CURSO DE MATRIZES, SISTEMAS E DETERMINANTES

1º semestre / 2021

Profª Viviane Cristina Almada de Oliveira

DEMAT – UFSJ

CAPÍTULO 1 – MATRIZES

1.1.Definição e notação

Matriz é uma tabela de elementos dispostos em linhas e colunas. Os seus elementos podem ser números,
funções ou até outras matrizes. Especificamente, nesta disciplina, abordaremos matrizes cujos elementos são
números reais.
Uma matriz que tenha m linhas e n colunas (com m e n inteiros positivos) é representada como segue:
 a11 a12 a1n 
a a 22 a 2n 
Am x n =  21 = [aij]m x n ou
 
 
a m1 a m2 a mn 

 a11 a12 a1n 

 
a a 22 a 2n 
Am x n =  21 = (aij)m x n
 
 
 a m1 a m2 a mn 

Dizemos que a matriz A é de ordem m por n. Observemos que os índices dos elementos da matriz
representam, respectivamente, a linha e a coluna por ele ocupadas. Os índices i e j são números inteiros positivos; i
varia de 1 a m, e j varia de 1 a n.
Para que duas matrizes sejam iguais é preciso que elas tenham o mesmo número de linhas e o mesmo número
de colunas, e ainda, que seus elementos correspondentes sejam iguais.
No que segue, geralmente representaremos uma matriz por uma letra maiúscula; os elementos dessa matriz,
pela mesma letra minúscula, cada uma acompanhada dos índices que o localizam dentro da matriz.

1.2.Alguns tipos de matrizes

Consideremos uma matriz, com m linhas e n colunas, denotada por Am x n.

1
 1.2.1. Retangular
A matriz Am x n é retangular quando o número de linhas (m) for diferente do número de colunas (n).

1.2.2. Quadrada
Dizemos que Am x n é quadrada quando o número de suas linhas é igual ao número de suas colunas ( m = n).
Quando tratamos com matrizes quadradas Am x m, costumamos dizer que A é uma matriz de ordem m.
Em matrizes quadradas, denominamos de principal à diagonal formada pelos elementos do tipo a ii; e de
secundária à diagonal formada pelos elementos aij tais que i + j = n + 1 = m + 1.

Define-se também em matrizes quadradas o chamado traço. O traço de uma matriz quadrada A é a soma dos
m
elementos da sua diagonal principal, ou seja, trA = a11 + a22 + a33 + ... + amm = a
i 1
ii .

1.2.3. Linha
Uma matriz Am x n é denominada linha se possuir apenas uma linha (m = 1).

1.2.4. Coluna
Uma matriz Am x n é denominada coluna se possuir apenas uma coluna (n = 1).

1.2.5. Nula
Dizemos que Am x n é uma matriz nula quando ela possuir todos os seus elementos nulos, ou seja, a ij = 0 para
todo i (inteiro entre 1 e m) e para todo j (inteiro entre 1 e n).

1.2.6. Diagonal
Uma matriz Am x n é dita diagonal quando quadrada (m = n) e tiver seus elementos não nulos dispostos apenas
na sua diagonal principal. Podemos também dizer que uma matriz diagonal é qualquer quadrada que tenha a ij = 0
para todo i  j.

1.2.7. Escalar
Am x n é uma matriz escalar quando for diagonal de ordem m com todos os elementos da diagonal principal
iguais. Isto é, a11 = a22 = a33 = ... = amm.

2
 1.2.8. Identidade ou unidade
Chamamos Am x n de identidade se for uma matriz escalar que tenha todos os elementos da diagonal principal
iguais a 1, ou seja, aii = 1 e aij = 0, para todo i  j. Indicamos uma matriz identidade de ordem m por Im.

1.2.9. Triangular superior

Dizemos que uma matriz quadrada A, de ordem m, é triangular superior se, e somente se, possuir todos os
elementos abaixo da diagonal principal nulos. Isso equivale a dizer que a ij = 0 para todo i > j.

1.2.10. Triangular inferior

Dizemos que uma matriz quadra da A, de ordem m, é triangular inferior se, e somente se, possuir todos os
elementos acima da diagonal principal nulos. Isso equivale a dizer que aij = 0 para todo i < j.

1.2.11. Simétrica
Qualquer matriz quadrada A, de ordem m, que tenha os elementos dispostos simetricamente em relação à
diagonal principal iguais, ou seja, aij = aji para todo i (inteiro entre 1 e m) e para todo j (inteiro entre 1 e m).

1.2.12. Anti-simétrica
Qualquer matriz quadrada A, de ordem m, que tenha os elementos dispostos simetricamente em relação à
diagonal principal opostos, ou seja, aij = –aji para todo i (inteiro entre 1 e m) e para todo j (inteiro entre 1 e m). Vale
observar que matrizes anti-simétricas têm os elementos da diagonal principal nulos.

1.2.13. Matriz de Vandermonde

Qualquer matriz quadrada A, de ordem m, cujos elementos dispostos em cada linha (ou coluna) formam
uma progressão geométrica. Nessas progressões, o primeiro elemento é 1 e a razão é o segundo elemento da linha
(ou coluna).
𝑎10 𝑎11 𝑎12 … 𝑎1𝑚−1 1 𝑎1 𝑎12 … 𝑎1𝑚−1
𝑎20 𝑎12 2
𝑎2 … 𝑎2 𝑚−1
1 𝑎2 𝑎22 … 𝑎2𝑚−1
𝐴= 𝑎30 𝑎13 2
𝑎3 … 𝑎3 𝑚−1 =
1 𝑎3 𝑎32 … 𝑎3𝑚−1
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0
( 𝑎𝑚 𝑎1𝑚 2 𝑚−1
𝑎𝑚 … 𝑎𝑚 ) ( 1 𝑎𝑚 2
𝑎𝑚 … 𝑎𝑚 )𝑚−1

Matriz de Vandermonde (com linhas em p.g.)

3
 𝑎10 𝑎20 𝑎30 … 𝑎𝑚0
1 1 1 … 1
𝑎11 𝑎12 𝑎13 … 𝑎𝑚1 𝑎 1 𝑎2 𝑎3 … 𝑎𝑚
2
𝐵= 𝑎12 𝑎22 𝑎32 … 𝑎𝑚2 = 𝑎 1 𝑎22 𝑎32 … 𝑎𝑚2

⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑚−1
(𝑎1𝑚−1 𝑎2𝑚−1 𝑎3𝑚−1 … 𝑎𝑚 ) ( 1
𝑚−1 𝑎 𝑎2𝑚−1 𝑚−1
𝑎3 … 𝑎𝑚𝑚−1
)
Matriz de Vandermonde (com colunas em p.g.)

1.3.Operações com matrizes

Relembrar das propriedades das operações (usuais) de adição e multiplicação definidas em R.

1.3.1. Adição

Essa operação é realizada com matrizes de mesma ordem. Assim, se somarmos a matriz A mxn com a matriz
Bmxn, teremos uma matriz mxn, denotada por C = A+B, cujos elementos são as somas dos elementos
correspondentes de A e B.
C = A + B = [aij + bij]mxn = [cij]mxn

Obs.: Essa operação de adição é definida como uma função do tipo

f: Mmxn x Mmxn  Mmxn
(A, B) C=A+B
onde cij = aij + bij.

Propriedades
Para matrizes de mesma ordem A, B e C, temos:

i) A + B = B + A (comutativa)

Sejam A=[aij]mxn e B=[bij]mxn matrizes de mesma ordem.

Temos que, A + B = [aij + bij]mxn. Como aij e bij são números reais, pela comutatividade da adição, podemos dizer
que aij + bij = bij + aij. Logo, [aij + bij]mxn= [bij + aij]mxn= B+A. Portanto, concluímos que a adição de matrizes de
mesma ordem é comutativa.

4
 ii) (A + B) + C = A + (B + C) (associativa)

Sejam A=[aij]mxn, B=[bij]mxn e C=[cij]mxn matrizes de mesma ordem.

Temos que A+ B = [aij + bij]mxn. Podemos chamar o elemento de ordem ij de A+B de d ij, ou seja,
A+B = [dij]mxn, onde dij= aij + bij. 
Como a matriz C é de ordem mxn, podemos somá-la à matriz A+B e teremos
(A+B)+C = [dij + cij]mxn.
Por outro lado, sendo B+C = [bij + cij]mxn, podemos também chamar o elemento de ordem ij de B+C de e ij. Assim,
reescrevemos
B+C = [eij]mxn, onde eij= bij + cij. 
Somando a matriz A à matriz B+C, teremos
A+(B+C) = [aij + eij]mxn.

Como matrizes (A+B)+C e A+(B+C) são matrizes de mesma ordem, podemos comparar seus elementos
correspondentes.

Observemos que o elemento de ordem ij da matriz (A+B)+C é

dij + cij = ( de )
= (aij + bij)+ cij
Como aij, bij e cij são números reais, e em R vale a associatividade da adição, podemos dizer que (aij + bij)+ cij =
= aij + (bij+ cij).
Logo,
dij + cij = (aij + bij)+ cij = aij + (bij+ cij) = (de )
= aij + eij,
ou seja, o elemento de ordem ij da matriz (A+B)+C é igual ao elemento de ordem ij da matriz A+(B+C).

Assim, já que (A+B)+C e A+(B+C) são matrizes de mesma ordem cujos elementos correspondentes são iguais,
podemos afirmar que (A+B)+C = A+(B+C); ou seja, para a soma de matrizes de mesma ordem vale a propriedade
associativa.

iii) A + 0 = A, onde 0 é a matriz nula de ordem mxn

5
Sejam A=[aij]mxn e 0 a matriz nula de mesma ordem que a matriz A.
Temos que, A + 0 = [aij + 0]mxn. Como aij é um número real e 0 é o elemento neutro da adição em R, podemos dizer
que aij + 0 = aij. Logo, A + 0 = [aij]mxn= A.

1.3.2. Multiplicação por escalar

Sejam uma matriz A = [aij]mxn e k um número real qualquer. Definimos uma nova matriz D através da
multiplicação de A pelo escalar k, que é
D = k.A = [k.aij]mxn = [dij]mxn

Observações:

1) Essa operação de multiplicação por um escalar, no contexto desta disciplina, é definida como uma função
do tipo
f: R x Mmxn  Mmxn
(k, A) D = k. A
onde dij = k.aij.

2) Dada uma matriz A, de ordem mxn, a matriz obtida através do produto do escalar – 1 por A será chamada
de matriz oposta de A, representada por –A, devido ao fato de o resultado a adição de A e (–A) ser a matriz
nula de ordem mxn, como mostramos a seguir:

Sejam A=[aij]mxn e –A= [–aij]mxn, matrizes de mesma ordem. Temos que

A+(–A) = [aij + (– aij)]mxn.
O elemento genérico da matriz A+ (– A) é aij + (– aij) = aij – aij = 0. Logo, todos os elementos da matriz A+(–A ) são
iguais a 0 e, portanto, podemos dizer que a matriz A+(–A) é a matriz nula de ordem mxn.

3) A subtração entre duas matrizes de mesma ordem, Amxn e Bmxn, é dada pela adição da matriz A à matriz oposta
de B. Portanto, essa diferença resultará numa matriz de ordem mxn, denotada por A – B, cujos elementos são dados
pelas somas dos elementos correspondentes de A e –B. Ou seja,
A – B = [aij – bij]mxn

6
Propriedades
Dadas duas matrizes A e B de ordem mxn e k1 e k2 números reais quaisquer, temos que:

i) k.(A + B) = k.A + k.B

Sendo A=[aij]mxn,e B = [bij]mxn teremos que
A + B = C = [cij]mxn, onde cij = aij + bij

Desse modo,
k. (A + B) = k.C = [k.cij]mxn = [k. (aij + bij)]mxn

Como k, aij e bij são números reais, vale a distributividade da multiplicação com relação à adição, podemos dizer
que
k. (aij + bij) = k.aij + k.bij 

Por outro lado, as matrizes k.A e k.B serão dadas por

k.A = [k.aij]mxn e k.B = [k. bij]mxn  k.A + k.B = [k.aij + k.bij]mxn. 

De  e , observamos que as matrizes k.(A+B) e k.A + k.B têm a mesma ordem. Como possuem os mesmos
elementos correspondentes, concluímos que são iguais, ou seja, k.(A+ B) = k.A + k.B.

ii) (k1+ k2).A = k1.A + k2.A

Sendo A=[aij]mxn, teremos

(k1+ k2).A = [(k1+ k2)aij]mxn.
Como k1, k2 e aij são números reais, podemos dizer que
(k1+ k2)aij = k1aij + k2aij ,
pois em R vale a propriedade distributiva da multiplicação com relação à adição.
Assim, de ,
(k1+ k2).A = [(k1+ k2)aij]mxn = [k1aij + k2aij]mxn 

Por outro lado, as matrizes k1.A e k2.A serão dadas por

k1.A = [k1.aij]mxn e k2.A = [k2.aij]mxn  k1.A + k2.A = [k1.aij + k2.aij]mxn. 

7
De  e , observamos que as matrizes (k1+ k2).A e k1.A + k2.A têm a mesma ordem. Como possuem os mesmos
elementos correspondentes, concluímos que (k1+ k2).A = k1.A + k2.A.

i) 0 . A = 0 , onde 0 é a matriz nula de ordem mxn

ii) k1( k2.A) = (k1.k2).A

1.3.3. Transposição

A partir da matriz A = [aij]mxn podemos obter uma nova matriz At = [a’ij]nxm, onde a’ij = aji. Ou seja, a matriz
At tem como suas linhas as colunas da matriz A. Essa matriz At é denominada transposta de A.

Propriedades:

i) (At)t = A (a transposta da transposta de uma matriz é ela mesma)

Seja a matriz A = [aij]mxn. Sabemos que a sua transposta é At = [a’ij]nxm, onde a’ij = aji.
Sabendo disso, podemos calcular a matriz transposta de At, que será
(At)t = [a”ij]mxn onde a”ij=a’ji.
Como a’ij=aji, dizemos que
a”ij=a’ji= aij.
Logo, como as matrizes A e (At)t têm mesma ordem e seus elementos correspondentes iguais, então concluímos que
(At)t=A.

ii) (A + B)t = At + Bt (a transposta da soma é igual à soma das transpostas)

Sejam as matrizes A = [aij]mxn e B = [bij]mxn. Sabemos que At = [a’ij]nxm, onde a’ij = aji, e que Bt = [b’ij]nxm, onde
b’ij = bji, e que A+B= [cij]mxn, onde cij = aij + bij.

Calculando a transposta da matriz A+B, teremos

(A+B)t = [c’ij]nxm onde c’ij = cji = aji + bji.
8
Fazendo agora a soma das transpostas de A e de B, vem que:
At + Bt = [a’ij + b’ij]nxm.

Como a’ij = aji e b’ij = bji, podemos dizer que

At + Bt = [aji + bji]nxm. 

Observemos (em  e ) que (A+B)t e At + Bt são matrizes de mesma ordem e que têm seus elementos
correspondentes iguais. Logo, podemos afirmar que (A + B)t = At + Bt.

iii) (k.A)t = k. At, onde k é qualquer número real

Exemplos:
1) Mostre que uma matriz quadrada A é simétrica se, e somente se, A=At.

() Seja A uma matriz quadrada de ordem m que é simétrica. Sabemos que:
A= [aij]mxm onde aij = aji  (para todo i variando de 1 a m e para todo j variando de 1 a m).
Encontremos a matriz transposta de A:
At = [a’ij]mxm onde a’ij = aji. 

De  e , temos que a’ij = aji = aij. Assim, como as matrizes A e At têm mesma ordem e têm seus elementos
correspondentes iguais, podemos dizer que A = At.

() Sejam A e At matrizes iguais. Assim sendo, podemos dizer que a matriz A (e também a transposta de
A) são matrizes quadradas. Consideremos então

A= [aij]mxm e At = [a’ij]mxm, onde a’ij = aji.

Sendo A = At, temos que aij = a’ij = aji. Assim, como aij = aji, pela definição de matrizes simétricas, concluímos
que A é uma matriz simétrica.

2) Mostre que uma matriz quadrada A é anti-simétrica se, e somente se, A= – At.

9
 1.3.4. Multiplicação de matrizes

Dizemos que os elementos da matriz-produto são obtidos pela soma de produtos dos elementos de uma
linha da primeira matriz pelos elementos de uma coluna da segunda matriz.
Formalizando essa ideia, sejam A = [aij]mxn e B = [bij]nxp. Definimos A.B = [eij]mxp onde
n
eij = a b
k 1
ik kj  ai1b1 j ai 2b2 j  ...  ainbnj

Observações:
i) Essa operação de multiplicação de matrizes é definida como uma função do tipo
f: Mmxn x Mnxp  Mmxp
(A, B) E = A.B
n
onde eij = a b
k 1
ik kj  ai1b1 j ai 2b2 j  ...  ainbnj

ii) Só podemos efetuar o produto da matriz Amxn pela matriz Btxp se o número de colunas da matriz A for
igual ao número de linhas da matriz B, isto é, n = t. Além disso, a matriz que resultará dessa
multiplicação será de ordem m x p.

iii) O elemento cij da matriz A.B é o resultado da soma dos produtos dos elementos da i-ésima linha de A
pelos elementos correspondentes da j-ésima coluna de B.

iv) Em geral A.B  B.A, sendo que, às vezes, um dos membros da desigualdade não é definido.
Pode ainda ocorrer de A.B = 0 (matriz nula) sem que A ou B sejam nulas.

Propriedades:

i) A.In = Im.A = A, onde A = [aij]mxn

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

Sejam A, B e C matrizes tais que A = [aij]mxn, B = [bij]nxp e C = [cij]nxp. Encontremos as matrizes A.(B+C) e
A.B + A.C.
10
Para tanto, consideremos
B+C = [dij]nxp onde dij = bij + cij. 
n
Assim, A.(B+C) = [eij]mxp onde eij = a
k 1
ik d kj . De , temos que

n n n n
eij =  a ik dkj =
k 1
 a ik (bkj  ckj ) =
k 1
 aik bkj  a ik ckj . 
k 1 k 1

Já as matrizes A.B e A.C serão dadas por:

n
A.B = [fij]mxp onde fij = a
k 1
ik bkj 

n
A.C = [gij]mxp onde gij = a
k 1
c 
ik kj

De  e , teremos que
n n
A.B+A.C = [fij+gij]mxp onde fij + gij =  a ik bkj +  a ik ckj .
k 1 k 1

Observemos, em  e , que as matrizes A.(B+C) e A.B + A.C têm mesma ordem e têm seus elementos
correspondentes (eij e fij + gij) iguais. Portanto, A.(B+C) = A.B + A.C.

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

iv) (A.B).C = A.(B.C)

v) (A.B)t = Bt.At

Sejam as matrizes A = [aij]mxn e B = [bij]nxp. Calculemos as matrizes (A.B)t e Bt.At.

n
Sabemos que A.B = [cij]mxp onde cij = a k 1
ik bkj 

n
 (A.B)t = [c’ij]pxm onde c’ij = cji = a
k 1
jk bki . 

Por outro lado, At = [a’ij]nxm, onde a’ij = aji, e que Bt = [b’ij]pxn, onde b’ij = bji. Daí vem que:
n n n
Bt.At = [dij]pxm onde dij =  b 'ik a 'kj =
k 1
 bki a jk =
k 1
a
k 1
jk bki . 

De  e , podemos afirmar que as matrizes (A.B) t e Bt.At têm mesma ordem e têm seus elementos
correspondentes iguais. Logo, dizermos que (A.B)t = Bt.At.
11
 vi) 0 pxm.A = 0 pxn e A. 0 nxp = 0 mxp

1.3.5. Potência de uma matriz

Considerando uma matriz quadrada A, de ordem m, é possível formarmos potências dela. Essas potências
são definidas como
A2 = A.A, A3 = A2.A, A4 = A3.A, ..., e A0 = Im.
A partir dessas potências, classificamos outros tipos de matrizes, vistos a seguir.

1.4. Outros tipos de matrizes

1.4.1. Matriz periódica

Uma matriz quadrada A de ordem m é periódica quando An = A, para algum natural n  2. Considerando o
menor natural n para o qual An = A, dizemos que período da matriz A é (n – 1).

 1 2 6 
Ex.:   (Matriz periódica de período 2)
 3 2 9 
 2 0 3 
 

1.4.2. Matriz idempotente

Uma matriz quadrada A de ordem m é idempotente quando A2 = A.

 2 1 1 
Ex.:  
 3 4 3 
 5 5 4 
 

12
 1.4.3. Matriz nulipotente (ou nilpotente)

Uma matriz quadrada A de ordem m é nulipotente quando existir algum k (inteiro positivo) para o qual
Ak = 0 m. Se k for o menor número para o qual Ak = 0 m, dizemos que A é nulipotente de índice k.

1 1 3
Ex.:   (Matriz nulipotente de índice 3)
5 2 6
 2 1 3 
 

1.4.4. Matriz invertível ou não-singular

Uma matriz A quadrada de ordem m se diz invertível se, e somente se, existe uma matriz B, também
quadrada de ordem m, tal que
A.B = B.A = Im
Tal matriz B, caso exista, é única e é chamada de matriz inversa de A. Denota-se B por A-1.

 2 5 
Ex.: A =  8 5 e A-1=  
 
3 2  3 8 

Observações:
1) Se A e B são matrizes quadradas de mesma ordem, ambas invertíveis, então A.B é invertível e (A.B)-1 = B-1.A-1.
2) Nem toda matriz é invertível. Processos adequados para a verificação se uma matriz é ou não invertível e, em caso
positivo, da determinação dessa matriz, serão vistos posteriormente.
Entretanto, já podemos dizer que se uma matriz A possui uma linha ou coluna toda nula, ela não é invertível. Por
quê?

1.4.5. Matriz ortogonal

Uma matriz A quadrada de ordem m e invertível é dita ortogonal se sua transposta (At) for igual à sua
inversa; ou seja, At = A-1.

 cos   sen 0
Ex.:  
 sen cos  0
 0 1 
 0

13
1.5. Matrizes na forma escalonada por linhas

Dizemos que uma matriz está na forma escalonada por linhas quando:

i) todas as suas linhas nulas ocorrem abaixo das não-nulas;

ii) o primeiro elemento não-nulo da linha i+1 está à direita do primeiro elemento não-nulo da linha i.1

Exemplo: Verifique quais das matrizes estão na forma escalonada

4 1 0 0
 
1 0 0  1 0 0  2 0 1 0 0 0 0 0
a)  2 1 0  b) 0 1 0 c)  0 1 0 1  d)  0 0 0 1
     
 0 0 3  0 0 1 7 
0 0 0   0 0 0 0
0 0 
 0 0

Chamamos de MÉTODO DE GAUSS ou ELIMINAÇÃO GAUSSIANA o procedimento de transformar uma dada

matriz na forma escalonada. Isso pode ser feito:
I - Permutando duas linhas da matriz
II – Multiplicando uma das linhas da matriz por um número real 0
III - Somando uma das linhas da matriz a uma outra linha da matriz multiplicada por um número real

Essas modificações são chamadas OPERAÇÕES ELEMENTARES sobre as linhas da matriz. Uma matriz A
é equivalente por linhas a uma matriz B se a matriz B pode ser obtida de A por uma sequência finita dessas chamadas
operações elementares.

Exemplo: Escalonar as seguintes matrizes

4 1 0 0
 
1 0 0  0 0 0 0  2 2 2
a)  2 1 0  b)  0 0 0 1 c)  2 5 2 
     
 0 0 3 0 0 0 0  8 1 4 
0 0 
 0 0

1
Alguns autores consideram que, na matriz escalonada, o primeiro elemento não nulo de cada linha deva ser o número 1.
14
 Um outro método utilizado no escalonamento de matrizes é o de GAUSS-JORDAN. Consiste em aplicar as
operações elementares sobre linhas em uma matriz (um número finito de vezes) até chegar a uma matriz na forma
escalonada reduzida. Uma matriz na forma escalonada reduzida atende às seguintes condições:
i), ii) e
iii) o primeiro elemento não-nulo de cada linha (pivô) é o 1;
iv) se uma coluna contém o pivô, todos seus outros elementos são iguais a zero.

Exemplo: Encontrar a matriz escalonada reduzida das seguintes matrizes:

4 1 0 0
 
1 0 0  0 0 0 0  2 2 2
a)  2 1 0  b)  0 0 0 1 c)  2 5 2 
     
 0 0 3 0 0 0 0  8 1 4 
0 0 
 0 0

1.6 – Um processo de inversão de matrizes

Para determinar a inversa de uma matriz qualquer (caso ela exista), nos apoiaremos no teorema dado a seguir.
Ele é a chave para um processo específico (que não é o único...) a partir do qual conseguimos encontrar a inversa de
uma dada matriz.

TEOREMA2: Uma matriz A, quadrada de ordem n, é invertível se, e somente se, A ~ I n . Neste caso, a mesma sucessão
de operações elementares que transforma A em I n , transforma In em A-1.

Na prática, aplicamos as operações elementares em A e In simultaneamente, até chegarmos à matriz I n na

posição de A. A matriz obtida no lugar em que estava I n será a inversa de A (que é A-1).
[ A | In ] ~ … ~ [ In | A-1 ]
1 2
Exemplos: Verifique se a matriz A =   é invertível. Caso seja, encontre sua inversa.
3 1

2
Para demonstrarmos esse teorema, necessitaríamos usar:
Definição de matriz elementar: matriz quadrada, de ordem n, que pode ser obtida a partir da identidade de ordem n executando uma única
operação elementar sobre linhas.
Teorema 1: Se a matriz elementar E resulta de efetuar uma certa operação sobre linhas em I m e se A é uma matriz mxn, então o produto
EA é a matriz que resulta quando esta mesma operação sobre linhas é efetuada em A.
Teorema 2: Qualquer matriz elementar é invertível e a inversa é, também, uma matriz elementar.
15
Observação: Sabemos que uma matriz quadrada que possui uma linha ou coluna toda nula não possui inversa
(A. A-1 nunca será In ). Dessa forma, ao operarmos com a matriz A, se obtivermos uma matriz equivalente a A que
possua uma linha ou coluna nula, já podemos afirmar que A não possui inversa.

Exemplo: Encontre, caso exista, a matriz inversa de:

 1 2 1
 4 2
a) A =   b) B=  3 4 7 
6 3 1 0 3 
 

16