Álgebra lineal 1

Álgebra lineal
Linear algebrais the branch ofmatemáticas
en cuanto a la dimensión finita o contablemente infinita
espacio vectorials, así comomapa linealpings entre tales
espacios. Tal investigación está inicialmente motivada por un
sistema de ecuaciones linealesen varias incógnitas. Tal
las ecuaciones se representan naturalmente utilizando el formalismo
dematricesy vectores.[1]
El álgebra lineal es central tanto para la pura como para la aplicada

matemáticas. Por ejemploálgebra abstractasurge por

relajando los axiomas que conducen a un número de
[Link]álisis funcionalestudia el
versión de dimensión infinita de la teoría de vectores El tridimensionalespacio euclidianoR3is a vector space, and
espacios. Combinado con cálculo álgebra lineal líneas y planos que pasan a través deorigenson subespacios vectoriales en
R3.
facilita la solución de sistemas lineales dediferencial
ecuacionesLas técnicas del álgebra lineal también se utilizan.
engeometría analítica, ingeniería, física, ciencia naturals,ciencias de la computación, y elciencias sociales(particularmente
eneconomía). Debido a que el álgebra lineal es una teoría tan bien desarrollada, no linealmodelo matemáticos son
a veces aproximados por lineales.

Historia
El estudio del álgebra lineal y las matrices surgió primero del estudio de los determinantes, que se utilizaban para resolver
sistemas de ecuaciones lineales. Los determinantes fueron utilizados porLeibnizen 1693, y posteriormente,Cramerdevised the
La regla de Cramerpara resolver sistemas lineales en 1750. Más tarde,Gaussdesarrolló aún más la teoría de solución de sistemas lineales
utilizandoeliminación gaussiana, que inicialmente se enumeró como un avance en geodesia.[2]
El estudio del álgebra de matrices surgió por primera vez en Inglaterra a mediados de 1800. En 1848,Silvestreintrodujo el término
matriz, que en latín significa "útero". Al estudiar composiciones de transformaciones lineales,Arthur Cayleyfue llevado a
definir la multiplicación de matrices y los inversos. Crucialmente, Cayley utilizó una sola letra para denotar una matriz, pensando así en
matrices como un objeto agregado. También se dio cuenta de la conexión entre matrices y determinantes y escribió que
Habría muchas cosas que decir sobre esta teoría de matrices que, me parece, debería preceder a la teoría de
determinantes".[3]
La primera definición moderna y más precisa de un espacio vectorial fue introducida porPeanoen 1888;[4] para 1900, una teoría
las transformaciones lineales de espacios vectoriales de dimensión finita habían surgido. El álgebra lineal tomó su forma moderna por primera vez

en la primera mitad del siglo veinte, cuando muchas ideas y métodos de siglos anteriores se generalizaron como
álgebra abstractaEl uso de matrices enmecánica cuántica, relatividad especial, y estadísticasayudó a difundir el
el tema del álgebra lineal más allá de las matemáticas puras. El desarrollo de computadoras llevó a un aumento en la investigación en
algoritmos eficientes para la eliminación gaussiana y descomposiciones de matrices, y el álgebra lineal se convirtió en una herramienta esencial

para modelado y simulaciones.

El origen de muchas de estas ideas se discute en los artículos sobredeterminantesyEliminación gaussiana.
Álgebra lineal 2

Alcance del estudio

Espacios vectoriales

Las principales estructuras del álgebra lineal sonespacio vectorialun espacio vectorial sobre uncampoFis aconjuntojuntos con dos
operación binariaLos elementos de V se llaman vectores y los elementos de F se llaman escalares. La primera operación,vector
adición, toma dos vectores v y w y produce un tercer vector v+w. La segunda operación toma cualquier escalar a y
cualquier vector produce un nuevo vector vectorav. En vista del primer ejemplo, donde la multiplicación se realiza por
escalar el vectorv por un escalar a, la multiplicación se llamamultiplicación escalardevbya. Las operaciones de
la adición y multiplicación en un espacio vectorial satisface lo siguienteaxiomas.[6] En la lista a continuación, dejemos u, v y w ser
vectores arbitrarios en V, y a y b escalares en F.

Axioma Significación

Asociatividadde adición u + (v + w) = (u + v) + w

Conmutatividadde suma u+v=v+u

Elemento identidadde adición Existe un elemento 0∈V, llamado elvector cero, de modo que v + 0 = v para todo v ∈ V.

Elemento inversos de adición Para cada v ∈ V, existe un elemento −v ∈ V, llamado elinverso aditivoofv, tal
quev + (−v) = 0

Distribuciónde la multiplicación escalar con respecto a a(u+v) = au + av

suma de vectores

Distributividad de la multiplicación escalar con respecto al campo (a+b)v=av+bv

adición

Compatibilidad de la multiplicación escalar con el campo

a(bv) = (ab)v[7]
multiplicación

Elemento identidad de la multiplicación escalar 1v=v, donde 1 denota elidentidad multiplicativainF.

Los elementos de un espacio vectorial general V pueden ser objetos de cualquier naturaleza, por ejemplo,funciones, polinomios, vectores, o
matrices. El álgebra lineal se ocupa de las propiedades comunes a todos los espacios vectoriales.

Transformaciones lineales
De manera similar a la teoría de otras estructuras algebraicas, el álgebra lineal estudia mapeos entre espacios vectoriales que
preservar la estructura del espacio vectorial. Dado dos espacios vectoriales V y W sobre un campo F, untransformación lineal(también
llamada mapa lineal, mapeo lineal u operador lineal) es unmapa

que es compatible con la adición y la multiplicación escalar:

para cualesquiera vectores u, v ∈ V y un escalar a ∈ F. Cuando abiyectivaexiste una mapeo lineal entre dos espacios vectoriales (es decir,
cada vector del primer espacio está asociado con uno en el segundo), decimos que los dos espacios sonisomórfico.
Debido a que un isomorfismo preserva la estructura lineal, dos espacios vectoriales isomorfos son "esencialmente los mismos" desde el
punto de vista del álgebra lineal. Una pregunta esencial en álgebra lineal es si un mapeo es un isomorfismo o no,
y esta pregunta se puede responder verificando si eldeterminanteno es cero. Si un mapeo no es un isomorfismo,
el álgebra lineal está interesada en encontrar surango(o imagen) y el conjunto de elementos que se asignan a cero, llamado el
núcleode la mapeo.
Álgebra lineal 3

Subespacios, combinación lineal y base

Nuevamente, en analogía con teorías de otros objetos algebraicos, el álgebra lineal está interesada en subconjuntos de espacios vectoriales que
son espacios vectoriales en sí mismos; estos subconjuntos se llamansubespacio lineals. Por ejemplo, el rango y el núcleo de un lineal
los mapeos son ambos subespacios, y por lo tanto a menudo se les llama el espacio de rango y elespacio nuloson importantes
ejemplos de subespacios. Otra forma importante de formar un subespacio es tomar un combinación linealde un conjunto de
vectoresv1,v2,…,vk:

donde a1, a2,…, ak son escalares. El conjunto de todas las combinaciones lineales de los vectores v1, v2,…, vk se llama su espanol, que
forma un subespacio.
Una combinación lineal de cualquier sistema de vectores con todos los coeficientes cero es el vector cero de V. Si esta es la única manera
para expresar el vector cero como una combinación lineal de v1, v2,…, vk, entonces estos vectores sonlinealmente independiente. Dado un conjunto

de vectores que abarcan un espacio, si algún vector es una combinación lineal de otros vectores (y por lo tanto el conjunto no es linealmente
independiente), entonces el rango permanecería el mismo si eliminamos del conjunto. Así, un conjunto de dependientes lineales
los vectores son redundantes en el sentido de que un subconjunto linealmente independiente abarcará el mismo subespacio. Por lo tanto, estamos

principalmente interesado en un conjunto de vectores linealmente independientes que abren un espacio vectorial V, al que llamamos unbasedeV. Cualquiera
un conjunto de vectores que abarca V contiene una base, y cualquier conjunto de vectores linealmente independientes en V puede ser extendido a un

base.[8] Resulta que si aceptamos elaxioma de elección, cada espacio vectorial tiene una base; sin embargo, esta base
puede ser antinatural, y de hecho, puede que ni siquiera sea construible. Por ejemplo, existe una base para los números reales
considerado como un espacio vectorial sobre elracionales, pero no se ha construido ninguna base explícita.

Cualquier par de bases de un espacio vectorial V tienen la mismacardinalidad, que se llama eldimensióndeV. La dimensión de un
el espacio vectorial esbien definidopor elteorema de dimensión para espacios vectoriales. Si una base de V tiene un número finito de
Elementos, V se llama un espacio vectorial de dimensión finita. Si V es de dimensión finita y U es un subespacio de V, entonces dim
U≤dimV. IfU1andU2are subspaces ofV, then

. [10]
A menudo se restringe la consideración a espacios vectoriales de dimensión finita. Un teorema fundamental del álgebra lineal afirma
que todos los espacios vectoriales de la misma dimensión son isomorfos,[11] dando una manera fácil de caracterizar el isomorfismo.

Vectores como n-tuplas: teoría de matrices

Una base particular {v1,v2,…,vn} de V permite construir un sistema de coordenadasinV: el vector con coordenadas
(a1, a2, …, an) es elcombinación lineal

La condición de que v1, v2, …, vn abarque V garantiza que a cada vector v se le pueden asignar coordenadas, mientras que la lineal
la independencia de v1, v2, …, vn asegura que estas coordenadas son únicas (es decir, solo hay una combinación lineal de
los vectores base que son iguales a v). De esta manera, una vez que se ha elegido una base de un espacio vectorial V sobre F, V puede ser
identificado con el espacio de coordenadas Fn. Bajo esta identificación, la suma y la multiplicación escalar de vectores en V
corresponden a la adición y multiplicación escalar de sus vectores de coordenadas en Fn. Además, si V y W son un
espacio vectorial de n-dimensiones y m-dimensiones sobre F, y una base de V y una base de W han sido fijadas, entonces cualquier
la transformación lineal T: V → W puede ser codificada por una matriz de m×nmatrizCon entradas en el campo F, llamada la matriz de

Con respecto a estas bases. Dos matrices que codifican la misma transformación lineal en diferentes bases se llaman
similar. La teoría de matrices reemplaza el estudio de las transformaciones lineales, que fueron definidas axiomaticamente, por el estudio de
matrices, que son objetos concretos. Esta técnica principal distingue el álgebra lineal de las teorías de otros
estructuras algebraicas, que generalmente no pueden parametrizarse tan concretamente.

Hay una distinción importante entre el espacio de coordenadas Rn y un espacio vectorial finito-dimensional general V.
Mientras Rnhas tiene unbase estándar{e1,e2,…,en}, un espacio vectorial V típicamente no viene equipado con una base y

existen muchas bases diferentes (aunque todas consisten en el mismo número de elementos igual a la dimensión de V).
Álgebra lineal 4

Una de las aplicaciones principales de la teoría de matrices es el cálculo dedeterminantes, un concepto central en álgebra lineal. Mientras
los determinantes podrían definirse de manera independiente de la base, pero generalmente se introducen a través de una representación específica del

mapeo; el valor del determinante no depende de la base específica. Resulta que un mapeo es invertible
si y solo si el determinante es diferente de cero. Si el determinante es cero, entonces el espacio nulo es no trivial. Determinantes
tiene otras aplicaciones, incluida una forma sistemática de ver si un conjunto de vectores es linealmente independiente (escribimos el
vectores como las columnas de una matriz, y si el determinante de esa matriz es cero, los vectores son linealmente dependientes.
Los determinantes también podrían usarse para resolver sistemas de ecuaciones lineales (verLa regla de Cramer), pero en aplicaciones reales,
La eliminación de Gauss es un método más rápido.

Valores propios y vectores propios

En general, la acción de una transformación lineal es difícil de entender, y por eso para tener un mejor control sobre la linealidad.
transformaciones, esos vectores que son relativamente fijos por esa transformación reciben atención especial. Para hacer
esto más concreto, dejemos sea cualquier transformación lineal. Estamos especialmente interesados en aquellos no nulos
vectores tales que , donde es un escalar en el campo base del espacio vectorial. A estos vectores se les llama
vectores propios, y los escalares correspondientes se llamanvalores propios.
Para encontrar un eigenvector o un valor propio, observamos que

dónde es elmatriz identidadPara que haya soluciones no triviales a esa ecuación, . El

el determinante es un polinomio, por lo que los valores propios no están garantizados para existir si el campo es R. Así que, a menudo trabajamos

con un campo algebraicamente cerrado como los números complejos al tratar con vectores propios y valores propios así
que siempre existirá un valor propio. Sería particularmente agradable si se da una transformación tomando un espacio vectorial
en sí mismo podemos encontrar una base para que consisten en vectores propios. Si tal base existe, podemos calcular fácilmente el
acción de la transformación sobre cualquier vector: si son vectores propios linealmente independientes de una transformación de

espacios n-dimensionales con (no necesariamente distintos) valores propios , y si

entonces,

Tal transformación se llama unamatriz diagonalizableya que en la base propia, la transformación está representada por un
matriz diagonal. Porque operaciones como la multiplicación de matrices, la inversión de matrices y el cálculo de determinantes son
simple sobre matrices diagonales, los cálculos que involucran matrices son mucho más simples si podemos llevar la matriz a una
forma diagonal. No todas las matrices son diagonalizables (incluso sobre un campo algebraicamente cerrado), pero diagonalizables
las matrices forman un subconjunto denso de todas las matrices.

Espacios de producto interno

Además de estos conceptos básicos, el álgebra lineal también estudia espacios vectoriales con estructura adicional, como uninterior
productoEl producto interno es un ejemplo de unforma bilineal, y le da al espacio vectorial una estructura geométrica al
permitiendo la definición de longitud y ángulos. Formalmente, un producto interno es un mapa

que satisface las siguientes tresaxiomas para todos los vectores y todos los escalares :[12][13]
• Conjugarsymmetry:

Ten en cuenta que en R, es simétrico.

• Linealciudad en el primer argumento:
Álgebra lineal 5

• Definición positiva:
con igualdad solo para
Podemos definir la longitud de un vector por y podemos demostrar elCauchy–Schwartz
desigualdad:

En particular, la cantidad

y así podemos llamar a esta cantidad el coseno del ángulo entre los dos vectores.
Dos vectores son ortogonales si Una base ortonormal es una base donde todos los vectores base tienen longitud 1.
y son ortogonales entre sí. Dado cualquier espacio vectorial de dimensión finita, se podría encontrar una base ortonormal mediante
elGramo–Schmidtprocedimiento. Las bases ortonormales son particularmente agradables de manejar, ya que si
, entonces .
El producto interno facilita la construcción de muchos conceptos útiles. Por ejemplo, dada una transformación , podemos
definir suConjugado hermitiano como la transformación lineal que satisface

Si T satisface , llamamosTnormalResulta que las matrices normales son precisamente las matrices que tienen
un sistema ortonormal de vectores propios que abarca V.

Algunos teoremas útiles principales

• A una matriz es invertible, o no singular, si y solo si elmapa linealrepresentada por la matriz es unisomorfismo.
Cualquiera espacio vectorial sobre un campo F de dimensión n esisomórficoaFnas un espacio vectorial sobreF.
• Corolario: Cualquier par de espacios vectoriales sobre F de la misma dimensión finita sonisomórficoel uno al otro.
• A un mapa lineal es un isomorfismo si y solo si eldeterminantees diferente de cero.

Aplicaciones
Debido a la ubicuidad de los espacios vectoriales, el álgebra lineal se utiliza en muchos campos de las matemáticas, ciencias naturales,
ciencias de la computación y ciencias sociales. A continuación se presentan solo algunos ejemplos de aplicaciones de álgebra lineal.

Solución de sistemas lineales

El álgebra lineal proporciona el marco formal para la combinación lineal de ecuaciones utilizadas en el método de Gauss.
Supongamos que el objetivo es encontrar y describir la(s) solución(es), si es que las hay, del siguiente sistema de ecuaciones lineales:

El algoritmo de eliminación gaussiana es el siguiente: eliminar x de todas las ecuaciones debajo. , y luego eliminar
de todas las ecuaciones a continuación Esto pondrá al sistema enforma triangular. Luego, usando la sustitución hacia atrás, cada
lo desconocido se puede resolver.

In the example,xis eliminated from agregando a .xis luego se eliminó de agregando a .

Formalmente:
Álgebra lineal 6

El resultado es:

Nowyis eliminated from agregando a :

The result is:

Este resultado es un sistema de ecuaciones lineales en forma triangular, por lo que la primera parte del algoritmo está completa.
La última parte, la sustitución hacia atrás, consiste en resolver para las incógnitas en orden inverso. Así se puede ver que

Luego, se puede sustituir , que luego se puede resolver para obtener

en

A continuación, zandy se puede sustituir, en

que se puede resolver para obtener

El sistema está resuelto.

En general, podemos escribir cualquier sistema de ecuaciones lineales como una ecuación matricial:

La solución de este sistema se caracteriza de la siguiente manera: primero, encontramos una solución particular
de esta ecuación usando
Eliminación gaussiana. Luego, computamos las soluciones de es decir, encontramos el espacio nulo de A. El
el conjunto solución de esta ecuación está dado por Si el número de variables es igual al
número de ecuaciones, entonces podemos caracterizar cuándo el sistema tiene una solución única: ya que N es trivial si y solo si
la ecuación tiene una solución única si y solo si .[14]

Línea de mejor ajuste por mínimos cuadrados

El método de cuadrados mínimos se utiliza para determinar la línea de mejor ajuste para un conjunto de datos. Esta línea minimizará la suma de
los cuadrados de los residuos.

Expansión en series de Fourier

Series de Fourierson una representación de una función as a trigonometric series:

Esta expansión en serie es extremadamente útil para resolverecuación diferencial parcials. En este artículo, no estaremos
concerned with convergence issues; it is nice to note that all continuous functions have a converging Fourier series
expansión, ybastante agradablelas funciones discontinuas tienen una serie de Fourier que converge al valor de la función en
más puntos.
El espacio de todas las funciones que pueden ser representadas por una serie de Fourier forma un espacio vectorial (hablando técnicamente, nosotros

llamar funciones que tienen la misma expansión en serie de Fourier la "misma" función, ya que dos discontinuidades diferentes
las funciones podrían tener la misma serie de Fourier). Además, este espacio también es unespacio de producto internocon el interior
Álgebra lineal 7

producto

Las funciones para y para son una base ortonormal para el

espacio de funciones expandibles en Fourier. Así podemos usar las herramientas del álgebra lineal para encontrar la expansión de cualquier

función en este espacio en términos de estas funciones base. Por ejemplo, para encontrar el coeficiente , tomamos el interior
producto con :

y por ortonormalidad, ; es decir,

Mecánica cuántica
La mecánica cuántica está altamente inspirada en nociones de álgebra lineal. Enmecánica cuántica, el estado físico de un
la partícula se representa mediante un vector, y los observables (comomomento, energía, y momento angular) son
representados por operadores lineales en el espacio vectorial subyacente. Más concretamente, elfunción de ondade una partícula
describe su estado físico y se encuentra en el espacio vectorialL2(las funciones tal que

es finito), y evoluciona de acuerdo con elEcuación de SchrödingerLa energía es

representado como el operador , dondeVis elenergía [Link]én es conocido como el

Operador HamiltonianoLos valores propios de H representan las energías posibles que se pueden observar. Dada una partícula en
algún estado , podemos expandir into a linear combination of eigenstates ofH. The component ofHin each

el eigenestado determina la probabilidad de medir el valor propio correspondiente, y la medición obliga al

partícula para asumir que el estado propio (colapso de la función de onda).

Generalizaciones y temas relacionados

Dado que el álgebra lineal es una teoría exitosa, sus métodos se han desarrollado y generalizado en otras partes de
matemáticas. Enmóduloteoría, se reemplaza elcampode escalares por un anillo. Los conceptos de independencia lineal,
el span, la base y la dimensión (que se llama rango en la teoría de módulos) aún tienen sentido. Sin embargo, muchos teoremas
de la álgebra lineal se vuelve falso en la teoría de módulos. Por ejemplo, no todos los módulos tienen una base (aquellos que sí la tienen son

llamadomódulo libres), la clasificación de un módulo libre no es necesariamente única, no todos los subconjuntos linealmente independientes de un
el módulo se puede extender para formar una base, y no todos los subconjuntos de un módulo que abarcan el espacio contienen una base.

Enálgebra multilinealse consideran transformaciones lineales multivariables, es decir, mapeos que son lineales en cada uno de
una serie de variables diferentes. Esta línea de investigación conduce naturalmente a la idea de laespacio dualel espacio vectorial
consistiendo en mapas lineales whereFis the field of scalars. Multilinear maps puede ser
descrito a través deproducto tensorials de elementos de .
Si, además de la adición de vectores y la multiplicación escalar, hay un producto vectorial bilineal, entonces el espacio vectorial es
llamado a unálgebrapor ejemplo, las álgebras asociativas son álgebras con un producto vectorial asociativo (como el álgebra de
matrices cuadradas, o el álgebra de polinomios).
Análisis funcionalmezcla los métodos del álgebra lineal con los deanálisis matemáticoy estudia varios
funciones de espacios, comoespacio Lps.
Teoría de la representaciónestudia las acciones de objetos algebraicos sobre espacios vectoriales al representar estos objetos como
matrices. Le interesa todas las formas en que esto es posible, y lo hace encontrando subespacios invariantes bajo todas
transformaciones del álgebra. El concepto de valores propios y vectores propios es especialmente importante.
Álgebra lineal 8

Notas
[1] Weisstein, Eric. "Álgebra Lineal"([Link] De MathWorld--Un recurso web de Wolfram.
Wolfram. . Recuperado el 16 de abril de 2012.

[2] Vitulli, Marie. "Una Breve Historia del Álgebra Lineal y la Teoría de Matrices"([Link]
html)Departamento de Matemáticas. Universidad de Oregón. . Recuperado el 24/01/2012.
[3] Vitulli, María
[4] Vitulli, María
[5] Vitulli, María
[6] Romano 2005, cap. 1, p. 27
Esto el axioma no está afirmando la asociatividad de una operación, ya que hay dos operaciones en cuestión, multiplicación escalar:bv; y campo
multiplicación:ab.
[8] Axler (2004), pp. 28–29
[9] El la existencia de una base es directa paragenerado numerablementeespacios vectoriales, y parabien ordenadoespacios vectoriales, pero engeneralidad plenaello
eslógicamente equivalenteto the axioma de elección.
[10] Axler (2204), p. 33
[11] Axler (2004), p. 55
[12] P. K. Jain, Khalil Ahmad (1995). "5.1 Definiciones y propiedades básicas de los espacios de producto interno y espacios de Hilbert"([Link]
com/?id=yZ68h97pnAkC&pg=[Link]álisis funcional (2ª ed.). New Age International. p. 203. ISBN 812240801X.
Eduard Prugovec̆ki (1981). "Definición 2.1"([Link] cuántica en Hilbert
espacio (2ª ed.). Academic Press. pp. 18ss. ISBN 012566060X.
[14] Gunawardena, Jeremy. "Álgebra matricial para principiantes, Parte I"([Link] de Harvard
Escuela. . Recuperado el 2 de mayo de 2012.
[15] Miller, Steven. "The Method of Least Squares" ([Link]
Método_Mí[Link] de Brown. . Recuperado el 3 de mayo de 2012.

Lectura adicional
Historia
• Fearnley-Sander, Desmond, "Hermann Grassmann y la Creación del Álgebra Lineal" ([Link]
org/images/upload_library/22/Ford/[Link])), Mensual Matemático Americano 86
(1979), pp. 809–817.
• Grassmann, Hermann, La teoría de la extensión lineal, una nueva rama de las matemáticas: presentada y a través de
Aplicaciones en las demás ramas de la matemática, así como en la estática, la mecánica, la enseñanza de
Magnetismo y la cristalonomía explicados, O. Wigand, Leipzig, 1844.
Introductory textbooks
• Bretscher, Otto (28 de junio de 2004), Álgebra Lineal con Aplicaciones (3ª ed.), Prentice Hall,
ISBN 978-0131453340
• Farin, Gerald; Hansford, Dianne (15 de diciembre de 2004), Álgebra Lineal Práctica: Una Caja de Herramientas Geométricas, AK
Peters, ISBN 978-1568812342
• Friedberg, Stephen H.; Insel, Arnold J.; Spence, Lawrence E. (11 de noviembre de 2002), Álgebra Lineal (4ta ed.)
Prentice Hall, ISBN 978-0130084514
• Hefferon, Jim (2008), Álgebra Lineal([Link]
• Anton, Howard (2005), Álgebra Lineal Elemental (Versión de Aplicaciones) (9ª ed.), Wiley International
• Lay, David C. (22 de agosto de 2005), Álgebra Lineal y Sus Aplicaciones (3ra ed.), Addison Wesley,
ISBN 978-0321287137
• Kolman, Bernard; Hill, David R. (3 de mayo de 2007), Álgebra Lineal Elemental con Aplicaciones (9.ª ed.), Prentice
Hall, ISBN 978-0132296540
• León, Steven J. (2006), Álgebra Lineal con Aplicaciones (7ª ed.), Pearson Prentice Hall
ISBN 978-0131857858
• Poole, David (2010), Álgebra Lineal: Una Introducción Moderna (3ª ed.), Cengage–Brooks/Cole
ISBN 978-0538735452
Álgebra lineal 9

• Ricardo, Henry (2010),A Modern Introduction To Linear Algebra(1st ed.), CRC Press,
ISBN 978-1-4398-0040-9
• Strang, Gilbert (19 de julio de 2005), Álgebra Lineal y sus Aplicaciones (4ª ed.), Brooks Cole,
ISBN 978-0030105678
Libros de texto avanzados

• Axler, Sheldon (26 de febrero de 2004), Álgebra Lineal Hecha Correctamente (2ª ed.), Springer, ISBN 978-0387982588
• Bhatia, Rajendra (November 15, 1996),Matrix Analysis, Graduate Texts in Mathematics, Springer,
ISBN 978-0387948461
• Demmel, James W.(1 de agosto de 1997), Álgebra Lineal Numérica Aplicada, SIAM, ISBN 978-0898713893
• Gantmacher, F.R. (2005, edición de 1959), Aplicaciones de la Teoría de Matrices, Dover Publications,
ISBN 978-0486445540
• Gantmacher, Felix R. (1990), Teoría de Matrices Vol. 1 (2ª ed.), Sociedad Matemática Americana,
ISBN 978-0821813768
• Gantmacher, Felix R. (2000), Teoría de Matrices Vol. 2 (2ª ed.), Sociedad Matemática Americana,
ISBN 978-0821826645
• Gelfand, I. M. (1989), Conferencias sobre Álgebra Lineal, Dover Publications, ISBN 978-0486660820
• Glazman, I. M.; Ljubic, Ju. I. (2006), Análisis Lineal de Dimensiones Finitas, Dover Publications
ISBN 978-0486453323
• Golan, Johnathan S. (enero de 2007), Álgebra Lineal que un Estudiante de Posgrado Comenzante Debe Conocer (2ª ed.)
Springer, ISBN 978-1402054945
• Golan, Johnathan S. (agosto de 1995), Fundamentos del Álgebra Lineal, Kluwer, ISBN 0792336143
• Golub, Gene H.; Van Loan, Charles F. (15 de octubre de 1996), Computaciones de Matrices, Estudios de Johns Hopkins en
Ciencias Matemáticas (3ª ed.), Prensa Universitaria Johns Hopkins, ISBN 978-0801854149
• Greub, Werner H. (16 de octubre de 1981), Álgebra Lineal, Textos Graduados en Matemáticas (4ª ed.), Springer,
ISBN 978-0801854149
• Hoffman, Kenneth; Kunze, Ray (25 de abril de 1971), Álgebra Lineal (2ª ed.), Prentice Hall, ISBN 978-0135367971
• Halmos, Paul R. (20 de agosto de 1993), Espacios Vectoriales de Dimensión Finita, Textos de Grado en Matemáticas
Springer, ISBN 978-0387900933
• Horn, Roger A.; Johnson, Charles R. (23 de febrero de 1990), Análisis de Matrices, Cambridge University Press,
ISBN 978-0521386326
• Horn, Roger A.; Johnson, Charles R. (24 de junio de 1994), Temas en Análisis de Matrices, Cambridge University Press,
ISBN 978-0521467131
• Lang, Serge (9 de marzo de 2004), Álgebra Lineal, Textos de Grado en Matemáticas (3ª ed.), Springer,
ISBN 978-0387964126
• Marcus, Marvin; Minc, Henryk (2010),A Survey of Matrix Theory and Matrix Inequalities, Dover Publications,
ISBN 978-0486671024
• Meyer, Carl D. (15 de febrero de 2001), Análisis de Matrices y Álgebra Lineal Aplicada([Link]
com/[Link]), Sociedad para las Matemáticas Industriales y Aplicadas (SIAM), ISBN 978-0898714548
• Mirsky, L.(1990), Una Introducción al Álgebra Lineal, Dover Publications, ISBN 978-0486664347
• Romano, Steven (22 de marzo de 2005), Álgebra Lineal Avanzada, Textos de Posgrado en Matemáticas (2ª ed.), Springer
ISBN 978-0387247663
• Shilov, Georgi E. (1 de junio de 1977), Álgebra lineal, Dover Publications, ISBN 978-0486635187
• Costas, Thomas S. (6 de diciembre de 2006), Álgebra Lineal Aplicada y Análisis de Matrices, Textos de Pregrado en
Matemáticas, Springer, ISBN 978-0387331942
• Smith, Larry (28 de mayo de 1998), Álgebra Lineal, Textos de Grado en Matemáticas, Springer,
ISBN 978-0387984551
Álgebra lineal 10

Guías de estudio y esquemas

• Leduc, Steven A. (1 de mayo de 1996), Álgebra Lineal (Revisión Rápida de Cliffs), Cliffs Notes, ISBN 978-0822053316
Lipschutz, Seymour; Lipson, Marc (6 de diciembre de 2000), Esquema de Schaum de Álgebra Lineal (3ª ed.)
McGraw-Hill, ISBN 978-0071362009
• Lipschutz, Seymour (1 de enero de 1989), 3,000 Problemas Resueltos en Álgebra Lineal, McGraw –Hill,
ISBN 978-0070380233
McMahon, David (October 28, 2005),Linear Algebra Demystified, McGraw–Hill Professional,
ISBN 978-0071465793
• Zhang, Fuzhen (7 de abril de 2009), Álgebra Lineal: Problemas Desafiantes para Estudiantes, Johns Hopkins
Prensa Universitaria, ISBN 978-0801891250

Enlaces externos
Sociedad Internacional de Álgebra Lineal([Link]
MIT Página de inicio del curso de álgebra lineal del profesor Gilbert Strang([Link]
Sitio web del curso
MIT Conferencias de Álgebra Lineal([Link]
[Link])vídeos gratuitos deMIT OpenCourseWare
• Herramienta de Álgebra Lineal([Link]
Álgebra Lineal([Link]
• Visión general del álgebra lineal([Link] resumen de notación
([Link]
Tutorial de Álgebra Lineal([Link] en línea
programas interactivos.
Matriz y Términos de Álgebra Lineal([Link]
Primeras Usos Conocidos de Algunas de las Palabras de Matemáticas([Link]
• Primeras Usos de Símbolos para Matrices y Vectores([Link] los primeros usos
de Varios Símbolos Matemáticos([Link]
Álgebra Lineal([Link] por Elmer G. Wiens. Páginas web interactivas
para vectores, matrices, ecuaciones lineales, etc.
• Problemas Resueltos de Álgebra Lineal([Link] interactivos para
discusión de problemas de álgebra lineal, desde el nivel más bajo hasta el más difícilPutnam).
Álgebra Lineal para Informática([Link] Figueroa-O'FarrillUniversidad de
Edimburgo
En línea Notas / Álgebra Lineal([Link] Dawkins,
Universidad Lamar
Libro de texto de álgebra lineal elemental con soluciones([Link]
• Wiki de Álgebra Lineal([Link]
• Álgebra lineal (matemáticas 21b) tareas y ejercicios([Link]
Libro de texto y manual de soluciones([Link] Saylor Foundation.
Álgebra lineal 11

Libros en línea
• Beezer, Rob, Un Primer Curso en Álgebra Lineal([Link]
• Connell, Edwin H., Elementos de Álgebra Abstracta y Lineal([Link]
Hefferon, Jim, Álgebra Lineal([Link]
Matthews, Keith, Álgebra Lineal Elemental([Link]
• Sharipov, Ruslan, Curso de álgebra lineal y geometría multidimensional([Link]
0405323)
• Treil, Sergei, Álgebra Lineal Hecha Incorrectamente([Link]
Fuentes y colaboradores del artículo 12

Fuentes y Contribuyentes del Artículo

Álgebra lineal Fuente: [Link] Contributors: 11heyyWhazUp????, 28421u2232nfenfcenc, 2andrewknyazev, APH, AbsolutDan, Abu hamzah,
Aenar, AlanUS, Algebraist, Ali'i, Alsandair, Alsandro, Anakata, Angela, Aprock, Arcfrk, Archaeopteryx, Arthena, Arthur Rubin, Auntof6, Avertist, AvicAWB, Avihu, AxelBoldt, Banus,
Bcrowell, BenFrantzDale, Betterusername, Bfigura, Bkwillwm, Blainster, Boud, Bovineboy2008, Brad7777, Brian0918, Brion VIBBER, Bryan Derksen, C quest000, CRGreathouse, CSTAR
Centrx, Caos, Charles Matthews, Chris Vanderpump, Cic, Cjfsyntropy, Clintio, Cmdrjameson, Pies Fríos, Script de conversión, Cybercobra, DHN, DVdm, Daftman, Damian Yerrick, Dan
Granahan, Daniel Brockman, DanielKO, Danski14, David Eppstein, Debator de matemáticas, Demmy100, [Link], Dgpoole, Dhollm, Digby Tantrum, Dirac1933, Discospinster, Dto
Dysprosia, EconoPhysicist, Egil, Emadboctor, Enviroboy, Ergbert, Favonian, Fintor, Firewall62, First Harmonic, Fparnon, Frecklefoot, Fredrik, Fubar Obfusco, GD, GTBacchus, Gadfium,
Gandalf61, Garde, General Wesc, Geometry guy, Giftlite, Graham87, Gregbard, Gubbubu, Gwaihir, Hairy Dude, Heron, Hlevkin, Hypercube, Ichudov, Imjustmatthew, Isheden, Isis, Itai, Iulianu,
Ivan Štambuk, JPG-GR, JYOuyang, JabberWok, Jasper Chua, Jeff G., Jehan60188, Jfgrcar, [Link], Jitse Niesen, Joeoettinger, JohnBlackburne, Jordgette, Jrdodge, Junaidoon, Kaarebrandt,
["Karada","Karch","Karnan","Ken Kuniyuki","Komponisto","Korg","L1ttleTr33","LOL","Ladne3","Lethe","Ligulem","Lipedia","LittleWat","Loadedsalt","Luca Balbi","MZMcBride","Majesty of Knowledge"]
MarcelB612, Mark Krueger, Martin451, MathKnight, MathQuant, Matthew Yeager, Maxdlink, Mctpyt, Mets501, Michael Hardy, Miguel, Mikez, Mouramoor, Msh210, Myasuda, Nakon,
Natelewis, Newtonsquared, NickBush24, Ninly, Nitya Dharma, Nuke102094, Oblivious, Odedude, Oleg Alexandrov, Omicronpersei8, OrenBochman, Ozob, [Link], Parkerjones, Paul August,
Peruvianllama, Petemar1, Pjoef, Pmetzger, Q0, Quentin mcalmott, RedWolf, Redgecko, Redrose64, Revolver, Rgamble, Rgdboer, Rick Norwood, Rludlow, Rmilson, Romanm, Rossami,
SCZenz, Saaska, Salix alba, Sanju dp, Sarkar112, Schewek, Schzmo, Seaphoto, Sindrin7, Sklange, Snigbrook, So nazzer it's pav, Sp520, Spearhead, Spondoolicks, Sreyan, Staecker,
["[Link]","StradivariusTV","Symane","TVilkesalo","TakuyaMurata","Tbsmith","TeH nOmInAtOr","Teledildonix314","Titoxd","Tomchiukc","Tompw","Toytoy","U beddu sicilianu","Unixarcade"]
Vaughan Pratt, Versus22, Waltpohl, WelshMatt, Wolfrock, Wshun, X14n, Yiliu60, Youandme, Yuval madar, ZeroOne, Zginder, Zsniew, Zundark, 267 ediciones anónimas

Fuentes de imágenes, licencias y contribuyentes

Archivo:Subespacios lineales con [Link] Fuente[Link] Licencia: Creative Commons Atribución-CompartirIgual 3.0
Contribuyentes: Alksentrs [Link]

Licencia
Creative Commons Reconocimiento – Compartir Igual 3.0 Sin Portar
//[Link]/licenses/by-sa/3.0/