Transformaciones identidad e inversa: deshacer un mapa de características

Supón que un paso de preprocesamiento mezcla dos características antes de que entren en un modelo de IA. Más tarde quieres recuperar las coordenadas originales para depurar, elaborar un informe o alimentar otro modelo. ¿Cómo puedes saber si la transformación es realmente reversible y cómo puedes deshacerla sin tomar una decisión numérica frágil?

Al terminar esta lección podrás reconocer el comportamiento identidad, calcular y verificar la inversa de una matriz pequeña, distinguir una inversa de una transpuesta, identificar casos singulares y casi singulares, y explicar por qué normalmente se resuelve directamente un sistema lineal en lugar de formar una inversa de manera explícita.

Resultado de aprendizaje: Reconocer el comportamiento identidad y verificar la inversa de una matriz pequeña.

La lección 20: Los productos matriz-matriz componen transformaciones y lotes mostró que un producto puede componer aplicaciones lineales. El sitio complementario oficial de Mathematics for Machine Learning desarrolla las operaciones identidad, inversa y transpuesta en la sección 2.2 del PDF del libro, y después las conecta con los sistemas de ecuaciones en la sección 2.3. La notación sigue ese recorrido, pero los números, la visualización, el escenario de preprocesamiento, el código y las preguntas son originales.

Identidad significa «dejar intactas las coordenadas»

Para un vector columna bidimensional, la matriz identidad es

Multiplicar por $I_2$ deja sin cambios todas las coordenadas. Si $\boldsymbol{x}=[x_1,x_2]^{\mathsf T}$, entonces

Los unos de la diagonal conservan cada coordenada, mientras que los ceros fuera de la diagonal impiden que una coordenada contribuya a la otra. La identidad es la versión matricial del número $1$: multiplicar por ella no cambia nada, pero proporciona un objetivo preciso para comprobar si otra matriz se ha deshecho.

Importan ambos lados. El producto de matrices está ordenado, así que una inversa útil debe restaurar la identidad al multiplicarla por cualquiera de los dos lados, no limitarse a hacer que un vector seleccionado parezca correcto.

Una inversa deshace una transformación

Sea $A$ una matriz cuadrada. Una inversa, escrita $A^{-1}$, es una matriz que satisface

Si un vector de características se convierte primero en $\boldsymbol{z}=A\boldsymbol{x}$, multiplicarlo por $A^{-1}$ recupera la entrada:

Esta es una regla de cancelación para matrices. No afirma que toda matriz tenga una inversa. Una matriz debe conservar suficientes direcciones independientes para que exista una inversa; veremos qué falla cuando no es así.

La visualización usa

El cuadrado unidad se convierte en un paralelogramo mediante $A$ y vuelve a las mismas esquinas mediante $A^{-1}$. La tabla es el registro estático y legible en texto de la correspondencia entre cada esquina. La figura mantiene una correspondencia uno a uno porque el determinante de esta $A$ es 1, no cero.

Ejemplo resuelto: invertir una matriz 2 × 2

Para

el determinante es

Cuando este número no es cero, la fórmula de la inversa 2 × 2 es

La fórmula incorpora dos comprobaciones: intercambiar las entradas diagonales, cambiar el signo de las entradas fuera de la diagonal y dividir por el determinante. El determinante distinto de cero es lo que hace legal esa división.

También podemos probar la inversa transformando un vector de características. Sea

El mapa directo da

La inversa lo devuelve:

La comprobación del producto matricial es más sólida que esta comprobación con un solo vector. Muchas matrices incorrectas pueden deshacer por casualidad un vector concreto; solo las ecuaciones de identidad demuestran que la transformación se ha invertido para todos los vectores del espacio.

Una inversa no es una transpuesta

La transpuesta $A^{\mathsf T}$ intercambia filas y columnas:

Eso es una reorientación de los ejes. La inversa resuelve el requisito diferente $AA^{-1}=I$. Pueden ser iguales en casos especiales, pero en general una operación no puede sustituir a la otra.

En la matriz del ejemplo, $A$ resulta ser simétrica, por lo que $A^{\mathsf T}=A$. Pero su inversa es

que claramente no es $A$. La simetría por sí sola no hace que una matriz sea ortogonal ni convierte su transpuesta en una inversa.

Este es un contraejemplo no simétrico:

La transpuesta conserva las entradas, pero cambia su orientación. La inversa cambia signos y combina coordenadas para que los dos productos matriciales se conviertan en la identidad. Solo cuando $Q^{\mathsf T}Q=I$—por ejemplo, en una rotación o reflexión pura—se cumple $Q^{-1}=Q^{\mathsf T}$.

Aplicación de IA: invertir un cambio aprendido de coordenadas de características

Muchas canalizaciones trabajan con un vector de características centrado en lugar de los valores de las características sin procesar. Sea $\boldsymbol{x}\in\mathbb{R}^2$ el vector de dos características sin procesar y $\boldsymbol{\mu}$ un vector medio fijo. Un paso de preprocesamiento lineal puede escribirse como

La matriz $A$ mezcla y cambia la escala de las coordenadas centradas. Esto puede ser útil cuando un modelo posterior funciona mejor en un sistema de características rotado o expresado de otra manera. Si $A$ es invertible y se conserva el mismo $\boldsymbol{\mu}$, el vector original puede recuperarse mediante

La inversa no es un botón mágico para deshacer una canalización de preprocesamiento completa. Invierte este mapa lineal concreto. Si después la canalización recorta valores, elimina una característica, redondea a enteros o aplica una operación no inyectiva, ha descartado información que ninguna inversa matricial puede reconstruir.

Por ejemplo, toma

Primero centra el vector de características:

Las coordenadas transformadas son $\boldsymbol{z}=[8,5]^{\mathsf T}$, como en el ejemplo resuelto. Al invertirlas obtenemos

Un hábito práctico de depuración es registrar juntos el significado de los ejes, la media usada para centrar y la versión exacta de la matriz. Una inversa de un ajuste de preprocesamiento más reciente puede ser matemáticamente válida y aun así ser la inversa equivocada para un lote anterior.

Las transformaciones singulares pierden distinciones

Considera

Su determinante es

La segunda fila es el doble de la primera, por lo que $S$ solo tiene una dirección independiente. También asigna entradas diferentes a la misma salida:

Una vez que esas dos entradas colisionan, un observador que solo vea la salida no puede saber qué entrada se usó. Una inversa tendría que enviar una salida a dos vectores distintos, algo imposible para una función. NumPy informa de este fallo como LinAlgError cuando se pide a numpy.linalg.inv o numpy.linalg.solve que trabajen con una matriz cuadrada singular; consulta la documentación de la inversa y la documentación de solve.

La singularidad no es solo un error de software. Puede significar que un mapa de características ha colapsado una dirección, que dos columnas son redundantes o que la representación de un modelo no contiene información suficiente para la reconstrucción solicitada. Una pseudoinversa o una estimación por mínimos cuadrados aún puede ser útil para una pregunta diferente, pero no es la inversa exacta por ambos lados de $S$.

Casi singular es una advertencia numérica, no un éxito

Ahora cambia una entrada en una cantidad muy pequeña:

Su determinante es aproximadamente $10^{-8}$, por lo que técnicamente es invertible. Pero sus filas son casi paralelas. Pequeños cambios de medición o redondeo pueden producir grandes cambios en el vector recuperado. Un número de condición resume esta sensibilidad; en la norma 2 habitual, un valor cercano a $4\times10^8$ significa que la resolución puede consumir muchos dígitos de precisión de la entrada. NumPy ofrece este diagnóstico como numpy.linalg.cond.

La distinción es importante:

El determinante por sí solo no es un umbral de seguridad universal independiente de la escala. Multiplicar una matriz por un escalar grande también cambia su determinante, así que hay que revisar el número de condición, los valores singulares, los residuos y la escala de la aplicación. Un determinante de punto flotante distinto de cero es evidencia de invertibilidad para esa representación, no una garantía de que la reconstrucción sea fiable.

Por qué se prefiere solve a construir una inversa explícita

La ecuación

tiene la solución matemática $\boldsymbol{x}=A^{-1}\boldsymbol{b}$ cuando $A$ es invertible. Sin embargo, en código, si solo necesitas $\boldsymbol{x}$, es innecesario formar primero la $A^{-1}$ completa. numpy.linalg.solve acepta directamente $A$ y $\boldsymbol{b}$ y calcula la solución del sistema; numpy.linalg.inv construye la matriz inversa y advierte que los resultados mal condicionados pueden ser inexactos.

Por tanto, el patrón de implementación preferido es:

import numpy as np

A = np.array([[2.0, 1.0],
              [1.0, 1.0]])
b = np.array([2.0, 1.0])

x_from_solve = np.linalg.solve(A, b)
x_from_inverse = np.linalg.inv(A) @ b

np.testing.assert_allclose(x_from_solve, [1.0, 0.0])
np.testing.assert_allclose(x_from_inverse, x_from_solve)
np.testing.assert_allclose(A @ x_from_solve, b)

Ambos caminos coinciden en este ejemplo pequeño y bien condicionado. La diferencia de ingeniería importante es que solve calcula la solución solicitada sin materializar una matriz que quizá nunca uses. También mantiene explícito el algoritmo de resolución del sistema, de modo que el código comunica la tarea real: resolver $A\boldsymbol{x}=\boldsymbol{b}$.

Si varios términos independientes comparten la misma $A$, pásalos como columnas de una matriz $B$ y resuelve $AX=B$ en una sola llamada. Si $A$ es singular, solve no es la herramienta adecuada para una solución exacta; elige un método como mínimos cuadrados solo cuando su objetivo diferente corresponda a la aplicación. Comprueba siempre un residuo:

Un residuo pequeño en las unidades del problema es evidencia de que el vector calculado resuelve el sistema proporcionado. Por sí solo, no demuestra que el sistema esté bien condicionado ni que la matriz represente el paso de preprocesamiento correcto.

La siguiente lección hará explícito el paso de resolución mediante operaciones por filas. Por ahora, la identidad es el objetivo, la inversa es el mapa reversible, la transpuesta es un intercambio de ejes y el condicionamiento indica si una inversión legal desde el punto de vista matemático es sensata numéricamente.

Comprueba lo que has entendido

x = np.linalg.solve(A, b)

np.testing.assert_allclose(A @ x, b)