Mates 2
Mates 2
a 2 A,
3
1.1. LENGUAJE Y CONJUNTOS
Definición 1.1. Dados dos conjuntos A y B, diremos que A está contenido en B o que
A es subconjunto de B, cuando se verifica que para todo a 2 A se tiene a 2 B. En este
caso escribiremos
A✓B
y en otro caso escribiremos
A 6✓ B.
Diremos que A = B si A ✓ B y B ✓ A.
A1 ⇥ . . . ⇥ An := {(a1 , . . . , an ) | ai 2 Ai }.
Ası́ pues, los elementos de un producto directo son listas ordenadas. Si todos los
conjuntos involucrados en un producto directo son iguales podemos escribir An en vez
de A ⇥ . . . ⇥ A.
A [ B := {x|x 2 A o x 2 B}.
La intersección es es el conjunto
A \ B := {x | x 2 A y x 2 B}.
4 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
1.2. APLICACIONES
1.2. Aplicaciones
Muchas veces necesitamos asociar a elementos de un conjunto elementos de otro
conjunto.
Para tener una aplicación bien definida tenemos que tener claro los conjuntos inicial
y final, y la imagen de cada elemento del conjunto inicial, que debe ser única. Dos
aplicaciones son iguales cuando tienen los mismos conjuntos inicial y final, y la imagen
de cada elemento del inicial es la misma en las dos.
f IdA = f
IdB f = f.
5 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
1.3. GRUPOS, ANILLOS, CUERPOS
0+0=1+1=0
0+1=1+0=1
0.0=0.1=1.0=0
1 . 1 = 1.
Ejemplos.
Los conjuntos anteriores menos el 0 con la operación (.) son grupos conmutativos.
Definición 1.9. Se llama cuerpo a un conjunto K con dos operaciones binarias internas
(+) y (.) tales que:
(a) (K, +) es grupo conmutativo.
(b) (K ⇤ = K 0, .) es grupo conmutativo.
(c) a(b + c) = ab + ac para a, b, c 2 K (distributividad)
6 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
1.4. EJERCICIOS
Definición 1.10. Se llama anillo a un conjunto A con dos operaciones binarias internas
(+) y (.) tales que:
a) (A, +) es grupo conmutativo.
b) (.) es asociativa.
c) a(b + c) = ab + ac y (a + b)c = ab + ac, para a, b, c 2 A (distributividad).
Ejemplos.
Los cuerpos son anillos.
Anillos que no son cuerpos: (Z, +, .), R[x], +, .) (polinomios en x con coeficientes
en R). Ver cuáles son los elementos de estos anillos que tienen inverso para el
producto.
1.4. Ejercicios
Ejercicio 1. 1. Encuentra la caracterı́stica de los cuerpos de los ejemplos anteriores.
2. Demuestra que si la caracterı́stica es distinta de cero, entonces es un número
primo.
A = {(x, y, z) | x, y, z 2 R, x = y},
B = {(x, y, z) 2 A | x = z},
C = {(x, y, z) | x, y, z 2 R, x = y = z},
D = {(x, y, z) | x, y, z 2 R, x + y = z},
F = {(a, a, 2a) | a 2 R}.
7 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
1.4. EJERCICIOS
Ejercicio
T 3. Para cada 0 6= n 2 N, considera An = {1/x | x 2 N, 0 < x n}. Describe
n2N An y prueba que [
An = Am .
n2{1,2,...,m}
f (x, y, z) = (x + y, x2 + y 2 + z 2 ).
8 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
Capı́tulo 1
1
Ejercicio 4. Considera el conjunto F = {0, 1}.
1. ¿Cuántos elementos tiene F5 ? Escrı́belos todos.
2. ¿Cuántos elementos tiene C = {(x, y, z) | x, y, z 2 F, x = y = z}? Escrı́belos todos.
Solución
1. |F5 | = 25 = 32. Estos elementos son:
Solución
f (0) es el conjunto P de las 7 tuplas con un número par de unos y el resto ceros,
que será un número impar.
El conjunto I de las otras 7 tuplas, las que tienen un número impar de unos verifica
que P [ I = F7 y P \ I = ;. Si cambiamos los ceros por unos y los unos por ceros,
tenemos una biyección de P en I, luego P y I tienen la misma cantidad de elementos y
el número de elementos de de P es la mitad de los que hay en F7 que son 27 . Ası́ que
f (0) tiene 26 = 64 elementos.
Otro modo: 7 tuplas con cero unos: solo hay una, la (0, 0, 0, 0, 0, 0, 0).
7 tuplas con 2 unos: hay que elegir 2 lugares para colocarlos de los 7 posibles,
7 · 6/2 = 21.
7 tuplas con 4 unos: hay que elegir 4 lugares para colocarlos o elegir 3 lugares para
los ceros, en total 7 · 6 · 5/6 = 7 · 5 = 35.
7 tuplas con 6 unos: hay que elegir 1 lugar para el cero, en total 7.
Ahora sumando 1 + 21 + 35 + 7 = 64.
2 c Departamento de Matemáticas.
Universidad de Zaragoza
10 de noviembre de 2016
Solución La suma (+) y el producto (.) son operaciones internas, el neutro de (+)
es 0 y el de (.) es 1. Sabiendo que son asociativas, conmutativas y que (.) es distributiva
respecto de (+), solo queda ver que todos los elementos tienen inverso para (+) y que
todos salvo 0 tienen inverso para (.).
En efecto: 0 = 0, 1 = 1, a = a y b = b y 1 1 = 1, a 1 = b, b 1 = a.
Además el cuerpo es de caracterı́stica 2 porque 1 + 1 = 0.
3 c Departamento de Matemáticas.
Universidad de Zaragoza
10 de noviembre de 2016
Capı́tulo 2
Cuerpos finitos
Objetivo. Uno de los sistemas criptográficos más empleados es el sistema AES (Ad-
vanced Encription Standard). Suele utilizarse como complemento al sistema criptográfico
de clave pública RSA. Por ejemplo, ver las páginas web seguras de la FNMT (Fábri-
ca Nacional de Moneda y Timbre), la web de SAGE o las interioridades de un correo
electrónico. AES utiliza en su mecanismo interno un cuerpo finito de 256 elementos.
En Informática los cuerpos finitos se utilizan también en la construcción de otros
algoritmos, por ejemplo, algunos de los relacionados con códigos correctores de errores.
Actualmente los CDs y DVDs están dotados de algoritmos de ese tipo.
El ejercicio 8 de la lección anterior presentaba un cuerpo finito de 4 elementos. En
este capı́tulo aprenderemos cómo construir y trabajar con cuerpos finitos más grandes.
Ejercicio 9. 1. Dar un ejemplo de un grupo que no sea anillo, de un anillo que no sea
cuerpo y de un cuerpo.
2. ¿Por qué para dar ejemplos de grupos, anillos o cuerpos no se acude a dar las tablas
de las operaciones?
3. ¿Qué es lo que exactamente aparece en la web de SAGE sobre AES?
9
2.1. LOS NÚMEROS ENTEROS
Q 1 5 2 2
R 192 162 30 12 6 0
Ası́ el mcd(192, 162) = 6. Fı́jate que la fila Q está formada por los cocientes enteros de
dos de los números de la fila R. Esta fila se forma con los correspondientes restos. El
mcd es el último resto no nulo.
au + bv = d.
Habrás notado que a partir de la columna tercera, los elementos de las dos últimas filas
se forman de manera análoga a los de la fila R. En el ejercicio que sigue lo verás de una
manera más formal.
Solución. Construyamos el cuadro similar al del ejemplo pero para un caso general. En
el cuadro suponemos que R1 = a y R2 = b. Ası́ pues
Q q2 q3 ... qi ...
R r1 = a r2 = b r3 ... ri ...
U u1 = 1 u2 = 0 u3 ... ui ...
V v1 = 0 v2 = 1 v3 ... vi ...
ri = ri 2 ri 1 qi 1
ui = ui 2 ui 1 qi 1
vi = vi 2 vi 1 qi 1
10 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
2.1. LOS NÚMEROS ENTEROS
aui + bvi = ri .
r i = ri 2 ri 1 qi 1 =
= aui 2 + bvi 2 (aui 1 + bvi 1 )qi 1 =
= a(ui 2 ui 1 qi 1 ) + b(vi 2 vi 1 qi 1 ) =
= aui + bvi .
a + b = r(a + b, n)
a · b = r(a · b, n),
donde r(x, n) es el resto (positivo) de dividir x por n. Por ejemplo en Z12 se tiene 4·3 = 0.
Estas operaciones heredan de manera natural las propiedades de las operaciones de Z,
por lo que (Zn , +, ·) es un anillo, denominado clases de restos módulo n.
Ejercicio 12. Ver que en Z6 algunos elementos no tienen inverso para el producto.
Ejercicio 14. Calcular el inverso de 776 en el cuerpo Z2 273 . (Ayuda: utilizar el algoritmo
de Euclides extendido.)
11 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
2.2. LOS POLINOMIOS
n + 1, 2n + 1, 3n + 1, . . .
2a, 3a, 4a, . . .
xa = yn + 1,
División entre polinomios. Los polinomios tienen grandes similitudes con los núme-
ros enteros. Ambos tienen dos operaciones, suma y multiplicación, respecto de las cuales
son anillos conmutativos. Pero las similitudes continúan. Lo que permite la división de
números enteros es el valor absoluto, pues a la hora de dividir el valor absoluto del resto
debe ser estrictamente menor que el valor absoluto del divisor. Entre polinomios el papel
del valor absoluto lo juega el grado de un polinomio.
Proposición 2.3. Dados los polinomios D(x), d(x) (dividendo, divisor), existen poli-
nomios q(x), r(x) (cociente, resto) con grad r(x) < grad d(x), tales que
Ejercicio 18. 1. Hallar el mcd de los polinomios f (x) y g(x) del ejercicio anterior.
2. Aplicar el algoritmo de Euclides extendido a los polinomios de las apartados 1 y 2 del
ejercicio anterior.
12 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
2.3. CUERPOS FINITOS
Demostración. Bastará ver que todo elemento no nulo a(x) de Z2 [x]/hp(x)i tiene inverso.
Puesto que mcd(a(x)), p(x)) = 1, aplicando la identidad de Bezout, existen polinomios
u(x) y v(x) tales que
a(x)u(x) + p(x)v(x) = 1.
Luego r(a(x)u(x), p(x)) = 1, y por tanto en Z2 [x]/hp(x)i el inverso de a(x) es u(x).
13 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
2.3. CUERPOS FINITOS
x6 + x5 + x3 + x2 + 1,
Ejercicio 20. Encontrar una forma cómoda de sumar elementos de un cuerpo cuando
estos se representan en binario o en hexadecimal, tal y como se ha presentado en el
párrafo anterior. Por ejemplo, calcular 6E + 55.
Ejercicio 22. El sistema criptográfico AES utiliza el cuerpo de 256 elementos construido
sobre uno de los polinomios irreducibles del ejercicio 19. En ese cuerpo calcular:
(a) x4 + x + 1)/x7 + x6 + x3 + x2 .
(b) Los productos 03 · 25, C2 · 2F y DE · A0.
(c) Los inversos de C2, BF y 78.
(d) Los cocientes 12/DD y 7B/33.
Ejercicio 23 (enero 2015). Sea F un cuerpo finito de caracterı́stica 2. Probar las si-
guientes afirmaciones.
(a) En F[x] se tiene que (x + 1)2 = x2 + 1.
(b) La única solución de x2 + 1 = 0 es 1 2 F.
(c) Para a 2 F, si a 6= 0, 1 se tiene que
a2 6= 1, a2 6= a, a2 6= 0.
Ejercicio 24 (enero 2015). Sean {0, 1, a, b} todos los elementos de un cuerpo. Construye
las tablas de sumar y de multiplicar de ese cuerpo.
1
En la anterior edición figuraba erróneamente 6E.
14 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
Capı́tulo 3
donde aij , bi 2 K. Las soluciones son los valores x1 , . . . , xn 2 K que hacen que todas las
igualdades sean ciertas. A los elementos de K les llamaremos escalares.
16
3.2. MATRICES Y SISTEMAS
que llamaremos matriz de coeficientes asociada a dicho sistema. La matriz ampliada del
sistema es la que resulta de añadirle a la asociada la columna de los términos indepen-
dientes, es decir 0 1
a11 a12 . . . a1n b1
B a21 a22 . . . a2n b2 C
B C
A|C = B . .. .. .. C .
@ . . . . . A
am1 am2 . . . amn bm
Recı́procamente, dada una matriz de m filas y n + 1 columnas, se le asocia un sistema de
m ecuaciones lineales con n incógnitas que tiene esa matriz como matriz ampliada. Las
filas de la matriz asociada son elementos de K n y las de la matriz ampliada de K n+1 .
Definición 3.4. Las operaciones elementales de filas para una matriz son:
Multiplicar una fila por un escalar no nulo (cada componente se multiplica por el
escalar): Fi ! tFi .
Intercambiar dos filas: Fi $ Fj .
Sumar a una fila otra multiplicada por un escalar (cada componente se suma con
la correspondiente): Fi ! Fi + tFj .
Análogamente se definen las operaciones elementales de columnas.
Si a una matriz ampliada de un sistema de ecuaciones lineales le aplicamos operacio-
nes elementales de filas, el sistema con coeficientes y términos independientes de los de
la nueva matriz es equivalente al de partida (tienen exactamente las mismas soluciones).
Notar que todas las operaciones elementales son de ida y vuelta. Notar que las ope-
raciones elementales que podemos hacer con un sistema coinciden con las operaciones
elementales de filas de su matriz ampliada.
Una matriz escalonada es una matriz no nula tal que en cada fila el primer elemento
no nulo esta más a la derecha que en la anterior, o sea, el primer elemento no nulo de
cada fila tiene ceros debajo. Comprobar que toda matriz, con operaciones elementales
de filas se puede trasformar en una matriz escalonada.
Notar que si un sistema tiene como matriz ampliada una escalonada, entonces el
sistema es compatible (tiene solución) si y solo si el número de filas nulas es igual en la
matriz asociada que en la ampliada. Además en este caso, de tener soluciones, es muy
fácil encontrarlas.
Una matriz escalonada reducida es una matriz escalonada tal que el primer elemento
no nulo de la fila i es aik = 1 y el resto de la columna k son ceros. Si un sistema tiene
matriz escalonada reducida aún es más sencillo buscar las soluciones. Con operaciones
elementales de filas también podemos llegar a una escalonada reducida.
Ejercicio 28. Halla las soluciones de los siguientes sistemas de ecuaciones lineales en
R, si las tienen. 8
>
> x1 + 2x3 + 3x4 = 0
>
>
< 4x + x + x + 2x = 1
1 2 3 4
> 5x1 + x2 + 3x3 + 5x4 = 1
>
>
>
: 3x + x x3 x4 = 1
1 2
17 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.3. PRODUCTO DE MATRICES
8
>
< 3x1 + x2 + 2x3 + 4x4 + 3x5 = 1
x1 x2 + x5 = 1
>
:
x1 + x3 + 2x4 + 2x5 = 0
a11 x1 + · · · + a1n xn = y1
... (3.2)
am1 x1 + · · · + amn xn = ym ,
b11 y1 + · · · + b1m ym = z1
...
br1 y1 + · · · + brm ym = zr ,
X X
b11 a1i xi + · · · + b1m ami xi = z1
...
X X
br1 a1i xi + · · · + brm ami xi = zr ,
18 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.3. PRODUCTO DE MATRICES
Notación. Normalmente escribiremos las n-tuplas en vertical, ası́ las podemos consi-
derar una matriz n ⇥ 1. Para
0 1
x1
B C
X = @ ... A 2 K n ,
xn
AX = Y.
Demostración. Es claro que las matrices (CB)A y C(BA) tienen el mismo tamaño.
Para cada X 2 K n la primera matriz la transforma en ((CB)A)X = (CD)(AX) =
C(B(AX)) y la segunda en (C(BA))X = C((BA)X) = C(B(AX), es decir ambas
matrices transforman cualquier n-tupla en la misma tupla. Por otra parte toda matriz
transforma la n-tupla que tiene 1 en el lugar i y ceros en el resto, en su columna i. Luego
nuestras dos matrices tienes sus columnas iguales y por tanto son iguales.
19 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.4. MATRIZ TRASPUESTA
20 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.5. MATRICES ELEMENTALES
La definición de operación elemental de filas (ver definición 3.4) aplicada a una matriz
vale también cambiando filas por columnas.
21 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.6. DESCOMPOSICIÓN LU
3.6. Descomposición LU
Además de las matrices escalonadas ya descritas, son interesantes las siguientes.
Definición 3.15. Una matriz es triangular inferior si aij = 0 para todo j > i, o sea
encima de la diagonal todo son ceros. (Como en inglés inferior se dice lower, se les suelen
llamar matrices L.)
Una matriz es triangular superior si aij = 0 para todo j < i, es decir, debajo de
la diagonal todo son ceros. (Como en inglés superior se dice upper, se les suele llamar
matrices U .) Las matrices escalonadas son triangulares superiores.
E1 . . . Er A = U,
A = E r 1 . . . E1 1 U
A = LU.
Dada una matriz A podemos reordenar las filas de modo que se pueda obtener la
descomposición LU de A.
Definición 3.16. Una matriz permutación es una matriz que se obtiene al reordenar
las filas de In
22 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.7. EJERCICIOS
3.7. Ejercicios
Ejercicio 30. Encuentra una condición necesaria y suficiente que tengan que cumplir
a, b, c 2 R para que el siguiente sistema en x e y (incógnitas) tenga soluciones.
8
>
< 2x + y = a
x+y =b
>
:
x + 2y = c.
Ejercicio 31 (enero 2015). Da la lista de todas las soluciones, si existen, del siguiente
sistema en el cuerpo del ejercicio 22.
(
x+y+z =a
x + by + z = b.
23 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
3.7. EJERCICIOS
Ejercicio 36. El [7,4]–código binario de Hamming corrector de errores tiene como ma-
triz de control 0 1
0 0 0 1 1 1 1
H= @ 0 1 1 0 0 1 1 A.
1 0 1 0 1 0 1
Resuelve el sistema HX = 0.
(Esta resolución es necesaria para encontrar una matriz generadora de este código,
cuestión que está planteada en el último ejercicio del capı́tulo 5.)
24 c Departamento de Matemáticas.
Universidad de Zaragoza
25 de noviembre de 2016
Capı́tulo 4
S2) Vector nulo: Existe un vector, que denotaremos 0, que verifica 0 + a = a, para
todo vector a.
S4) Elemento opuesto: Para cada vector a, existe otro, que denotaremos a, veri-
ficando a + ( a) = 0.
25
4.1. ESPACIO VECTORIAL
(t1 i + t2 j + t3 k) + (t01 i + t02 j + t03 k) = (t1 + t01 )i + (t2 + t02 )j + (t3 + t03 )k,
t (t1 i + t2 j + t3 k) = (tt1 i + tt2 j + tt3 k).
(4) El conjunto R[x] de los polinomios en x con coeficientes en R, con las conocidas
operaciones de suma de polinomios y producto de polinomio por escalar.
(5) Con las operaciones del ejemplo (1),
(0 t 1 0 1
1
0
1
1 )
1
V = @ t2 A = x 1 @ 2 A + x 2 @ 1 A | xi 2 R .
t3 3 1
26 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.2. SUBESPACIOS
AX = B,
{X 2 K n | AX = B}.
4.2. Subespacios
Definición 4.5. Un subespacio vectorial de V es un subconjunto S no vacı́o que verifica,
para a, b 2 S y t 2 K:
a+b2S
ta 2 S
27 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.3. COMBINACIÓN LINEAL Y FAMILIA GENERADORA
(6) Sea
S = {(x, y, z) 2 R3 | x + y + z = 0, x z = 0} ✓ V.
S no es vacı́o porque (0 0 0) 2 S. Sean (x1 , y1 , z1 ), (x2 , y2 , z2 ) 2 S, es decir tales que
x1 + y1 + z1 = 0, x1 z1 = 0, x2 + y2 + z2 = 0, x2 z2 = 0. Veamos que (x1 , y1 , z1 ) +
(x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) 2 S:
Veamos que t(x1 , y1 , z1 ) 2 S: t(x1 , y1 , z1 ) = (tx1 , ty1 , tz1 ) y tx1 + ty1 + tz1 = t(x1 +
y1 + z1 ) = t0 = 0. Además tx1 tz1 = t(x1 z1 ) = t 0 = 0, luego t(x1 , y1 , z1 ) 2 S.
(7) S = {(x, y, z) 2 R3 | x + y + z = 1, x z = 0} ✓ V . No es subespacio porque
(0 0 0) 62 S y si lo fuese tendrı́a que ser (0 0 0) = 0 2 S.
S1 + S2 := {s1 + s2 | s1 2 S1 , s2 2 S2 }.
28 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.3. COMBINACIÓN LINEAL Y FAMILIA GENERADORA
no son de S.
(2) Con los datos del párrafo anterior, se tiene que
Observación. Nos interesa que un conjunto de vectores, por ejemplo los que generen un
espacio, los tengamos ordenados. Definimos una familia de vectores como una sucesión
ordenada de vectores. Denotaremos una familia compuesta por los vectores ai de esta
forma:
(a1 , . . . , ar ).
Notar que en una familia puede haber elementos repetidos.
(c) Si en una familia generadora de un espacio cambiamos un vector por el que resulta
de sumarle otro de la familia multiplicado por un escalar, la familia que resulta genera
el mismo espacio.
29 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.4. DEPENDENCIA E INDEPENDENCIA LINEAL
Ejemplo 4.13.
Se ve que hemos conseguido una familia generadora de S formada por solo dos vectores.
Definición 4.14. Un espacio vectorial se dice finitamente generado si existe una familia
finita de vectores que lo genera.
(1 0 . . . 0), (0 1 0 . . . 0), . . . , (0 0 . . . 1)
genera Rn .
(2) El espacio, R[x], de los polinomios en la variable x no es finitamente generado, porque
cualquier familia finita tiene un polinomio de grado máximo. Las combinaciones lineales
de los polinomios de esa familia son de grado menor o igual que ese máximo luego no
son todos los polinomios.
(3) El subespacio de los polinomios de grado menor o igual que 3,
0 = x1 (1 0 1 0) + x2 (0 1 0 0) + x3 (1 2 1 1) = 0,
30 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.4. DEPENDENCIA E INDEPENDENCIA LINEAL
0 = x1 a1 + · · · + xs 1 as 1 + ( 1)as + 0 as+1 + · · · + 0 ar .
(e) Recı́proco del anterior, es decir, en una familia ligada existe un vector que es com-
binación lineal de los anteriores. En efecto. Si la familia es ligada, existe
x1 a1 + · · · + xr ar = 0,
con algún xi 6= 0. De estos xi consideramos el s más grande que no sea nulo, es decir
xs 6= 0 y xs+1 = . . . = xr = 0. Se tiene x1 a1 + · · · + xs as = 0 y despejando,
1 1
as = (xs ) x1 a1 + · · · (xs ) xs 1 as 1 .
(f) Cuando una familia genera un espacio y esa familia es ligada, como hay un vector
que es c.l. de los anteriores, si lo suprimimos, la familia que resulta genera el mismo
espacio.
(g) La familia (0 0), (0 1), (1 1), (1 0) genera R2 . Si suprimimos el primer y último
vector, la familia resultante también genera R2 .
Por el apartado (e) anterior hay un vector que es c.l. de los anteriores y lo podemos
expulsar. Pero a1 no es nulo luego no es c.l de los anteriores, ası́ que podemos expulsar
algún bi , supongamos que es el primero, se tiene
31 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.5. EJERCICIOS
Si nos queda ar+1 tendrı́amos que ar+1 2 V = R < (a1 , a2 , . . . , ar ) >, luego ar+1 es c.l.
de a1 , a2 , . . . , ar y la familia no puede ser libre.
4.5. Ejercicios
Ejercicio 39. Considerar los vectores u = (1, 3, 2) y v = (2, 1, 1) de R3 . ¿Puede
ponerse el vector (1, 7, 4) como combinación lineal de u y de v? ¿Y el (2, 5, 4)? ¿Para
qué valores de t es (1, t, 5) combinación lineal de u y v?
32 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
4.5. EJERCICIOS
i) S = { (3a , a , a b , b) | a, b 2 C } y T = { (a, b, c, d) | a + 2d = 0 }.
ii) S = { (a, b, c, d) | a b = 0 } y T generado por (1, 1, 2, 1) y (2, 0, 1, 1).
iii) S = { (a, b, c, d) | a b+c d=a+b+c 3d = 0 } y T generado por (1, 1, 1, 1) y
( 1, 1, 1, 1).
iv) S = { (a, b, c, d) | a c = b = 0 } y T generado por (1, 0, 1, 0), (0, 2, 1, 0) y (1, 4, 1, 0).
33 c Departamento de Matemáticas.
Universidad de Zaragoza
22 de septiembre de 2016
Capı́tulo 5
Bases y coordenadas
Ejemplo 5.2. (1) En R4 sea el subespacio S engendrado por los vectores a1 = (1 0 0 0),
a2 = (1 1 0 0), a3 = (1 1 1 1). Se tiene que S = {(t, r, s, s) | t, r, s 2 R} y obviamente
a1 , a2 , a3 generan S. Es claro que ningún vector es c.l. de los anteriores luego esa familia
es libre y por tanto base de S.
(2) (1 0 0 0), (1 1 0 0), (1 1 1 1), (0 0 1 0) es una familia libre porque ninguno de los
vectores es c.l. de los anteriores. Además el subespacio que engendran es todo R4 . En
efecto, el sistema 0 1 0 10 1
x1 1 1 1 0 t1
B x2 C B 0 1 1 0 C B t2 C
B C B CB C
@ x3 A = @ 0 0 1 1 A @ t3 A
x4 0 0 1 0 t4
es compatible (tiene soluciones t1 , t2 , t3 , t4 2 R para cualesquiera x1 , x2 , x3 , x4 2 R). Por
tanto dichos vectores constituyen una base de R4 .
(3) (1 0 0 0), (0 1 0 0), (0 0 1 0), (0 0 0 1) es una base de R4 .
(4) En Rn la familia (1 0 . . . 0), (0 1 . . . 0), . . . , (0 . . . 0 1) es base, que se llama base
canónica.
(5) La familia de polinomios (1, x, x2 , x3 ) es una base del espacio de los polinomios de
grado menor o igual que tres.
(6) En V = M3⇥2 (R), las siguientes matrices forman una base,
0 1 0 1 0 1 0 1 0 1 0 1
2 0 0 1 1 0 0 1 0 0 0 0
@ 1 1 A, @ 2 0 A, @ 0 0 A, @ 0 0 A, @ 0 0 A, @ 0 1 A.
0 1 1 1 0 0 0 0 1 0 0 0
34
5.2. DIMENSIÓN DE SUBESPACIOS
V = K < a1 , . . . , ar , b1 , . . . , bq > .
35 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
5.3. COORDENADAS
Tiene que haber algún x no nulo porque los c forman una familia libre. Se tiene que
ci yr+1 cr+1 ··· yi 1 ci 1 = x1 a1 + · · · + xr ar + xr+1 br+1 + · · · + xs bs 2 S \ T
y es un vector no nulo porque algún x es no nulo y a1 , . . . , ar , br+1 , . . . , bs es una familia
libre. Ası́ que este vector es c.l de los a y se tiene
z1 a1 + · · · + zr ar = x1 a1 + · · · + xr ar + xr+1 br+1 + · · · + xs bs
y por ser a1 , . . . , ar , br+1 , . . . , bs familia libre, xr+1 = . . . = xs = 0. Ası́ ci es c.l de los a
y los c anteriores que no puede ser porque a1 , . . . , ar , cr+1 , . . . , ct es libre.
5.3. Coordenadas
Definición 5.8. Sea (a1 , . . . , an ) una base de V . Para un vector a 2 V , si a = x1 a1 +
· · · + xn an se dice que (x1 , . . . , xn ) 2 Rn son las coordenadas de a respecto de esa base.
Para cada vector existen coordenadas respecto de una base y estas son únicas (com-
probarlo).
Ejercicio 48. Escribir las coordenadas de a = (2 3 5 7) respecto de las bases Bi , donde
(a) B1 = (1 0 0 0), (0 1 0 0), (0 0 1 0), (0 0 0 1) ,
(b) B2 = (1 2 0 0), (0 0 3 5), (1 0 0 0), (0 0 0 1) ,
(c) B3 = (1 2 0 0), (0 0 3 5), (1 0 3 5), (1 2 0 1) .
Solución. (a) (2 3 5 7) = 2(1 0 0 0) + 3(0 1 0 0) + 5(0 0 1 0) + 7(0 0 0 1), por tanto las
coordenadas respecto de B1 son (2, 3, 5, 7).
(b) (2 3 5 7) = 3/2(1 2 0 0) + 5/3(0 0 3 5) + 1/2(1 0 0 0) + ( 4/3)(0 0 0 1), luego las
coordenadas respecto de B2 son (3/2, 5/3, 1/2, 4/3).
(c) Tengo que resolver el sistema (2 3 5 7) = x1 (1 2 0 0) + x2 (0 0 3 5) + x3 (1 0 3 5) +
x4 (1 2 0 1). En forma matricial
0 10 1 0
1
1 0 1 1 x1 2
B 2 0 0 C B
2 C B x2 C B 3 C
B C = B C.
@ 0 3 3 0 A @ x3 A @ 5 A
0 5 5 1 x4 7
36 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
5.3. COORDENADAS
Ası́ la solución del sistema (ya sabı́amos que tenı́a que salir única) es (17/6, 7/6, 1/2, 4/3),
que son las coordenadas del vector a respecto de B3 .
Nota. Si Q es la matriz que tiene en las columnas las coordenadas de los vectores ai
respecto de ai , es decir
(a1 , . . . , an ) = (a1 , . . . , an )Q,
y X y X como antes, se tiene X = QX, ası́ que X = P X = P QX y tomando como X
los vectores de la base canónica obtenemos que las columnas de P Q son las de In , ası́
P Q = In .
37 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
5.4. RANGO DE FILAS
Ejercicio 49. (a) Calcular las matrices de los cambios de coordenadas entre las bases
B = (1 1 1), (0 0 3), (1 0 0)
B = (1 0 1), (0 1 1), (0 0 6) .
= =
(b) Encontrar la base B = (b1 , b2 , b3 ) tal que la matriz de cambio de coordenadas de B
a B sea 0 1
1 0 0
P =@ 0 7 2 A.
1 2 3
Solución. (a) Las matrices de cambio de coordenadas son
0 1 0 1
0 1 0 1 0 1
P = @ 1/3 0 2 A y Q=@ 1 0 0 A
1 1 0 1/6 1/2 1/6
38 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
5.5. EJERCICIOS
5.5. Ejercicios
Ejercicio 50. Prueba que si V es finitamente generado y de dimensión n, todo susbes-
pacio suyo es también finitamente generado y de dimensión menor o igual que n. Prueba
que si además S es subespacio de V y dimensión de S es n, entonces S = V .
Ejercicio 55. Probar que dim (S + T ) = dim S + dim T si y solo si juntando bases de
S y de T se tiene una familia libre.
39 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
5.5. EJERCICIOS
0 1 0 1
1 1 2 3 1 0 1 0 1 5 2 3
B 1 0 1 5 1 1 0 0
B 1 3 1 0 C
C, @ 1
B 2
B 0 7 C
C.
@ 0 1 1 A, @ 1 2 2 1 A,
1 1 1 1 A @ 1 2 3 A
1 0 2 3 3 4 2
1 0 1 1 2 1 3 2
40 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
Capı́tulo 6
41
6.1. APLICACIÓN LINEAL
es lineal. Se cumple
Ası́,
42 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.2. NÚCLEO E IMAGEN
0 1
0 0 0 1 0
Luego f = TA , siendo A = @ 1 0 0 1 0 A. ¿Cómo hemos calculado las coordena-
0 0 0 0 0
das de (x1 , x2 , x3 , x4 , x5 ) respecto de la base (ai ) anterior? Llamando (t1 , t2 , t3 , t4 , t5 ) a
esas coordenadas, podemos plantear la igualdad de vectores
0 1 0 1 0 1 0 1 0 1 0 1
x1 1 1 0 1 0
B x2 C B 1 C B 0 C B 1 C B 0 C B 0 C
B C B C B C B C B C B C
B x 3 C = t 1 B 1 C + t 2 B 0 C + t3 B 0 C + t4 B 0 C + t 5 B 0 C
B C B C B C B C B C B C
@ x4 A @ 1 A @ 1 A @ 0 A @ 0 A @ 0 A
x5 1 1 0 0 1
43 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.3. MATRIZ COORDENADA
Ejercicio 60. Para K = R dar una base de Ker f y otra de Im f, siendo f = TA para
0 1
0 2 2 1 0
A=@ 1 0 0 1 0 A.
0 0 0 0 0
0 1
0
Solución. Para calcular Ker f resolvemos el sistema AX = @ 0 A y obtenemos
0
tr+1 f ar+1 + · · · + tn f an = 0,
44 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.3. MATRIZ COORDENADA
Es decir, la columna
0 1 j de A son las coordenadas de la imagen del vector j–ésimo.
x1
B C
Si X = @ ... A son las coordenadas de v 2 V respecto de B1 , podemos escribir
xn
v = (a1 , . . . , an )X. Teniendo en cuenta la expresión (6.1) anterior se tiene que
(f a1 , . . . , f an ) = (b1 , · · · , bm )A
y por tanto
f v = (f a1 , . . . , f an )X = (b1 , . . . , bm )AX,
por lo que tenemos que Y = AX son las coordenadas de f v respecto de B2 .
calculamos
TA (a1 ) = (1 0 0), TA (a2 ) = (1 0 0), TA (a3 ) = (0 0 0), TA (a4 ) = (0 1 0), TA (a5 ) = (0 0 0),
0 0 1
45 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.3. MATRIZ COORDENADA
0
1
0 1
14
7 B 17 C
(2) Las coordenadas de a son (7, 5, 1), luego A @ 5 A = B C
@ 5 A son las coordenadas
1
1
2 3
de f (a), por lo que f (a) = 14 + 17x + 5x + x .
(3) Como las coordenadas de x3 + x2 + x + 1 son (1, 1, 1, 1), tenemos que resolver el
sistema 0 1
1
B .. C
AX = @ . A .
1
Puesto que es incompatible, no existe el tal b.
(4) Ker f está formado por los polinomios de coordenadas las soluciones del sistema
AX = 0; obtenemos Ker f = 0. El subespacio Im f son los polinomios de coordenadas
AX, es decir,
46 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.4. CAMBIO DE COORDENADAS. MATRICES EQUIVALENTES
B = P AQ.
B 1 = (1 1 1), (0 1 1), (0 0 1)
B 2 = (1 2), (0 1) .
47 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.4. CAMBIO DE COORDENADAS. MATRICES EQUIVALENTES
Con estas expresiones coordenadas, tanto las de f como la de los cambios de base, se
tiene 0 1
✓ ◆ 1 ✓ ◆ 1 1 0 0
1 0 1 0
BX = Y = Y = A@ 1 1 0 A X,
2 1 2 1
1 1 1
por lo que 0 1
✓ ◆ 1 1 0 0
1 0
B= A@ 1 1 0 A.
2 1
1 1 1
Definición 6.12. Se dice que la matriz A es equivalente a la B cuando existen P y Q
inversibles tales que B = P AQ.
También es cierto el recı́proco de la proposición anterior, es decir que si A y B
son equivalentes entonces A y B son matrices coordenadas de la misma f . (Para verlo
basta considerar las bases cuyos cambios de coordenadas vienen definidos por la P y Q
correspondientes, como se ve en el próximo ejercicio).
48 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.5. RANGO DE UNA MATRIZ
0 1 0 1
1 0 1 0 0 1 0 1 0 0
B 0 1 0 1/7 0 C B 0 1 0 1/7 0 C
B C B C
B 0 2 1 0 1 C 2F2 B 0 0 1 2/7 1 C
B C F3 B C.
@ 1 2 A @ 1 2 A
0 1 0 1
Ası́ que 0 1
1 0 0 ✓ ◆
1 2
P =@ 0 1/7 0 A y Q=
0 1
1 2/7 1
verifican que B = P AQ.
Para hallar las bases respecto de las cuales B es matriz coordenada de f = TA
procederemos como en la proposición 6.10. Es decir, ponemos X = P1 X y Y = P2 Y ,
las expresiones de los cambios de coordenadas de las bases canónicas a las que tratamos
de encontrar, en R3 y en R2 . También tenemos Y = AX y Y = BX. Como en la
proposición 6.10 obtenemos
0 1 1 0 1
✓ ◆ 1 0 0 1 0 0
1 2
P1 = ; P2 = @ 0 1/7 0 A = @ 0 7 0 A .
0 1
1 2/7 1 1 2 1
Las columnas de P1 constituyen la base que buscamos en R2 y las de P2 es la base que
se pide de R3 .
49 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.6. SISTEMAS LINEALES Y MATRICES
Pero como multiplicar por la izquierda por una matriz inversible conserva el rango de
filas y por la derecha conserva el rango de columnas, se sigue fácilmente que s = r.
Finalmente basta tomar P = P1 1 y Q = Q1 1 .
50 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.7. EJERCICIOS
6.7. Ejercicios
Ejercicio 63. Hallar las matrices de las siguientes aplicaciones lineales en las bases que
se indican.
(1) f : R3 ! R2 dada por f (x, y, z) = (x+2y, 3y+z) en las bases (1 0 2), (0 1 1), (1 0 1)
de R3 y (1 1), (0 1) de R2 .
(2) f : R4 ! R3 dada por f (x, y, z, t) = (48y 57z, x, x + t) en las bases
0 1
1 2 0
Ejercicio 64. Sea A = @ 1 1 1 A y B = (0 1 1), (2 0 0), (0 1 0) .
2 2 2
1) Siendo f la aplicación lineal con matriz A en la base canónica de R3 (base de salida
y llegada), hallar la matriz de f en la base B.
2) Siendo g la aplicación lineal con matriz A en la base B de R3 (base de salida y llegada),
hallar la matriz de g en la base canónica.
3) Sean S = {(x, y, z) 2 R3 | x + y + z = 0} y h : S ! f (R3 ) dada por h(a) = f (a) para
cada a 2 S. Dar bases de S y f (R3 ) y hallar la matriz de h respecto de ellas. Usarla
para encontrar, si existen, los vectores a 2 S cuya imagen sea (1, 0, 0).
0 1
1 10 0
Ejercicio 65. Sea A = @ 1 22 1 A la tercera matriz del ejercicio 58, r el rango
3 34 2
de A y f la aplicación lineal de R4
en R con matriz A en las bases canónicas.✓Encontrar
3
◆
Ir 0
un par de bases respecto de las cuales la matriz de f sea de la forma C = .
0 0
Usar esto para obtener R y S inversibles tales que A = RCS.
Usar el resultado anterior para:
(a) Encontrar A1 (3 ⇥ r) y A2 (r ⇥ 4), matrices de rango r y tales que A = A1 A2 .
51 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
6.7. EJERCICIOS
0 1
0 1
Ejercicio 67. Sea f : R2 ! R3 con matriz @ 1 1 A en las bases canónicas.
1 2
Hallar la expresión coordenada de f en las bases B1 = (1 0), (1 1) de R2 y
B2 = (0 0 1), (0 1 1), (1 0 1) de R3 . Usarla para obtener la expresión coordenada
de una aplicación g de R3 en R2 respecto B2 y B1 tal que g f sea la identidad en R2 .
Hallar la matriz de g en las bases canónicas.
Ejercicio 68. El [7,4]–código binario de Hamming corrector de errores tiene como ma-
triz de control 0 1
0 0 0 1 1 1 1
H= @ 0 1 1 0 0 1 1 A.
1 0 1 0 1 0 1
Encontrar una (4 ⇥ 7)–matriz G sobre Z2 , generadora del código, sabiendo que tiene
rango máximo y que HGt = 0. (Gt es la matriz traspuesta de G.) Ayuda: Las filas de
G forman una base del núcleo derecho de H. Mira el ejercicio 36.
52 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
Capı́tulo 7
Determinantes
a b
Det (A) = |A| = = ad bc.
c d
DI. La función determinante como función de las columnas, es lineal en cada uno de
sus argumentos, es decir, se cumple, para cualesquier C1 , C2 , C3 2 K 2 y t 2 K que
53
7.2. CASO GENERAL
Matrices 3 ⇥ 3. Si 0 1
a11 a12 a13
A = @ a21 a22 a23 A
a31 a32 a33
es una matriz sobre K, su determinante es el número
54 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.3. PROPIEDADES DE LOS DETERMINANTES
= t|X| + |Y |
55 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.3. PROPIEDADES DE LOS DETERMINANTES
y, por DI,
luego
Det (. . . , Ai , Ai+1 , . . . ) = Det (. . . , Ai+1 , Ai , . . . ).
Para b) basta aplicar a) hasta colocar las dos columnas iguales en posiciones
consecutivas y aplicar DII. La propiedad c) se demuestra como a) usando b)
en vez de DII. Se demuestra usando DI y b). Finalmente, e) es directo de DI.
56 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.3. PROPIEDADES DE LOS DETERMINANTES
n
z }| {
Lema 7.3. Supongamos que H : K n ⇥ . . . ⇥ K n ! K es una aplicación que satisface
las propiedades DI y DII (es decir, H es lineal en cada argumento y si dos argumentos
consecutivos coinciden H se anula). Sean además E1 , . . . , En 2 K n los vectores de la
base canónica y 1 i1 , . . . , in n números naturales. Si f (E1 , . . . , En ) = 0 entonces
f (Ei1 , . . . , Ein ) = 0.
n
z }| {
Teorema 7.4 (Unicidad). Supongamos que F : K n ⇥ . . . ⇥ K n ! K es una aplicación
que satisface las propiedades DI y DII (es decir, F es lineal en cada argumento y si dos
argumentos consecutivos coinciden F se anula). Sea t = F (E1 , . . . , En ) donde E1 , . . . , En
es la base canónica de K n , se tiene entonces F (A1 , . . . , An ) = t Det (A1 , . . . , An ) para
cualesquier vectores A1 , . . . , An 2 K n .
n
z }| {
Demostración. Definimos la aplicación H : K n ⇥ . . . ⇥ K n ! K mediante la fórmula
f (A1 , . . . , An ) = F (A1 , . . . , An ) t Det (A1 , . . . , An ). Puesto que tanto F como Det satis-
facen las propiedades DI y DII, H satisface dichas propiedades. Además, si E1 , . . . , En es
la base canónica de K n , f (E1 , . . . , En ) = F (E1 , . . . , En ) t Det (E1 , . . . , En ) = t t·1 = 0.
Por el lema anterior se tiene entonces que si 1 i1 , . . . , in n, f (Ei1 , . . . , Ein ) = 0.
Tomemos ahora t
Pn vectores A1 , . . . , An . Si para cada i escribimos Ai = (ai1 , . . . , ain ) ,
entonces
Pn Ai = j=1Panij Ej luego, aplicando Pn laP linealidad en cada posición, f (A1 , . . . , An ) =
f ( j=1 a1j Ej , . . . , j=1 a1j Ej ) = j1 =1 · · · njn =1 a1j1 . . . anjn f (Ej1 , . . . , Ejn ) y puesto
que, como hemos visto antes, cada f (Ej1 , . . . , Ejn ) es nulo. Se tiene f (A1 , . . . , An ) = 0,
luego F (A1 , . . . , An ) = t Det (A1 , . . . , An ) para cualesquier vectores A1 , . . . , An 2 K n .
57 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.3. PROPIEDADES DE LOS DETERMINANTES
Lema 7.6. Sea A = (aij ) una matriz n ⇥ n sobre K, si A es triangular superior o trian-
gular inferior, entonces su determinante es el producto de los elementos de la diagonal,
es decir |A| = a11 . . . ann .
De aquı́ se deduce que las propiedades DI, DII, DIII y DIV se P satisfacen también
cambiando filas por columnas. Además de ello, se cumple que |A| = ni=1 ai1 |Ai1 | (tras-
poniendo y desarrollando por la primera fila, que se convierte en la primera columna de
la matriz original) y, utilizando las propiedades DI a DIV, se tienen las fórmulas para
cualquier 1 j n y A = (akl ):
n
X n
X
i+j
|A| = ( 1) aij |Aij | = ( 1)i+j aj i |Aj i |.
i=1 i=1
De estas fórmulas se obtiene otra que, de hecho, las engloba. Para enunciarla defini-
mos, para una matriz A = (aij ) de tamaño n ⇥ n, la matriz adjunta de A como la matriz
n ⇥ n Adj(A) = (bij dada por bij ) = |Aij |.
Proposición 7.8. Sea A una matriz de tamaño n⇥n, se cumple la igualdad Adj(A)t A =
AAdj(A)t = |A| In . En particular, si |A| =
6 0, la matriz es inversible (luego tiene rango
n) y su inversa es
1
A 1= Adj(A)t .
|A|
58 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.4. EJERCICIOS
Demostración. Se sigue de las igualdades mencionadas más arriba junto con las igual-
dades
Xn
( 1)i+j aik |Aij | = 0,
i=1
n
X
( 1)i+j ak i |Aj i | = 0,
i=1
si j 6= k, que son consecuencia de que son desarrollos de determinantes con una columna
repetida en el primer caso ( la columna j es igual a la k) y con una fila repetida en el
degundo (la fila j es igual a la k).
7.4. Ejercicios
Ejercicio 69. Calcular los determinantes de las siguientes matrices
0 1
0 1 0 0 0 0 0 1 0 1
1 1 2 0 B 0 0 0 0 2 1 C 1 1 1 1
B C
B 0 3 2 1 C B 0 0 0 3 2 1 C B 1 i 1 i C
B C B C B C.
@ 0 4 1 2 A, B 0 0 4 3 2 1 C, @ 1 1 1 1 A
B C
3 1 5 7 @ 0 5 4 3 2 1 A 1 i 1 i
6 5 4 3 2 1
1 1 1 1 1
a1 a2 a3 a4 x
59 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016
7.4. EJERCICIOS
60 c Departamento de Matemáticas.
Universidad de Zaragoza
28 de noviembre de 2016