Matrizen - lernen mit Serlo! (2024)

Eine Matrix ist eine Anordnung von Einträgen, die als Rechteck dargestellt wird.

Anwendung finden Matrizen unter anderem bei der Lösung von linearen Gleichungssystemen und als Berechnung von linearen Abbildungen.

Struktur

$A\in\text{Mat}_{ m\times n}$ A∈Matm×n ( $\text{Mat}_{ m\times n}$ Matm×n bezeichnet die Menge aller $m \times n$ m×n Matrizen)

$A$ A besteht aus $m$ m Zeilen und $n$ n Spalten.

Die Einträge $a_{ij}$ aij nennt man "Elemente".

Ist die Anzahl der Spalten gleich 1, nennt man eine Matrix auch Vektor.

Besondere Matrizen

Nullmatrix

Bei einer Nullmatrix sind alle Elemente Null:

Beispiel: $2\times3$ 2×3 Nullmatrix $\;\;\Rightarrow\;\;{ N}=\begin{pmatrix}0&0&0\\0&0&0\end{pmatrix}$ ⇒N=(000000)

Einheitsmatrix

Die Einheitsmatrix besitzt in der Diagonale nur Einsen und sonst nur Nullen. Die Größe hängt von der Dimension der Matrix ab.

Beispiel: $3\times3$ 3×3 Einheitsmatrix $\;\;\Rightarrow\;\;{ E}_3=\begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix}$ ⇒E3=100010001

Diagonalmatrix

Die Diagonalmatrix ist der Einheitsmatrix sehr ähnlich. Sie besitzt nur auf der Diagonale Werte und sonst nur Nullen. Diese Werte müssen aber nicht unbedingt $1$ 1 sein.

$\;\;\Rightarrow\;\;$ ⇒ Einheitsmatrix ist eine besondere Diagonalmatrix.

Beispiel: $4\times4$ 4×4 Diagonalmatrix: $\begin{pmatrix} 2&0&0&0\\0& 5&0&0\\0&0& 8&0\\0&0& 0&5\end{pmatrix}$ 2000050000800005

Addition von Matrizen

Es können nur Matrizen mit gleicher Anzahl von Zeilen und Spalten addiert werden.

Multiplikation mit Skalar

Ein Skalar ist hier eine Zahl. Multipliziert man eine Matrix mit einer Zahl, wird jedes Element mit der Zahl multipliziert:

$s \cdot \begin{pmatrix}{ a}_{11}&\cdots&{ a}_{ 1n}\\\vdots&\ddots&\vdots\\{ a}_{m1}&\cdots&{ a}_{mn}\end{pmatrix}=\begin{pmatrix}s\cdot{ a}_{11}&\cdots&s\cdot{ a}_{ 1n}\\\vdots&\ddots&\vdots\\s\cdot{ a}_{m1}&\cdots&s\cdot{ a}_{mn}\end{pmatrix}$ s⋅a11⋮am1⋯⋱⋯a1n⋮amn=s⋅a11⋮s⋅am1⋯⋱⋯s⋅a1n⋮s⋅amn

Beispiel für eine 3x2 Matrix:

Die Multiplikation mit einem Skalar ist kommutativ.

Multiplikation mit einem Vektor

Multipliziert man eine Matrix von links mit einem Vektor, muss die Anzahl der Spalten der Matrix mit der Anzahl der Zeilen des Vektors übereinstimmen.

Um das erste Element des Ergebnisvektors zu erhalten, werden die Elemente der ersten Zeile mit den Elementen des Vektors multipliziert und addiert. Dargestellt an einer 3x3 Matrix und einem 3x1 Vektor:

$A\cdot\overrightarrow v=\begin{pmatrix}a&b&c\\d&e&f\\g&h&i\end{pmatrix}\cdot\begin{pmatrix}x\\y\\z\end{pmatrix}=\begin{pmatrix}ax+by+cz\\dx+ey+fz\\gx+hy+iz\end{pmatrix}=\begin{pmatrix}{ b}_1\\{ b}_2\\{ b}_3\end{pmatrix}= \overrightarrow b$ A⋅v=adgbehcfi⋅xyz=ax+by+czdx+ey+fzgx+hy+iz=b1b2b3=b

$\def\arraystretch{1.25} \;\;\Rightarrow\;\;\left.\begin{array}{c}ax+by+cz=b_1\\dx+ey+fz=b_2\\gx+hy+iz=b_3\end{array}\right.$ ⇒ax+by+cz=b1dx+ey+fz=b2gx+hy+iz=b3

Zugehöriges hom*ogenes Gleichungssystem: $A\cdot\overrightarrow{v}=0$ A⋅v=0

Hilfestellung:

Bei der Multiplikation mit einem Vektor wird immer eine Spalte der Matrix mal dem Vektor genommen.

Stell dir vor, dass der Vektor wie die Zeilen der Matrix waagerecht statt senkrecht liegt und jeweils ein Wert der Matrixzeile und ein Wert des Vektors multipliziert und dann mit einem Plus verbunden werden.

mit $b=\begin{pmatrix}{ b}_1\\\vdots\\{ b}_ n\end{pmatrix}$ b=b1⋮bn $\Rightarrow\; A\cdot \vec{x}= \vec{b}$ ⇒A⋅x=b $\;\;\Rightarrow\sum_{i=1}^n a_{ji}{ x}_ i={ b}_ j$ ⇒∑i=1najixi=bj

zugehöriges hom*ogenes System: $\Rightarrow\;\; A\cdot \overrightarrow{x}=0\;\;\;\Rightarrow\;\;\sum_{i=1}^n a_{ji}{ x}_ i=0\;$ ⇒A⋅x=0⇒∑i=1najixi=0

Multiplikation zweier Matrizen

Um zwei Matrizen multiplizieren zu können, muss die Anzahl der Spalten der linken Matrix gleich der Anzahl der Zeilen der rechten Matrix sein.

Um die Elemente der Ergebnismatrix zu erhalten, multipliziert man die Elemente der jeweiligen Zeile der linken Matrix mit den Elementen der jeweiligen Spalte der rechten Matrix und addiert die Ergebnisse.

Um also das Element $e_{ij}$ eij zu erhalten, multipliziert man die i-te Zeile der ersten Matrix mit den Elementen der j-ten Spalte der zweiten Matrix und addiert die Ergebnisse.

$\begin{pmatrix}\color{red}{ a}_{11}&\color{red}\cdots&\color{red}{ a}_{ 1n}\\\vdots&\ddots&\vdots\\{ a}_{m1}&\cdots&{ a}_{mn}\end{pmatrix} \cdot \begin{pmatrix}\color{red}{ b}_{11}&\cdots&{ b}_{ 1k}\\\color{red}\vdots&\ddots&\vdots\\\color{red}{ b}_{n1}&\cdots&{ b}_{nk}\end{pmatrix}=\begin{pmatrix}\color{red}{ a}_{11}\cdot b_{11}+\cdots + a_{1n}\cdot b_{n1}&\cdots&{ a}_{ 11}\cdot b_{1k}+\cdots + a_{1n}\cdot{ b}_{nk}\\\vdots&\ddots&\vdots\\{ a}_{m1}\cdot b_{11}+\cdots +a_{mn}\cdot{ b}_{n1}&\cdots&{ a}_{11}\cdot b_{1k}+\cdots +a_{mn}\cdot{ b}_{nk}\end{pmatrix}$ a11⋮am1⋯⋱⋯a1n⋮amn⋅b11⋮bn1⋯⋱⋯b1k⋮bnk=a11⋅b11+⋯+a1n⋅bn1⋮am1⋅b11+⋯+amn⋅bn1⋯⋱⋯a11⋅b1k+⋯+a1n⋅bnk⋮a11⋅b1k+⋯+amn⋅bnk

Beispiel:

$\begin{pmatrix}\color{red}1&\color{red}2&\color{red}3\\4&5&6\end{pmatrix} \cdot \begin{pmatrix}\color{red}1&4\\\color{red}2&5\\\color{red}3&6\end{pmatrix}=\begin{pmatrix}\color{red}1\cdot1+2\cdot 2+3\cdot3 &1\cdot 4+2\cdot 5+3\cdot 6\\4\cdot 1+5 \cdot 2+6 \cdot 3 &4 \cdot 4+5\cdot 5+6\cdot 6\end{pmatrix}=\begin{pmatrix}14&32\\32&77\end{pmatrix}$ (142536)⋅123456=(1⋅1+2⋅2+3⋅34⋅1+5⋅2+6⋅31⋅4+2⋅5+3⋅64⋅4+5⋅5+6⋅6)=(14323277)

Die Multiplikation zweier Matrizen ist nicht kommutativ.

Sie ist aber assoziativ: $\left(A\cdot B\right)\cdot C=A\cdot\left(B\cdot C\right)$ (A⋅B)⋅C=A⋅(B⋅C)

Sie ist distributiv:

$\left(A+B\right)\cdot C=A\cdot C+B\cdot C$ (A+B)⋅C=A⋅C+B⋅C

$C\cdot\left(A+B\right)=C\cdot A+C\cdot B$ C⋅(A+B)=C⋅A+C⋅B

Lineares Gleichungssystem

$\def\arraystretch{1.25} \left.\begin{array}{c}ax+by+cz=b_1\\dx+ey+fz=b_2\\gx+hy+iz=b_3\end{array}\right.$ ax+by+cz=b1dx+ey+fz=b2gx+hy+iz=b3

$\Rightarrow\;\; A\cdot\overrightarrow{ v}=\begin{pmatrix} a& b& c\\ d& e& f\\ g& h& i\end{pmatrix}\cdot\begin{pmatrix} x\\ y\\ z\end{pmatrix}=\overrightarrow{ b}$ ⇒A⋅v=adgbehcfi⋅xyz=b

$\;\;\Rightarrow\;\;$ ⇒ Jedes lineare Gleichungssystem lässt sich als Produkt einer Matrix mit einem Vektor schreiben, wobei $A$ A die Koeffizientenmatrix darstellt. Um dies zu lösen, wird die erweiterte Koeffizientenmatrix $\def\arraystretch{1.25} ( A \mid b) =\left(\begin{array}{ccc} a& b& c\\ d& e& f\\ g& h& i\end{array}\left|\begin{array}{c}{ b}_1\\{ b}_2\\{ b}_3\end{array}\right.\right)$ (A∣b)=adgbehcfib1b2b3 benötigt, die man dann entsprechend umformt.

Allgemein

$\def\arraystretch{1.25} \left.\begin{array}{c} a_{11} \cdot x_1 + \dots + a_{n1} \cdot x_n &= b_1\\ \vdots & \vdots\\ a_{1m} \cdot x_1 + \dots + a_{nm} \cdot x_n &= b_m \end{array}\right.$ a11⋅x1+⋯+an1⋅xn⋮a1m⋅x1+⋯+anm⋅xn=b1⋮=bm

$\Rightarrow\left.\begin{pmatrix}a_{11} \cdot x_1 + \dots + a_{n1} \cdot x_n\\\vdots\\a_{1m} \cdot x_m + \dots + a_{nm} \cdot x_n\end{pmatrix} =\begin{pmatrix}b_1\\\vdots\\ b_m\end{pmatrix}\right.$ ⇒a11⋅x1+⋯+an1⋅xn⋮a1m⋅xm+⋯+anm⋅xn=b1⋮bm

Ein lineares Gleichungssystem lässt sich immer als Produkt einer Matrix mit einem Vektor schreiben.

$A$ A nennt man Koeffizientenmatrix vom linearen Gleichungssystem

$\Rightarrow A\cdot \vec{x} = \begin{pmatrix}a_{11} & \dots & a_{1n}\\\vdots & \ddots & \vdots\\a_{m1} & \dots & a_{mn}\end{pmatrix} \cdot\begin{pmatrix}x_1\\\vdots\\x_n\end{pmatrix} = \vec{b}$ ⇒A⋅x=a11⋮am1…⋱…a1n⋮amn⋅x1⋮xn=b

Erweiterte Koeffizientenmatrix

Um dies zu lösen, benötigen wir die erweiterte Koeffizientenmatrix $(A\mid b)$ (A∣b).

Beispiel

$\def\arraystretch{1.25} \left.\begin{array}{c}2x+4y-5z=2\\3x-8z+4y=9\\3z-4x+4y=2\end{array}\right.$ 2x+4y−5z=23x−8z+4y=93z−4x+4y=2

Bei der Umwandlung in eine erweiterte Koeffizientenmatrix muss man beachten,

dass in der Matrix die Werte vor $x$ x, $y$ y und $z$ z untereinander stehen.

Deshalb ist es von Vorteil, anfangs die Gleichungen zu "sortieren".

Umformungen

Die Lösung ändert sich nicht bei diesen Umformungen:

Zeilen vertauschen.
Das Vielfache einer Zeile von einer anderen abziehen oder dazu addieren
Zeile durch eine Zahl (ungleich Null) teilen oder mit einem Faktor ungleich $0$ 0 multiplizieren.

Die erweiterte Koeffizientenmatrix kann durch diese Umformungen auf verschiedene Formen gebracht werden. Zu beachten ist, auch die Koeffizienten ${b}_1,\ldots,{b}_m$ b1,…,bm mit umzuformen. Die häufigste Art, eine solche Matrix zu lösen, ist der Gaußalgorithmus, in dem die Matrix auf Stufenform gebracht wird, sodass sie folgende Form hat:

$\def\arraystretch{1.25} \left(\begin{array}{ccc}1&a_1&a_2\\0&1&a_3\\0&0&1\end{array}\left|\begin{array}{c}b_1'\\b_2'\\b_3'\end{array}\right.\right)$ 100a110a2a31b1′b2′b3′

Allgemein

$\def\arraystretch{1.25} \left(\begin{array}{cccc|c}{ a}_{11}&\cdots&\cdots&{ a}_{1n}&b_1\\0&\ddots&&\vdots&\vdots\\\vdots&&\ddots&\vdots&\vdots\\0&\cdots&0&{ a}_{nn}&b_n\end{array}\right)$ a110⋮0⋯⋱⋯⋯⋱0a1n⋮⋮annb1⋮⋮bn

Wenn man diese Form erreicht hat, führt man entweder die Matrix wieder auf Gleichungen zurück und löst diese dann oder man formt weiter um. Bei eindeutig lösbaren Gleichungssystemen kann man dann

erreichen, d. h. die Matrix hat in der Diagonale $1$ 1 und sonst überall $0$ 0.

Rang einer Matrix

Formt man die Matrix zu einer Stufenform um, lässt sich leicht erkennen, welche Zeilen 0 werden. Die Anzahl der Nicht-Nullzeilen ist dann der Rang $r$ r der Matrix. Besitzt eine Matrix keine Nullzeile, so hat sie "vollen Rang".

Eine Matrix mit Rang $r$ r hat nach den Umformungen also diese Gestalt:

$\def\arraystretch{1.25} A= \left(\begin{array}{cccccc}{ a}_{11}&\cdots&\cdots&{ a}_{1r}&\cdots&\cdots\\0&\ddots&&\vdots&&\vdots\\\vdots&&\ddots&\vdots&&\vdots\\0&\cdots&0&{ a}_{rr}&\cdots&\cdots\\ 0 &\cdots&\cdots &\cdots &\cdots&0\\ \vdots &&&&&\vdots\\0 &\cdots&\cdots &\cdots &\cdots&0 \end{array}\right)$ A=a110⋮00⋮0⋯⋱⋯⋯⋯⋯⋱0⋯⋯a1r⋮⋮arr⋯⋯⋯⋯⋯⋯⋯⋮⋮⋯0⋮0 Rang von $A = \text{rg}(A) = r$ A=rg(A)=r

Dabei sind die Diagonalelemente $a_{11}$ a11 bis $a_{rr}$ arr alle von null verschieden.

Übungsaufgaben

Weitere Aufgaben zum Thema findest du im folgenden Aufgabenordner:
Aufgaben zur Matrix-Vektor-Multiplikation

FAQs

Was ist der Unterschied zwischen Matrix und Matrizen? ›

Matrizen bestehen aus m Zeilen und n Spalten, weshalb sie auch (m,n)-Matrizen genannt werden. Die Dimension einer einzelnen Matrix (Matrizen ist nur der Plural vom Begriff „Matrix“) mit m Zeilen und n Spalten ist m × n . Die Elemente einer Matrix bezeichnet man auch als Koeffizienten!

Know More ›

Wie rechnet man Matrizen Mal? ›

Wie wird eine Matrix mit einer Zahl multipliziert? Eine Matrix wird mit einer Zahl multipliziert, indem jedes Matrixelement der Matrix mit dem Skalar multipliziert wird.

View Details ›

Was ist der Sinn von Matrizen? ›

Sie stellen Zusammenhänge, in denen Linearkombinationen eine Rolle spielen, übersichtlich dar und erleichtern damit Rechen- und Gedankenvorgänge. Sie werden insbesondere dazu benutzt, lineare Abbildungen darzustellen und lineare Gleichungssysteme zu beschreiben und zu lösen.

Show Me More ›

Sind Matrizen Körper? ›

von Elementen aij aus einem Körper K heißt Matrix. Die Elemente aij heißen Komponenten der Matrix. Man spricht von den Zeilen und Spalten einer Matrix.

Tell Me More ›

Ist eine Tabelle eine Matrix? ›

Matrizen sind rechteckige Tabellen zur Darstellung von Zahlen, zum Beispiel zur Analyse von Marktanteilen von Unternehmen. Die Anordnung einer Matrix bestimmt die Anzahl der Zeilen und Spalten.

Discover More ›

Ist ein Vektor auch eine Matrix? ›

Wie man sieht, ist ein Vektor in gewisser Hinsicht ein Spezialfall einer Matrix: Eine Matrix, die nur eine Spalte hat (Spaltenvektor) bzw. nur eine Zeile (Zeilenvektor).

Warum invertiert man Matrizen? ›

Mit dem Invertieren von Matrizen kannst du dir das Lösen von manchen Gleichungssystemen erleichtern. Das Invertieren von Matrizen spielt zum Beispiel eine Rolle bei der Bestimmung von Eigenwerten einer Matrix.

Read On ›

Kann man Matrizen mit sich selbst multiplizieren? ›

A±(B⋅C)=A⋅B±B⋅C. Quadratische n×n-Matrizen kann man mit sich selbst multiplizieren, also z. B. die Matrixpotenzen A · A = A², A · A · A = A³ berechnen.

Get More Info Here ›

Was ist die Matrix leicht erklärt? ›

Eine Matrix ist eine Tabelle von Einträgen, welche in der Regel in großen Klammern dargestellt werden. Diese Matrix hat 2 Zeilen und 3 Spalten. Die Anzahl an Zeilen und Spalten (in dieser Reihenfolge) gibt die Ordnung der Matrix an. Hier haben wir eine Matrix der Ordnung ( 2 × 3 ) (2\times 3) (2×3).

Read The Full Story ›

Wer hat Matrix erfunden Mathe? ›

Der erste, der Matrizen systematisch als algebraische Objekte untersuchte, war Arthur Cayley (1821-1895). (auch wenn der Begriff ” Ring“ noch nicht erfunden war).

Wie liest man die Matrix? ›

Eine Matrix besteht aus m m m m Zeilen und n n n n Spalten und wird m\times n m × n m\times n m×n -Matrix genannt. Die Position eines Elements wird mit einem Doppelindex gekennzeichnet. Dabei gibt der erste Index i i i i die Zeile und der zweite Index j j j j die Spalte an.

Discover More Details ›

Was kann man alles mit Matrizen machen? ›

Matrizen drücken lineare Abhängigkeiten von mehreren Variablen aus und können als lineare Abbildungen interpretiert werden (und beispielsweise Spiegelungen, Projektionen und Drehungen beschreiben). Weiters können mit ihrer Hilfe lineare Gleichungssysteme sehr kompakt angeschrieben und diskutiert werden.

Find Out More ›

Was ist Matrix einfach erklärt? ›

Als Matrix wird bezeichnet: eine Anordnung in Form einer Tabelle. Matrix (Mathematik), die Anordnung von Zahlenwerten oder anderen mathematischen Objekten in Tabellenform. Matrix (Logik), der quantorenfreie Teil einer Formel in der Prädikatenlogik.

View Details ›

Wann ist eine Matrix? ›

Find Out More ›

Was geben Matrizen an? ›

Matrizen drücken lineare Abhängigkeiten von mehreren Variablen aus und können als lineare Abbildungen interpretiert werden (und beispielsweise Spiegelungen, Projektionen und Drehungen beschreiben). Weiters können mit ihrer Hilfe lineare Gleichungssysteme sehr kompakt angeschrieben und diskutiert werden.

Know More ›

Wo werden Matrizen eingesetzt? ›

Definition: Eine Matrix ist eine rechteckige Anordnung von Elementen, die in Zeilen und Spalten organisiert sind. Matrizen und Matrixdarstellungen sind essenziell in der linearen Algebra und werden eingesetzt, um lineare Gleichungssysteme, lineare Abbildungen und Transformationen zu verarbeiten.

Tell Me More ›