0 evaluări0% au considerat acest document util (0 voturi)
164 vizualizări2 pagini
Este documento resume varios teoremas y conceptos fundamentales relacionados con espacios vectoriales, aplicaciones lineales y cónicas. Define propiedades básicas de espacios vectoriales como la suma y escalamiento de vectores. Explica teoremas como el subespacio, dependencia lineal y bases. Luego cubre aplicaciones lineales, su núcleo e imagen. Finalmente, introduce definiciones y ecuaciones para parábolas, rectas en R3 y planos.
Este documento resume varios teoremas y conceptos fundamentales relacionados con espacios vectoriales, aplicaciones lineales y cónicas. Define propiedades básicas de espacios vectoriales como la suma y escalamiento de vectores. Explica teoremas como el subespacio, dependencia lineal y bases. Luego cubre aplicaciones lineales, su núcleo e imagen. Finalmente, introduce definiciones y ecuaciones para parábolas, rectas en R3 y planos.
Este documento resume varios teoremas y conceptos fundamentales relacionados con espacios vectoriales, aplicaciones lineales y cónicas. Define propiedades básicas de espacios vectoriales como la suma y escalamiento de vectores. Explica teoremas como el subespacio, dependencia lineal y bases. Luego cubre aplicaciones lineales, su núcleo e imagen. Finalmente, introduce definiciones y ecuaciones para parábolas, rectas en R3 y planos.
1. Para todo U v: 0.U= 0 2. Para todo k ece v: k.0= 0 3. Si k.u = 0, entonces k=0 o bien u=0 4. (-1).u = -u
1. Teorema subespacio : Sea V un espacio vectorial S/K, v1,v2,v3..Vr vectores arbitrarios de v, entonces se cumple lo siguiente W= (x v / x=1v1+ 2v2++ rvr) W, es un subespacio de v con i k i=1,.,r
2. Teorema del basurero: Sea V un espacio vectorial S/K, y el subespacio W = <v1,v2,v3..Vr> si v1 es combinacin lineal de los dems vectores, entonces w < v2,v3..Vr >.
3. Teorema dependencia lineal: Sea V un espacio vectorial S/K, v1,v2,v3..Vr vectores arbitrarios de v, con r > 1 son linealmente dependientes si y solo si, alguno de los vectores es combinacin lineal de los dems.
4. Teorema caracterizacin vectores linealmente independientes: Sea V un espacio vectorial S/K, v1,v2,v3..Vr vectores arbitrarios de v, son linealmente independientes, si y solo si, todo v V se expresa 1v1+ 2v2++ rvr=V, de una nica manera, como combinacin lineal de los vectores v1,v2Vn.
5. Teorema base: Sea V un espacio vectorial S/K generado por los vectores v1,v2,.Vm. Entonces cualquier conjunto que contenga ms de m vectores es linealmente dependiente.
6. Teorema igualdad de bases: Sea V un espacio vectorial S/K, si una base de v tiene n vectores, entonces todas las bases de V, tienen n vectores. (demostracin por unicidad, x reduccin al absurdo)
7. Teorema de inclusin de vectores: Sea v un espacio vectorial de dimensin finita, entonces todo su conjunto de vectores linealmente independientes, es parte de una base de v.
Coordenadas: Propiedades de los vectores de coordenadas. Funcin b Cambio de base:
Aplicaciones lineales: 1) F(0v) = 0w 2) F(-v)=-F(v) 3) Sean u1,u2,.ur vectores de v F(u1+u2+ur) = F(u1)+F(u2)++F(ur) 4)F(1v1+ 2v2++ rvr) = 1F(u1) + 2F(u2) +.+ rF(ur)
8. Teorema Fundamental de las aplicaciones lineales: Sean V y W espacios vectoriales S/K. Si B=(v1,..vn) es una base ordenada de V y w1,..wn vectores arbitrarios de W, entonces existe una nica funcin lineal F:VW tal que F(vi)=wi, para i=1,2,n.
9. Teorema ncleo aplicacin lineal : Sea F:VW aplicacin lineal, si Nf es el ncleo de f, entonces NF es un subespacio de V.
10. Teorema imagen aplicacin lineal: Sea F:VW aplicacin lineal If es un subconjunto de W, If es la imagen de f SII If=(wW / v V ^F(v) = W) 11.Sea F:V-->W. Aplicacin lineal. Si V=<v1,v2,v3....vn> entonces la imagen de F es generada por If<F(v1), F( v2),....F(vn)>
12. Si F:VW una funcin lineal. Si V es de dimensin finita, entonces
Dim(V)=dim(Nf)+dim(IF)
13.Sea F:V-->W }F es inyectiva si solo si Nf=(0) 14. Sea F:VW una funcin lineal. F hace corresponder a todo subconjunto de vectores linealmente independientes de V, un subconjunto linealmente independiente de W, formado por las imgenes de aquellos, si y slo si, F es inyectiva. 15.Sea F:V-->W una funcin lineal biyectiva, entonces dim(V) = dim(W)
16-Demuestre como se arma la matriz de transformacin de r^na r^m
Cnicas: Parbola: Definir que es. Demostrar ecuacin. P>0 y P<0. Cuando se cambian los ejes. Cuando aparece el vrtice desplazado. Comparar con la frmula general y deducir A.C= 0
Recta en r3: Ecuacin paramtrica vectorial Ecuacin paramtrica escalar Ecuacin simtrica Ecuacin cartesiana implcita Forma segmentaria