Álgebra lineal

(Redirigido desde «Algebra lineal»)

Ir a la navegaciónIr a la búsqueda

El espacio euclídeo tridimensional R3 es un espacio vectorial y las líneas y los planos que pasan por
el origen son subespacios vectoriales de R3.

El álgebra lineal es una rama de las matemáticas que estudia conceptos tales

como vectores, matrices, espacio dual, sistemas de ecuaciones lineales y en su
enfoque de manera más formal, espacios vectoriales y sus transformaciones lineales.
Dicho de otra forma, el Álgebra lineal es la rama de las matemáticas que se ocupa de
las ecuaciones lineales como:
y aplicaciones lineales tales como:
y sus representaciones en espacios vectoriales y a través de matrices.123
El álgebra lineal es fundamental en casi todas las áreas de las matemáticas. Por
ejemplo, el álgebra lineal es fundamental en las presentaciones modernas de
la geometría, incluso para definir objetos básicos
como líneas, planos y rotaciones. Además, el análisis funcional, una rama del
análisis matemático, puede considerarse básicamente como la aplicación del
álgebra lineal al espacios de funciones.
El álgebra lineal también se utiliza en la mayoría de las ciencias y campos de
la ingeniería, porque permite modelar muchos fenómenos naturales, y computar
eficientemente con dichos modelos. Para los sistemas no lineales, que no
pueden ser modelados con el álgebra lineal, se utiliza a menudo para tratar
la aproximaciones de primer orden, utilizando el hecho de que la diferencial de
una 'función multivariante' en un punto es el mapa lineal que mejor aproxima la
función cerca de ese punto así como el análisis funcional, las ecuaciones
diferenciales, la investigación de operaciones, las gráficas por computadora,
la ingeniería entre otras más.
La historia del álgebra lineal moderna se remonta a 1843, cuando William
Rowan Hamilton (de quien proviene el uso del término vector) creó
los cuaterniones inspirado en los números complejos;4 y a 1844,
cuando Hermann Grassmann publicó su libro Die lineare Ausdehnungslehre (La
teoría lineal de extensión)5.

Índice

 1Historia
 2Contexto general
 3Espacios vectoriales
o 3.1Antecedentes
o 3.2Algunas operaciones básicas
o 3.3Aplicaciones lineales
o 3.4Subespacios, intervalo y base
 4Matrices
 5Sistemas lineales
 6Endomorfismos y matrices cuadradas
o 6.1Determinantes
o 6.2Valores propios y vectores propios
 7Dualidad
o 7.1Mapa lineal de un espacio vectorial a su campo de escalares
o 7.2Mapa dual
 8Espacios vectoriales de uso común
o 8.1Vectores en Rn
o 8.2Espacio vectorial de polinomios en una misma variable
 9Generalización y temas relacionados
 10Relación con la geometría
 11Utilización y aplicaciones
o 11.1Geometría del espacio ambiental
o 11.2Análisis funcional
o 11.3Estudio de sistemas complejos
o 11.4Cálculo científico
 12Véase también
 13Referencias
 14Fuentes principales
 15Bibliografía
o 15.1Historia
o 15.2Libros de texto introductorios
o 15.3Libros de texto avanzados
 16Enlaces externos

Historia[editar]
El procedimiento para resolver ecuaciones lineales simultáneas que ahora se
denomina eliminación gaussiana aparece en el antiguo texto matemático chino
Cálculo de barras#Sistema de ecuaciones lineales; Capítulo octavo: Matrices
rectangulares de Los nueve capítulos sobre el arte matemático. Su uso se
ilustra en dieciocho problemas, con dos a cinco ecuaciones. 6
Los Sistemas de ecuaciones lineales surgieron en Europa con la introducción en
1637 por René Descartes de las coordenadas en la geometría. De hecho, en
esta nueva geometría, ahora llamada geometría cartesiana, las líneas y los
planos están representados por ecuaciones lineales, y calcular sus
intersecciones equivale a resolver sistemas de ecuaciones lineales.
Los primeros métodos sistemáticos para resolver sistemas lineales
utilizaban determinantes, considerados por primera vez por Leibniz en 1693. En
1750, Gabriel Cramer los utilizó para dar soluciones explícitas de sistemas
lineales, lo que ahora se llama regla de Cramer. Más tarde, Gauss describió aún
más el método de eliminación, que inicialmente fue catalogado como un avance
en geodesia.7
En 1844 Hermann Grassmann publicó su "Teoría de la Extensión" que incluía
nuevos temas fundacionales de lo que hoy se llama álgebra lineal. En
1848, James Joseph Sylvester introdujo el término matriz, que en latín
significa vientre.
El álgebra lineal creció con las ideas anotadas en el plano complejo. Por
ejemplo, dos números w y z en ℂ tienen una diferencia w - z, y los segmentos
de línea  y  tienen la misma longitud y dirección. Los segmentos
son equipolentes. El sistema cuatridimensional ℍ de cuaterniones se inició en
1843. El término vector fue introducido como v = x i + y j + z k representando un
punto en el espacio. La diferencia de cuaterniones p - q también produce un
segmento equipolente a la  Otros sistemas de números hipercomplejos también
utilizaron la idea de un espacio lineal con una base.
Arthur Cayley introdujo la multiplicación matricial y la matriz inversa en 1856,
haciendo posible el grupo lineal general. El mecanismo de representación de
grupo se hizo disponible para describir los números complejos e hipercomplejos.
Fundamentalmente, Cayley utilizó una sola letra para denotar una matriz,
tratando así una matriz como un objeto agregado. También se dio cuenta de la
conexión entre las matrices y los determinantes, y escribió "Habría muchas
cosas que decir sobre esta teoría de las matrices que deberían, me parece,
preceder a la teoría de los determinantes". 7
Benjamin Peirce publicó su Álgebra lineal asociativa (1872), y su hijo Charles
Sanders Peirce amplió el trabajo posteriormente.8
El telégrafo requería un sistema explicativo, y la publicación en 1873 de A
Treatise on Electricity and Magnetism instituyó una teoría de campos de fuerzas
y requirió la geometría diferencial para su expresión. El álgebra lineal es
geometría diferencial plana y sirve en los espacios tangentes a los colectores.
Las simetrías electromagnéticas del espaciotiempo se expresan mediante
las transformaciones de Lorentzs, y gran parte de la historia del álgebra lineal es
la historia de las transformaciones de Lorentz.
La primera definición moderna y más precisa de un espacio vectorial fue
introducida por Peano en 1888;7 en 1900 había surgido una teoría de las
transformaciones lineales de los espacios vectoriales de dimensión finita. El
álgebra lineal tomó su forma moderna en la primera mitad del siglo XX, cuando
muchas ideas y métodos de siglos anteriores se generalizaron como álgebra
abstracta. El desarrollo de los ordenadores hizo que aumentara la investigación
de algoritmos eficientes para la eliminación gaussiana y las descomposiciones
matriciales, y el álgebra lineal se convirtió en una herramienta esencial para la
modelización y las simulaciones.7

Contexto general[editar]
De manera más formal, el álgebra lineal estudia conjuntos denominados
espacios vectoriales, los cuales constan de un conjunto de vectores y un
conjunto de escalares que tiene estructura de campo, con una operación de
suma de vectores y otra de producto entre escalares y vectores que satisfacen
ciertas propiedades (por ejemplo, que la suma es conmutativa).
Estudia también transformaciones lineales, que son funciones entre espacios
vectoriales que satisfacen las condiciones de linealidad:
A diferencia del ejemplo desarrollado en la sección anterior, los vectores no
necesariamente son n-adas de escalares, sino que pueden ser elementos de un
conjunto cualquiera (de hecho, a partir de todo conjunto puede construirse un
espacio vectorial sobre un campo fijo).
Finalmente, el álgebra lineal estudia también las propiedades que aparecen
cuando se impone estructura adicional sobre los espacios vectoriales, siendo
una de las más frecuentes la existencia de un producto interno (una especie de
producto entre dos vectores) que permite introducir nociones como longitud de
vectores y ángulo entre un par de los mismos.

Espacios vectoriales[editar]
Artículo principal: Espacio vectorial
Antecedentes[editar]
Hasta el siglo XIX, el álgebra lineal se presentaba a través de sistemas de
ecuaciones lineales y matrices. En la matemática moderna, se prefiere
generalmente la presentación a través de espacios vectoriales, ya que es más
sintética, más general (no se limita al caso de dimensión finita) y
conceptualmente más sencilla, aunque más abstracta.
Algunas operaciones básicas[editar]
Un espacio vectorial sobre un campo F, con frecuencia el campo de
los números reales, es un Conjunto V dotado de dos operaciones binarias que
satisfacen los siguientes axiomass. Los elementos de V se llaman vectores, y
los elementos de F se llaman escalares.
La primera operación, la suma de vectores, se expresa de la siguiente manera:
tómese dos vectores cualesquiera v y w; la suma tiene como resultado un tercer
vector v + w.
La segunda operación, multiplicación escalar, se expresa de la siguiente
manera: tómese cualquier escalar a y cualquier vector v y produce un
nuevo vector av. Los axiomas que deben satisfacer la suma y la multiplicación
escalar son los siguientes, siendo en la lista siguiente, u, v y w elementos
arbitrarios de V; y a y b son escalares arbitrarios en el campo F.9
Axioma Significación
Asociativa de adición u + (v + w) = (u + v) + w
Conmutativa de adición u + v = v + u
Elemento neutro de adición Existe un elemento 0 en V, llamado
Elemento simétrico se adición Para todo v en V, existe un element
Distributividad de la multiplicación escalar con respecto a la suma vectorial a(u + v) = au + av
Distributividad de la multiplicación escalar con respecto a la suma de campos (a + b)v = av + bv
Compatibilidad de la multiplicación escalar con la multiplicación de campos a(bv) = (ab)v 10
Elemento de identidad de la multiplicación escalar 1v = v, donde 1 indica el elemento
Aplicaciones lineales[editar]
Artículo principal: Aplicación lineal
Las aplicaciones lineales son mapeos entre espacios vectoriales que preservan
la estructura del espacio vectorial. Dados dos espacios vectoriales V y W sobre
un campo F, un mapa lineal, también llamado en algunos contextos,
transformación lineal o mapeo lineal, es un mapa o aplicación
que es compatible con la suma y la multiplicación escalar, es decir
para los vectores u,v in V y escaleres a en F.
Esto implica que para cualquier vector u, v en V y escalares a, b en F, se
tiene
Donde V = W son el mismo espacio vectorial, un mapa
lineal  también se conoce como un operador lineal en V.
Un mapa lineal biyectivo entre dos espacios vectoriales, es decir,
cada vector del segundo espacio se asocia exactamente con uno en
el primero, es un isomorfismo. Dado que un isomorfismo preserva la
estructura lineal, dos espacios vectoriales isomorfos son
"esencialmente iguales" desde el punto de vista del álgebra lineal, en
el sentido de que no pueden distinguirse utilizando las propiedades
del espacio vectorial. Una cuestión esencial en el álgebra lineal es
probar si un mapa lineal es un isomorfismo o no, y, si no es un
isomorfismo, encontrar su rango (o imagen) y el conjunto de
elementos que son mapeados al vector cero, llamado el núcleo del
mapa. Todas estas cuestiones pueden resolverse mediante el uso de
la eliminación gaussiana o alguna variante de este algoritmo.
Subespacios, intervalo y base[editar]
Artículos principales: Subespacio vectorial,  Sistema generador y  Base
(álgebra).
El estudio de aquellos subconjuntos de espacios vectoriales que son
en sí mismos espacios vectoriales bajo las operaciones inducidas es
fundamental, al igual que para muchas estructuras matemáticas.
Estos subconjuntos se denominan subespacios lineales. Más
precisamente, un subespacio lineal de un espacio vectorial V sobre
un campo F es un subconjunto de W of V tal que u + v y au están
en W, para todo u, v en W, y todo a in F. Estas condiciones son
suficientes para implicar que W es un espacio vectorial.
Por ejemplo, dado un campo lineal , la imagen T(V) de V, y la imagen
inversa T−1(0) de 0, llamada núcleo o kernel, son subespacios
lineales de W y V, respectivamente.
Otra forma importante de formar un subespacio es considerar las
combinaciones lineales de un conjunto S de vectores: el conjunto de
todas las sumas
donde v1, v2, …, vk están en S, y a1, a2, ..., ak están en F forman
un subespacio lineal llamado Sistema generador de S. El sistema
generador de S es también la intersección de todos los
subespacios lineales que contienen a S. En otras palabras, es el
subespacio lineal, más pequeño para la relación de inclusión, que
contiene a S.
Un conjunto de vectores es linealmente independiente si ninguno
está en el intervalo de los demás. De manera equivalente, un
conjunto S de vectores es linealmente independiente si la única
forma de expresar el vector cero como una combinación lineal de
elementos de S es tomar cero para cada coeficiente 
Un conjunto de vectores que abarca un espacio vectorial se
denomina conjunto de expansión o sistema generador. Si un
conjunto generador S es linealmente dependiente (que no es
linealmente independiente), entonces algún elemento w de S es
en el lapso de los otros elementos de S , y el lapso seguiría
siendo el mismo si uno remove w de S. Se puede continuar
eliminando elementos de S hasta obtener un conjunto de
expansión linealmente independiente. Un conjunto linealmente
independiente que abarca un espacio vectorial V se llama base
de V. La importancia de las bases radica en el hecho de que hay
juntos grupos electrógenos mínimos y grupos independientes
máximos. Más precisamente, si S es un conjunto linealmente
independiente y T es un conjunto de expansión tal que , entonces
hay una base B tal que 
Si dos bases cualesquiera de un espacio vectorial V tienen la
misma cardinalidad que se llama dimensión; este es el Teorema
de la dimensión de espacios vectoriales. Además, dos espacios
vectoriales sobre el mismo campo F son isomorfos si y solo si
tienen la misma dimensión. 11
Si alguna base de V (y por lo tanto cada base) tiene un número
finito de elementos, V es un espacio vectorial de dimensión finita.
Si U es un subespacio de V, entonces dim U ≤ dim V. En el caso
en el que V es de dimensión finita, la igualdad de las dimensiones
implica que U = V.
Si U1 y U2 son subespacios de V , entonces
donde  denota el lapso de 12

Matrices[editar]
Artículo principal: Matriz (matemáticas)
La matriz es una disposición rectangular de números,
símbolos o expresiones, cuyas dimensiones son descritas en
las cantidades de filas (usualmente m) por las de columnas (n)
que poseen. Las disposiciones matriciales son particularmente
estudiados por el álgebra lineal y son bastante usados en
ciencias e ingeniería.
Las matrices permiten la manipulación explícita de espacios
vectoriales de dimensión finita y mapas lineales . Por tanto, su
teoría es una parte esencial del álgebra lineal.
Sea V un espacio vectorial de dimensión finita sobre un
campo F, y (v1, v2, …, vm) es una base de V, por lo tanto m es
ladimensión de V). Por definición, de una base, el mapa
es una biyección de  el conjunto de
las secuencias de m elementos de V , sobre la V. Este es
un isomorfismo de espacios vectoriales, si  está equipado
con su estructura estándar de espacio vectorial, donde la
suma de vectores y la multiplicación escalar se realizan
componente por componente.
Este isomorfismo permite representar un vector por
su imagen inversa bajo este isomorfismo, es decir por
las componentes de un vector de coordenadas {\
Displaystyle (a_ {1}, \ ldots, a_ {m})}{\ Displaystyle (a_ {1}, \
ldots, a_ {m})}o por la matriz de columnas  o mediante
la matriz vertical
Si W es otro espacio vectorial de dimensión finita
(posiblemente el mismo), con una base , un mapa
lineal f de W a V está bien definido por sus valores en
los elementos base, es decir {\ Displaystyle (f (\ mathbf
{w} _ {1}), \ ldots, f (\ mathbf {w} _ {n})).}{\ Displaystyle
(f (\ mathbf {w} _ {1}), \ ldots, f (\ mathbf {w} _ {n})).}Por
tanto, f está bien representada por la lista de las
matrices de columna correspondientes. Es decir, si
con j = 1, ..., n, entonces f viene representada por
una matriz:
con m filas y n columnas.
La multiplicación de matrices se define de
forma que el producto de dos matrices es la
matriz de la composición de los mapas lineales
correspondientes, y el producto de una matriz y
una matriz columna es la matriz columna que
representa el resultado de aplicar el mapa lineal
representado al vector representado. Se
deduce que la teoría de los espacios vectoriales
de dimensión finita y la teoría de las matrices
son dos lenguajes diferentes para expresar
exactamente los mismos conceptos.
Dos matrices que codifican la misma
transformación lineal en bases diferentes se
llaman matrices similares. Se puede demostrar
que dos matrices son similares si y solo si se
puede transformar una en la otra
mediante operaciones elementales de filas y
columnas. Para una matriz que representa un
mapa lineal de W a V, las operaciones de fila
corresponden a cambio de bases en V y las
operaciones de columna corresponden a
cambio de bases en W. Toda matriz es similar a
una matriz identidad bordeada por filas y
columnas nulas. En términos de espacios
vectoriales, esto significa que, para cualquier
mapa lineal de W a V, hay bases tales que una
parte de la base de W se mapea
biyectivamente en una parte de la base de V, y
que los elementos restantes de la base de W, si
los hay, se mapean a cero. La eliminación
gaussiana es el algoritmo básico para encontrar
estas operaciones elementales y demostrar
estos resultados.

Sistemas lineales[editar]
Artículo principal: Sistema de ecuaciones lineales
Un conjunto finito de ecuaciones lineales en un
conjunto finito de variables, por ejemplo  or  se
llama sistema de ecuaciones
lineales o sistema lineal .1314151617
Los sistemas de ecuaciones lineales
constituyen una parte fundamental del álgebra
lineal. Históricamente, el álgebra lineal y la
teoría de matrices se han desarrollado para
resolver dichos sistemas. En la presentación
moderna del álgebra lineal mediante espacios
vectoriales y matrices, muchos problemas
pueden interpretarse en términos de sistemas
lineales.
Por ejemplo,
(
 
 

 
S
)
es un sistema lineal.
A dicho sistema se le puede asociar su matriz
y su vector de miembro derecho
Sea T la transformación lineal asociada
a la matriz M. Una solución del sistema
(S) es un vector
tal que
que es un elemento de la imagen
inversa de v por T.
Sea (S') el sistema
homogéneo asociado, donde los
lados derechos de las
ecuaciones se ponen a cero:

(
 
 
S
'
 

)
Las soluciones de (S') son
exactamente los elementos
del núcleo de T o,
equivalentemente, M.
La eliminación
gaussiana consiste en
realizar operaciones elementales
de filas en la matriz aumentada.
para ponerlo en forma
escalonada reducida. Estas
operaciones de fila no
cambian el conjunto de
soluciones del sistema de
ecuaciones. En el ejemplo, la
forma escalonada reducida es
mostrando
De esta interpretación
matricial de los
sistemas lineales se
deduce que los
mismos métodos
pueden aplicarse para
resolver sistemas
lineales y para
muchas operaciones
sobre matrices y
transformaciones
lineales, que incluyen
el cálculo
del rangos, núcleos,
y matriz inversa que el
sistema (S) tiene la
solución única
De esta
interpretación
matricial de los
sistemas lineales
se deduce que los
mismos métodos
pueden aplicarse
para resolver
sistemas lineales y
para muchas
operaciones sobre
matrices y
transformaciones
lineales, que
incluyen el cálculo
del rangos, núcleo
s y matriz inversa.
Endomorfis
mos y
matrices
cuadradas[edi
tar]
Artículo
principal: Matriz
cuadrada
Un endomorfismo l
ineal es un mapa
lineal que mapea
un espacio
vectorial V a sí
mismo. Si V tiene
una base
de n elementos, tal
endomorfismo se
representa
mediante una
matriz cuadrada de
tamaño n.
Con respecto a los
mapas lineales
generales, los
endomorfismos
lineales y las
matrices
cuadradas tienen
algunas
propiedades
específicas que
hacen que su
estudio sea una
parte importante
del álgebra lineal,
que se usa en
muchas partes de
las matemáticas,
incluidas
las transformacion
es geométricas ,
los cambios de
coordenadas,
las formas
cuadráticas y
muchas otras. de
las matemáticas.
Determinantes
[editar]
Artículo
principal: Determinan
te (matemática)
El determinante de
una matriz
cuadrada A se
define como18
donde
  es
el gr
upo
de
toda
s las
perm
utaci
ones 
de n 
elem
ento
s,
  es
una
perm
utaci
ón y
 y  la 
parid
ad d
e la
perm
utaci
ón.
Una matriz
es invertible si
y solo si el
determinante
es invertible
(es decir,
distinto de cero
si los escalares
pertenecen a
un campo).
La regla de
Cramer es
una expresión
de forma
cerrada, en
términos de
determinantes,
de la solución
de un sistema
de n ecuacione
s lineales
en n incógnitas
. La regla de
Cramer es útil
para razonar
sobre la
solución, pero,
excepto
para n = 2 o 3,
rara vez se
utiliza para
calcular una
solución, ya
que
la eliminación
gaussiana es
un algoritmo
más rápido.
El determinant
e de un
endomorfismo 
es el
determinante
de la matriz
que representa
el
endomorfismo
en términos de
alguna base
ordenada. Esta
definición tiene
sentido, ya que
este
determinante
es
independiente
de la elección
de la base.
Valores
propios y
vectores
propios[edita
r]
Artículo
principal: Vector
propio y valor
propio
Si f es un
endomorfismo
lineal de un
espacio
vectorial V sobr
e un campo F,
un vector
propio de f es
un
vector v de V n
o nulo tal
que f(v)
= av para algún
escalar a en F.
Este
escalar a es
un valor
propio de f.
Si la dimensión
de V es finita, y
se ha elegido
una
base, f y v pue
den
representarse,
respectivament
e, por una
matriz
cuadrada M y
una matriz de
columnas z; la
ecuación que
define los
vectores y
valores propios
se convierte en
Utilizando
la matriz
identidad I,
cuyas
entradas
son todas
cero,
excepto las
de la
diagonal
principal,
que son
iguales a
uno, esto
puede
reescribirse
Como
se
supone
que z es
distinto
de cero,
esto
significa
que M - 
aI es
una mat
riz
singular,
y por
tanto
que su
determi
nante  e
s igual a
cero.
Los
valores
propios
son,
pues,
la raíces 
del polin
omio
Si V 
es
de
dime
nsió
n n,
se
trata
de
un p
olino
mio
móni
co d
e
grad
o n,
llam
ado 
polin
omio
cara
cterí
stico 
de la
matr
iz (o
del
end
omo
rfism
o), y
hay,
com
o
máxi
mo, 
n val
ores
prop
ios.
Si
exist
e
una
base
que
cons
iste
solo
en
vect
ores
prop
ios,
la
matr
iz
de f 
en
esta
base
tiene
una
estr
uctu
ra
muy
simp
le:
es
una 
matr
iz
diag
onal 
tal
que
las
entr
adas
en
la di
ago
nal
princ
ipal 
son
valor
es
prop
ios,
y las
otra
s
entr
adas
son
cero
. En
este
caso
, se
dice
que
el
end
omo
rfism
oy
la
matr
iz
son 
diag
onali
zabl
e.
De
form
a
más
gen
eral,
un
end
omo
rfism
oy
una
matr
iz
tam
bién
se
dice
n
diag
onali
zabl
es,
si se
conv
ierte
n en
diag
onali
zabl
es
desp
ués
de e
xten
der 
el
cam
po
de
esca
lares
. En
este
senti
do
exte
ndid
o, si
el
polin
omio
cara
cterí
stico
es s
quar
e-
free,
ento
nces
la
matr
iz es
diag
onali
zabl
e.
Una 
matr
iz
simé
trica 
es
siem
pre
diag
onali
zabl
e.
Exist
en
matr
ices
no
diag
onali
zabl
es,
sien
do la
más
senc
illa
(
n
o
p
u
e
d
e
s
e
r
d
i
a
g
o
n
a
li
z
a
b
l
e
y
a
q
u
e
s
u
c
u
a
d
r
a
d
o
e
s
l
a 
m
a
t
ri
z
c
e
r
o
,
y
e
l
c
u
a
d
r
a
d
o
d
e
u
n
a
m
a
t
ri
z
d
i
a
g
o
n
a
l
n
o
n
u
l
a
n
u
n
c
a
e
s
c
e
r
o
)
.
C
u
a
n
d
o
u
n
e
n
d
o
m
o
r
fi
s
m
o
n
o
e
s
d
i
a
g
o
n
a
li
z
a
b
l
e
,
h
a
y
b
a
s
e
s
e
n
l
a
s
q
u
e
ti
e
n
e
u
n
a
f
o
r
m
a
s
i
m
p
l
e
,
a
u
n
q
u
e
n
o
t
a
n
s
i
m
p
l
e
c
o
m
o
l
a
f
o
r
m
a
d
i
a
g
o
n
a
l.
L
a 
f
o
r
m
a
n
o
r
m
a
l
d
e
F
r
o
b
e
n
i
u
s 
n
o
n
e
c
e
s
it
a
e
x
t
e
n
d
e
r
e
l
c
a
m
p
o
d
e
e
s
c
a
l
a
r
e
s
y
h
a
c
e
q
u
e
e
l
p
o
li
n
o
m
i
o
c
a
r
a
c
t
e
r
í
s
ti
c
o
s
e
a
i
n
m
e
d
i
a
t
a
m
e
n
t
e
l
e
g
i
b
l
e
s
o
b
r
e
l
a
m
a
t
ri
z
.
L
a 
f
o
r
m
a
n
o
r
m
a
l
d
e
J
o
r
d
a
n 
r
e
q
u
i
e
r
e
e
x
t
e
n
d
e
r
e
l
c
a
m
p
o
d
e
e
s
c
a
l
a
r
e
s
p
a
r
a
c
o
n
t
e
n
e
r
t
o
d
o
s
l
o
s
v
a
l
o
r
e
s
p
r
o
p
i
o
s
,
y
d
if
i
e
r
e
d
e
l
a
f
o
r
m
a
d
i
a
g
o
n
a
l
s
o
l
o
p
o
r
a
l
g
u
n
a
s
e
n
t
r
a
d
a
s
q
u
e
e
s
t
á
n
j
u
s
t
o
e
n
c
i
m
a
d
e
l
a
d
i
a
g
o
n
a
l
p
ri
n
c
i
p
a
l
y
s
o
n
i
g
u
a
l
e
s
a
1
.

D
u
a
l
i
d
a
d
[
e
d
it
a
r
]
A
rt
í
c
u
l
o
p
ri
n
c
i
p
a
l: 
E
s
p
a
c
i
o
d
u
a
l
U
n
a 
f
o
r
m
a
li
n
e
a
l 
e
s
u
n
m
a
p
a
li
n
e
a
l
d
e
s
d
e
u
n
e
s
p
a
c
i
o
v
e
c
t
o
ri
a
l 
 
s
o
b
r
e
u
n
c
a
m
p
o 
 
a
l
c
a
m
p
o
d
e
e
s
c
a
l
a
r
e
s 
,
v
i
s
t
o
c
o
m
o
u
n
e
s
p
a
c
i
o
v
e
c
t
o
ri
a
l
s
o
b
r
e
s
í
m
i
s
m
o
.
E
q
u
i
p
a
d
a
s
p
o
r
l
a
a
d
i
c
i
ó
n 
p
u
n
t
u
a
l 
y
l
a
m
u
lt
i
p
li
c
a
c
i
ó
n
p
o
r
u
n
e
s
c
a
l
a
r
,
l
a
s
f
o
r
m
a
s
li
n
e
a
l
e
s
f
o
r
m
a
n
u
n
e
s
p
a
c
i
o
v
e
c
t
o
ri
a
l,
ll
a
m
a
d
o 
e
s
p
a
c
i
o
d
u
a
l 
d
e 
,
y
u
s
u
a
l
m
e
n
t
e
d
e
n
o
t
a
d
o 
(
K
a
t
z
n
e
l
s
o
n
,
K
a
t
z
n
e
l
s
o
n
y
2
0
0
8
,
p
.
3
7
§
2
.
1
.
3
)
o 
.
(
H
a
l
m
o
s
y
1
9
7
4
,
p
.
2
0
,
§
1
3
)
(
A
x
l
e
r
y
2
0
1
5
,
p
.
1
0
1
,
§
3
.
9
4
)
M
a
p
a

l
i
n
e
a
l
d
e

u
n

e
s
p
a
c
i
o

v
e
c
t
o
r
i
a
l
a

s
u

c
a
m
p
o

d
e

e
s
c
a
l
a
r
e
s
[
e
d
it
a
r
]
S
i 
 
e
s
u
n
a
b
a
s
e
d
e 
 
(
e
s
t
o
i
m
p
li
c
a
q
u
e 
V
 
e
s
d
e
d
i
m
e
n
s
i
ó
n
fi
n
it
a
)
,
e
n
t
o
n
c
e
s
s
e
p
u
e
d
e
d
e
fi
n
ir
,
p
a
r
a 
i 
=
1
,
.
..
, 
n
,
u
n
m
a
p
a
li
n
e
a
l 
 t
a
l
q
u
e 
 
y 
 
s
i 
j 
≠ 
i.
E
s
t
o
s
m
a
p
a
s
li
n
e
a
l
e
s
f
o
r
m
a
n
u
n
a
b
a
s
e
d
e 
 l
l
a
m
a
d
a
l
a 
b
a
s
e
d
u
a
l 
d
e 
 
(
S
i 
V
 
n
o
e
s
d
e
d
i
m
e
n
s
i
ó
n
fi
n
it
a
,
l
o
s 
 
p
u
e
d
e
n
d
e
fi
n
ir
s
e
d
e
f
o
r
m
a
s
i
m
il
a
r
;
s
o
n
li
n
e
a
l
m
e
n
t
e
i
n
d
e
p
e
n
d
i
e
n
t
e
s
,
p
e
r
o
n
o
f
o
r
m
a
n
u
n
a
b
a
s
e
)
.
P
a
r
a 
 
e
n 
,
e
l
m
a
p
a
es
un
a
for
m
a
lin
ea
l
en 
 E
st
o
de
fin
e
el 
m
ap
a
lin
ea
l
ca
nó
ni
co 
de 
 e
n  
el
du
al
de 
 ll
a
m
ad
o
el 
bi
d
ua
l o
f .
Es
te
m
ap
a
ca
nó
ni
co
es
un 
is
o
m
orf
is
m
o 
si 
 e
s
fin
ito
-
di
m
en
si
on
al,
y
es
to
pe
rm
ite
id
en
tifi
ca
r  
co
n
su
bi
du
al.
Ex
ist
e,
pu
es
,
un
a
si
m
etr
ía
co
m
pl
et
a
en
tre
un
es
pa
ci
o
ve
ct
ori
al
de
di
m
en
si
ón
fin
ita
y
su
 du
al.
Es
to
m
oti
va
el
us
o
fre
cu
en
te,
en
es
te
co
nt
ex
to,
de
la 
no
ta
ci
ón
br
a-
ke
t
 para denotar .
Map
a
dual[
editar]
Deje
mos
que
sea un
mapa
lineal.
Para toda
forma
lineal h s
obre W,
la función
compuest
a h ∘ f es
una
forma
lineal
sobre V.
Esto
define un
mapa
lineal
entre los
espacios
duales, que
se llama
el dual o
la transposi
ción' de f.
Si V y W son
de dimensión
finita, y M es
la matriz
de f en
términos de
algunas
bases
ordenadas,
entonces la
matriz
de  sobre las
bases duales
es
la transposici
ón  de M,
obtenida
intercambian
do filas y
columnas.
Si los
elementos
de los
espacios
vectoriales y
sus duales
se
representan
mediante
vectores
columna,
esta dualidad
puede
expresarse
en notación
bra-ket medi
ante
Para resaltar
esta simetría,
dos miembros
de esta iguald
se escriben a
veces

Espacios
vectoriale
uso
común[edi
Dentro de los
espacios vecto
de dimensión
son de amplio
los dos tipos
siguientes de
espacios
vectoriales:
Vectores e
Rn[editar]
Este espacio
vectorial está
formado por e
conjunto de
vectores de n
dimensiones (
decir con n nú
de component
Podemos enc
un ejemplo de
en los vectore
que son famos
por representa
las coordenad
cartesianas: (2
(3,4),...
Espacio
vectorial de
polinomios
una misma
variable[edi
Un ejemplo de
espacio vecto
está dado por
los polinomios
grado es men
igual a 2 con
coeficientes re
sobre una
variable x.
Ejemplos de ta
polinomios so
La suma de do
polinomios cu
grado no exce
es otro polinom
cuyo grado no
excede a 2:
El campo de
escalares es
naturalmente
los números re
y es posible
multiplicar un
número por un
polinomio:
donde el resul
nuevamente e
polinomio (es
un vector).
Un ejemplo de
transformación
lineal es el op
derivada D, qu
asigna a cada
polinomio el
resultado
de derivarlo:
El operador
derivada satis
las condicione
linealidad, y a
es posible
demostrarlo co
rigor, simplem
lo ilustramos c
ejemplo la prim
condición de
linealidad:
y por otro lado
Cualquier esp
vectorial tiene
representación
coordenadas s
a , lo cual se o
mediante la el
de una base
(álgebra) (es d
un conjunto es
de vectores), y
de los temas
recurrentes en
álgebra lineal
elección de ba
apropiadas pa
los vectores d
coordenadas y
matrices que
representan la
transformacion
lineales tenga
formas sencill
propiedades
específicas.
Generaliz
n y temas
relaciona
editar]
Puesto que el
álgebra lineal
una teoría mu
exitosa, sus
métodos se ha
proliferado po
áreas de la
matemática: e
la teoría de
módulos, que
remplaza
al cuerpo en lo
escalares por
un anillo; en
el álgebra
multilineal, un
con 'múltiples
variables' en u
problema de m
lineal, en el qu
cada número
diferentes vari
se dirige al co
de tensor, e in
en el ámbito d
programación
que hoy en día
indexación de
páginas web s
basa en métod
del álgebra lin
en la teoría de
espectro de lo
operadores de
control de mat
de dimensión
infinita, aplican
el análisis
matemático en
teoría que no
puramente
algebraica. En
estos casos la
dificultades té
son mucho má
grandes.

Relación
la
geometría
r]
Existe una fue
relación entre
álgebra lineal
la geometría,
comenzó con
introducción
por René Des
en 1637, de
las coordenad
cartesianas. E
nueva (en ese
momento)
geometría, ah
llamada geom
cartesiana, los
puntos se
representan
mediante coor
as cartesianas
son secuencia
tres números
(en el caso
del espacio
tridimensional
al). Los objeto
básicos de la
geometría, qu
las líneas y
los planos se
representan
mediante
ecuaciones lin
Por tanto, calc
las interseccio
de líneas y pla
equivale a res
sistemas de
ecuaciones lin
Esta fue una d
principales
motivaciones
desarrollar el
álgebra lineal.
La mayoría de
las transforma
s geométricas
como
las traslacione
ciones, reflexi
movimientos
rígidos, isome
proyecciones 
orman líneas e
líneas. De ello
deduce que se
pueden definir
especificar y
estudiar en tér
de mapas line
Este es tambié
caso de
las homografía
las transforma
s de Möbius,
cuando se
consideran co
transformacion
un espacio
proyectivo.
Hasta finales d
siglo XIX, los
espacios
geométricos s
definían
mediante axio
ue relacionaba
puntos, líneas
planos (geome
sintética). Alre
de esta fecha,
apareció que
también se pu
definir los esp
geométricos
mediante
construccione
implican espa
vectoriales (vé
por
ejemplo, Espa
proyectivo y E
afín). Se ha
demostrado q
dos enfoques
esencialmente
equivalentes.2
geometría clás
los espacios
vectoriales
implicados son
espacios vecto
sobre los reale
pero las
construccione
pueden extend
a espacios
vectoriales so
cualquier cam
permitiendo
considerar la
geometría sob
campos arbitra
incluyendo ca
finitos.
Actualmente,
mayoría de los
libros de texto
introducen los
espacios
geométricos d
el álgebra line
geometría se
presenta a me
a nivel elemen
como un subc
del álgebra lin
Utilizació
aplicacion
ditar]
El álgebra line
utiliza en casi
las áreas de la
matemáticas,
que es relevan
casi todos los
ámbitos cientí
que utilizan la
matemáticas.
aplicaciones p
dividirse en va
categorías am
Geometría
espacio
ambiental[e
El modelo del
espacio ambie
se basa en
la geometría.
ciencias que s
ocupan de est
espacio utiliza
ampliamente l
geometría. Es
caso de
la mecánica y
la robótica, pa
describir la din
de cuerpos ríg
la geodesia pa
describir la for
la Tierra;
la perspectiva
la Visión artific
los gráficos po
ordenador, pa
describir la rel
entre una esce
su representa
en el plano; y
muchos otros
dominios cien
En todas esta
aplicaciones,
la geometría
sintética suele
utilizarse para
descripciones
generales y un
enfoque cualit
pero para el e
de situaciones
explícitas, hay
calcular
con coordenad
Esto requiere
intensivo del á
lineal.
Análisis
funcional[e
El Análisis
funcional estu
los espacios d
funciones. Est
son espacios
vectoriales co
estructura adic
como los espa
de Hilbert. El
álgebra lineal
por tanto, una
fundamental d
análisis funcio
sus aplicacion
que incluyen,
particular,
la mecánica
cuántica (func
onda).
Estudio
de sistema
complejos[
La mayoría de
fenómenos fís
se modelan
mediante ecua
s diferenciales
parciales. Par
resolverlas, se
descomponer
espacio en el
buscan las
soluciones en
pequeñas célu
e interactúan e
sí. Para
los sistemas
lineales esta
interacción
implica función
lineal.
Para sistemas
lineales, esta
interacción su
aproximarse
mediante func
lineales.21 En
casos, suelen
intervenir matr
muy grandes.
ejemplo típico
predicción
meteorológica
que toda
la atmósfera d
Tierra se divid
celdas de, por
ejemplo, 100 k
ancho y 100 m
alto.
Cálculo
científico[e
Casi todos
los cálculos
científicos imp
álgebra lineal.
consecuencia
algoritmos de
álgebra lineal
sido altamente
optimizados.
Los BLAS y LA
K son las
implementacio
más conocida
Para mejorar l
eficiencia, algu
de ellas config
los algoritmos
automáticame
en tiempo de
ejecución, par
adaptarlos a la
especificidade
ordenador
(caché tamaño
número
de núcleos dis
e, ...).
Algunos proce
normalmente 
d de procesam
gráfico (GPU)
diseñados con
estructura ma
para optimizar
operaciones d
álgebra lineal.