Álgebra linear 1

Álgebra linear
A álgebra linear é o ramo dematemática
concernente a dimensões finitas ou contavelmente infinitas
espaço vetorials, assim comomapa linearpings entre tais
espaços. Tal investigação é inicialmente motivada por um
sistema de equações linearesem várias incógnitas. Tal
as equações são naturalmente representadas usando o formalismo
dematrizese vetores.[1]
A álgebra linear é central tanto para a pura quanto para a aplicada

matemática. Por exemploálgebra abstratasurge por

relaxando os axiomas que levam a um número de
generalizaçõ[Link]álise funcionalestuda o
versão infinita-dimensional da teoria dos vetores O tridimensionalEspaço euclidianoR3 é um espaço vetorial, e
espaços. Combinado com cálculo e álgebra linear retas e planos passando peloorigemsão subespaços vetoriais em
R3.
facilita a solução de sistemas lineares dediferencial
equaçõesTécnicas da álgebra linear também são usadas
emgeometria analítica, engenharia, física, ciências naturaiss,ciência da computação, e ociências sociais(particularmente
emeconomia). Porque a álgebra linear é uma teoria tão bem desenvolvida, não linearmodelo matemáticos são
às vezes aproximados por linhas retas.

História
O estudo da álgebra linear e das matrizes surgiu inicialmente do estudo dos determinantes, que foram utilizados para resolver
sistemas de equações lineares. Determinantes foram usados porLeibnizem 1693 e, posteriormente,Cramerelaborou o
Regra de Cramerpara resolver sistemas lineares em 1750. Mais tarde,Gaussdesenvolveu ainda mais a teoria da resolução de sistemas lineares
utilizandoEliminação gaussiana, que foi inicialmente listado como um avanço na geodésia.[2]
O estudo da álgebra matricial surgiu pela primeira vez na Inglaterra em meados do século XIX. Em 1848,Silvestreintroduziu o termo
matriz, que é latim para "útero". Enquanto estuda composições de transformações lineares,Arthur Cayleyfoi levado a
defina a multiplicação de matrizes e inversos. Crucialmente, Cayley usou uma única letra para denotar uma matriz, pensando assim em
matrizes como um objeto agregado. Ele também percebeu a conexão entre matrizes e determinantes e escreveu que
Haveria muitas coisas a dizer sobre esta teoria das matrizes que deveriam, me parece, preceder a teoria de
determinantes".[3]
A primeira definição moderna e mais precisa de um espaço vetorial foi introduzida porPeanoem 1888;[4] até 1900, uma teoria
transformações lineares de espaços vetoriais de dimensão finita haviam surgido. A álgebra linear começou a tomar sua forma moderna
na primeira metade do século vinte, quando muitas ideias e métodos dos séculos anteriores foram generalizados como
álgebra abstrataO uso de matrizes emmecânica quântica, relatividade especial, eestatísticasajudou a espalhar o
o tema da álgebra linear além da matemática pura. O desenvolvimento de computadores levou a um aumento da pesquisa em
algoritmos eficientes para eliminação gaussiana e decomposições de matriz, e álgebra linear se tornou uma ferramenta essencial
para modelagem e simulações.
A origem de muitas dessas ideias é discutida nos artigos sobredeterminanteseEliminação gaussiana.
Álgebra linear 2

Âmbito do estudo

Vector spaces
As principais estruturas da álgebra linear sãoespaço vetorialUm espaço vetorial sobre umcampoFis aconjuntoJuntos com dois
operação binárias. Elementos de V são chamados de vetores e elementos de F são chamados de escalares. A primeira operação,vetor
adiçãorealiza a operação que recebe dois vetores v e w e produz um terceiro vetor v + w. A segunda operação recebe qualquer escalar a e
qualquer vetor e produz um novo vetor vectorav. Em vista do primeiro exemplo, onde a multiplicação é feita por
redimensionando o vetor v por um escalar a, a multiplicação é chamada demultiplicação escalardevbya. As operações de
a adição e a multiplicação em um espaço vetorial satisfazem o seguinteaxiomas.[6]Na lista abaixo, deixe u, v e w serem
vetores arbitrários em V, e a e b escalares em F.

Axioma Significação

Associatividadeda adição u + (v + w) = (u + v) + w

Comutatividadeda adição u+v=v+u

Elemento identidadede adição Existe um elemento 0∈V, chamado de ovetor nulo, de tal forma que v + 0 = v para todo v ∈ V.

Elemento inversos da adição Para todo v∈V, existe um elemento −v∈V, chamado deinverso aditivoofv, tal
quev+ (−v) = 0

Distribuiçãoda multiplicação escalar com respeito a a(u+v) = au + av

vector addition

Distributividade da multiplicação escalar em relação ao corpo (a+b)v=av+bv

adição

Compatibilidade da multiplicação escalar com o campo

a(bv) = (ab)v[7]
multiplicação

Elemento identidade da multiplicação escalar 1v=v, onde 1 denota oidentidade multiplicativainF.

Os elementos de um espaço vetorial geral V podem ser objetos de qualquer natureza, por exemplo,funções, polinômios, vetores, ou
matrizes. A álgebra linear preocupa-se com propriedades comuns a todos os espaços vetoriais.

Transformações lineares
Assim como na teoria de outras estruturas algébricas, a álgebra linear estuda mapeamentos entre espaços vetoriais que
preserve a estrutura do espaço vetorial. Dado dois espaços vetoriais V e W sobre um corpo F, umtransformação linear(também
chamado de mapa linear, mapeamento linear ou operador linear) é ummapa

que é compatível com adição e multiplicação escalar:

para quaisquer vetores u,v ∈ V e um escalar a ∈ F. Quando abijetivaexiste uma mapeamento linear entre dois espaços vetoriais (ou seja,
cada vetor do primeiro espaço está associado a um no segundo), dizemos que os dois espaços estãoisomórfico.
Porque um isomorfismo preserva a estrutura linear, dois espaços vetoriais isomorfos são "essencialmente os mesmos" do ponto de vista
ponto de vista da álgebra linear. Uma questão essencial na álgebra linear é se uma mapeamento é um isomorfismo ou não,
e esta pergunta pode ser respondida verificando se odeterminanteé diferente de zero. Se uma mapeamento não é um isomorfismo,
a álgebra linear está interessada em encontrar suafaixa(ou imagem) e o conjunto de elementos que são mapeados para zero, chamado de
núcleodo mapeamento.
Álgebra linear 3

Subespaços, combinação linear e base

Novamente, em analogia com teorias de outros objetos algébricos, a álgebra linear se interessa por subconjuntos de espaços vetoriais que
são espaços vetoriais em si mesmos; esses subconjuntos são chamados desubespaço linears. For instance, the range and kernel of a linear
as mapeamentos são ambos subespaços e, portanto, muitas vezes são chamados de espaço de alcance e oespaço nulo; estes são importantes
exemplos de subespaços. Outra maneira importante de formar um subespaço é pegar umcombinação linearde um conjunto de
vetoresv1,v2,…,vk:

onde a1, a2, …, ak são escalares. O conjunto de todas as combinações lineares dos vetores v1, v2, …, vk é chamado de seudivisão, que
forma um subespaço.
Uma combinação linear de qualquer sistema de vetores com todos os coeficientes iguais a zero é o vetor zero de V. Se esta é a única maneira
para expressar o vetor zero como uma combinação linear de v1, v2, …, vk, então estes vetores sãolinearmente independente. Dada um conjunto

de vetores que abrangem um espaço, se qualquer vetor é uma combinação linear de outros vetores (e assim o conjunto não é linearmente
independente), então o intervalo permanecerá o mesmo se removermos do conjunto. Assim, um conjunto de vetores linearmente dependentes
os vetores são redundantes no sentido de que um subconjunto linearmente independente abrangerá o mesmo subespaço. Portanto, estamos
principalmente interessado em um conjunto linearmente independente de vetores que abrange um espaço vetorial V, que chamamos de umbasedeV. Qualquer
um conjunto de vetores que gera V contém uma base, e qualquer conjunto de vetores linearmente independentes em V pode ser estendido para um

base.[8] Acontece que se aceitarmos aaxioma da escolha, todo espaço vetorial tem uma base;[9]no entanto, esta base
pode ser não natural e, de fato, pode não ser nem mesmo construível. Por exemplo, existe uma base para os números reais
considerado como um espaço vetorial sobre oracionais, mas nenhuma base explícita foi construída.

Quaisquer duas bases de um espaço vetorial V têm a mesmacardinalidade, que é chamado dedimensãoda V. A dimensão de um
espaço vetorial ébem definidopeloteorema da dimensão para espaços vetoriais. Se uma base de V tem um número finito de
elementos, V é chamado de um espaço vetorial de dimensão finita. Se V é de dimensão finita e U é um subespaço de V, então dim
U≤dimV. Se U1 e U2 são subespaços de V, então

.[10]
Muitas vezes se restringe a consideração a espaços vetoriais de dimensão finita. Um teorema fundamental da álgebra linear afirma
que todos os espaços vetoriais da mesma dimensão são isomorfos, dando uma maneira fácil de caracterizar isomorfismo.

Vetores como tuplas: teoria das matrizes

Uma base particular {v1,v2,…,vn} de V permite construir um sistema de coordenadasinV: o vetor com coordenadas
(a1,a2,…,an) é ocombinação linear

A condição que v1, v2, …, vn geram V garante que cada vetor v pode ter coordenadas atribuídas, enquanto a linear
independence ofv1,v2,…,vnassures that these coordinates are unique (i.e. there is only one linear combination of
os vetores base que são iguais a v). Dessa forma, uma vez que uma base de um espaço vetorial V sobre F tenha sido escolhida, V pode ser

identificado com a coordenada-espacoFn. Sob esta identificação, a adição e a multiplicação escalar de vetores em V
correspondem à adição e multiplicação escalar de seus vetores de coordenadas em Fn. Além disso, se V e W forem um
espaço vetorial n-dimensional e espaço vetorial m-dimensional sobre F, e uma base de V e uma base de W foram fixadas, então qualquer
A transformação linear T: V → W pode ser codificada por um m × nmatrizCom entradas no campo F, chamado de matriz de

Com relação a essas bases. Duas matrizes que codificam a mesma transformação linear em diferentes bases são chamadas de
semelhante. A teoria das matrizes substitui o estudo das transformações lineares, que foram definidas axiomaticamente, pelo estudo de
matrizes, que são objetos concretos. Essa técnica importante distingue a álgebra linear de teorias de outros
estruturas algébricas, que geralmente não podem ser parametrizadas de forma tão concreta.

Há uma distinção importante entre o espaço coordenado Rn e um espaço vetorial de dimensão finita geral V.
Enquanto Rnhas umstandard basis {e1,e2,…,en}, um espaço vetorial V geralmente não vem equipado com uma base e

muitas bases diferentes existem (embora todas consistam no mesmo número de elementos igual à dimensão de V).
Álgebra linear 4

Uma aplicação importante da teoria das matrizes é o cálculo dedeterminantes, um conceito central em álgebra linear. Enquanto
determinantes poderiam ser definidos de maneira independente da base, geralmente são introduzidos através de uma representação específica do
mapeamento; o valor do determinante não depende da base específica. Acontece que um mapeamento é inversível
se e somente se o determinante é não nulo. Se o determinante é zero, então o espaço nulo é não trivial. Determinantes
têm outras aplicações, incluindo uma maneira sistemática de ver se um conjunto de vetores é linearmente independente (escrevemos o
vetores como as colunas de uma matriz, e se o determinante dessa matriz for zero, os vetores são linearmente dependentes.
Determinantes também podem ser usados para resolver sistemas de equações lineares (vejaRegra de Cramer), mas em aplicações reais,
A eliminação gaussiana é um método mais rápido.

Valores próprios e vetores próprios

Em geral, a ação de uma transformação linear é difícil de entender, e assim, para ter um melhor domínio sobre a linearidade
transformações, aqueles vetores que são relativamente fixos por essa transformação recebem atenção especial. Para fazer
isto é mais concreto, deixe seja qualquer transformação linear. Estamos especialmente interessados naquelas não nulas
vetores tais que , onde é um escalar no campo base do espaço vetorial. Esses vetores são chamados de
autovetores, e os escalares correspondentes são chamados devalores próprios.
Para encontrar um vetor próprio ou um valor próprio, observamos que

onde é omatriz identidadePara que haja soluções não triviais para essa equação, .O
O determinante é um polinômio, e assim os autovalores não são garantidos para existir se o campo for R. Assim, frequentemente trabalhamos
com um corpo algebricamente fechado, como os números complexos, ao lidar com vetores próprios e valores próprios
que um autovalor sempre existirá. Seria particularmente bom se dada uma transformação tomando um espaço vetorial
dentro de si mesmo podemos encontrar uma base para consistindo de autovetores. Se tal base existir, podemos facilmente calcular o
ação da transformação em qualquer vetor: se são autovetores linearmente independentes de uma aplicação de
espaços n-dimensionais com (não necessariamente distintos) autovalores , e se
, então,

Tal transformação é chamada dematriz diagonalizáveljá que na base própria, a transformação é representada por uma
matriz diagonalPorque operações como multiplicação de matrizes, inversão de matrizes e cálculo de determinantes são
Simples em matrizes diagonais, os cálculos envolvendo matrizes são muito mais simples se conseguirmos trazer a matriz para uma
forma diagonal. Nem todas as matrizes são diagonalizáveis (mesmo sobre um corpo algébrico fechado), mas diagonalizável
as matrizes formam um subconjunto denso de todas as matrizes.

Espaços de produto interno

Além desses conceitos básicos, a álgebra linear também estuda espaços vetoriais com estrutura adicional, como uminterior
produtoO produto interno é um exemplo de umforma bilinear, e dá ao espaço vetorial uma estrutura geométrica através de
permitindo a definição de comprimento e ângulos. Formalmente, um produto interno é um mapeamento

que satisfaz os seguintes trêsaxiomas para todos os vetores e todos os escalares : [12][13]
• Conjuguesymmetry:

Note que em R, é simétrico.

• Linearidade no primeiro argumento:
Álgebra linear 5

• Definição positiva:
com igualdade apenas para
Podemos definir o comprimento de um vetor por , e podemos provar oCauchy–Schwartz
desigualdade:

Em particular, a quantidade

e assim podemos chamar essa quantidade de cosseno do ângulo entre os dois vetores.
Dois vetores são ortogonais se Uma base ortonormal é uma base onde todos os vetores da base têm comprimento 1
and are orthogonal to each other. Given any finite-dimensional vector space, an orthonormal basis could be found by
oGrama–Schmidtprocedimento. Bases ortogonais normalizadas são particularmente agradáveis de lidar, uma vez que se
, então .
O produto interno facilita a construção de muitos conceitos úteis. Por exemplo, dada uma transformação , podemos
defina seuconjugado hermitiano como a transformação linear que satisfaz

Se T satisfaz , chamamosTnormalAcontece que matrizes normais são precisamente as matrizes que têm
um sistema ortonormal de vetores próprios que abrangem V.

Alguns teoremas principais úteis

• A uma matriz é invertível, ou não singular, se e somente se amapeamento linearrepresentado pela matriz é umisomorfismo.
Qualquer espaço vetorial sobre um campo F de dimensão nisomórficotoFnas um espaço vetorial sobreF.
• Corolário: Qualquer dois espaços vetoriais sobre F de mesma dimensão finita sãoisomórficoum ao outro.
• A um mapa linear é um isomorfismo se e somente se odeterminanteé diferente de zero.

Aplicações
Devido à ubiquidade dos espaços vetoriais, a álgebra linear é utilizada em muitos campos da matemática e ciências naturais,
ciência da computação e ciências sociais. Abaixo estão apenas alguns exemplos de aplicações da álgebra linear.

Solução de sistemas lineares

A álgebra linear fornece o ambiente formal para a combinação linear de equações usadas no método gaussiano.
Suponha que o objetivo seja encontrar e descrever a(s) solução(ões), se houver, do seguinte sistema de equações lineares:

O algoritmo de eliminação gaussiana é o seguinte: elimine x de todas as equações abaixo , e então elimine
de todas as equações abaixo Isso colocará o sistema emforma triangular. Então, usando substituição reversa, cada
desconhecido pode ser resolvido para.

No exemplo, xis é eliminado de adicionando para .xis então eliminado de adicionando para .
Formalmente:
Álgebra linear 6

The result is:

Nowyis eliminado de adicionando para :

The result is:

Este resultado é um sistema de equações lineares em forma triangular, e assim a primeira parte do algoritmo está completa.
A última parte, a substituição reversa, consiste em resolver os conhecidos em ordem inversa. Assim, pode-se ver que

Então, pode ser substituído , que

em pode então ser resolvido para obter

, que pode ser resolvido para obter

Em seguida, zandy pode ser substituído em

O sistema está resolvido.

We can, in general, write any system of linear equations as a matrix equation:

A solução deste sistema é caracterizada da seguinte forma: primeiro, encontramos uma solução particular.
desta equação usando
Eliminação de Gauss. Em seguida, calculamos as soluções de ou seja, encontramos o espaço nulo do A. O
o conjunto solução desta equação é dado por Se o número de variáveis for igual ao
número de equações, então podemos caracterizar quando o sistema tem uma solução única: uma vez que N é trivial se e somente se
a equação tem uma solução única se e somente se .14

Linha de melhor ajuste por mínimos quadrados

O método dos mínimos quadrados é utilizado para determinar a melhor linha de ajuste para um conjunto de dados.[15] Esta linha minimizará a soma de
os quadrados dos resíduos.

Expansão em série de Fourier

Séries de Fouriersão uma representação de uma função como uma série trigonométrica:

Essa expansão em série é extremamente útil na resolução deequação diferencial parcialNeste artigo, não estaremos
preocupado com questões de convergência; é bom notar que todas as funções contínuas têm uma série de Fourier convergente
expansão, ebom o suficientefunções descontínuas têm uma série de Fourier que converge para o valor da função em
mais pontos.
O espaço de todas as funções que podem ser representadas por uma série de Fourier forma um espaço vetorial (falando tecnicamente, nós
chame funções que têm a mesma série de Fourier de "função igual", uma vez que duas descontinuidades diferentes
as funções podem ter a mesma série de Fourier). Além disso, este espaço também é umespaço de produto internocom o interior
Álgebra linear 7

produto

As funções para e para são uma base ortonormal para o

espaço de funções expansíveis em Fourier. Assim, podemos usar as ferramentas da álgebra linear para encontrar a expansão de qualquer
função neste espaço em termos dessas funções base. Por exemplo, para encontrar o coeficiente , nós pegamos o interno
produto com :

e pela ortonormalidade, ; isto é,

Mecânica quântica
A mecânica quântica é altamente inspirada por noções de álgebra linear. Emmecânica quânticao estado físico de um
a partícula é representada por um vetor, e os observáveis (comomomentum, energia, emomento angular) são
representados por operadores lineares no espaço vetorial subjacente. Mais concretamente, ofunção de ondade uma partícula
descreve seu estado físico e está no espaço vetorialL2(as funções de modo que

é finito), e evolui de acordo com o Equação de SchrödingerA energia é

representado como o operador , ondeVis oenergia potencialEle também é conhecido como o

Operador HamiltonianoOs autovalores de H representam as possíveis energias que podem ser observadas. Dada uma partícula em
algum estado , podemos expandir em uma combinação linear de autovalores de H. O componente de H em cada

o autovalor determina a probabilidade de medir o autovalor correspondente, e a medição força o

partícula para assumir que o estado próprio (colapso da função de onda).

Generalizações e tópicos relacionados

Uma vez que a álgebra linear é uma teoria bem-sucedida, seus métodos foram desenvolvidos e generalizados em outras partes de
matemática. Emmóduloteoria, um substitui ocampoof scalars by a ring. The concepts of linear independence,
o span, a base e a dimensão (que é chamada de posto na teoria de módulos) ainda fazem sentido. No entanto, muitos teoremas
da álgebra linear tornam-se falsas na teoria dos módulos. Por exemplo, nem todos os módulos têm uma base (aqueles que têm são)
chamadomódulo livres), a classificação de um módulo livre não é necessariamente única, nem todos os subconjuntos linearmente independentes de um
o módulo pode ser estendido para formar uma base, e nem todos os subconjuntos de um módulo que abrangem o espaço contêm uma base.

Emálgebra multilinhas, considera-se transformações lineares multivariáveis, ou seja, mapeamentos que são lineares em cada um de
uma série de variáveis diferentes. Esta linha de investigação leva naturalmente à ideia doespaço dual, o espaço vetorial
constituído por mapas lineares onde F é o campo de escalares. Mapas multilineares pode ser
descrito viaproduto tensorials de elementos de .
Se, além da adição vetorial e da multiplicação escalar, houver um produto vetorial bilinear, então o espaço vetorial é
chamado de umálgebrapor exemplo, álgebras associativas são álgebras com um produto vetorial associado (como a álgebra de
matrizes quadradas, ou a álgebra de polinômios).
Análise funcionalmistura os métodos da álgebra linear com os deanálise matemáticae estuda vários
funções de espaços, comoEspaço Lps.
Teoria da representaçãoestuda as ações de objetos algébricos em espaços vetoriais representando esses objetos como
matrizes. Está interessado em todas as maneiras pelas quais isso é possível, e o faz encontrando subespaços invariantes sob todas
transformações da álgebra. O conceito de autovalores e autovetores é especialmente importante.
Álgebra linear 8

Notas
[1] Weisstein, Eric. "Álgebra Linear"([Link] MathWorld--Um Recurso da Web Wolfram..
Wolfram. . Recuperado em 16 de abril de 2012.

[2] Vitulli, Marie. "Uma Breve História da Álgebra Linear e da Teoria das Matrizes"([Link]
html).Department of Mathematics. University of Oregon. . Retrieved 01/24/2012.
[3] Vitulli, Maria
[4] Vitulli, Maria
[5] Vitulli, Marie
Romano 2005, cap. 1, p. 27
Isto o axioma não está afirmando a associatividade de uma operação, uma vez que há duas operações em questão, multiplicação escalar: bv; e campo
multiplicação:ab.
[8] Axler (2004), pp. 28–29
O a existência de uma base é direta paracontavelmente geradoespaços vetoriais, e parabem ordenadoespaços vetoriais, mas emgeneralidade plenaele
élogicamente equivalenteaoaxioma da escolha.
[10] Axler (2204), p. 33
Axler (2004), p. 55
[12] P. K. Jain, Khalil Ahmad (1995). "5.1 Definições e propriedades básicas de espaços de produto interno e espaços de Hilbert"([Link]
com/?id=yZ68h97pnAkC&pg=PA203).Análise funcional (2ª ed.). Nova Era Internacional. p. 203. ISBN 812240801X.
Eduard Prugovec̆ki (1981). "Definição 2.1"([Link] quântica em Hilbert
espaço (2ª ed.). Academic Press. pp. 18ff. ISBN 012566060X.
[14] Gunawardena, Jeremy. "Matrix algebra for beginners, Part I"([Link] Médico
Escola. . Recuperado em 2 de maio de 2012.
[15] Miller, Steven. "O Método dos Mínimos Quadrados"[Link]
MétodoMí[Link] Brown. . Recuperado em 3 de maio de 2012.

Further reading
História
• Fearnley-Sander, Desmond, "Hermann Grassmann e a Criação da Álgebra Linear" [Link]
org/images/upload_library/22/Ford/[Link])), Mensal Americano de Matemática 86
(1979), pp. 809–817.
• Grassmann, Hermann, A teoria da extensão linear, um novo ramo da matemática: apresentado e por
Aplicações em outros ramos da matemática, assim como na estática, mecânica, a teoria do
Magnetismo e a Cristalonomia explicados, O. Wigand, Leipzig, 1844.
Livros didáticos introdutórios

• Bretscher, Otto (28 de junho de 2004), Álgebra Linear com Aplicações (3ª ed.), Prentice Hall,
ISBN 978-0131453340
• Farin, Gerald; Hansford, Dianne (December 15, 2004),Practical Linear Algebra: A Geometry Toolbox, AK
Peters, ISBN 978-1568812342
• Friedberg, Stephen H.; Insel, Arnold J.; Spence, Lawrence E. (11 de novembro de 2002), Álgebra Linear (4ª ed.)
Prentice Hall, ISBN 978-0130084514
• Hefferon, Jim (2008), Álgebra Linear([Link]
• Anton, Howard (2005), Álgebra Linear Elementar (Versão Aplicações) (9ª ed.), Wiley International
• Lay, David C. (22 de agosto de 2005), Álgebra Linear e Suas Aplicações (3ª ed.), Addison Wesley,
ISBN 978-0321287137
• Kolman, Bernard; Hill, David R. (3 de maio de 2007), Álgebra Linear Elementar com Aplicações (9ª ed.), Prentice
Hall, ISBN 978-0132296540
• Leon, Steven J. (2006), Álgebra Linear com Aplicações (7ª ed.), Pearson Prentice Hall,
ISBN 978-0131857858
• Poole, David (2010), Álgebra Linear: Uma Introdução Moderna (3ª ed.), Cengage–Brooks/Cole,
ISBN 978-0538735452
Álgebra linear 9

• Ricardo, Henry (2010), Uma Introdução Moderna à Álgebra Linear (1ª ed.), CRC Press,
ISBN 978-1-4398-0040-9
• Estranho, Gilbert (19 de julho de 2005), Álgebra Linear e Suas Aplicações (4ª ed.), Brooks Cole
ISBN 978-0030105678
Livros didáticos avançados

• Axler, Sheldon (February 26, 2004),Linear Algebra Done Right(2nd ed.), Springer, ISBN 978-0387982588
• Bhatia, Rajendra (15 de novembro de 1996), Análise Matricial, Textos de Pós-Graduação em Matemática, Springer
ISBN 978-0387948461
• Demmel, James W.(1 de agosto de 1997), Álgebra Linear Numérica Aplicada, SIAM, ISBN 978-0898713893
• Gantmacher, F.R. (2005, edição de 1959), Aplicações da Teoria das Matrizes, Dover Publications,
ISBN 978-0486445540
• Gantmacher, Felix R. (1990), Teoria de Matrizes Vol. 1 (2ª ed.), Sociedade Matemática Americana
ISBN 978-0821813768
• Gantmacher, Felix R. (2000), Teoria de Matrizes Vol. 2 (2ª ed.), Sociedade Matemática Americana,
ISBN 978-0821826645
• Gelfand, I. M. (1989), Aulas sobre Álgebra Linear, Dover Publications, ISBN 978-0486660820
• Glazman, I. M.; Ljubic, Ju. I. (2006), Análise Linear Finita-Dimensional, Publicações Dover,
ISBN 978-0486453323
• Golan, Johnathan S. (Janeiro de 2007), A Álgebra Linear que um Estudante de Pós-Graduação devetia Conhecer (2ª ed.)
Springer, ISBN 978-1402054945
• Golan, Johnathan S. (August 1995),Foundations of Linear Algebra, Kluwer, ISBN 0792336143
• Golub, Gene H.; Van Loan, Charles F. (15 de outubro de 1996), Cálculos de Matrizes, Estudos da Johns Hopkins em
Ciências Matemáticas (3ª ed.), Editora da Universidade Johns Hopkins, ISBN 978-0801854149
• Greub, Werner H. (16 de outubro de 1981), Álgebra Linear, Textos de Pós-Graduação em Matemática (4ª ed.), Springer,
ISBN 978-0801854149
• Hoffman, Kenneth; Kunze, Ray (25 de abril de 1971), Álgebra Linear (2ª ed.), Prentice Hall, ISBN 978-0135367971
• Halmos, Paul R. (20 de agosto de 1993), Espaços Vetoriais de Dimensão Finita, Textos de Graduação em Matemática
Springer, ISBN 978-0387900933
• Horn, Roger A.; Johnson, Charles R. (23 de fevereiro de 1990), Análise de Matrizes, Cambridge University Press,
ISBN 978-0521386326
• Horn, Roger A.; Johnson, Charles R. (24 de junho de 1994), Tópicos em Análise de Matrizes, Cambridge University Press,
ISBN 978-0521467131
• Lang, Serge (9 de março de 2004), Álgebra Linear, Textos de Graduação em Matemática (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 fevereiro de 2001), Análise de Matrizes e Álgebra Linear Aplicada([Link]
com/[Link]), Sociedade para Matemática Industrial e Aplicada (SIAM), ISBN 978-0898714548
• Mirsky, L.(1990),An Introduction to Linear Algebra, Dover Publications, ISBN 978-0486664347
• Romano, Steven (March 22, 2005),Advanced Linear Algebra, Graduate Texts in Mathematics (2nd ed.), Springer,
ISBN 978-0387247663
• Shilov, Georgi E. (June 1, 1977),Linear algebra, Dover Publications, ISBN 978-0486635187
• Costas, Thomas S. (6 de dezembro de 2006), Álgebra Linear Aplicada e Análise de Matrizes, Textos de Graduação em
Matemática, Springer, ISBN 978-0387331942
• Smith, Larry (28 de maio de 1998), Álgebra Linear, Textos de Graduação em Matemática, Springer
ISBN 978-0387984551
Álgebra linear 10

Guias de estudo e esboços

• Leduc, Steven A. (1 de maio de 1996), Álgebra Linear (Revisão Rápida Cliffs), Cliffs Notes, ISBN 978-0822053316
Lipschutz, Seymour; Lipson, Marc (6 de dezembro de 2000), Esquema de Schaum de Álgebra Linear (3ª ed.)
McGraw-Hill, ISBN 978-0071362009
• Lipschutz, Seymour (1 de janeiro de 1989), 3.000 Problemas Resolvidos em Álgebra Linear, 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 Linear: Problemas Desafiadores para Estudantes, The Johns Hopkins
University Press, ISBN 978-0801891250

Links externos
• Sociedade Internacional de Álgebra Linear([Link]
MIT Página Inicial do Curso de Álgebra Linear do Professor Gilbert Strang([Link]
Website do Curso
MIT Aulas de Álgebra Linear([Link]
[Link])vídeos grátis deMIT OpenCourseWare
Kit de Ferramentas de Álgebra Linear([Link]

Álgebra Linear([Link]
• Visão geral da Álgebra Linear[Link] resumo de notação
[Link]
• Tutorial de Álgebra Linear([Link] online
programas interativos.
Matriz e Termos de Álgebra Linear([Link] em
Usos Conhecidos Mais Antigos de Algumas das Palavras da Matemática([Link]
• Primeiros Usos de Símbolos para Matrizes e Vetores([Link] os primeiros usos
de Vários Símbolos Matemáticos([Link]
Álgebra Linear[Link] Elmer G. Wiens. Páginas web interativas
para vetores, matrizes, equações lineares, etc.
• Álgebra Linear Problemas Resolvidos([Link] interativos para
discussão de problemas de álgebra linear, do mais fácil até o mais difícilPutnam).
Álgebra Linear para Informática([Link] Figueroa-O'FarrillUniversidade de
Edimburgo
• Online Notas / Álgebra Linear([Link] Dawkins,
Universidade Lamar
Livro didático de Álgebra Linear Elementar com soluções[Link]
• Wiki de Álgebra Linear([Link]
• Álgebra linear (matemática 21b) lições de casa e exercícios([Link]
Livro didático e manual de soluções([Link] Fundação Saylor.
Álgebra linear 11

Livros online
• Beezer, Rob,A First Course in Linear Algebra([Link]
Connell, Edwin H., Elementos de Álgebra Abstrata e Linear([Link]
Hefferon, Jim, Álgebra Linear([Link]
Matthews, Keith, Álgebra Linear Elementar[Link]
Sharipov, Ruslan, Curso de álgebra linear e geometria multidimensional([Link]
0405323
• Treil, Sergei, Álgebra Linear Feita Errada([Link]
Fontes e Contribuidores do Artigo 12

Fontes e Colaboradores do Artigo

Álgebra Linear[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, Chaos, Charles Matthews, Chris Vanderpump, Cic, Cjfsyntropy, Clintio, Cmdrjameson, ColdFeet, Conversion script, Cybercobra, DHN, DVdm, Daftman, Damian Yerrick, Dan
Granahan, Daniel Brockman, DanielKO, Danski14, David Eppstein, Debator de matemática, 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, Majestade do Conhecimento
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, Você e eu, Yuval madar, ZeroOne, Zginder, Zsniew, Zundark, 267 edições anônimas

Fontes de Imagem, Licenças e Contribuidores

Arquivo:Subespaços lineares com [Link] Fonte[Link] Licença: Creative Commons Atribuição-Compartilha Igual 3.0
Contribuidores: Alksentrs em [Link]

License
Creative Commons Atribuição-CompartilhaIgual 3.0 Não Adaptada
//[Link]/licenses/by-sa/3.0/