You are on page 1of 12

UNIVERSIDAD NACIONAL DE SALTA FACULTAD DE INGENIERÍA

Matrices
ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA

Adriana Zamar 2009

Adriana Zamar Introducción Los fundadores de la teoría de matrices fueron Lord Cayley y Sylvester. ⎟ ⎟ . a este último se le debe el acuñamiento del término matriz.. el diseño asistido por computador (CAD y CCM) adoptado por la Ford a principios de 1970 para la industria del automóvil. “Álgebra Lineal y sus aplicaciones” de D. n números A filas y n columnas. Las piezas individuales del interior del automóvil también se almacenan como matrices de datos. a mn ⎟ ⎠ . 1 ≤ j ≤ n) dispuestos en m ⎛ a11 a12 ⎜ a 22 ⎜a A = ⎜ 21 . se coloca una fórmula como el elemento genérico indicando su tamaño. Cada columna de una matriz enumera las coordenadas de un punto sobre la superficie del componente (por ejemplo los dobleces necesarios para producir la carrocería)... Definición: Una matriz de tamaño (en algunos libros de dimensión o de orden) m x n (m. . se realiza una construcción y un diseño matemático del mismo. por ejemplo. es decir. a 2n ⎟ = ( A i j )m x n = ( A i j ) ..Facultad de ingeniería . Se utiliza el modelo denominado de alambre donde se almacena en muchas matrices de datos para cada componente principal del automóvil. Nuestra capacidad para resolver ecuaciones aumentará considerablemente cuando podamos realizar operaciones algebraicas con matrices. Una de las utilidades de este tema es. Podemos definir una matriz ya sea por comprensión.. n ε ℜ) es un cuadro (tabla o arreglo) de m. Las demás columnas describen cuáles puntos se deben conectar con curvas. ⎜ ⎜a ⎝ m1 a m2 a1n ⎞ ⎟ ....... Lay. Ver más detenidamente. en página 97. Ejemplo: 9 Por comprensión: B = (b i j ) = (2 i + j) 3 x 2 9 Por extensión: .UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc... ij (1 ≤ i ≤ m. . Antes de construir un nuevo modelo de automóvil. o bien definirla por extensión donde pongo todos los elementos de la matriz..

y se indica con subíndice en el caso de una fila y supraíndice en el de una columna.Facultad de ingeniería . ∆ A=B ⇔ Ai j = B i j 1≤ i ≤ m .1≤ j ≤ n Nota: El símbolo ⇔ significa equivale. Vector fila = A i = (a ∆ i1 a i2 …a in) ⎛ a 1j ⎞ ⎜ ⎟ ⎜ a2 j ⎟ ( j) Vector columna = A = ⎜ M ⎟ ⎜ ⎟ ⎜a m j ⎟ ⎝ ⎠ ∆ Se pone (j). para evitar confusión de que no se trata de una potencia. Adriana Zamar ⎛ b11 b12 ⎞ ⎛ 3 4 ⎞ ⎜ ⎟ ⎜ ⎟ B = ⎜ b21 b22 ⎟ = ⎜ 5 6 ⎟ ⎜b ⎟ ⎜ ⎟ ⎝ 31 b32 ⎠ ⎝ 7 8 ⎠ La letra mayúscula indica que se trata de una matriz y la letra minúscula con doble subíndice indica los elementos de la matriz. ℜ m x n = {matrices reales de tamaño m x n} Actividad 1: Encuentra por extensión la siguiente matriz dada por comprensión: A = (2 i – 3 j) 3 x 2 Igualdad Sean A. con paréntesis. pido que las dos matrices tengan el mismo tamaño. Ejemplo: ∆ ⎛1 ⎜ ⎜1 ⎝ ⎛1 ⎜ ⎜1 ⎝ 0⎞ ⎟ ≠ (1 2) → no son iguales por el tamaño 2⎟ ⎠ 1 ⎞ ⎛ 1 1⎞ ⎟≠⎜ ⎟ ⎜ ⎟ → no son iguales por el orden 0⎟ ⎠ ⎝ 0 1⎠ ⎛1 1 ⎞ ⎛1 1 ⎞ ⎜ ⎟ ⎜1 0 ⎟ ⎟=⎜ ⎜ ⎟ → son iguales en tamaño. elemento y orden ⎝ ⎠ ⎝1 0 ⎠ . pero también puedo poner un solo subíndice en los casos en que la matriz tiene una sola fila o una sola columna. B ε ℜ m x n.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc.

B ε ℜ m x n de define A + B ε ℜ m x n así: ∆ (A + B) ij = Ai j +Bi j 1≤ i ≤ m . Se deben tener en cuenta el tamaño y el orden.Facultad de ingeniería . A + B ε ℜ m x n La suma de dos matrices del mismo orden me da como resultado otra matriz del mismo orden que las primeras. Los paquetes o bolsas A + B y B + A no sólo tienen el mismo tamaño sino que tiene iguales elementos A3: Ley Asociativa: (A + B) + C = A + (B + C) = A + B + C (( A + B) + C) i j = ( A + B) i j + C i j = A i j + B i j + C i j = A i j + (B i j + C i j ) = A i j + (B + C) i j = = ( A + (B + C)) i j ⇒ ( A + B) + C = A + (B + C) en ℜ en ℜ A4: matriz Nula: ∃ Θ = (0) m x n tal que : A + Θ = Θ + A = A . Adriana Zamar Operaciones Adición de matrices: Definición: Sean A. Propiedades: Salvo que se indique lo contrario siempre se cumple para toda matriz. A1: Ley de Cierre: se cumple por la definición de matrices: A. B ε ℜ m x n . Ejemplo: ⎛a b ⎞ ⎛ e f ⎞ ⎛ a + e b + f ⎞ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜c d ⎟ ⎟+⎜ ⎜ ⎟=⎜ ⎝ ⎠ ⎝g h⎠ ⎝c + g d + h⎠ ⎛ 1 − 3 4 ⎞ ⎛ − 3 1 5⎞ ⎟ Actividad 2: calcula la siguiente suma de matrices: ⎜ ⎜ ⎟ ⎜ − 2 0 − 1⎟ ⎟+⎜ ⎝ ⎠ ⎝ 3 − 2 1⎠ Nota: si las matrices no tienen igual tamaño la operación no se puede realizar.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. A2: Ley Conmutativa: A + B = B + A En efecto: ( A + B ) i j = A i j + B i j = B i j + A i j = (B + A) i j ⇒ A + B = B + A Se prueba gracias a la igualdad de matrices.1≤ j ≤ n De la definición anterior podemos inferir que para sumar dos matrices A y B dadas deben tener el mismo orden.

Facultad de ingeniería . La matriz opuesta no es la matriz negativa. es lo mismo que a su opuesta le sume la matriz. el producto es un escalar . 1≤ j ≤ n El producto de un escalar por una matriz modifica el valor de cada uno de los elementos de ella. es decir se realiza el producto de k por cada elemento a i j. A5: Matriz Opuesta ∀A = ( A i j ). Adriana Zamar La matriz nula tiene todos sus elementos ceros y toma el tamaño de la matriz. k A ε ℜ m x n Se demuestra por la definición. entonces vuelvo a obtener otra matriz k A y puedo volver a multiplicarla por otro número. la matriz k A se define así: ∆ (kA ) i j = k A i j 1 ≤ i ≤ m. (k A) = (h. Es mixta porque estoy mezclando productos. Al multiplicar un escalar por una matriz A dada no se altera el orden de la matriz resultante. en el primer miembro. en este caso de A. en ambos casos me tiene que dar la matriz nula. ∃ − A = ( − A i j ) tal que : A + ( − A) = ( − A) + A = Θ Si a una matriz le sumo su opuesta. Ejemplo: ⎛ a1 a 2 kA = k ⎜ ⎜b b 2 ⎝ 1 a3 ⎞ ⎛ ka1 ka 2 ⎟=⎜ ⎜ b3 ⎟ ⎠ ⎝ kb1 kb2 ka3 ⎞ ⎟ kb3 ⎟ ⎠ Propiedades M1: Ley de Cierre: A ε ℜ m x n y k ε ℜ. k) A Se llama asociativa porque a una matriz A la multiplico por un escalar. Observación. Producto por escalar Sea A ε ℜ m x n y k ε ℜ. M2: Leyes Distributivas • • k (A + B) = k A + k B (k + h) A = k A + h A M3: Asociativa Mixta: h.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. simplemente que a la matriz original se le cambian los signos de todos los elementos.

…. en el segundo miembro. es decir: (h + k) (A + B) = h (A + B) + k (A + B) = h A + h B + k A + k B M4: Existencia del elemento neutro: 1 A = A Se multiplica a la matriz A por el número uno. Matriz Traspuesta T : ℜmxn → ℜmxn A AT 1 ≤ i ≤ m. + a in bnj y por definición (A B )ij = 〈 Ai / B ( j ) con 1 ≤ i ≤ m 1≤ j ≤ p . Se podría mezclar M2 con M3 y tener una Ley Distributiva Generalizada.) T3: AT T =A T4: (A. M1. A5. el producto es entre dos números y luego por una matriz.Facultad de ingeniería . no es la matriz unidad.. Adriana Zamar por una matriz. Luego ℜ m x n con las propiedades A1.…. L. B) T = B T A T Producto de Matrices Si A ∈ ℜ mxn y B ∈ ℜ nxp entonces : Ai B ( j ) = a i 1 b1 j + a i 2 b2 j + . M4 tiene estructura de Espacio Vectorial y a sus elementos se los llama vectores. 1 ≤ j ≤ n Definida así: (A I j) T = A j i Ejemplo: ⎛a b ⎞ ⎜ ⎟ A = ⎜c d ⎟ ⎜e f ⎟ ⎝ ⎠ Propiedades: ⎛a c AT = ⎜ ⎜b d ⎝ e⎞ ⎟ f⎟ ⎠ T1: (A + B) T = A T + B T T2: (k A) T = k A T De T1 y T2 se deduce: (k A + h B) T = k A T + h B T Se llama propiedad lineal porque combino las dos operaciones (suma y producto) entonces k A + h B es una Combinación Lineal (C.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc..

el espacio vectorial ℜn x n(matrices cuadradas) tiene un producto A n x n B n x n ε ℜn x n que es bilineal y por ello ℜn x n es un álgebra.A 3x 2 ) 2x 2 Pero hay matrices que son conmutables (A mxn . es condición necesaria pero no suficiente. Entonces: m = q = n = p Luego A .UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. en general. Las matrices.Facultad de ingeniería . el tamaño del producto es de m x p Para poder multiplicar el segundo miembro: p = m. por ejemplos: ( A 3x2 .B qxp ) mxp = (B qxp . el tamaño del producto es de q x n. no cumplen la conmutatividad ya que podría pasar que: A3 x 2 B2 x1 = C 3 x1 B2 x1 A3 x 2 imposible O bien que se puedan realizar ambos productos pero llegar a un resultado con distinto tamaño.B 2x3 ) 3x3 ≠ (B 2x3 . A exige que A y B sean cuadradas del mismo tamaño. B = B . Matrices conmutables o Permutables Dos matrices se dicen conmutables sí y sólo sí A B = B A.A mxn ) qxn Para poder multiplicar el primer miembro: n = q. Adriana Zamar O bien: ( A B ) ij = ∑a k =1 n ik bkj Propiedades P1: Asociativa: (A B) C = A (B C) = A B C P2: Distributivas: (A + B) C = A C + B C A (B + C) = A B + A C P3: Asociativa Mixta: h ( k A) = (h k) A De P2 y P3 se deduce que: ¾ (h A + k B) C = (h A) C + (k B) C = h A C + k B C lineal en el 1º factor ¾ A (a B + b C) = A (a B) + A (b C) = a A B + b A C lineal en el 2º factor Luego el producto de matrices es bilineal Así. ya que por ejemplo: .

o sea: AB=BA=I AC=CA=I (&) ($) B = B I = B ( A C) = (B A) C = I C = C → B = C Así. A 3) I n .) 3: A −1 −1 =A 4: (A . I n 2) I n . si existe inversa. ésta es única y la denotaremos como A-1. L.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. Matriz Unidad I n = I nxn ⎛1 ⎜ ⎜0 =⎜ M ⎜ ⎜0 ⎝ =A 0 0 K 0⎞ ⎟ 1 0 K 0⎟ = (δ ij ) M M O M⎟ ⎟ 0 0 K 1⎟ ⎠ nxn ⎧1 si i = j donde δ ij = ⎨ ⎩0 si i ≠ j Propiedades 1) A mxn . I n =A Así. con lo cual matrices cuadradas y del mismo tamaño no tienen porque ser conmutables.Facultad de ingeniería . I = I A = A Inversa en ℜn x n Sea A nxn diremos que B nxn es inversa de A si: A B = B A = I Unicidad de la inversa Sean B y C inversas de A. B) – 1= B– 1 A– 1 . ℜn x n = Mn (ℜ) es un álgebra con unidad I bilateral tal que: A. Propiedades: 1: (A + B) – 1 = A – 1 + B – 1 2: (k A) – 1 = k A – 1 De T1 y T2 se deduce: (k A + h B) – 1 = k A – 1 + h B – 1 Se llama propiedad lineal porque combino las dos operaciones (suma y producto) entonces k A + h B es una Combinación Lineal (C. Adriana Zamar ⎛1 ⎜ ⎜0 ⎝ ⎛0 ⎜ ⎜1 ⎝ 1⎞ ⎛ 0 1 ⎞ ⎛1 ⎟⎜ ⎟ ⎜ ⎟=⎜ ⎜ 1⎟ ⎠ ⎝ 1 0 ⎠ ⎝1 1 ⎞ ⎛ 1 1⎞ ⎛ 0 ⎟⎜ ⎟ ⎜ ⎟=⎜ ⎜ 0⎟ ⎠ ⎝ 0 1⎠ ⎝ 1 1⎞ ⎟ 0⎟ ⎠ 1⎞ ⎟ 1⎟ ⎠ vemos que el resultado es diferente. A mxn = nxn = A A nxn .

E. E. Poniéndolos en forma de matriz: ⎛2 ⎜ ⎜1 ⎝ ⎛2 ⎜ ⎜1 ⎝ 1 M 1⎞ ⎟ 1 M 0⎟ ⎠ 1 M 0⎞ ⎟ 1 M 1⎟ ⎠ Observamos que en el primer bloque se repiten los coeficientes de ambos subsistemas. O. a eso lo denominamos Matriz del Sistema.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. calcula A . si observamos.Facultad de ingeniería . vemos que se pueden separar en dos subsistemas. o sea podríamos tomar la matriz ampliada: ⎛2 1 M 1 0⎞ ⎜ ⎜ 1 1 M 0 1⎟ ⎟ (&) ⎝ ⎠ Donde el primer bloque representa la matriz de coeficientes y el segundo bloque la matriz identidad. pero el segundo bloque representa las incógnitas. ⎠ ⎝ A. Operaciones Elementales: O. 1: Intercambio de dos filas distintas entre sí. entonces podríamos escribir eso como un cuadro. . E. A = I ⎛x Como la inversa no la conocemos. Adriana Zamar Ejemplo: Vamos a calcular la inversa por definición: ⎛ 2 1⎞ -1 Dada A = ⎜ ⎜ 1 1⎟ ⎟ si es inversible. Nos podemos desligar de las incógnitas y ponerles cualquier cosa. 2: Multiplicación de una fila por un escalar no nulo. 3: Sumar a una fila un múltiplo de otra. entonces: A −1 = ⎜ ⎜s ⎝ ⎛ 2 1⎞ ⎛ x ⎜ ⎜ 1 1⎟ ⎟⎜ ⎜ ⎝ ⎠ ⎝s y ⎞ ⎛ 1 0⎞ ⎟=⎜ ⎟ ⎜ ⎟ t⎟ ⎠ ⎝ 0 1⎠ y⎞ ⎟ como A. para ello veamos las operaciones elementales. O. A-1 = A-1. A-1 = I t⎟ ⎠ ⎧2 x + s = 1 ⎪x + s = 0 ⎪ ⎨ ⎪2y + t = 0 ⎪ ⎩y + t = 1 ⇒ ⎛ 2 x + s 2y + t ⎞ ⎛ 1 0 ⎞ ⎜ ⎟=⎜ ⎟ ⎜ x +s ⎜ ⎟ y +t ⎟ ⎝ ⎠ ⎝ 0 1⎠ ⇒ Se llega a un sistema de 4 ecuaciones con 4 incógnitas. parece grande pero no. Para poder operar necesito de ciertas operaciones que no cambien el sistema.

a través de Gauss – Jordan. ⎯⎯ ⎯→ [I M A] .E .E .2 ⎟ ⎯⎯ ⎯→⎜ ⎜b b2 q⎟ ⎝ 1 ⎠ p⎞ a2 ⎛ a1 O.1 ⎟ ⎯ ⎯→⎜ b ⎯⎯ ⎟ ⎜a a q⎠ 2 ⎝ 1 p⎞ ⎟ q⎟ ⎠ xk q⎞ ⎟ p⎟ ⎠ ⎛ ka1 ka 2 kp ⎞ O. con estas operaciones llegaremos. entonces el segundo bloque es la inversa. E.3 ⎟ ↓ h ⎯⎯ ⎯→⎜ ⎟ ⎜ q⎠ ⎝ b1 + ha1 b2 + ha 2 p ⎞ ⎟ q + hp ⎟ ⎠ Volviendo a (&) ⎛2 1 M 1 0⎞ ⎜ ⎜ 1 1 M 0 1⎟ ⎟ le sumo a la segunda fila la primera multiplicada por – ½ (O. ⎛ a1 a 2 ⎜ ⎜b b 2 ⎝ 1 ⎛ a1 ⎜ ⎜b ⎝ 1 ⎛ a1 ⎜ ⎜b ⎝ 1 a2 b2 a2 b2 p⎞ ⎛ b1 b2 O. y además es única.3) ⎝ ⎠ ⎛2 ⎜ ⎜0 ⎝ 1 M 1 0⎞ ⎟ a la segunda fila la multiplico por 2 (O. ⎛ 1 0 M 1 − 1⎞ ⎜ ⎜0 1 M − 1 2 ⎟ ⎟ ⎝ ⎠ Obtuvimos en el primer bloque la matriz I. de esta manera aparece automáticamente la inversa de la matriz A del sistema. es decir que el primer bloque se convierta en la matriz unidad. entonces multiplico a la primera fila por ½.2) 1 1 1⎟ M − 2 2 ⎠ ⎛ 2 0 M 2 − 2⎞ ⎜ ⎜0 1 M − 1 2 ⎟ ⎟ ⎝ ⎠ ⎛2 1 M 1 0⎞ ⎜ ⎜ 0 1 M − 1 2⎟ ⎟ A la primera fila le resto la segunda ⎝ ⎠ Como necesito tener todas las variables despejadas. usando el esquema: [A M I ] ¿Cómo nos damos cuenta de que no hay inversa? O.E . Ejemplo: ⎧a1 x + a 2 y = p ⎨ ⎩b1 x + b2 y = q Ponemos el sistema en forma matricial y vemos como se aplican las operaciones elementales.E .Facultad de ingeniería .UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. vamos a verificar: ⎛ 1 − 1⎞ ⎛ 2 1⎞ ⎛ 1 0 ⎞ ⎟ ⎟ A −1 A = ⎜ ⎜−1 2 ⎟ ⎟⎜ ⎜ ⎟=⎜ ⎜ ⎟=I ⎝ ⎠ ⎝ 1 1⎠ ⎝ 0 1 ⎠ Esto nos muestra que hemos trabajado bien ya que efectivamente encontramos la inversa de A. Adriana Zamar De esa manera. E. a obtener en el primer bloque la matriz identidad y en el segundo las incógnitas.

Definiciones: Dada A ε ℜ m x n. entonces: ⎜ ⎜ 0 0 M − 1 1⎟ ⎟ ⎝ ⎠ Podemos ver que la última ecuación. con lo cual el sistema no tiene solución. es: 0 x + 0 s = –1.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. podemos expresar la matriz de la siguiente manera: ⎛ A1 ⎞ ⎟ ⎜ ⎜ A2 ⎟ = A=⎜ M ⎟ ⎟ ⎜ ⎜A ⎟ ⎝ m⎠ ⎡ A (1) A ( 2 ) K A (n ) ⎢ ⎣ ] . donde k = índice de nilpotencia. Adriana Zamar ⎛ 1 1⎞ ⎛1 1 M 1 0 ⎞ Supongamos A = ⎜ ⎜ 1 1⎟ ⎟ si ponemos la matriz ampliada: ⎜ ⎜1 1 M 0 1 ⎟ ⎟ a la segunda ⎝ ⎠ ⎝ ⎠ ⎛ 1 1 M 1 0⎞ fila le restamos la primera fila. Lo mismo ocurre si es el segundo subsistema: 0 y + 0 t = 1. A es Triangular inferior ⇔ i < j ⇒ a I j = 0 (arriba de la diagonal principal hay ceros). es decir. 0 = – 1 lo que es imposible.Facultad de ingeniería . viendo el primer subsistema. Matrices Especiales Sea A ε ℜ n x n definimos: A es idempotente ≡ A2 = A A es involutiva ≡ A = I Nota: la matriz A coincide con su inversa. A es ortogonal ≡ A T A = A A T = I A es simétrica ≡ A T = A a j i = a i j (los elementos con respecto a la diagonal principal deben ser iguales) ⎛ a11 b ⎜ ⎜ b a 22 ⎜ c K ⎜ ⎜ M ⎜ β ⎝ α c K K O K (A−1 = AT) K α ⎞ ⎟ K β ⎟ ⎟ K ⎟ ⎟ L ⎟ O a nm ⎠ A es antisimétrica ≡ A T = – A a ji = – a ij ⇒ aii= – a ii ⇒ aII= 0 b c⎞ ⎛ 0 ⎜ ⎟ Por ejemplo si A es de 3 x 3: ⎜ − b 0 d ⎟ ⎜ − c − d 0⎟ ⎝ ⎠ A es Triangular superior ⇔ i > j ⇒ a I j = 0 (debajo de la diagonal principal hay ceros). es decir: A−1 = A A es nilpotente ≡ A k = 0 para algún k ε Ν.

Álgebra Lineal. (1977). 9 Ayres. Thomson.(1998)Álgebra Lineal y Teoría de Matrices. Juan de (1996) Álgebra Lineal. 9 Nakos. y sólo sí. Madrid.Sanz Paloma. Alambra.(2002).K. LIMUSA. Méjico 9 Lipschutz. Kunze. 9 Grosman. Seymour. Calculus.Facultad de ingeniería . Madrid. Tom. Grupo Ed. Álgebra Lineal con aplicaciones.Curso de Álgebra y Geometría. Si es compatible la dimensión de la Variedad Solución es n – r (A) donde A ε ℜ m x n. Serie Schaum.…. México.R.G. A m> ⊆ ℜ n dim E f (A) = rf (A) = rango fila de A Espacio columna de A = E c (A) = <A(1). Adriana Zamar Espacio fila de A = E f (A) = <A1. Editorial Prentice Hall 9 Howard Antón. (1994) Introducción al Álgebra Lineal. Álgebra Lineal. Joyner. . Si tiene solución única entonces: r(A) = n Bibliografía: 9 Apostol.…. Matrices. Madrid.Álgebra Lineal.(1973). Frank Jr. Serie de compendios Schaum. 9 Burgos Roman.D. Stanley. 9 Barbolla R... A2. Méjico. Ed. Prentice Hall. A (n)> ⊆ ℜ m dim E c (A) = rc (A) = rango columna de A Teorema: (sin demostración) rf (A) = = rc (A) Definición: rf (A) = = rc (A) = r (A) = rango de A 0 ⎞ ⎛1 2 0 ⎞ ⎛1 2 0 ⎞ ⎛1 2 ⎜ ⎟⎜ ⎟ ⎜ ⎟ Ejemplo: ⎜ 2 0 − 1⎟ ⎜ 0 − 4 − 1⎟ ⎜ 0 − 4 − 1 ⎟ ⎜ 1 − 2 3 ⎟ ⎜ 0 − 4 3 ⎟ ⎜ 0 0 − 16 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ ⇒ rf = 3 y rc = 3 Teorema de Rouché – Frobenius: El sistema A X = b es compatibles sí. Latinoamericano 9 Hoffman. Mc Graw-Hill. Juan de.UNSa Cátedra: Álgebra Lineal y Geometría Analítica MSc. (1969). A (2). r (A) = r (A ⎢b) Donde (A ⎢b) es la matriz ampliada del sistema. Reverte. España: 9 Burgos Roman.