Matriz invertible: definición, propiedades y ejemplos

Algunas matrices se comportan como números que pueden dividirse: su transformación se puede "deshacer" multiplicando por otra matriz. Así, una matriz invertible es una matriz cuadrada que tiene otra matriz inversa, llamada su inversa.

Esta propiedad es fundamental para resolver sistemas de ecuaciones lineales, por ejemplo, donde la inversa permite calcular directamente las variables desconocidas del sistema.

En las siguientes secciones verás las definiciones precisas, las condiciones de invertibilidad, las principales propiedades, los métodos de cálculo y, por supuesto, muchos ejemplos concretos.

¿Qué es una matriz invertible?

Una matriz cuadrada A de dimensiones n×n es invertible si existe otra matriz n×n B tal que 

donde I es la matriz identidad del mismo tamaño (n×n). La matriz B se denota A^-1 (casi como A elevado a -1) y se llama la inversa de A. 

Es importante recalcar que solo las matrices cuadradas pueden ser invertibles y que las no cuadradas no tienen inversa. Esto se debe a la biyectividad en álgebra lineal. Para mantener el artículo intuitivo, nos bastará con esta regla simple.

¿Qué es la matriz identidad?

La matriz identidad I es la matriz cuadrada que actúa como el elemento neutro multiplicativo en álgebra de matrices. Multiplicar cualquier matriz compatible por I la deja igual. Puedes verla como una transformación neutra, o más rigurosamente, como la transformación identidad.

Para el caso 2x2, es:

Un ejemplo 3x3 es

La relación definitoria es 

Esto muestra que multiplicar A por su inversa devuelve el sistema a ese punto de partida neutro. Aunque la multiplicación de matrices no es conmutativa en general, en este caso el orden no importa: $=I$, porque A y A⁻¹ están definidas como inversas entre sí.

Condiciones para que una matriz sea invertible

Una matriz cuadrada A es invertible exactamente cuando cumple tres condiciones equivalentes:

• Su determinante es distinto de cero, es decir, det(A)≠0.
• Sus filas o columnas son linealmente independientes; ningún vector columna/fila es colineal con otro.
• Tiene rango completo igual a su dimensión n.

Si falla cualquiera de estas, no existe inversa.

Determinante e invertibilidad

El determinante ofrece una comprobación numérica directa. Si det(A)=0, entonces el rango de A es estrictamente menor que el número de dimensiones; la transformación que describe A colapsa en al menos una dimensión, lo que impide recuperar exactamente la transformación inversa de A; formalmente, A no tiene inversa.

Si det(A) es distinto de cero, entonces existe una inversa y puede calcularse. Esta equivalencia vale para cualquier matriz cuadrada y no requiere más derivaciones para fines prácticos. De forma intuitiva, puedes pensar en el determinante como un escalar que representa cómo A escala el volumen del espacio.

Por tanto, un valor |det(A)| > 1 significa que A expande el espacio; un determinante negativo significa que A invierte la orientación del espacio; para |det(A)| < 1, A contrae el espacio; y, naturalmente, un determinante nulo significa que la transformación que describe A reduce la dimensionalidad de ese espacio (como si juntara dos ejes).

Matrices invertibles vs. no invertibles (singulares)

Una matriz que posee inversa se denomina invertible (o no singular). Una matriz sin inversa se denomina singular.

Cómo hallar la inversa de una matriz

Existen dos métodos manuales estándar, además del cálculo directo con software.

Fórmula para una matriz 2×2

Para

con det(A)=ad-bc≠0,

Reducción por filas (Gauss-Jordan)

Forma la matriz aumentada [A| I] y aplica operaciones elementales por filas hasta que la mitad izquierda sea I. La mitad derecha contendrá entonces A^-1.

Con software (Python, etc.)

En Python con NumPy, la inversa se obtiene con numpy.linalg.inv(A) tras confirmar que det(A) ≠ 0.

Ejemplo de matriz invertible

Considera la matriz 2x2:

Primero, calcula el determinante:

Por tanto, A es invertible. Aplicando la fórmula 2x2 obtenemos:

Verifiquemos ahora el resultado obtenido:

Lo mismo ocurre con A^-1A.

Por qué importan las matrices invertibles

Las matrices invertibles son necesarias siempre que una transformación lineal deba revertirse exactamente. En sistemas lineales, garantizan una solución única. En machine learning, aparecen en las ecuaciones normales de la mínimos cuadrados ordinarios, por ejemplo cuando la matriz de diseño tiene rango completo por columnas.

Otro ejemplo es en gráficos por ordenador, donde representan transformaciones reversibles como rotaciones, escalados y traslaciones que hay que deshacer para el renderizado o la animación. También aparecen en física para resolver sistemas de ecuaciones diferenciales ordinarias, entre muchos otros casos de uso cotidianos.

Matrices invertibles y sistemas lineales

Un sistema de ecuaciones lineales puede escribirse de forma compacta como Ax=b, donde A es la matriz de coeficientes, x el vector de incógnitas y b el vector de términos independientes. Si A es invertible, la solución única se obtiene directamente mediante

Ninguna otra solución, en este caso, satisface la ecuación.

Errores comunes con matrices invertibles

Estos son algunos de los errores más frecuentes:

• Suponer que toda matriz cuadrada es invertible.
• No comprobar el determinante antes de intentar invertirla.
• Confundir la inversa con la traspuesta (solo coinciden en ciertas matrices ortogonales).
• Tratar una matriz singular como si fuera invertible y obtener resultados sin sentido o inestables en cálculos numéricos.

Propiedades clave de las matrices invertibles

Estas son las propiedades principales de las matrices invertibles en el alcance de este artículo:

Sean A y B matrices n×n invertibles. Entonces:

La inversa es única.

El producto AB es invertible y 

La inversa de la inversa es la matriz original:

El determinante de la inversa es el recíproco: 

La traspuesta de la inversa es igual a la inversa de la traspuesta: 

Conclusión

Una matriz invertible es una matriz cuadrada que tiene una inversa única que satisface A·A^-1 = I.

Las pruebas decisivas son un determinante distinto de cero y la independencia lineal de las filas o columnas. Estas propiedades indican que el sistema lineal tiene exactamente una solución y que la transformación lineal puede revertirse de forma exacta.

Si dominas las matrices invertibles, resolver sistemas de ecuaciones lineales te resultará muy ágil. Además, podrás construir modelos fiables en ciencia de datos o realizar cálculos exactos en cualquier ámbito que dependa del álgebra lineal.