Matriz inversível: definição, propriedades e exemplos

Algumas matrizes se comportam como números que podem ser "divididos", pois a transformação pode ser "desfeita" pela multiplicação com outra matriz. Assim, uma matriz inversível é uma matriz quadrada que possui uma matriz inversa, chamada de sua inversa.

Essa propriedade é fundamental para resolver sistemas de equações lineares, por exemplo, em que a inversa permite calcular diretamente as variáveis desconhecidas do sistema.

Nas seções a seguir, vou apresentar as definições precisas, as condições de inversibilidade, as principais propriedades, os métodos de cálculo e, claro, vários exemplos concretos.

O que é uma matriz inversível?

Uma matriz quadrada A de dimensões n×n é inversível se existir outra matriz n×n B tal que 

em que I é a matriz identidade do mesmo tamanho (n×n). A matriz B é denotada por A^-1 (quase como A elevado a -1) e é chamada de inversa de A. 

É muito importante observar que apenas matrizes quadradas podem ser inversíveis e que matrizes não quadradas não têm inversa. Isso decorre do conceito de bijetividade na álgebra linear. Mas, para manter a intuição deste artigo, vamos nos contentar com essa regra simples.

O que é a matriz identidade?

A matriz identidade I é a matriz quadrada que atua como o elemento neutro multiplicativo na álgebra de matrizes. Assim, multiplicar qualquer matriz compatível por I a deixa inalterada. Você pode pensá-la como uma transformação neutra ou, de forma mais rigorosa, uma transformação identidade.

No caso 2x2, temos:

Um exemplo 3x3 é:

A relação definidora é 

Isso mostra que multiplicar A por sua inversa leva o sistema de volta a esse ponto neutro de partida. Embora a multiplicação de matrizes não seja comutativa em geral, neste caso específico a ordem não importa: $=I$, porque A e A⁻¹ são definidas como inversas uma da outra.

Condições para uma matriz ser inversível

Uma matriz quadrada A é inversível exatamente quando satisfaz três condições equivalentes:

• Seu determinante é não nulo, isto é, det(A)≠0.
• Suas linhas ou colunas são linearmente independentes; nenhum vetor coluna/linha é colinear com outro vetor coluna/linha.
• Tem posto (rank) completo igual à sua dimensão n.

Se qualquer uma delas falhar, não existe inversa.

Determinante e inversibilidade

O determinante fornece um teste numérico direto. Portanto, se det(A)=0, então o posto de A é estritamente menor que o número de dimensões; assim, a transformação descrita por A colapsa em pelo menos uma dimensão, o que por si só torna impossível recuperar a transformação inversa de A, o que, formalmente, significa que A não tem inversa.

Se det(A) é diferente de zero, então existe uma inversa e ela pode ser calculada. Essa equivalência vale para toda matriz quadrada e não requer mais derivações para fins práticos. De forma intuitiva, você pode pensar no determinante como um escalar que representa como A escala o volume do espaço.

Assim, uma magnitude |det(A)| > 1 significa que A expande o espaço; um determinante negativo significa que A inverte a orientação do espaço; para |det(A)| < 1, A contrai o espaço; e, naturalmente, um determinante nulo significa que a transformação descrita por A reduz a dimensionalidade desse espaço (como se colapsasse dois eixos).

Matrizes inversíveis vs. não inversíveis (singulares)

Uma matriz que possui inversa é chamada de inversível (ou não singular). Uma matriz sem inversa é chamada de singular.

Como encontrar a inversa de uma matriz

Existem dois métodos manuais padrão, além do cálculo direto em software.

Fórmula para matriz 2×2

Para

com det(A)=ad-bc≠0,

Redução de linhas (Gauss-Jordan)

Forme a matriz aumentada [A| I] e aplique operações elementares nas linhas até que a metade esquerda se torne I. A metade direita então conterá A^-1.

Usando software (Python, etc.)

Em Python com NumPy, a inversa é obtida por numpy.linalg.inv(A) após confirmar que det(A) ≠ 0.

Exemplo de matriz inversível

Considere a matriz 2x2:

Primeiro, calcule o determinante:

Logo, A é inversível. Aplicando a fórmula 2x2, obtemos:

Vamos verificar o resultado agora:

O mesmo vale para A^-1A.

Por que matrizes inversíveis são importantes

Matrizes inversíveis são necessárias sempre que uma transformação linear precisa ser desfeita exatamente. Em sistemas lineares, elas garantem uma solução única. Em machine learning, aparecem nas equações normais de mínimos quadrados ordinários, como quando a matriz de projeto tem posto completo por colunas.

Outro exemplo está em computação gráfica, pois elas representam transformações reversíveis como rotações, escalonamentos e translações que precisam ser desfeitas para renderização ou animação. Também aparecem em física para resolver, por exemplo, um sistema de equações diferenciais ordinárias, entre muitos outros casos de uso no dia a dia.

Matrizes inversíveis e sistemas lineares

Um sistema de equações lineares pode ser escrito de forma compacta como Ax=b, em que A é a matriz de coeficientes, x é o vetor de incógnitas e b é o vetor constante. Se A é inversível, a solução única é obtida diretamente por

Nenhuma outra solução, nesse caso, satisfaz a equação.

Erros comuns com matrizes inversíveis

Estes são alguns dos erros mais frequentes:

• Assumir que toda matriz quadrada é inversível.
• Deixar de verificar o determinante antes de tentar inverter.
• Confundir a inversa com a transposta (elas coincidem apenas para certas matrizes ortogonais).
• Tratar uma matriz singular como se fosse inversível e obter resultados sem sentido ou instáveis em cálculos numéricos.

Propriedades-chave das matrizes inversíveis

Estas são as principais propriedades de matrizes inversíveis dentro do escopo deste artigo:

Sejam A e B matrizes n×n inversíveis. Então:

A inversa é única.

O produto AB é inversível e 

A inversa da inversa é a própria matriz original:

O determinante da inversa é o recíproco: 

A transposta da inversa é igual à inversa da transposta: 

Conclusão

Uma matriz inversível é uma matriz quadrada que tem uma inversa única e satisfaz A.A^-1 = I.

Os testes decisivos são ter determinante diferente de zero e independência linear das linhas ou colunas. Essas propriedades indicam que o sistema linear tem exatamente uma solução e que a transformação linear pode ser desfeita com precisão.

Ao dominar matrizes inversíveis, resolver sistemas de equações lineares fica muito mais prático. Além disso, você conseguirá construir modelos confiáveis em data science ou realizar cálculos exatos em qualquer área que dependa de álgebra linear.