SlideShare una empresa de Scribd logo
1 de 11
Estructura Algebraica: Matrices (M2( p), p primo)
Cuando A sea una matriz, simbolizaremos por A[i , j] al elemento de la matriz en la posición i, j.
Recordemos que dos matrices son iguales, ssi, tienen igual tamaño y los elementos en posiciones
correspondientes son iguales. Es decir que Am,n = Br,s , ssi, m=r ( igual numero de filas), n=s
(igual numero de columnas) y para todo i, j tales que 1 ≤ i ≤ m y 1 ≤ j ≤ n se cumple que A[i, j] =
B[i, j].

Así también recordar que cuando A y B son dos matrices de igual tamaño, su suma A+B es la
matriz de igual tamaño tal que (A+B):= A[i , j] + B[i , j]. Igualmente que el producto por el
escalar α de la matriz A es (αA)[i, j] = αA[i, j]. Observamos una diferencia entre las matrices a
las que estamos acostumbrados a trabajar. Normalmente al trabajar con matrices estamos dentro
de una entrada de números reales. Ahora estudiaremos que sucede cuando las entradas son
clases de equivalencia modulo p, esto es, entradas en p . ¿Acaso existirá alguna diferencia
entre matrices con entrada en los reales y las matrices con entrada en p ? Comenzaremos
nuestra discusión dando algunas definiciones para ir comprendiendo el concepto.

Sabemos que estamos trabajando dentro de un modulo, el cual se llama p, p primo.
Todos los valores que construyan las matrices deben de vivir dentro de el modulo que
escogimos.

   1. Suma de Matrices en           p
         Empezaremos con la definición de suma de matrices y luego veremos como se calcula.

Definición 1.1 (Suma de Matrices). Sean A = [aij]2x2 y B = [bkl]2x2 matrices. Denotaremos la
suma de las matrices A y B como A + B. Usando la notación introducida al inicio, tenemos que
(A+B)[i , j] = A[i , j] + B[i , j].

Forma General para la Suma de Matrices en      p:


Sea A=          y B=         , la suma A + B esta dada por:

       +         =
Note que la suma de matrices con entradas en p produce otra matriz con entradas en p , lo
que implica que esta operación esta bien definida.
De aquí obtenemos que la suma de números dentro de un modulo esta definida como sigue:
Sean a, b     p,
Ejemplo 1. Sea A =              y sea B=     . Si trabajamos dentro de     7   tenemos que la suma
de A + B es:


                +       =          Vemos que esta suma también vive dentro de 7.
Podemos preguntarnos, ¿Sera la suma de matrices en p conmutativa, será asociativa? ¿Tendrá
elemento identidad y cada elemento tendrá elemento inverso? Veamos a continuación las
respuestas a estas preguntas.

   Proposición 1.1 (Propiedades de la Suma de Matrices). Supongamos que la suma esta
   definida. La suma de de matrices tiene las siguientes propiedades:

   a) La suma es conmutativa, o sea que A + B = B + A.
   b) La suma es asociativa, o sea que A + (B+C) = (A+B) + C
   c) Existe un elemento neutro 0 tal que A+0 = 0+A = A, para cada elemento A      M2(        p)
   d) Si A es una matriz, denotaremos por el inverso de A con respecto a suma por –A.
      Entonces se cumple que A + (-A) = (-A) + A = 0

Demostración:

   a) Como esta definida la suma de matrices en       p   vemos que dos matrices A y B se suman
      de la siguiente forma:


A+B =           +       =

¿Como seria la suma de B + A?
Si calculamos esta suma obtenemos lo siguiente:


B+A=                +       =                =

Esto es así ya que la suma en p es conmutativa.
Por lo tanto:
A+B = B+A, esto implica que la suma de matrices es Conmutativa.


   b) Ahora tenemos que A + B =                     . Sea C =         .

Para ver si la suma de matrices es Asociativa tenemos que ver lo siguiente:

A + (B+C) = (A+B) + C
Vemos que A + (B+C) es


         +                      =

Así también (A+B) +C


                +           =

Vemos que A +(B+C) = (A+B)+C

Por lo tanto la suma de matrices en         p   es asociativa.


   c)    Considerando la matriz A ya antes vista queremos encontrar cual seria la matriz
        identidad para matrices M2( p).


Tenemos A =           . Hay que encontrar una matriz tal que A+ 0 = 0 +A = A.


De los cómputos obtenemos que 0 =


Esto implica que 0 +A =                          =


Por lo tanto        es la matriz neutro con respecto a la suma en M2(     p).

Observación 1.1. En     p, si           p   y1               entonces :




   d)    Sea A =         , tenemos que la matriz –A por la observacion 1.1 se puede escribir

        como -A =                   .


   Note que A + (-A) =              +                        =      .

    De igual manera se llega a que (-A) + A = 0
2. Multiplicación de Matrices M2(               p   ), p primo


Definición 2.1(Multiplicación de matrices). Sean A = [aij]2x2 y B = [bkl]2x2 matrices en M2(             p).
Llamaremos multiplicación de A por B a la matriz que denotaremos por A*B. Usando la
notación introducida al inicio, tenemos que:
(A*B)[i , j] = A[i , j] * B[i , j].

En forma general:


Sean A=        y B=           matrices 2x2 con entrada en (             p), definiremos la multiplicación de
matrices como:


       A*B =          *          =

Proposición 2.1 (Propiedades de la Multiplicación de matrices) Supongamos que la
multiplicación y la suma de matrices están definidas . La multiplicación de matrices tiene las
siguientes propiedades:

   a) La multiplicación de matrices es distributiva, o sea que A*(B+C) = AB + AC
   b) La multiplicación por escalar existe, o sea que              , para algun     p
   c) La multiplicación no es conmutativa
   d) Sea A una matriz en M2( p), si se cumple que A*I = I*A = A, entonces I es la matriz
      identidad.

   Demostración:

   a) Sean A, B, C matrices M2(      p), p primo


       Tenemos que A*(B+C) =              *(              +         )


                                =         *(                    )


                                =
Por otro lado AB + AC


       *          +                 =                            +


                                        =



                                        =

Por lo tanto la multiplicación de matrices en M2(       p) es distributiva.


    b) Sea A =          y           p


    Tenemos que la multiplicación por escalar se define como


(     A) = (      *         )=               =      (            )=


    c) Sean A =             yB=




       Ya hemos probado que A*B =




       Por otro lado, B*A =



       Vemos que en general A*B             B*A

       Por lo tanto, la multiplicación de matrices M2(       p), no es Conmutativa.


    d) Sea A =          y sea I =
A*I =           , así también I*A=



Vemos que A*I = I*A = A

Por lo tanto I es la matriz identidad con respecto a la multiplicación en M2(           p).




3. Determinante



Definición 3.1(Determinante de una matriz M2(          p   ), Sea A =               p, el
determinante de A esta definido como:




det(A) = (          +             )=



Ejemplo 3.1. En         7, Sea   A=



El det(A) = (                            =         =       +        =   +       =             +   =



Por lo tanto el det(A) =



4. Inversos multiplicativos


Tenemos que preguntarnos si cada elemento              p   tiene elemento inverso
multiplicativo.

La contestación a esta pregunta esta dada por la siguiente observación.
Observación 4.1. Sea              p,   tiene inverso multiplicativo si ( , p)=1, esto es que
      sean relativamente primos.



      ¿Por qué ( , p)=1? Porque esto nos asegura que ese elemento tenga inverso. Si no
      fueran relativamente primos entonces ese elemento podría ser un múltiplo de otro
      elemento de la clase de equivalencia.


      Proposición 4.1. (Inversa). Una matriz A =          en M2( p) es invertible si y solo si
      det(A)    . Si esto se cumple entonces la matriz inversa esta dada por:




                     A-1 = (det A) -1




      .




5. Ahora queremos hallar * tal que satisfaga las siguientes tres condiciones:
      a. (A*)* = A
      b. (A+B)* = A* + B*
      c. (AB)*= B*A*
Demostración:

      a.   Sea A =          y sea * la operación definida por la traspuesta de una matriz.

      Demostraremos que (A*)* = A. Sabemos por la definición de traspuesta que


      AT =       . Si volvemos a aplicar la traspuesta tenemos que (AT)T =              = A.

      Por lo tanto hemos probado que (AT)T = A.
b.   Sean A =           yB=

     Demostraremos que (A+B)T = AT + BT

     Por la definición de traspuesta tenemos que


     (A+B)T =(                   )T =




     Así también AT + BT =              +       =

     Por lo tanto (A+B)T = AT + BT


     c.   Sean A =           yB=

          Debemos probar que (AB)T= BTAT


          Tenemos que (AB)T = (                         )T =




          Así también BTAT = (                 )T = (          )T =




                                 =



             (AB)T= BTAT



          Por lo tanto * es igual a la traspuesta.



6. ¿Es posible que M2( p) llegue a ser un espacio vectorial?
Proposición 6.1 (Espacio Vectorial) Un conjunto se le llama espacio vectorial si cumple con las
siguientes propiedades:

        a. Es cerrado con respecto a la suma

        b. Es cerrado con respecto a la multiplicación

        c. Es cerrado con respecto a la multiplicación por escalar

Ya vimos que las matrices en M2(      p) son cerradas bajo la suma, multiplicación y multiplicación
por escalar.

Por lo tanto forman un espacio vectorial.

Observación 6.1. El espacio de escalares que forman las matrices M2(      p) es el espacio de todos
los elementos que vivan dentro del conjunto, esto es:

        p



7. Anillo y Cuerpo
¿Es M2x2(    p   ) un anillo?

Primero tenemos que definir lo que es un anillo.

Proposición 7.1. Un anillo es una estructura algebraica la cual cumple con las siguientes
condiciones:
       a. La suma es asociativa, conmutativa, tiene elemento unidad, tiene opuesto aditivo.
       b. La multiplicación es asociativa y distributiva con respecto a la suma.

Ya hemos probado anteriormente que la suma es asociativa, conmutativa, tiene elemento unidad
y cada elemento          p tiene inverso si ese elemento si ( , p)=1. Así también hemos ya

probado que la multiplicación es asociativa y distributiva con respecto a la suma.

Por lo tanto esto demuestra que M2(       p) es un anillo.

¿Es M2x2(    p   ) un cuerpo?

Un cuerpo es una estructura que cumple con la siguiente condición:
   a. Es un anillo conmutativo y con división.

   Vemos que M2( p) no es un cuerpo ya que es un anillo pero no conmutativo con respecto
   al producto y la división no esta definida.
   8. Grupos, Subgrupos
¿Existe un grupo, subgrupo con respecto a la multiplicación en M2(   p)?, si es que si,
¿Cuál?

Un subgrupo de M2(     p   ) es el conjunto de las matrices

M x2(   p)= {A   M x2x2(     p): det A     }




                                         Referencias
Hernández ,T.R.(2006-2008). Algebra Superior (2nd ed.). (pp.
            229-232). Universidad de Puerto Rico en Cayey.

Gilbert, L. & Gilbert, J.(2009). Elements of Modern Algebra (7th ed.).
             Brooks/ Cole.

Leon, S.J.(2002). Linear Algebra With Applications(6th ed.). Prentice
             Hall.

Más contenido relacionado

La actualidad más candente

Ejercicios de integrales_impropias
Ejercicios de integrales_impropiasEjercicios de integrales_impropias
Ejercicios de integrales_impropiasSabena29
 
Ejercicios propuestos de dependencia e independencia lineal
Ejercicios propuestos de dependencia e independencia linealEjercicios propuestos de dependencia e independencia lineal
Ejercicios propuestos de dependencia e independencia linealalgebra
 
Ejercicios cap 005
Ejercicios cap 005Ejercicios cap 005
Ejercicios cap 005Bleakness
 
Semana1 sucesiones y criterio de convergencia
Semana1 sucesiones y criterio de convergenciaSemana1 sucesiones y criterio de convergencia
Semana1 sucesiones y criterio de convergenciaMoises De La Cruz
 
Estructuras algebraicas ejercicios adicionales
Estructuras algebraicas ejercicios adicionalesEstructuras algebraicas ejercicios adicionales
Estructuras algebraicas ejercicios adicionalesandreagache
 
Inecuaciones lineales y cuadraticas mb ccesa007
Inecuaciones lineales y cuadraticas  mb ccesa007Inecuaciones lineales y cuadraticas  mb ccesa007
Inecuaciones lineales y cuadraticas mb ccesa007Demetrio Ccesa Rayme
 
Material de-estudio-vectores-proyeccion
Material de-estudio-vectores-proyeccionMaterial de-estudio-vectores-proyeccion
Material de-estudio-vectores-proyeccionVictor Tapara
 
Interior, exterior y frontera de un conjunto
Interior, exterior y frontera de un conjuntoInterior, exterior y frontera de un conjunto
Interior, exterior y frontera de un conjuntowalexander03
 
Matrices diapositivas
Matrices diapositivasMatrices diapositivas
Matrices diapositivasJuan Perez
 
G2.3 calculo de volumen de revolucion, metodo de arandelas2.docx
G2.3   calculo de volumen de revolucion, metodo de arandelas2.docxG2.3   calculo de volumen de revolucion, metodo de arandelas2.docx
G2.3 calculo de volumen de revolucion, metodo de arandelas2.docxJesse Lem
 
Conceptos de linealización gráficas lineales
Conceptos de linealización gráficas linealesConceptos de linealización gráficas lineales
Conceptos de linealización gráficas linealesIsaias Ponce
 
Homomorfismo de monoide y de cuerpo
Homomorfismo de monoide y de cuerpoHomomorfismo de monoide y de cuerpo
Homomorfismo de monoide y de cuerpoPatricia Herrera
 

La actualidad más candente (20)

Ejercicios de integrales_impropias
Ejercicios de integrales_impropiasEjercicios de integrales_impropias
Ejercicios de integrales_impropias
 
Ejercicios propuestos de dependencia e independencia lineal
Ejercicios propuestos de dependencia e independencia linealEjercicios propuestos de dependencia e independencia lineal
Ejercicios propuestos de dependencia e independencia lineal
 
Ejercicios cap 005
Ejercicios cap 005Ejercicios cap 005
Ejercicios cap 005
 
Semana1 sucesiones y criterio de convergencia
Semana1 sucesiones y criterio de convergenciaSemana1 sucesiones y criterio de convergencia
Semana1 sucesiones y criterio de convergencia
 
Funciones cuasicóncavas y cuasiconvexas
Funciones cuasicóncavas y cuasiconvexasFunciones cuasicóncavas y cuasiconvexas
Funciones cuasicóncavas y cuasiconvexas
 
Estructuras algebraicas ejercicios adicionales
Estructuras algebraicas ejercicios adicionalesEstructuras algebraicas ejercicios adicionales
Estructuras algebraicas ejercicios adicionales
 
Inecuaciones lineales y cuadraticas mb ccesa007
Inecuaciones lineales y cuadraticas  mb ccesa007Inecuaciones lineales y cuadraticas  mb ccesa007
Inecuaciones lineales y cuadraticas mb ccesa007
 
Material de-estudio-vectores-proyeccion
Material de-estudio-vectores-proyeccionMaterial de-estudio-vectores-proyeccion
Material de-estudio-vectores-proyeccion
 
Interior, exterior y frontera de un conjunto
Interior, exterior y frontera de un conjuntoInterior, exterior y frontera de un conjunto
Interior, exterior y frontera de un conjunto
 
Diapositivas de estructuras algebraicas
Diapositivas de estructuras algebraicasDiapositivas de estructuras algebraicas
Diapositivas de estructuras algebraicas
 
Matrices diapositivas
Matrices diapositivasMatrices diapositivas
Matrices diapositivas
 
Relaciones binarias
Relaciones binariasRelaciones binarias
Relaciones binarias
 
G2.3 calculo de volumen de revolucion, metodo de arandelas2.docx
G2.3   calculo de volumen de revolucion, metodo de arandelas2.docxG2.3   calculo de volumen de revolucion, metodo de arandelas2.docx
G2.3 calculo de volumen de revolucion, metodo de arandelas2.docx
 
1° encuentro teoria de conjuntos
1° encuentro   teoria de conjuntos1° encuentro   teoria de conjuntos
1° encuentro teoria de conjuntos
 
Producto interno
Producto internoProducto interno
Producto interno
 
Conceptos de linealización gráficas lineales
Conceptos de linealización gráficas linealesConceptos de linealización gráficas lineales
Conceptos de linealización gráficas lineales
 
Grupos, anillos y cuerpos
Grupos, anillos y cuerposGrupos, anillos y cuerpos
Grupos, anillos y cuerpos
 
Homomorfismo de monoide y de cuerpo
Homomorfismo de monoide y de cuerpoHomomorfismo de monoide y de cuerpo
Homomorfismo de monoide y de cuerpo
 
Taller de bioestadistica
Taller de bioestadisticaTaller de bioestadistica
Taller de bioestadistica
 
Cap 2 conjuntos
Cap 2 conjuntosCap 2 conjuntos
Cap 2 conjuntos
 

Destacado

Álgebra Lineal - Multiplicación de Matrices (2x2)
Álgebra Lineal - Multiplicación de Matrices (2x2)Álgebra Lineal - Multiplicación de Matrices (2x2)
Álgebra Lineal - Multiplicación de Matrices (2x2)Ricardo Alejos
 
Ejercicios resueltos operaciones con matrices
Ejercicios resueltos operaciones con matricesEjercicios resueltos operaciones con matrices
Ejercicios resueltos operaciones con matricesalgebra
 
Ejercicios de matrices
Ejercicios de matricesEjercicios de matrices
Ejercicios de matricesVinicio Checa
 
Módulos algebra de matrices (1)
Módulos algebra de matrices (1)Módulos algebra de matrices (1)
Módulos algebra de matrices (1)Rudy Medina
 
T7 Alg Mult Matr
T7 Alg Mult MatrT7 Alg Mult Matr
T7 Alg Mult MatrFcoKraken
 
Operaciones con matrices
Operaciones con matricesOperaciones con matrices
Operaciones con matricesDavid Narváez
 
Proyecto investigacion accion (1)
Proyecto investigacion accion (1)Proyecto investigacion accion (1)
Proyecto investigacion accion (1)lottedef
 
Solucionario tema 3 (determinantes)
Solucionario tema 3 (determinantes)Solucionario tema 3 (determinantes)
Solucionario tema 3 (determinantes)miguelandreu1
 
Modelo Insumo producto - Input Output
Modelo Insumo producto - Input OutputModelo Insumo producto - Input Output
Modelo Insumo producto - Input OutputSoledad Malpica
 
Regresion Polinomial
Regresion PolinomialRegresion Polinomial
Regresion PolinomialDiego Egas
 
Qué es análisis de riesgo del trabajo
Qué es análisis de riesgo del trabajoQué es análisis de riesgo del trabajo
Qué es análisis de riesgo del trabajoGarcia Norka
 
Matrices y conclusiones
Matrices y conclusionesMatrices y conclusiones
Matrices y conclusionesSelvin Loayes
 
ANALISIS DE RIESGO EN EL TRABAJO
ANALISIS DE RIESGO EN EL TRABAJOANALISIS DE RIESGO EN EL TRABAJO
ANALISIS DE RIESGO EN EL TRABAJOYAJAIRA CARDENAS
 
Ecuaciones simultaneas 2x2 Regla de Cramer
Ecuaciones simultaneas 2x2 Regla de CramerEcuaciones simultaneas 2x2 Regla de Cramer
Ecuaciones simultaneas 2x2 Regla de CramerIvan Sanchez
 
Métodos de solución para ecuaciones 2x2
Métodos de solución  para ecuaciones 2x2Métodos de solución  para ecuaciones 2x2
Métodos de solución para ecuaciones 2x2jeidokodfs
 
Algebra lineal problemas_resueltos
Algebra lineal problemas_resueltosAlgebra lineal problemas_resueltos
Algebra lineal problemas_resueltosmathbmc
 

Destacado (17)

Álgebra Lineal - Multiplicación de Matrices (2x2)
Álgebra Lineal - Multiplicación de Matrices (2x2)Álgebra Lineal - Multiplicación de Matrices (2x2)
Álgebra Lineal - Multiplicación de Matrices (2x2)
 
Ejercicios resueltos operaciones con matrices
Ejercicios resueltos operaciones con matricesEjercicios resueltos operaciones con matrices
Ejercicios resueltos operaciones con matrices
 
Ejercicios de matrices
Ejercicios de matricesEjercicios de matrices
Ejercicios de matrices
 
Módulos algebra de matrices (1)
Módulos algebra de matrices (1)Módulos algebra de matrices (1)
Módulos algebra de matrices (1)
 
T7 Alg Mult Matr
T7 Alg Mult MatrT7 Alg Mult Matr
T7 Alg Mult Matr
 
Operaciones con matrices
Operaciones con matricesOperaciones con matrices
Operaciones con matrices
 
Proyecto investigacion accion (1)
Proyecto investigacion accion (1)Proyecto investigacion accion (1)
Proyecto investigacion accion (1)
 
Solucionario tema 3 (determinantes)
Solucionario tema 3 (determinantes)Solucionario tema 3 (determinantes)
Solucionario tema 3 (determinantes)
 
Modelo Insumo producto - Input Output
Modelo Insumo producto - Input OutputModelo Insumo producto - Input Output
Modelo Insumo producto - Input Output
 
Regresion Polinomial
Regresion PolinomialRegresion Polinomial
Regresion Polinomial
 
Qué es análisis de riesgo del trabajo
Qué es análisis de riesgo del trabajoQué es análisis de riesgo del trabajo
Qué es análisis de riesgo del trabajo
 
Determinantes
DeterminantesDeterminantes
Determinantes
 
Matrices y conclusiones
Matrices y conclusionesMatrices y conclusiones
Matrices y conclusiones
 
ANALISIS DE RIESGO EN EL TRABAJO
ANALISIS DE RIESGO EN EL TRABAJOANALISIS DE RIESGO EN EL TRABAJO
ANALISIS DE RIESGO EN EL TRABAJO
 
Ecuaciones simultaneas 2x2 Regla de Cramer
Ecuaciones simultaneas 2x2 Regla de CramerEcuaciones simultaneas 2x2 Regla de Cramer
Ecuaciones simultaneas 2x2 Regla de Cramer
 
Métodos de solución para ecuaciones 2x2
Métodos de solución  para ecuaciones 2x2Métodos de solución  para ecuaciones 2x2
Métodos de solución para ecuaciones 2x2
 
Algebra lineal problemas_resueltos
Algebra lineal problemas_resueltosAlgebra lineal problemas_resueltos
Algebra lineal problemas_resueltos
 

Similar a Matrices 2x2 en Zp; p = # primo

Similar a Matrices 2x2 en Zp; p = # primo (20)

Slidehare estructura discreta iii
Slidehare estructura discreta iiiSlidehare estructura discreta iii
Slidehare estructura discreta iii
 
Matrices
MatricesMatrices
Matrices
 
Matrices
MatricesMatrices
Matrices
 
Unidad 2 matrices
Unidad 2 matricesUnidad 2 matrices
Unidad 2 matrices
 
Unidad 2 matrices
Unidad 2 matricesUnidad 2 matrices
Unidad 2 matrices
 
Matrices
MatricesMatrices
Matrices
 
Matrices
MatricesMatrices
Matrices
 
Determinantes con matrices
Determinantes con matricesDeterminantes con matrices
Determinantes con matrices
 
Matrices
MatricesMatrices
Matrices
 
Operaciones matemáticas con arrays y aplicaciones
Operaciones matemáticas con arrays y aplicacionesOperaciones matemáticas con arrays y aplicaciones
Operaciones matemáticas con arrays y aplicaciones
 
Tema_2.pdf
Tema_2.pdfTema_2.pdf
Tema_2.pdf
 
Polinomio y ecuación característica centla
Polinomio y ecuación característica centlaPolinomio y ecuación característica centla
Polinomio y ecuación característica centla
 
2-Operaciones con matrices.pdf
2-Operaciones con matrices.pdf2-Operaciones con matrices.pdf
2-Operaciones con matrices.pdf
 
Avcapitulo ii
Avcapitulo iiAvcapitulo ii
Avcapitulo ii
 
Conjuntos relaciones-funciones
Conjuntos relaciones-funcionesConjuntos relaciones-funciones
Conjuntos relaciones-funciones
 
OPERACIONES CON MATRICES
OPERACIONES CON MATRICESOPERACIONES CON MATRICES
OPERACIONES CON MATRICES
 
Proba-Conjuntos.pdf
Proba-Conjuntos.pdfProba-Conjuntos.pdf
Proba-Conjuntos.pdf
 
Progresiones y matrices
Progresiones y matricesProgresiones y matrices
Progresiones y matrices
 
Matriz
MatrizMatriz
Matriz
 
Introduccion al Calculo Matricial CM2 Ccesa007.pdf
Introduccion al Calculo Matricial CM2 Ccesa007.pdfIntroduccion al Calculo Matricial CM2 Ccesa007.pdf
Introduccion al Calculo Matricial CM2 Ccesa007.pdf
 

Más de Caridad Arroyo

Applications and Generalizations of Goursat's Lemma Poster
Applications and Generalizations of Goursat's Lemma PosterApplications and Generalizations of Goursat's Lemma Poster
Applications and Generalizations of Goursat's Lemma PosterCaridad Arroyo
 
Skew Products on Directed Graphs
Skew Products on Directed GraphsSkew Products on Directed Graphs
Skew Products on Directed GraphsCaridad Arroyo
 
Goursat's Lemma Poster
Goursat's Lemma PosterGoursat's Lemma Poster
Goursat's Lemma PosterCaridad Arroyo
 
Goursat's Lemma Presentation
Goursat's Lemma PresentationGoursat's Lemma Presentation
Goursat's Lemma PresentationCaridad Arroyo
 

Más de Caridad Arroyo (6)

Applications and Generalizations of Goursat's Lemma Poster
Applications and Generalizations of Goursat's Lemma PosterApplications and Generalizations of Goursat's Lemma Poster
Applications and Generalizations of Goursat's Lemma Poster
 
Skew Products on Directed Graphs
Skew Products on Directed GraphsSkew Products on Directed Graphs
Skew Products on Directed Graphs
 
Goursat's Lemma Poster
Goursat's Lemma PosterGoursat's Lemma Poster
Goursat's Lemma Poster
 
Goursat's Lemma Paper
Goursat's Lemma PaperGoursat's Lemma Paper
Goursat's Lemma Paper
 
Goursat's Abstract
Goursat's AbstractGoursat's Abstract
Goursat's Abstract
 
Goursat's Lemma Presentation
Goursat's Lemma PresentationGoursat's Lemma Presentation
Goursat's Lemma Presentation
 

Matrices 2x2 en Zp; p = # primo

  • 1. Estructura Algebraica: Matrices (M2( p), p primo) Cuando A sea una matriz, simbolizaremos por A[i , j] al elemento de la matriz en la posición i, j. Recordemos que dos matrices son iguales, ssi, tienen igual tamaño y los elementos en posiciones correspondientes son iguales. Es decir que Am,n = Br,s , ssi, m=r ( igual numero de filas), n=s (igual numero de columnas) y para todo i, j tales que 1 ≤ i ≤ m y 1 ≤ j ≤ n se cumple que A[i, j] = B[i, j]. Así también recordar que cuando A y B son dos matrices de igual tamaño, su suma A+B es la matriz de igual tamaño tal que (A+B):= A[i , j] + B[i , j]. Igualmente que el producto por el escalar α de la matriz A es (αA)[i, j] = αA[i, j]. Observamos una diferencia entre las matrices a las que estamos acostumbrados a trabajar. Normalmente al trabajar con matrices estamos dentro de una entrada de números reales. Ahora estudiaremos que sucede cuando las entradas son clases de equivalencia modulo p, esto es, entradas en p . ¿Acaso existirá alguna diferencia entre matrices con entrada en los reales y las matrices con entrada en p ? Comenzaremos nuestra discusión dando algunas definiciones para ir comprendiendo el concepto. Sabemos que estamos trabajando dentro de un modulo, el cual se llama p, p primo. Todos los valores que construyan las matrices deben de vivir dentro de el modulo que escogimos. 1. Suma de Matrices en p Empezaremos con la definición de suma de matrices y luego veremos como se calcula. Definición 1.1 (Suma de Matrices). Sean A = [aij]2x2 y B = [bkl]2x2 matrices. Denotaremos la suma de las matrices A y B como A + B. Usando la notación introducida al inicio, tenemos que (A+B)[i , j] = A[i , j] + B[i , j]. Forma General para la Suma de Matrices en p: Sea A= y B= , la suma A + B esta dada por: + = Note que la suma de matrices con entradas en p produce otra matriz con entradas en p , lo que implica que esta operación esta bien definida. De aquí obtenemos que la suma de números dentro de un modulo esta definida como sigue: Sean a, b p,
  • 2. Ejemplo 1. Sea A = y sea B= . Si trabajamos dentro de 7 tenemos que la suma de A + B es: + = Vemos que esta suma también vive dentro de 7. Podemos preguntarnos, ¿Sera la suma de matrices en p conmutativa, será asociativa? ¿Tendrá elemento identidad y cada elemento tendrá elemento inverso? Veamos a continuación las respuestas a estas preguntas. Proposición 1.1 (Propiedades de la Suma de Matrices). Supongamos que la suma esta definida. La suma de de matrices tiene las siguientes propiedades: a) La suma es conmutativa, o sea que A + B = B + A. b) La suma es asociativa, o sea que A + (B+C) = (A+B) + C c) Existe un elemento neutro 0 tal que A+0 = 0+A = A, para cada elemento A M2( p) d) Si A es una matriz, denotaremos por el inverso de A con respecto a suma por –A. Entonces se cumple que A + (-A) = (-A) + A = 0 Demostración: a) Como esta definida la suma de matrices en p vemos que dos matrices A y B se suman de la siguiente forma: A+B = + = ¿Como seria la suma de B + A? Si calculamos esta suma obtenemos lo siguiente: B+A= + = = Esto es así ya que la suma en p es conmutativa. Por lo tanto: A+B = B+A, esto implica que la suma de matrices es Conmutativa. b) Ahora tenemos que A + B = . Sea C = . Para ver si la suma de matrices es Asociativa tenemos que ver lo siguiente: A + (B+C) = (A+B) + C
  • 3. Vemos que A + (B+C) es + = Así también (A+B) +C + = Vemos que A +(B+C) = (A+B)+C Por lo tanto la suma de matrices en p es asociativa. c) Considerando la matriz A ya antes vista queremos encontrar cual seria la matriz identidad para matrices M2( p). Tenemos A = . Hay que encontrar una matriz tal que A+ 0 = 0 +A = A. De los cómputos obtenemos que 0 = Esto implica que 0 +A = = Por lo tanto es la matriz neutro con respecto a la suma en M2( p). Observación 1.1. En p, si p y1 entonces : d) Sea A = , tenemos que la matriz –A por la observacion 1.1 se puede escribir como -A = . Note que A + (-A) = + = . De igual manera se llega a que (-A) + A = 0
  • 4. 2. Multiplicación de Matrices M2( p ), p primo Definición 2.1(Multiplicación de matrices). Sean A = [aij]2x2 y B = [bkl]2x2 matrices en M2( p). Llamaremos multiplicación de A por B a la matriz que denotaremos por A*B. Usando la notación introducida al inicio, tenemos que: (A*B)[i , j] = A[i , j] * B[i , j]. En forma general: Sean A= y B= matrices 2x2 con entrada en ( p), definiremos la multiplicación de matrices como: A*B = * = Proposición 2.1 (Propiedades de la Multiplicación de matrices) Supongamos que la multiplicación y la suma de matrices están definidas . La multiplicación de matrices tiene las siguientes propiedades: a) La multiplicación de matrices es distributiva, o sea que A*(B+C) = AB + AC b) La multiplicación por escalar existe, o sea que , para algun p c) La multiplicación no es conmutativa d) Sea A una matriz en M2( p), si se cumple que A*I = I*A = A, entonces I es la matriz identidad. Demostración: a) Sean A, B, C matrices M2( p), p primo Tenemos que A*(B+C) = *( + ) = *( ) =
  • 5. Por otro lado AB + AC * + = + = = Por lo tanto la multiplicación de matrices en M2( p) es distributiva. b) Sea A = y p Tenemos que la multiplicación por escalar se define como ( A) = ( * )= = ( )= c) Sean A = yB= Ya hemos probado que A*B = Por otro lado, B*A = Vemos que en general A*B B*A Por lo tanto, la multiplicación de matrices M2( p), no es Conmutativa. d) Sea A = y sea I =
  • 6. A*I = , así también I*A= Vemos que A*I = I*A = A Por lo tanto I es la matriz identidad con respecto a la multiplicación en M2( p). 3. Determinante Definición 3.1(Determinante de una matriz M2( p ), Sea A = p, el determinante de A esta definido como: det(A) = ( + )= Ejemplo 3.1. En 7, Sea A= El det(A) = ( = = + = + = + = Por lo tanto el det(A) = 4. Inversos multiplicativos Tenemos que preguntarnos si cada elemento p tiene elemento inverso multiplicativo. La contestación a esta pregunta esta dada por la siguiente observación.
  • 7. Observación 4.1. Sea p, tiene inverso multiplicativo si ( , p)=1, esto es que sean relativamente primos. ¿Por qué ( , p)=1? Porque esto nos asegura que ese elemento tenga inverso. Si no fueran relativamente primos entonces ese elemento podría ser un múltiplo de otro elemento de la clase de equivalencia. Proposición 4.1. (Inversa). Una matriz A = en M2( p) es invertible si y solo si det(A) . Si esto se cumple entonces la matriz inversa esta dada por: A-1 = (det A) -1 . 5. Ahora queremos hallar * tal que satisfaga las siguientes tres condiciones: a. (A*)* = A b. (A+B)* = A* + B* c. (AB)*= B*A* Demostración: a. Sea A = y sea * la operación definida por la traspuesta de una matriz. Demostraremos que (A*)* = A. Sabemos por la definición de traspuesta que AT = . Si volvemos a aplicar la traspuesta tenemos que (AT)T = = A. Por lo tanto hemos probado que (AT)T = A.
  • 8. b. Sean A = yB= Demostraremos que (A+B)T = AT + BT Por la definición de traspuesta tenemos que (A+B)T =( )T = Así también AT + BT = + = Por lo tanto (A+B)T = AT + BT c. Sean A = yB= Debemos probar que (AB)T= BTAT Tenemos que (AB)T = ( )T = Así también BTAT = ( )T = ( )T = = (AB)T= BTAT Por lo tanto * es igual a la traspuesta. 6. ¿Es posible que M2( p) llegue a ser un espacio vectorial?
  • 9. Proposición 6.1 (Espacio Vectorial) Un conjunto se le llama espacio vectorial si cumple con las siguientes propiedades: a. Es cerrado con respecto a la suma b. Es cerrado con respecto a la multiplicación c. Es cerrado con respecto a la multiplicación por escalar Ya vimos que las matrices en M2( p) son cerradas bajo la suma, multiplicación y multiplicación por escalar. Por lo tanto forman un espacio vectorial. Observación 6.1. El espacio de escalares que forman las matrices M2( p) es el espacio de todos los elementos que vivan dentro del conjunto, esto es: p 7. Anillo y Cuerpo ¿Es M2x2( p ) un anillo? Primero tenemos que definir lo que es un anillo. Proposición 7.1. Un anillo es una estructura algebraica la cual cumple con las siguientes condiciones: a. La suma es asociativa, conmutativa, tiene elemento unidad, tiene opuesto aditivo. b. La multiplicación es asociativa y distributiva con respecto a la suma. Ya hemos probado anteriormente que la suma es asociativa, conmutativa, tiene elemento unidad y cada elemento p tiene inverso si ese elemento si ( , p)=1. Así también hemos ya probado que la multiplicación es asociativa y distributiva con respecto a la suma. Por lo tanto esto demuestra que M2( p) es un anillo. ¿Es M2x2( p ) un cuerpo? Un cuerpo es una estructura que cumple con la siguiente condición: a. Es un anillo conmutativo y con división. Vemos que M2( p) no es un cuerpo ya que es un anillo pero no conmutativo con respecto al producto y la división no esta definida. 8. Grupos, Subgrupos
  • 10. ¿Existe un grupo, subgrupo con respecto a la multiplicación en M2( p)?, si es que si, ¿Cuál? Un subgrupo de M2( p ) es el conjunto de las matrices M x2( p)= {A M x2x2( p): det A } Referencias
  • 11. Hernández ,T.R.(2006-2008). Algebra Superior (2nd ed.). (pp. 229-232). Universidad de Puerto Rico en Cayey. Gilbert, L. & Gilbert, J.(2009). Elements of Modern Algebra (7th ed.). Brooks/ Cole. Leon, S.J.(2002). Linear Algebra With Applications(6th ed.). Prentice Hall.