en el �mbito universitario.

El proceso investigativo, inicia con la b�squeda y selecci�n de autores y teor�as matem�ticas, relacionadas con el �lgebra lineal. En esta fase se identifica referencias bibliogr�ficas, que proporcionan tanto la fundamentaci�n te�rica como pr�ctica necesaria para la asignatura, especialmente en el contexto de las carreras de ingenier�a y ciencias.

La base documental se constituye principalmente, de libros acad�micos indexados y registrados en bases de datos cient�ficas. Para su sistematizaci�n, se implementa una ficha de revisi�n, que documenta datos esenciales: autor, fecha de publicaci�n, t�tulo de la obra, edici�n y editorial.

La evaluaci�n de la calidad de las obras seleccionadas, se realiza mediante una r�brica espec�fica, que establece par�metros precisos de elegibilidad, para determinar la idoneidad de su contenido. Este proceso asegura la pertinencia y rigor acad�mico del material seleccionado.

Los conceptos m�s relevantes de cada obra, se analizan y sintetizan en una matriz estructurada, dise�ada para establecer una ruta pedag�gica coherente en la gu�a did�ctica. Esta matriz se organiza en columnas, que representan las unidades tem�ticas de la gu�a, mientras que, las filas registran las contribuciones de cada autor, en las respectivas �reas tem�ticas. Esta organizaci�n sistem�tica facilita tanto la revisi�n de contenidos, como la definici�n de los temas fundamentales para cada unidad.

La validaci�n final de la gu�a did�ctica, se realiza mediante un juicio de expertos, quienes, utilizando una gu�a de revisi�n espec�fica, eval�an la calidad y pertinencia del documento acad�mico. Este proceso de validaci�n, determina la idoneidad del material, para su publicaci�n y posterior implementaci�n, en el contexto de la ense�anza universitaria.

 

Resultados

La Figura 1 presenta la estructura de la gu�a did�ctica, organizada en 8 cap�tulos que siguen una secuencia progresiva desde conceptos fundamentales hasta aplicaciones avanzadas. Esta estructura permite una evoluci�n natural del aprendizaje, culminando con la implementaci�n pr�ctica mediante herramientas digitales y la exploraci�n de conexiones entre el �lgebra lineal y otras �reas de las ciencias exactas e ingenier�a.

La organizaci�n capitular se estructura de la siguiente manera: El Cap�tulo 1, "Vectores", establece las bases fundamentales mediante el estudio de las caracter�sticas y representaciones vectoriales.� El Cap�tulo 2, "Matrices y Determinantes", aborda los principios matem�ticos de estas estructuras y su vinculaci�n con sistemas de ecuaciones. El Cap�tulo 3, "Sistemas de Ecuaciones Lineales", profundiza en las metodolog�as de resoluci�n mediante sistemas matriciales. El Cap�tulo 4, "Espacios Vectoriales", introduce los fundamentos te�ricos necesarios para comprender estas estructuras matem�ticas basadas en vectores y matrices. El Cap�tulo 5, "Transformaciones Lineales", explora los conceptos de n�cleo e imagen a trav�s de representaciones matriciales. El Cap�tulo 6, "Autovalores y Autovectores", examina las propiedades fundamentales de las transformaciones lineales. El Cap�tulo 7, "Aplicaciones y Uso de Tecnolog�a", integra los conceptos te�ricos con herramientas digitales como Matlab y Python. El Cap�tulo 8, "T�picos Avanzados", explora conceptos m�s sofisticados de operaciones y representaciones en espacios vectoriales y matriciales, estableciendo conexiones profundas entre �lgebra, geometr�a y otras ramas matem�ticas. El desglose detallado de los contenidos espec�ficos de cada unidad se presenta en la Figura 2.

Figura 1. Contenido de la gu�a did�ctica, relacionada con las referencias bibliogr�ficas

 

Figura 2. Contenido de la gu�a did�ctica

�

La Tabla 1, muestra los aspectos a evaluar que contiene la gu�a de revisi�n, utilizados en el an�lisis por juicio de expertos, afines al �rea de conocimiento, donde se evidencian las categor�as establecidas, tales como: aspectos formales, los contenido conceptual y pedag�gico, el rigor metodol�gico y los est�ndares bibliogr�ficos y �ticos.� Es importante destacar que, adem�s del an�lisis y evaluaci�n de la presentaci�n formal de la gu�a did�ctica, se analizan aspectos did�cticos y pedag�gicos, que deben estar presentes en cualquier interacci�n maestro-estudiante; as� como, el contenido te�rico y pr�ctico de la misma, contenido en el m�dulo de aprendizaje.

 

Tabla 1. Aspectos a evaluar presentes de la gu�a de revisi�n para juicio de expertos

 

La Tabla 2, muestra los resultados de la revisi�n de contenidos, realizada por los expertos en el �rea de conocimiento.� En este caso fuero seis expertos que revisaron el material, y dieron su opini�n respecto al contenido y presentaci�n de la gu�a did�ctica.�

 

Tabla 2. Calificaciones de expertos sobre la gu�a did�ctica

Discusi�n

El �lgebra lineal se ha consolidado como una asignatura fundamental, en los planes curriculares actuales de las Instituciones de Educaci�n Superior (IES), a diferencia de a�os anteriores, cuando no se impart�a en los primeros niveles universitarios. Diversos investigadores como Sabatinelli y Llanos (2024), Tereshchenko (2024), Bjarnad�ttir et al. (2024) y Penprase y Pickus (2023) se�alan la importancia de analizar y actualizar constantemente estos planes curriculares.� Esta actualizaci�n debe incorporar metodolog�as did�cticas y pedag�gicas, apoyadas en herramientas tecnol�gicas, facilitando que, los estudiantes asimilen efectivamente, los conocimientos abstractos propios de las ciencias exactas, como lo destacan Johnson y Lenhard (2024) e Iqboljon (2024).� Estas herramientas son especialmente relevantes para el an�lisis de datos, modelado matem�tico y simulaci�n computacional, seg�n lo documentan White (2023), Corless et al. (2023) y Graafsma et al. (2023), incluyendo aplicaciones de inteligencia artificial (Liu y Yang, 2024) (Matzakos et al., 2023) (Abbasi et al., 2024) y ciencia de datos (Kunduru, 2023).

En la actualidad, el desarrollo del conocimiento, ha experimentado una evoluci�n significativa, impulsada principalmente por la integraci�n de soportes tecnol�gicos en entornos acad�micos. Esta integraci�n fortalece la innovaci�n en las IES (Cirneanu y Moldoveanu, 2024) (Fisseni et al., 2023), promoviendo un enfoque interdisciplinario (Castle, 2023), que beneficia especialmente a los campos de ingenier�a y ciencias (Alam y Mohanty, 2024).

El temario de �lgebra Lineal para primer semestre universitario, ofrece un recorrido did�ctico estructurado, que aborda sistem�ticamente los conceptos matem�ticos fundamentales. Este programa progresa desde conceptos b�sicos, hasta contenidos m�s abstractos y avanzados, fundament�ndose en las contribuciones de destacados autores en el campo del �lgebra lineal, tales como Anton, Howard (2001), Axler (2024), Beezer (2015), Boyd y Vandenberghe (2018), Collazos S�nchez, et al. (2024), del Valle Sotelo, J. C. (2011), Friedberg et al. (2018), Friedland y Aliabadi (2018), Grossman y Flores (2012), Hoffman y Kunze (1973), Johnson et al. (2018), Kolman y Hill (2006), Lang (1987), Lay (2012), Lipschitz y Lipson (2018), Meyer (2023), Moh, Tzuong-Tsieng (2020), Noble y Daniel (1988), Poole (2002), Shores (2018), Sadun (2007), Strang (2007) y Zald�var (2012).�

El programa est� estructurado en tres etapas principales. La primera mitad establece una base s�lida, comenzando con el estudio de vectores y sus operaciones, para luego abordar matrices, determinantes y sistemas de ecuaciones lineales. Estas unidades iniciales proporcionan las herramientas algebraicas fundamentales que facilitan a los estudiantes, desarrollar s�lidas habilidades en la resoluci�n de problemas matem�ticos.� La segunda etapa introduce conceptos m�s avanzados, como espacios vectoriales y transformaciones lineales, representando un salto cualitativo en la complejidad conceptual. A trav�s del estudio de autovalores y autovectores, se profundiza en herramientas esenciales para el an�lisis matricial. Estos conceptos constituyen una base matem�tica fundamental, para aplicaciones en diversas disciplinas cient�ficas y de ingenier�a.� A trav�s de definiciones abstractas, los estudiantes exploran propiedades fundamentales como la independencia lineal, el n�cleo y la imagen de transformaciones, prepar�ndose as�, para an�lisis matem�ticos m�s sofisticados.

En la tercera etapa se adopta un enfoque pr�ctico y orientado al futuro. La s�ptima unidad establece conexiones entre la teor�a y las herramientas tecnol�gicas modernas como MATLAB y Python, preparando a los estudiantes para entornos profesionales contempor�neos. La octava unidad act�a como puente interdisciplinario, evidenciando la versatilidad y amplia aplicabilidad del �lgebra lineal.

En el panorama actual del �lgebra lineal, se identifican desaf�os fundamentales, que representan tanto retos cient�ficos, como oportunidades para la innovaci�n. Estos desaf�os se manifiestan en tres dimensiones cr�ticas: la generalizaci�n de m�todos de descomposici�n matricial, el desarrollo de algoritmos m�s eficientes en �lgebra lineal num�rica, y la exploraci�n de estructuras lineales en sistemas multidimensionales. Estas �reas de investigaci�n se fundamentan en los trabajos seminales de diversos autores como Hawkins (1972), Van der Waerden (1985), Weyl (1950), Ballentine (2014), Golub y Van Loan (2013), Halmos (2017), Bishop (2006), Axler (2024), Sadun (2007), Moh, Tzuong-Tsieng (2020) y Lay (2012).

La evaluaci�n realizada por juicio de expertos, indica que el temario ha alcanzado un nivel de madurez apropiado para su publicaci�n, aunque se recomienda implementar mejoras graduales. La incorporaci�n progresiva de estos elementos, podr�a elevar este documento acad�mico, a una herramienta pedag�gica excepcional, para la ense�anza del �lgebra lineal en el primer semestre universitario.

 

Conclusiones

El �lgebra lineal se ha consolidado, como una disciplina matem�tica fundamental en constante evoluci�n. Su alcance trasciende las matem�ticas puras, encontrando aplicaciones cruciales en f�sica, ingenier�a, ciencias de la computaci�n y an�lisis de datos. Su desarrollo hist�rico evidencia una progresi�n, desde m�todos discretos de resoluci�n de ecuaciones, hasta convertirse en una sofisticada herramienta te�rica, capaz de modelar realidades abstractas en m�ltiples disciplinas cient�ficas.

La desactualizaci�n significativa, de los planes curriculares tradicionales de �lgebra lineal, compromete la formaci�n integral de los estudiantes. Esta brecha educativa se manifiesta principalmente, en la limitada integraci�n de herramientas computacionales modernas, lo que restringe la capacidad de los estudiantes, para aplicar conceptos algebraicos en entornos pr�cticos y din�micos.

La ense�anza actual del �lgebra lineal, demanda un enfoque sist�mico, que incorpore cuatro elementos clave: actualizaci�n permanente de contenidos, formaci�n docente en nuevas tecnolog�as, flexibilidad metodol�gica e integraci�n de herramientas computacionales. Este curr�culo contempor�neo debe funcionar como un sistema din�mico, adapt�ndose �gilmente a las transformaciones tecnol�gicas y cient�ficas del campo profesional.

Para abordar estos desaf�os, se propone implementar un modelo de actualizaci�n curricular continua que: integre herramientas computacionales avanzadas como MATLAB y Python; desarrolle competencias espec�ficas de programaci�n aplicadas al �lgebra lineal; establezca v�nculos directos con problemas de investigaci�n y aplicaci�n industrial; flexibilice las metodolog�as de ense�anza; incorpore casos de estudio interdisciplinarios. Estas modificaciones permitir�n que los estudiantes, dominen tanto los fundamentos te�ricos, como las aplicaciones pr�cticas del �lgebra lineal, en un entorno tecnol�gico din�mico y cambiante.

Las �reas espec�ficas de mejora, para elevar la calidad del temario, incluyen la incorporaci�n de representaciones visuales m�s abundantes, especialmente en unidades complejas como transformaciones lineales y autovalores. Asimismo, es necesario expandir los mecanismos de autoevaluaci�n, para facilitar un monitoreo m�s efectivo del progreso estudiantil. En las secciones avanzadas, se recomienda optimizar la accesibilidad de las explicaciones, mediante la simplificaci�n de la terminolog�a, y la inclusi�n de contextos m�s intuitivos, que faciliten la comprensi�n de los conceptos.

 

Referencias

1.      Abbasi, B. N., Wu, Y., y Luo, Z. (10 de 2024). Exploring the impact of artificial intelligence on curriculum development in global higher education institutions. Education and Information Technologies, 29(15), 1-35. https://doi.org/10.1007/s10639-024-13113-z

2.      Alam, A., y Mohanty, A. (5 de 2024). Unveiling the complexities of �Abstract Algebra�in University Mathematics Education (UME): fostering �Conceptualization and Understanding�through advanced pedagogical approaches. Cogent Education, 11(1), 2355400. https://doi.org/10.1080/2331186X.2024.2355400

3.      Anton, H. (2001). Introducci�n al �lgebra Lineal (Quinta Edici�n ed.). Mexico: Limusa Wiley. https://archive.org/details/al-anton-5ta-ed-1/page/n1/mode/1up

4.      Astutik, E. P., y Purwasih, S. M. (1 de 2023). Field Dependent Student Errors in Solving Linear Algebra Problems Based on Newman's Procedure. Mosharafa: Jurnal Pendidikan Matematika, 12(1), 169-180. https://doi.org/10.31980/mosharafa.v12i1.765

5.      Axler, S. (2024). Linear Algebra Done Right (Fourth Edition ed.). Springer. https://doi.org/10.1007/978-3-031-41026-0

6.      Ballentine, L. E. (2014). Quantum mechanics: a modern development. Singapore: World Scientific Publishing Company.

7.      Beezer, R. A. (2015). A First Course in Linear Algebra (Thirth Edition ed.). Congruent Press. https://www.amazon.com/First-Course-Linear-Algebra/dp/0984417559

8.      Bishop, C. M. (2006). Pattern Recognition and Machine Learning. New York, NY: Springer.

9.      Bjarnad�ttir, K., De Bock, D., y de Carvalho, J. B. (2024). The Origin and Evolution of the Concept of Mathematics Curriculum. Fourth International Handbook of Mathematics Education. Switzerland: Springer Nature. https://doi.org/10.1007/978-3-031-51474-6_23

10.  Boyd, S., y Vandenberghe, L. (2018). Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares (First Edition ed.). Cambridge University Press. https://books.google.com.ec/books?id=IApaDwAAQBAJ&printsec=frontcover#v=onepage&q&f=false

11.  Castle, S. D. (2023). Coding for Creativity: Exploring the Impact of Computing Enacted Through Coding on Students� Mathematical Creativity in Linear Algebra. Michigan State University. https://doi.org/10.25335/caxe-kh32

12.  Cirneanu, A. L., y Moldoveanu, C. E. (7 de 2024). Use of digital technology in integrated mathematics education. Applied System Innovation, 7(4), 66. https://doi.org/10.3390/asi7040066

13.  Collazos S�nchez, J. A., Ramirez Vanegas, C. A., y Montoya G., O. D. (2024). Introducci�n al �lgebra Lineal (Primera Edici�n ed.). Ecoe Ediciones S.A.S. https://books.google.com.ec/books?id=2dIKEQAAQBAJ&printsec=frontcover&dq=inauthor:%22%C3%93scar+Danilo+Montoya+Giraldo%22&hl=es-419&newbks=1&newbks_redir=0&sa=X&redir_esc=y#v=onepage&q&f=false

14.  Corless, R. M., Jeffrey, D. J., y Shakoori, A. (2023). Teaching Linear Algebra in a Mechanized Mathematical Environment. International Conference on Intelligent Computer Mathematics. 14101, pp. 113-129. Switzerland: Springer Nature. https://doi.org/10.1007/978-3-031-42753-4_8

15.  Del Valle Sotelo, J. C. (2011). �lgebra lineal: Fundamentos te�ricos y computacionales (Primera Edici�n ed.). McGraw-Hill. https://www.academia.edu/42852705/Algebra_Lineal_para_estudiantes_de_Ingenie_Juan_Carlos_Del_Valle_Sotelo

16.  Fisseni, B., Sarikaya, D., y Schr�der, B. (9 de 2023). How to frame innovation in mathematics. Synthese, 202(4), 108. https://doi.org/10.1007/s11229-023-04310-3

17.  Friedberg, S. H., Insel, A. J., y Spence, L. E. (2018). Linear Algebra (Quinta Edici�n ed.). Pearson. https://www.amazon.com/-/es/Linear-Algebra-Stephen-Friedberg/dp/0134860241

18.  Friedland, S., y Aliabadi, M. (2018). Linear Algebra and Matrices (First Edition ed.). Society for Industrial and Applied Mathematics. https://doi.org/10.1137/1.9781611975147

19.  Golub, G. H., y Van Loan, C. F. (2013). Matrix computations (4th edition ed.). Baltimore, MD.: The Johns Hopkins University Press.

20.  Graafsma, I. L., Robidoux, S., Nickels, L., Roberts, M., Polito, V., Zhu, J. D., y Marinus, E. (1 de 2023). The cognition of programming: logical reasoning, algebra and vocabulary skills predict programming performance following an introductory computing course. Journal of Cognitive Psychology, 35(3), 364-381. https://doi.org/10.1080/20445911.2023.2166054

21.  Grossman, S. I., y Flores Godoy, J. J. (2012). �lgebra lineal (S�ptima Edici�n ed.). McGraw-Hill. https://archive.org/details/lgebralineal-7maedicin-stanleyl-140728213404-phpapp02-1/lgebralineal-7maedicin-stanleyl-140728213404-phpapp02-1/

22.  Halmos, P. R. (2017). Finite-dimensional vector spaces. Courier Dover Publications.

23.  Hawkins, T. (1 de 1972). Hypercomplex numbers, Lie groups, and the creation of group representation theory. Archive for History of Exact Sciences, 8(s.n.), 243-287. https://doi.org/10.1007/BF00328434

24.  Hidayat, R., y Wardat, Y. (9 de 2024). A systematic review of augmented reality in science, technology, engineering and mathematics education. Education and Information Technologies, 29(8), 9257-9282. https://doi.org/10.1007/s10639-023-12157-x

25.  Hoffman, K., y Kunze, R. (1973). �lgebra lineal (Primera Edici�n ed.). Prentice-Hall. https://archive.org/details/algebra-lineal-hoffman-2a-edicion/Algebra%20Lineal%20Hoffman%202a%20Edici%C3%B3n/

26.  Iqboljon, X. (1 de 2024). System of linear algebraic equations and methods of their solution. Multidisciplinary Journal of Science and Technology, 4(1), 39-44. https://mjstjournal.com/index.php/mjst/article/view/695

27.  Johnson, A., y Lenhard, J. (2024). Cultures of Prediction: How Engineering and Science Evolve with Mathematical Tools. MIT Press. https://doi.org/10.1080/19378629.2024.2429078

28.  Johnson, L. W., Riess, R. D., y Arnold, J. T. (2018). Introduction to Linear Algebra (Fifth Edition ed.). Pearson. https://www.chegg.com/textbooks/introduction-to-linear-algebra-6th-edition-9780321334459-0321334450

29.  Kolman, B., y Hill, D. R. (2006). �lgebra lineal (Octava Edici�n ed.). Pearson Prentice Hall. https://www.cs.buap.mx/~sandoval/ALAverano2013/AlgebraLineal.pdf

30.  Kunduru, A. R. (4 de 2023). Recommendations to advance the cloud data analytics and chatbots by using machine learning technology. International Journal of Engineering and Scientific Research, 11(3), 8-20. https://d1wqtxts1xzle7.cloudfront.net/101521490/IJESR2April23_15986_7153_-libre.pdf?1682515545=&response-content-disposition=inline%3B+filename%3DRecommendations_to_Advance_the_Cloud_Dat.pdf&Expires=1734557271&Signature=MqpOdQJ2bufGmsaSBvfXbzKqJ8BkQk-Bof2

31.  Lang, S. (1987). Linear Algebra (Thirth Edition ed.). Springer. https://link.springer.com/book/10.1007/978-1-4757-1949-9

32.  LaVigne-Jones, D. (2023). nstructional Practices Impacting Struggling Eighth Graders� Reading Achievement: A Non-Experimental Quantitative Analysis. New York: St. John's University. https://www.proquest.com/openview/882a3dd3df458bc91369b6167a7c7d67/1?pq-origsite=gscholar&cbl=18750&diss=y

33.  Lay, D. C. (2012). �lgebra lineal y sus Aplicaciones (Cuarta Edici�n ed.). Pearson Prentice Hall. https://archive.org/details/algebra-lineal-y-sus-aplicaciones-4ta-ed

34.  Lipschutz, S., y Lipson, M. L. (2018). Schaum's outlines linear algebra (Sixth Edition ed.). McGraw-Hill. https://edisciplinas.usp.br/pluginfile.php/7830760/mod_folder/content/0/%5BSchaums%20outline%20series%5D%20Lipschutz%2C%20Seymour_%20Lipson%2C%20Marc%20-%20Schaums%20outlines.%20Linear%20algebra%20%282018%2C%20McGraw-Hill%20Education%29.pdf

35.  Liu, C., y Yang, S. (8 de 2024). Application of large language models in engineering education: A case study of system modeling and simulation courses. International Journal of Mechanical Engineering Education, s.n.(s.n.), 03064190241272728. https://doi.org/10.1177/03064190241272728

36.  Matzakos, N., Doukakis, S., y Moundridou, M. (17 de 10 de 2023). Learning mathematics with large language models: A comparative study with computer algebra systems and other tools. International Journal of Emerging Technologies in Learning (iJET), 18(20), 51-71. https://www.learntechlib.org/p/223774/

37.  Meyer, C. D. (2023). Matrix analysis and applied linear algebra (Second Edition ed.). SIAM. https://www.amazon.com/Matrix-Analysis-Applied-Linear-Algebra/dp/1611977436

38.  Moh, T.-T. (2020). Linear algebra and its applications (Vol 10 ed.). World Scientific Publishing Company. https://www.amazon.com/LINEAR-ALGEBRA-APPLICATIONS-University-Mathematics/dp/981323542X

39.  Noble, B., y Daniel, J. W. (1988). Applied linear algebra (Thirth Edition ed.). Prentice-Hall. https://doi.org/10.2307/3619970

40.  Penprase, B., y Pickus, N. (2023). The new global universities: Reinventing education in the 21st century. New Jersey: Princeton University Press. https://books.google.com.ec/books?id=3yqrzwEACAAJ&printsec=frontcover#v=onepage&q&f=false

41.  Poole, D. (2002). �lgebra lineal: Una introducci�n moderna (Tercera Edici�n ed.). Cengage Learning. https://archive.org/details/algebra-lineal-poole/page/n2/mode/1up

42.  Sabatinelli, P. A., y Llanos, V. C. (4 de 2024). �lgebra Lineal y Geometr�a Anal�tica en la formaci�n de ingenieros en Argentina desde 1810 a la actualidad: an�lisis macrodid�ctico. Educaci�n Matem�tica, 36(1), 121-156. https://doi.org/10.24844/EM3601.05

43.  Sadun, L. (2007). Applied Linear Algebra: The Decoupling Principle (Second Edition ed.). Amer Mathematical Society. https://es.scribd.com/document/585357832/Lorenzo-Sadun-Applied-Linear-Algebra-the-Decoupling-Principle-American-Mathematical-Society-2007

44.  Shores, T. S. (2018). Applied linear algebra and matrix analysis (Second Edition ed.). New York: Springer. https://doi.org/10.1017/mag.2020.80

45.  Strang, G. (2007). Algebra lineal y sus aplicaciones (Cuarta Edici�n ed.). Thomson. https://archive.org/details/AlgebraLinealYSusAplicaciones.Strang

46.  Tereshchenko, E., Kurnia, S., Mbogho, A., y Happonen, A. (8 de 2024). Why do Women Refrain from IT/ICT studies at Higher Education Institutions? A Literature Review. International Journal of Gender, Science and Technology, 16(2), 101-123. https://genderandset.open.ac.uk/index.php/genderandset/article/view/1297

47.  Van der Waerden, B. L. (1985). A history of algebra: From al-Khwārizmī to Emmy Noether. Springer Science & Business Media. https://doi.org/10.1007/978-3-642-51599-6

48.  Weyl, H. (1950). The theory of groups and quantum mechanics. New York: Courier Corporation.

49.  White, R. E. (2023). Computational Linear Algebra: with Applications and MATLAB� Computations. Chapman and Hall/CRC. https://doi.org/10.1201/9781003304128

50.  Zald�var, F. (2012). Introducci�n al �lgebra Lineal (Segunda Edici�n ed.). UNAM. https://archive.org/details/MirAlgebraLinealV.Voevodin

 

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).