Invertierbare Matrix: Definition, Eigenschaften und Beispiele

Manche Matrizen verhalten sich wie Zahlen, durch die man „teilen“ kann: Die Transformation lässt sich durch Multiplikation mit einer anderen Matrix wieder rückgängig machen. Eine invertierbare Matrix ist also eine quadratische Matrix, die eine Inverse besitzt, genannt ihre Inverse.

Diese Eigenschaft ist grundlegend, etwa beim Lösen linearer Gleichungssysteme, wo die Inverse eine direkte Berechnung der unbekannten Variablen ermöglicht.

In den folgenden Abschnitten findest du die genauen Definitionen, die Bedingungen für Invertierbarkeit, die wichtigsten Eigenschaften, Rechenverfahren und natürlich viele konkrete Beispiele.

Was ist eine invertierbare Matrix?

Eine quadratische Matrix A der Dimension n×n ist invertierbar, wenn es eine weitere n×n-Matrix B gibt, so dass 

wobei I die Einheitsmatrix derselben Größe (n×n) ist. Die Matrix B wird als A^-1 (fast wie A hoch -1) bezeichnet und heißt die Inverse von A. 

Wichtig: Nur quadratische Matrizen können invertierbar sein; nichtquadratische Matrizen besitzen keine Inverse. Das hängt mit Bijektivität in der Linearen Algebra zusammen. Für die Anschaulichkeit dieses Beitrags belassen wir es bei dieser einfachen Regel.

Was ist die Einheitsmatrix?

Die Einheitsmatrix I ist die quadratische Matrix, die in der Matrizenrechnung als multiplikatives Neutralelement wirkt. Das heißt: Multipliziert man eine passende Matrix mit I, bleibt sie unverändert. Du kannst sie dir als neutrale bzw. Identitätstransformation vorstellen.

Im 2x2-Fall gilt:

Ein 3x3-Beispiel ist:

Die definierende Beziehung ist 

Das zeigt: Multipliziert man A mit seiner Inversen, gelangt man zum neutralen Ausgangspunkt zurück. Obwohl die Matrixmultiplikation im Allgemeinen nicht kommutativ ist, spielt in diesem speziellen Fall die Reihenfolge keine Rolle: $=I$, weil A und A⁻¹ per Definition zueinander invers sind.

Bedingungen für die Invertierbarkeit einer Matrix

Eine quadratische Matrix A ist genau dann invertierbar, wenn drei äquivalente Bedingungen erfüllt sind:

• Ihre Determinante ist ungleich null, also det(A)≠0.
• Ihre Zeilen oder Spalten sind linear unabhängig, es ist also kein Spalten-/Zeilenvektor kollinear zu einem anderen.
• Sie hat vollen Rang, gleich ihrer Dimension n.

Trifft eine dieser Bedingungen nicht zu, existiert keine Inverse.

Determinante und Invertierbarkeit

Die Determinante liefert einen direkten numerischen Test. Gilt det(A)=0, ist der Rang von A strikt kleiner als die Dimension, die von A beschriebene Transformation klappt also mindestens eine Dimension zusammen. Dadurch lässt sich die inverse Transformation nicht wiederherstellen – formal: A hat keine Inverse.

Ist det(A) ungleich null, existiert eine Inverse und kann berechnet werden. Diese Äquivalenz gilt für jede quadratische Matrix und braucht für praktische Zwecke keine weitere Herleitung. Anschaulich kannst du dir die Determinante als Skalar vorstellen, der angibt, wie A das Volumen des Raums skaliert.

Ist also |det(A)| > 1, dehnt A den Raum, ein negatives Vorzeichen kehrt die Orientierung um, bei |det(A)| < 1 schrumpft A den Raum, und eine nullte Determinante bedeutet, dass die von A beschriebene Transformation die Dimensionalität reduziert (z. B. durch „Zusammenklappen“ zweier Achsen).

Invertierbare vs. nicht invertierbare (singuläre) Matrizen

Eine Matrix mit Inverser heißt invertierbar (oder regulär). Eine Matrix ohne Inverse heißt singulär.

Wie findet man die Inverse einer Matrix?

Es gibt zwei gebräuchliche manuelle Verfahren sowie die direkte Berechnung in Software.

Formel für 2×2-Matrizen

Für

mit det(A)=ad-bc≠0 gilt:

Zeilenreduktion (Gauss-Jordan)

Bilde die erweiterte Matrix [A|I] und führe elementare Zeilenumformungen aus, bis die linke Hälfte zu I wird. Die rechte Hälfte enthält dann A^-1.

Mit Software (Python etc.)

In Python mit NumPy erhältst du die Inverse über numpy.linalg.inv(A), nachdem du geprüft hast, dass det(A) ≠ 0.

Beispiel für eine invertierbare Matrix

Betrachte die 2x2-Matrix:

Zuerst die Determinante berechnen:

Damit ist A invertierbar. Mit der 2x2-Formel erhalten wir:

Prüfen wir das Ergebnis:

Entsprechend gilt auch A^-1A.

Warum invertierbare Matrizen wichtig sind

Invertierbare Matrizen brauchst du immer dann, wenn eine lineare Transformation exakt rückgängig gemacht werden muss. In linearen Systemen garantieren sie eine eindeutige Lösung. In der Machine Learning-Praxis tauchen sie in den Normalgleichungen der Kleinste-Quadrate-Schätzung auf, etwa wenn die Designmatrix vollen Spaltenrang hat.

Ein weiteres Beispiel ist die Computergrafik: Dort stehen sie für umkehrbare Transformationen wie Rotationen, Skalierungen und Translationen, die für Rendering oder Animation rückgängig gemacht werden müssen. Auch in der Physik, etwa beim Lösen von Systemen gewöhnlicher Differentialgleichungen, und in vielen weiteren Anwendungsfällen kommen sie vor.

Invertierbare Matrizen und lineare Gleichungssysteme

Ein lineares Gleichungssystem lässt sich kompakt als Ax=b schreiben, wobei A die Koeffizientenmatrix, x der Vektor der Unbekannten und b der Konstantenvektor ist. Ist A invertierbar, ergibt sich die eindeutige Lösung direkt durch

Keine andere Lösung erfüllt in diesem Fall die Gleichung.

Häufige Fehler bei invertierbaren Matrizen

Das sind einige der häufigsten Stolpersteine:

• Annehmen, dass jede quadratische Matrix invertierbar ist.
• Die Determinante nicht zu prüfen, bevor man die Inversion versucht.
• Die Inverse mit der Transponierten zu verwechseln (sie fallen nur bei bestimmten orthogonalen Matrizen zusammen).
• Eine singuläre Matrix als invertierbar zu behandeln und dadurch in numerischen Rechnungen sinnlose oder instabile Ergebnisse zu erhalten.

Zentrale Eigenschaften invertierbarer Matrizen

Das sind die wichtigsten Eigenschaften invertierbarer Matrizen im Rahmen dieses Beitrags:

Seien A und B invertierbare n×n-Matrizen. Dann gilt:

Die Inverse ist eindeutig.

Das Produkt AB ist invertierbar und 

Die Inverse der Inversen ist die Ausgangsmatrix:

Die Determinante der Inversen ist der Kehrwert: 

Die Transponierte der Inversen entspricht der Inversen der Transponierten: 

Fazit

Eine invertierbare Matrix ist eine quadratische Matrix mit einer eindeutigen Inversen, die A·A^-1 = I erfüllt.

Ausschlaggebend sind eine von null verschiedene Determinante und die lineare Unabhängigkeit der Zeilen oder Spalten. Diese Eigenschaften zeigen, dass das lineare System genau eine Lösung hat und die lineare Transformation exakt umkehrbar ist.

Wenn du invertierbare Matrizen beherrschst, löst du lineare Gleichungssysteme im Handumdrehen. Außerdem kannst du zuverlässige Modelle in der Data Science bauen oder exakte Berechnungen in allen Bereichen durchführen, die auf Linearer Algebra beruhen.