Álgebra Linear – AL

Luiza Amalia Pinto Cantão

Depto. de Engenharia Ambiental
Universidade Estadual Paulista – UNESP
luiza@sorocaba.unesp.br

Matrizes Inversas
1 Matriz Inversa e Propriedades
2 Cálculo da matriz inversa por operações elementares
3 Matriz Adjunta
4 Regra de Cramer Laplace
 Matriz Inversa

Definição: Uma matriz A n × n é chamada invertı́vel ou não-

singular se existir uma matriz B n × n tal que
AB = BA = In
A matriz B é chamada a inversa de A. Se essa matriz B não existir,
então A é chamda singular ou não-invertı́vel.

Observação: Se AB = BA = In então A é também uma inversa de

B.

   
2 3 −1 32
Exemplo (1) Sejam A = eB= . Verifique que:
2 2 1 −1
AB = BA = I2

Neste caso, B é a inversa de A e A é uma matriz invertı́vel.

 Matriz Inversa: Teorema
Teorema (1) Uma inversa de uma matriz, se existir, é unica.
Demonstração Sejam B e C inversas de A. Então BA = AC = In.
Portanto:
B = BIn = B(AC) = (BA)C = InC = C.

Notação Denotamos a inversa de A, se existir, por A−1.

 
1 2
Exemplo (2) Encontre A−1 de A = .
3 4
Sabemos que AA−1 = In, então:
     
1 2 a b 1 0
· =
3 4 c d 0 1
 
1 2
Exemplo (3) Encontre A−1 de A = , se existir.
2 4
 Propriedades da Inversa (a)
Teorema (2a) Se A é uma matriz invertı́vel, então A−1 é invertı́vel e
−1 −1


A =A

Demonstração A−1 é invertı́vel se podemos encontrar uma matriz B

tal que
A−1B = BA−1 = In.
Como A é invertı́vel,
A−1A = AA−1 = In.
Como B = A é uma inversa de A−1, e como as inversas são únicas,
conclı́mos que
−1
A−1 = A.
Assim, a inversa da inversa da matriz invertı́vel A é A.
 Propriedades da Inversa (b)
Teorema (2b) Se A e B são matrizes invertı́veis, então AB é invertı́vel
e
−1
(AB) = B −1A−1.
Demonstração Temos
−1 −1 −1

−1
A = AInA−1 = AA−1 = In


(AB) B A = A BB
e
B −1A−1 (AB) = B −1 A−1A B = B −1InB = B −1B = In

Portanto, AB é invertı́vel. Como a inversa de uma matriz é única:

−1
= B −1A−1.


BA
Assim, a inversa de um produto de duas matrizes invertı́veis é o pro-
duto de suas inversas na ordem contrária.
 Propriedades da Inversa (c)
Teorema (2c) Se A é uma matriz invertı́vel, então
T −1 −1 T



A = A .

Demonstração Temos
AA−1 = In e A−1A = In
Transpondo as matrizes, obtemos
−1 T −1

T
= InT = In e = InT = In.


AA A A
Então
−1 T T T −1 T



A A = In e A A = In.
Estas equações implicam que
T −1 −1 T



A = A .
 Propriedades das Inversas: Continuação
 
1 2
Exemplo (4) Seja A = . Determine A−1, (A−1)T , AT e
3 4
(AT )−1.
Teorema (3) Suponha que A e B sejam matriz n × n .
(a) Se AB = In, então BA = In.
(b) Se BA = In, então AB = In.
 Cálculo da matriz inversa por meio de operações elementares

Idéia Se A é uma matriz n × n dada, procuramos uma matriz B n × n

tal que
AB = BA = In.

Passo 1 Forme a matriz [A|In] n × 2n obtida juntando-se a matriz

identidade In e a matriz A.
Passo 2 Calcule a forma escalonada reduzida da matriz obtida no
Passo 1 utilizando operações elementares nas linhas. Lembre-se
de que o que fizer em uma linha de A também deverá fazer na linha
correspondente de In.
Passo 3 Suponha que o Passo 2 produziu a matriz [C|D] na forma
escalonada reduzida.
1. Se C = In, então D = A−1;
2. Se C 6= In, então C tem uma linha nula. Neste caso, A é singular
e A−1 não existe.
Cálculo da matriz inversa por meio de operações elementares: Exemplo

Exemplo (5) Encontre as inversas das matrizes abaixo, se existir.

 
1 1 1
(a) A1 =  0 2 3 .
5 5 1
 
1 2 −3
(b) A2 =  1 −2 1 .
5 −2 3
Passo 1  
1 2 −3 1 0 0
(a) [A1|I3] =  1 −2 1 0 1 0  – Lousa!
5 −2 −3 0 0 1
 
1 1 1 1 0 0
(b) [A2|I3] =  0 2 3 0 1 0  – Lousa!
5 5 1 0 0 1
 Matriz Adjunta
Definição Seja A uma matriz n × n. Definimos a matriz adjunta
(clássica) de A, denotada por adj(A), como a transposta da matriz
formada pelos cofatores de A, ou seja,
 T  
A11 A12 . . . A1n A11 A21 . . . An1
 A21 A22 . . . A2n   A12 A22 . . . An2 
adj(A) =   ... ... . . . ... 
 =  .
 .. ... . . . ... 

An1 An2 . . . Ann A1n A2n . . . Ann
i+j
onde Aij = (−1) det (Aij ) é o cofator do elemento aij , para i, j =
1 : n.
 
3 −2 1
Exemplo (6) Seja A =  5 6 2 . Calcule adj(A). – Lousa.
1 0 −3
 Matriz Adjunta: Teorema
Teorema (4) Se A é uma matriz n × n, então
A(adjA) = (adjA)A = det(A)In.

Demonstração Temos
 
a11 a12 . . . a1n  
 a21 a22 . . . a2n  A11 A12 . . . Aj1 . . . An1
 . ... ...
 ..

  A12 A22 . . . Aj2 . . . An2 
A(adjA) =  · . ... ... ...
  ..
 
 a.i1 a.i2 . . . a.in

 .. .. ..

 A1n A2n . . . Ajn . . . Ann
an1 an2 . . . ann

O i, j-ésimo elemento na matriz produto A(adjA) é

ai1Aj1 + ai2Aj2 + · · · + ainAjn = det(A) se i = j
ai1Aj1 + ai2Aj2 + · · · + ainAjn = 0 6 j
se i =
 Matriz Adjunta: Demonstração – continuação
Demonstração – cont. Isto significa que
 
det(A) 0 ... 0
 0 det(A) . . . 0 
A(adjA) =   ... ... ... ...  = det(A)In.

0 0 . . . det(A)

O i, j-ésimo elemento na matriz produto (adjA)A é

a1iA1j + a2iA2j + · · · + aniAnj = det(A) se i = j
a1iA1j + a2iA2j + · · · + aniAnj = 0 6 j
se i =

Assim, (adjA)A = det(A)In.

 
3 −2 1
Exemplo (7) Seja A =  5 6 2 . Verifique A adj(A) =
1 0 −3
adj(A) A = det(A) In. – Lousa!
 Matriz Adjunta: Corolário
Corolário Se A é uma matriz n × n e det(A) 6= 0, então:
A11 A12 A1n
 
 det(A) det(A) . . .
 det(A) 

 
 A12 A22 An2 
1  . . . 
A−1 = (adj A) =  det(A) det(A) det(A)
 
det(A)


 ... ... ... ... 

 
 
 A1n A2n Ann 
...
det(A) det(A) det(A)

Demonstração Do teorema anterior, temos que A(adjA) =

(adjA)A = det(A)In. Se det(A) 6= 0, então:
1 1 1
A (adj A) = [A(adj A)] = (det(A)In) = In.
det(A) det(A) det(A)
1
Portanto A−1 = (adj A).
det(A)
 Matriz Adjunta e Inversa: Exemplo e mais
Teorema!
 
3 −2 1
Exemplo (8) Seja A =  5 6 2 . Calcule a sua inversa usando
1 0 −3
1
A−1 = (adj A). – Lousa !
det(A)
Teorema Uma matriz A é invertı́vel se e somente se det(A) 6= 0.
Demonstração Como A é invertı́vel, AA−1 = In então:
det(AA−1) = det(A)det(A−1) = det(In) = In,
implica que det(A) 6= 0.
Corolário Para uma matriz A n×n, o sistema linear homogêneo Ax =
0 tem apenas uma solução trivial se e somente se det(A) 6= 0.
 Regra de Cramer
Sistema linear com n equações e n incógnitas, na forma matricial:
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2   b2 
 · · · · · · . . . · · ·   ...  =  ... 
    
am1 am2 · · · amn xn bn
| {z } | {z } | {z }
A X B

Suponha que det(A) 6= 0 e assim, A seja inversı́vel. Então

AX = B
−1
A (AX) = A−1B
(A−1A)X = A−1B
InX = A−1B
X = A−1B
 Regra de Cramer (2)

1
Matricialmente Lembrando que A−1 = (adj A), temos que:
det(A)
     
x1 A11 A21 . . . An1 b1
 = 1  A.12 A.22 .. . . A.n2  ·  b.2 
 x2     
 .
 ..  det(A)  .. .. . . ..   .. 
xn A1n A2n . . . Ann bn
| {z } | {z } | {z }
X A−1 B

Então:
A11b1 + A21b2 + · · · + Annbn
x1 = .
det(A)
Note que:
 
b1 a12 . . . a1n
1  b2 a22 . . . a2n  A11b1 + A21b2 + · · · + Annbn
x1 = ·det 
 ... ... . . . ... 
 = .
det(A) det(A)
bn an2 . . . ann
 Regra de Cramer (3): Regra geral

Analogamente
 
a11 . . . b1 . . . a1n
xi =
1
· det  ... ... ...  = A1ib1 + A2ib2 + · · · + Anibn
det(A) an1 . . . bn . . . ann det(A)
det(Ai)
=
det(A)

Passo 1 Calcule det(A). Se det(A) = 0, a regra de Cramer não é

aplicável. Caso contrário, vá ao Passo 2.
Passo 2 Se det(A) 6= 0, para cada i,
det(Ai)
xi = ,
det(A)
onde Ai é a matriz obtida de A substituindo-se a i-ésima coluna de
A pelo vetor B.
 Regra de Cramer (4): Exemplo
Exemplo (9) Resolva os sistemas lineares abaixo usando a Regra de
Cramer.

 −2x1 + 3x2 − x3 = 1
(a) x1 + 2x2 − x3 = 4
 −2x − x + x = −3
1 2 3

 2x1 − 3x2 + 7x3 = 1
(b) x1 + 3x3 = 5
 2x2 − x3 = 0