Operaciones en el conjunto

4
m ×n

Introducción
Fundamentaremos las operaciones básicas en el conjunto m×n que lo caracterizan como un
espacio vectorial, analizando además sus propiedades, que nos permiten múltiples aplicacio-
nes. Así mismo estudiaremos el producto matricial como una nueva operación que provee
a m×n de nuevas características estructurales y la modelación de problemas reales de gran
Arthur Cayley
aplicación.
Arthur Cayley, matemático británico, nació el 16 de agosto
de 1821 en Richmond y murió el 26 de enero de 1895 en
Objetivos del módulo Cambridge. En 1829 fue enviado a una escuela privada, y
más tarde, en 1835, al King’s College School de Londres. Su
1. Introducir la adición entre las matrices y mostrar que el sistema conformado es un grupo genio matemático se reveló precozmente y las primeras
abeliano. manifestaciones de su talento superior fueron semejantes
a las de Carl Friedrich Gauss. Desde joven, Cayley demostró
2. Presentar la operación correspondiente al producto de un número real por una matriz y sus
una asombrosa habilidad para los largos cálculos numéricos,
propiedades. que emprendía para divertirse. Al comenzar el estudio
3. Destacar cómo, bajo las dos operaciones anteriores, el conjunto alcanza la estructu- formal de la Matemática rápidamente superó al resto de
m×n
sus compañeros, y puede decirse que constituyó entre ellos
ra de espacio vectorial real. una categoría especial, lo mismo que ocurrió más tarde
n cuando llegó a la Universidad, cuando sus maestros se
4. Definir la noción de combinación lineal ya presentada en el espacio , en particular en el
pusieron de acuerdo en que era un matemático innato que
conjunto m×n debería elegir esta ciencia como carrera.
5. Definir el producto matricial y las condiciones de compatibilidad, exhibiendo diferentes
criterios para calcularlo y mostrando la importancia de esta operación en la formulación y Cayley comenzó su carrera universitaria a los 17 años de
edad, en el Trinity College de Cambridge. No obstante, entre
solución de problemas reales.
sus compañeros fue considerado como «un simple
matemático» con una aguda pasión por la lectura de novelas.
Preguntas básicas Las representaciones de Shaskespeare, especialmente las
comedias, le deleitaban. Igualmente, el aprendizaje de
idiomas. El griego, aprendido en la escuela, fue siempre
1. ¿Cómo se suman las matrices? para él un lenguaje de fácil lectura. Leía y escribía el francés
2. ¿Es la adición una operación binaria? tan fácilmente como el inglés, y conocía además el alemán
3. ¿Es un grupo aditivo? y el italiano.
m× n

4. ¿Cómo se restan las matrices? Al terminar su tercer año en Cambridge, Cayley se había
5. ¿Cómo se multiplica un número real por una matriz? alejado ya tanto del resto de los compañeros en los estudios
6. ¿Corresponde este producto a una ley de composición externa? matemáticos que el profesor trazó una línea bajo su nombre,
poniéndolo en una categoría especial «por encima del
7. ¿Es m× n un espacio vectorial con las operaciones definidas? primero». En 1842, a los 21 años de edad, estaba en el
8. ¿Qué es una combinación lineal de matrices? primer puesto de la universidad en los concursos
9. ¿Cuándo es posible definir el producto entre matrices y cómo podemos calcularlo? matemáticos. Se hallaba, pues, en condiciones de que se le
10. ¿Qué propiedades caracterizan al producto matricial? permitiera hacer lo que quería durante algunos años.
Entonces, fue elegido tutor ayudante del Trinity College por
un periodo de tres años.
Contenidos del módulo
4.1 Operaciones en las matrices
4.1.1 Adición en m×n

4.1.2 Diferencia en m×n

4.1.3 Producto de un número real por una matriz Vea el módulo 4 del programa de
televisión Geometría vectorial y analítica
4.1.4 Combinación lineal de matrices
4.1.5 Producto de matrices

Geometría vectorial y analítica 73

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales

Lo mismo que Niels Henrik Abel, Evariste Galois y muchos

4.1 Operaciones en las matrices
otros grandes de las matemáticas, Cayley se dedicó a leer
a los maestros por propia iniciativa. Su primera obra, 4.1.1 Adición en m× n
publicada en 1841, cuando tenía 20 años, surgió de su estudio
de las obras de los matemáticos franceses Joseph Louis
Lagrange y Pierre Simon Laplace.
Sean A, B ∈ R m×n , tales que A = ⎡⎣aij ⎤⎦ , B = ⎡⎣bij ⎤⎦ .
( m ,n ) ( m , n)
Sin otro quehacer que lo que deseaba realizar, Cayley publicó,
después de obtener su título universitario, ocho trabajos el
⎧⎪∀i = 1... m
primer año, cuatro el segundo y tres el tercero. Estos Definimos A + B = C = ⎡⎣ cij ⎤⎦ , donde cij = aij + bij ⎨ .
primeros trabajos fueron hechos cuando aún no tenía 25 (m , n)
⎪⎩∀ j = 1... n
años y en el último se plantea gran parte de la obra que iba
a ocuparle durante los siguientes 50 años. Ya había
comenzado el estudio de la geometría de n dimensiones
(que él creó), la teoría de invariantes, la geometría Esto es, A + B = ⎡⎣aij + bij ⎤⎦ .
( m, n )
enumerativa de curvas planas y su contribución esencial a
la teoría de funciones elípticas.
Ilustración 6
En 1846, cuando tenía 25 años, Cayley abandonó Cambridge.
Siguiendo la costumbre habitual de quienes en Inglaterra
querían obtener, en la carrera de leyes, un grado distinguido
Sean
(es decir, superior al cargo de procurador), Cayley ingresó
⎡3 − 5 1
⎤ ⎡ −2 1 1 ⎤ ⎡ −3 5 − 1 2 ⎤ ⎡0 0 0 ⎤
A=⎢ , B=⎢ , C=⎢ ⎥ , O = ⎢0 0 0 ⎥ .
2
en el Colegio de Lincoln a estudiar abogacía. Pero al dedicarse
⎥ − ⎥ − −
a esa profesión, resolvió no dejarse invadir por completo ⎣0 7 1⎦ ⎣ 3 5 0 ⎦ ⎣ 0 7 1 ⎦ ⎣ ⎦
por las leyes, y en consecuencia rechazó más asuntos que los
que aceptó. Durante 14 años llevó una vida cómoda,
aprovechándose de la oportunidad para obtener renombre Calculemos: A+B, A+C, A+O, B+C.
y para ganar lo suficiente, pero no más que lo suficiente,
para continuar su obra. Sin embargo, durante su periodo de
Solución
servicio jurídico publicó entre 200 y 300 trabajos
matemáticos, muchos de los cuales se han hecho clásicos.
⎡1 −4 2⎤
3
⎡ 0 0 0 ⎤ (¿qué características presentan
A+ B = ⎢ , A+C = ⎢
⎣3 2 1 ⎥⎦ ⎣0 0 0⎦
⎥ estas dos matrices?)
A + O = A.

Dejamos al lector la última suma.

Teorema 1: Propiedades de la adición en R m ×n

Sean A, B, C ∈ R m× n , tales que A = ⎡⎣ aij ⎤⎦ , B = ⎡⎣bij ⎤⎦ , C = ⎡⎣ cij ⎤⎦ . Enton-

( m , n) ( m , n) ( m, n )
ces se cumplen los siguienes enunciados:

1. ( A + B ) + C = A + ( B + C ).

2. Existe O( m , n) tal que para A( m , n) cualquiera, A+O = A. Esto significa que la

matriz nula es el módulo bajo la suma.
3. Dada A, existe − A = ⎡⎣ − aij ⎤⎦ tal que A + (− A) = O( m ,n ) . Es decir, − A es la
( m , n)
inversa aditiva de A.

4. A + B = B + A.

74
 Módulo 4: Operaciones en el conjunto m× n
Observaciones

1. La suma es una operación binaria en R m ×n , conformándose el sistema

R m× n , + .

2. El sistema R m× n , + alcanza la estructura de grupo conmutativo o abeliano.

4.1.2 Diferencia en R m×n

Sean A = ⎡⎣ aij ⎤⎦ , B = ⎡⎣bij ⎤⎦ ; definimos A − B = A + (− B ) = ⎡⎣ aij − bij ⎤⎦ .

(m , n) ( m ,n ) ( m ,n )

Ilustración 7

⎡ 2 5 −4 0 ⎤ ⎡ 1 2 − 2 3⎤
Sean A = ⎢ B=⎢
0 −5 ⎥⎦ ( 2,3) ⎥ .
,
⎣3 ⎣ 0 1 1 ⎦ ( 2,3)

Calculemos A − B y B − A.

Solución

⎡ 2 5 − 1 2 −4 + 2 0 − 3 ⎤ ⎡ − 110 −2 −3 ⎤
A− B = ⎢ =
0 − 1 −5 − 1⎥⎦ ⎢⎣ 3 −1 −6 ⎥⎦ ( 2,3)
.
⎣ 3−0

⎡ 12 − 2 5 −2 + 4 3 − 0 ⎤ ⎡ 110 2 3 ⎤
B− A= ⎢ =
1 − 0 1 + 5 ⎥⎦ ⎢⎣ −3 1 6 ⎥⎦ ( 2,3)
.
⎣ 0−3

Observemos que la diferencia no es conmutativa.

4.1.3 Producto de un número real por una matriz

Sean λ ∈ R, A ∈ R m×n , donde A = ⎡⎣ aij ⎤⎦ . Definimos λ ⋅ A = C = ⎡⎣cij ⎤⎦ m,n , donde

( m , n) ( )

⎧⎪∀i = 1... m
cij = λ aij ⎨ esto es, λ ⋅ A = ⎡⎣λaij ⎤⎦ .
⎪⎩∀ j = 1... n, ( m, n)

Ilustración 8
Escuche el audio Arthur Cayley y el álgebra de
⎡2 0 −8 3⎤ ⎡ 3 −2 ⎤ matrices en su multimedia de Geometría
⎡ 5 ⎤⎦
Sean A = ⎣ − 2 , B=⎢
1 ⎥⎦ ( 2,4)
, C=⎢ ⎥ .
1 vectorial y analítica.
2
(1,3) ⎣1 0 0 ⎣ 5 1 5 ⎦ ( 2,2)

1
Calculemos 4 ⋅ A, − ⋅ B, 0 ⋅ C.
2

Geometría vectorial y analítica 75

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
Solución

4 ⋅ A = ⎡⎣ −4 2 2 20⎤⎦ .
(1,3)

1 ⎡ −1 0 4 − 3 2 ⎤
− ⋅B = ⎢ ⎥ .
2 ⎣ − 1 2 0 0 − 1 2 ⎦ ( 2,4 )

Dejamos al lector el último producto.

Teorema 2: Propiedades del producto de un real por una matriz

Sean λ , β ∈ R, A, B ∈ R m× n ; entonces se cumplen:

1. λ ⋅ ( A + B ) = λ ⋅ A + λ ⋅ B.
2. (λ + β ) ⋅ A = λ ⋅ A + β ⋅ A.
3. λ ⋅ ( β ⋅ A) = (λ ⋅ β ) ⋅ A.
4. −1⋅ A = − A.
5. 1⋅ A = A.

Observaciones

1. Este producto corresponde a una ley de composición externa.

2. Usualmente cuando el contexto es claro podemos omitir el punto que indica
la operación.
3. El conjunto R m ×n , con estas dos operaciones definidas (adición y producto
de un real por una matriz), alcanza la estructura de espacio vectorial real,
como puede concluirse de las propiedades establecidas en los teoremas 1 y 2.

4.1.4 Combinación lineal de matrices

Sean A = { B1 , B2 ,..., Bk } ⊂ R m×n . De todo X que satisface la ecuación

X = λ1 B1 + λ2 B2 + ... + λk Bk , con λi ∈ R, ∀i = 1... k ,

decimos que es una combinación lineal del conjunto A.

Ilustración 9

Dadas
⎡ −2 0 1⎤ ⎡ 12 −4 − 12⎤ ⎡0 0 −5 ⎤
B=⎢ C=⎢ D=⎢
2 ⎥⎦ −7 ⎥⎦ 1⎥⎦
, , y
⎣ 0 −3 ⎣ 0 0 ⎣7 1

K = { B, C , D,} ,

76
calculemos: Módulo 4: Operaciones en el conjunto m× n

X 1 = − 1 ⋅ B + 2 ⋅ C + 5 ⋅ D; X 2 = 1 ⋅ B + 0 ⋅ C + 0 ⋅ D; X 3 = 0 ⋅ B + 0 ⋅ C + 0 ⋅ D.

Solución

⎡2 0 −1⎤ ⎡ 1 −8 −1 ⎤ ⎡ 0 0 −25⎤
X1 = ⎢ + +
⎣0 3 −2 ⎥⎦ ⎢⎣ 0 0 −14⎥⎦ ⎢⎣ 35 5 5 ⎥⎦

⎡ 3 −8 − 27 ⎤
=⎢
− 11⎥⎦ ( 2,3)
.
⎣ 35 8

X 2 = B.
X 3 = O( 2,3) .

Observaciones

1. Toda combinación lineal de matrices de un orden dado es otra matriz del

mismo orden. ¿Por qué?

2. La matriz nula de un orden dado es combinación lineal de cualquier conjunto

de matrices del mismo orden. ¿Por qué?

3. Toda matriz es combinación lineal de todo conjunto que la tenga como

elemento, siempre y cuando todas las matrices del conjunto tengan el mismo
orden.

Ilustración 10

⎡ −1 −4 0 ⎤
Dada G = ⎢ ⎥ , ¿es G una combinación lineal del conjunto K determina-
⎣2 0 0⎦
do en la ilustración anterior? Dejamos la solución del problema al lector.

4.1.5 Producto de matrices

Sean A = ⎡⎣ aij ⎤⎦ , B = ⎡⎣bij ⎤⎦ . Definimos A ⋅ B = C = ⎡⎣cij ⎤⎦ , donde

( m , n) ( n, r ) ( m,r )

n
cij = ∑ aik bkj . En este caso afirmamos que A y B son compatibles para el producto.
k =1

Observaciones

1. La definición anterior exige, para la existencia del producto, que el número

de columnas de la primera matriz debe ser igual al número de filas de la segun-
da.

2. El orden de la matriz producto es igual al número de filas de la primera por el

número de columnas de la segunda.

3. ¿Es el producto matricial una operación binaria en R m×n ?

Geometría vectorial y analítica 77

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales

4. Podemos recurrir a otras formas más dinámicas que nos llevan al mismo
resultado y cuya aplicación depende de la presentación de los datos iniciales y
de los resultados que se requieran destacar. Los designaremos como criterios
alternos y los desarrollaremos a continuación.

Criterio alterno 1

Bajo las mismas condiciones anotadas para A y B en la definción del producto,

tenemos que:

A ⋅ B = C = ⎡⎣cij ⎤⎦ ,
( m ,r )

donde cij = Ai ⋅ B j , y donde la operación «·» representa el producto escalar exten-

dido.

⎡ b1 j ⎤
⎢b ⎥
⎢ 2j ⎥
⎢ ⎥
Esto es, cij = ⎡⎣ ai1 ai 2 … aij … ain ⎤⎦ ⋅ ⎢ ⎥ .
⎢ bij ⎥
⎢ ⎥
⎢ ⎥
⎢⎣ bnj ⎥⎦

n
cij = ai1b1 j + ai 2 b2 j + ... + ain bnj = ∑ aik bkj .
k =1

Ilustración 11

⎡3 −1⎤
⎡ −7 1⎤
Sean A = ⎢ 1 0 ⎥⎥ , B = ⎢
0
, C = [9 4](1,2) .
⎢
⎣0 2 5 ⎥⎦( 2,3)
⎢⎣ 2 5 ⎥⎦ 3,2
( )

Indiquemos de las siguientes parejas cuáles son compatibles para el producto, y

para aquellas que lo sean calculemos la matriz producto utilizando el criterio alterno 1.

1. AyB
2. ByA
3. AyC
4. CyA
5. ByC
6. CyB

Solución

A y B son compatibles para el producto.

Designemos A ⋅ B = D = ⎡⎣dij ⎤⎦ , donde dij = Ai ⋅ B j y veamos cómo se cal-
(3,3)
cula cada uno de los elementos de D.

78
 Módulo 4: Operaciones en el conjunto m× n

⎡−7⎤
d11 = A1 ⋅ B1 = [3 −1] ⋅ ⎢ ⎥ = −21 + 0 = −21.
⎣0⎦
⎡0⎤
d12 = A1 ⋅ B 2 = [3 −1] ⋅ ⎢ ⎥ = 0 − 2 = −2.
⎣ 2⎦
⎡1⎤
d13 = A1 ⋅ B3 = [3 −1] ⋅ ⎢ ⎥ = 3 − 5 = −2.
⎣5⎦

Calcule en forma análoga los elementos restantes.

⎡ −21 −2 −2⎤
A ⋅ B = ⎢⎢ −7 0 1 ⎥⎥ .
⎢⎣−14 10 27 ⎥⎦ 3,3
( )

B y A son compatibles para el producto.

Designemos B ⋅ A = F = ⎡⎣ fij ⎤⎦ , donde fij = Bi ⋅ A j .

( 2,2)

⎡3⎤
f11 = B1 ⋅ A1 = [ −7 0 1] ⋅ ⎢⎢1⎥⎥ = −21 + 0 + 2 = −19.
⎢⎣2⎥⎦
⎡ −1⎤
f12 = B1 ⋅ A = [ −7 0 1] ⋅ ⎢⎢ 0 ⎥⎥ = 7 + 0 + 5 = 12.
2

⎣⎢ 5 ⎦⎥
⎡3⎤
f 21 = B2 ⋅ A = [ 0 2 5] ⋅ ⎢⎢1⎥⎥ = 0 + 2 + 10 = 12.
1

⎢⎣2⎥⎦
⎡ −1⎤
f 22 = B2 ⋅ A2 = [ 0 2 5] ⋅ ⎢⎢ 0 ⎥⎥ = 0 + 0 + 25 = 25.
⎢⎣ 5 ⎥⎦
⎡−19 12 ⎤
B⋅ A = ⎢ ⎥ .
⎣ 12 25⎦( 2,2)

Observación

Podemos concluir que el producto matricial en general no es conmutativo. ¿Por

qué?

A y C no son compatibles para el producto.

C y A no son compatibles para el producto.

B y C no son compatibles para el producto.

Geometría vectorial y analítica 79

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
C y B son compatibles para el producto.

Designemos C ⋅ B = G = ⎡⎣ gij ⎤⎦ , donde gij = Ci ⋅ B j .

(1,3)

C ⋅ B = [ −63 8 29](1,3) .

Criterios alternos 2 y 3

Combinación lineal de columnas y combinación lineal de filas.

Dadas A = ⎡⎣ aij ⎤⎦ , B = ⎡⎣bij ⎤⎦ , entonces:

( m , n) ( n, r )

n
j = 1... r
C = ∑ bij A (combinación lineal
j i

⎡ i =1
⎢ delas columnasde A)
A ⋅ B = C = ⎡⎣cij ⎤⎦ , donde ⎢
( m, r ) ⎢
⎢ n
i = 1... m
⎣ C = a B (combinación lineal
i ∑
j =1
ij j

de las filas de B)

Nota: las dos expresiones anteriores nos permiten tener una idea más estructurada
del producto matricial y de gran aplicación en la solución de problemas reales, como
el que se propone a continuación.

Problema de aplicación

Las tablas 4.1 y 4.2 muestran el volumen de ventas de cuatro artículos A, B, C, D

durante un periodo de tres meses, como también los precios de costo y de venta de
cada uno.

Tabla 4.1 Tabla 4.2

Artículos Precios unitarios
Mes A B C D Artículo
De venta De costo

Enero 18 25 12 10 A 185.000 129.500

Febrero 20 25 10 15 B 120.000 84.000

15 20 6 10 C 200.000 150.000
Marzo
D 156.000 117.000

Calculemos, utilizando el producto matricial:

1. Valor de las ventas mensuales de cada artículo.

2. Valor de las ventas totales por mes.
3. Valor del costo mensual de cada artículo.
4. Valor del costo total por mes.
5. Valor de las utilidades mensuales por artículo.
6. Valor de la utilidad total por mes.

80
 Módulo 4: Operaciones en el conjunto m× n
Solución
⎧ S : matriz de artículos vendidos por mes
Designemos por ⎨
⎩ P : matriz de precios

A su vez, en la matriz P identificamos sus columnas así:

V: submatriz de precios de venta.

C: submatriz de precios de costo.

Determinemos las matrices designadas:

⎡ V C ⎤
⎢185.000 129.500 ⎥
⎢ ⎥
⎡18 25 12 10 ⎤ ⎢ ⎥
S = ⎢⎢ 20 25 10 15 ⎥⎥ ,
120.000 84.000 ⎥
P=⎢ .
⎢ ⎥
⎣⎢15 20 6 10 ⎦⎥ (3,4) ⎢ 200.000 150.000 ⎥
⎢ ⎥
⎢ ⎥
⎣⎢156.000 117.000 ⎦⎥ (4,2)

Observemos inicialmente que S y P son compatibles para el producto, siendo S ⋅ P(3,2) .

Para el cálculo solicitado, es más útil obtener el producto como combinación
lineal de columnas de S, así (¿por qué?):

⎡18 ⎤ ⎡ 25⎤ ⎡12⎤ ⎡10⎤

( S ⋅ P)
1
( 3,1) =185.000 ⎢20 ⎥ + 120.000 ⎢ 25⎥ + 200.000 ⎢10⎥ + 156.000 ⎢⎢15⎥⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣15 ⎥⎦ ⎢⎣ 20⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣10⎥⎦
⎡3.330.000 ⎤ ⎡3.000.000 ⎤ ⎡ 2.400.000 ⎤ ⎡1.560.000 ⎤
= ⎢⎢3.700.000 ⎥⎥ + ⎢⎢3.000.000 ⎥⎥ + ⎢⎢ 2.000.000 ⎥⎥ + ⎢⎢ 2.340.000⎥⎥
⎢⎣ 2.775.000⎥⎦ ⎢⎣ 2.400.000 ⎥⎦ ⎢⎣1.200.000 ⎥⎦ ⎢⎣1.560.000 ⎥⎦
⎡10.290.000 ⎤
= ⎢⎢11.040.000 ⎥⎥ .
⎢⎣ 7.935.000 ⎥⎦

Podemos afirmar que cada columna correspondiente a las sumas parciales repre-
senta el valor de las ventas mensuales de los artículos A, B, C y D, respectivamente,
y la matriz suma representa en consecuencia el valor de las ventas totales por mes.

⎡18 ⎤ ⎡ 25⎤ ⎡12 ⎤ ⎡10⎤

( S ⋅ P) 2
( 3,1) =129.5000 ⎢20 ⎥ + 84.000 ⎢ 25⎥ + 150.000 ⎢10 ⎥ + 117.000 ⎢⎢15⎥⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥

⎣⎢15 ⎦⎥ ⎣⎢ 20 ⎦⎥ ⎣⎢ 6 ⎦⎥ ⎣⎢10⎦⎥
⎡ 2.331.000⎤ ⎡ 2.100.000 ⎤ ⎡1.800.000⎤ ⎡1.170.000⎤
= ⎢⎢ 2.590.000⎥⎥ + ⎢⎢ 2.100.000 ⎥⎥ + ⎢⎢1.500.000⎥⎥ + ⎢⎢1.755.000⎥⎥
⎢⎣1.942.500 ⎥⎦ ⎢⎣1.680.000 ⎥⎦ ⎢⎣ 900.000 ⎥⎦ ⎢⎣1.170.000⎥⎦
⎡7.401.000⎤
= ⎢⎢7.945.000⎥⎥ .
⎢⎣5.692.500 ⎥⎦
Geometría vectorial y analítica 81
Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
Cada una de las columnas asociada a la suma parcial representa el valor invertido en
las compras mensuales de los artículos A, B, C y D, respectivamente, y la matriz
suma representa en consecuencia el valor invertido en las compras totales por mes.

Representamos ahora la matriz producto.

⎡10.290.000 7.401.000 ⎤
S ⋅ P = ⎢⎢11.040.000 7.945.000 ⎥⎥ .
⎢⎣ 7.935.000 5.692.500 ⎥⎦ 3,2
( )

En esta matriz ya hemos interpretado el significado de sus dos columnas.

Es fundamental anotar, como lo hemos podido observar hasta el momento, que en

muchos problemas son más importantes los resultados parciales que se obtienen
durante el proceso de los cálculos, que las cifras consolidadas en el resultado final.
Para nuestro caso, la matriz producto se puede obtener por distintos procedimien-
tos, pero no todos permiten recoger los resultados pedidos.

¿Cómo se obtienen las utilidades por cada artículo y en cada mes?

Calculemos finalmente la utilidad total por mes:

⎡2.889.000 ⎤
S ⋅ V − S ⋅ C = S ⋅ (V − C ) = ⎢⎢3.095.000 ⎥⎥ ,
⎢⎣2.242.500 ⎥⎦ 3,1
( )

que corresponde a la diferencia entre las dos matrices columna de la matriz produc-
to.

En consecuencia, hemos observado cómo un problema real y sencillo, pero prácti-

co, tiene su fundamentación en herramientas del álgebra matricial. Ello nos confirma
además la necesidad de una interpretación adecuada de la información que nos
permita organizarla y presentarla correctamente para proceder a los cálculos
matriciales requeridos.

Teorema 3: Propiedades del producto matricial

Sean A( m ,n ) ; B( n, r ) ; C( r ,t ) ; D( r ,t ) ; E( n, r ) ; λ ∈ R. Entonces se cumple:

1. A ⋅ ( B ⋅ C ) = ( A ⋅ B) ⋅ C Propiedad asociativa

2. A ⋅ (B + E) = A ⋅ B + A ⋅ E Propiedad distributiva a la izquierda

3. (B + E) ⋅ D = B ⋅ D + E ⋅ D Propiedad distributiva a la derecha

4. (λ A) ⋅ B = A ⋅ (λ B ) = λ ( A ⋅ B)

82
 Módulo 4: Operaciones en el conjunto m× n

5. I ( m , m) ⋅ A = A ⋅ I ( n , n ) = A Modulativa a la izquierda y modulativa

a la derecha

En particular, si A( n, n ) , entonces I( n,n) ⋅ A = A ⋅ I( n,n) = A , siendo I( n ,n ) el módulo

bajo la operación producto.

Geometría vectorial y analítica 83