A matematikában a mátrix (többes számban: mátrixok) egy sorokba és oszlopokba rendezett számokból álló téglalap. A sorok egyenként balról jobbra (vízszintes) sorok, az oszlopok pedig fentről lefelé (függőlegesen) haladnak. A bal felső cella az 1. sor, 1. oszlop (lásd a jobb oldali ábrát).

Vannak szabályok a mátrixok összeadására, kivonására és "összeszorzására", de ezek a szabályok eltérnek a számoktól. Például az A B {\displaystyle A\cdot B}{\displaystyle A\cdot B} nem mindig adja ugyanazt az eredményt, mint a B A {\displaystyle B\cdot A}. {\displaystyle B\cdot A}, ami a közönséges számok szorzása esetén is így van. Egy mátrixnak több mint 2 dimenziója lehet, például egy 3D mátrix. Emellett egy mátrix lehet egydimenziós is, mint egyetlen sor vagy oszlop.

Sok természettudományban elég sokszor használnak mátrixokat. Sok egyetemen már nagyon korán, néha már a tanulmányok első évében tanítják a mátrixokról szóló kurzusokat (általában lineáris algebrának nevezik). A mátrixok a számítástechnikában is nagyon gyakoriak.

Definíció, jelölés és alapfogalmak

Egy mátrixot általában nagybetűvel jelölünk, például A, és mérete szerint írjuk le: A egy m × n mátrix, ha m sora és n oszlopa van. Az A mátrix i-edik sorának j-edik oszlopában álló elemet Aij-vel jelöljük (vagy A(i,j)-vel). A mátrixokat tetszőleges számhalmaz elemeiből képezhetjük (például valós számokból vagy komplex számokból).

Vektorok: egy sor vagy egy oszlopmátrixot gyakran vektorként értelmezünk (egydimenziós mátrix). A sorvektor 1 × n, az oszlopvektor n × 1 méretű.

Megjegyzés a több dimenzióról: a "3D mátrix" kifejezést néha használják a gyakorlatban háromdimenziós tömbökre, de a tiszta matematikában az ilyen többindexű tömböket általában tenzoroknak nevezzük — a mátrixok hagyományosan két indexű objektumok (sor/oszlop).

Műveletek

  • Összeadás és kivonás: két mátrix összeadható/ki vonható akkor és csak akkor, ha ugyanakkora a méretük (ugyanannyi soruk és oszlopuk van). Az összeadás minden elemenként történik: (A + B)ij = Aij + Bij.
  • Skalárszorzás: egy mátrix minden elemét megszorozzuk ugyanazzal a számmal: (cA)ij = c · Aij.
  • Mátrixszorzás: A (m × n) méretű A és a (n × p) méretű B mátrix szorzata AB definiált, és (m × p) méretű lesz. Elemenként: (AB)ik = Σj=1..n Aij Bjk. Ez a művelet általában nem kommutatív: AB ≠ BA lehet (és gyakran így is van).
  • Transzponálás: az AT transzponált mátrixot úgy kapjuk, hogy a sorokat oszlopokká cseréljük: (AT)ij = Aji. Ha A = AT, akkor A szimmetrikus.
  • Identitás és inverz: az In az n × n-es egységmátrix, amelyre InA = A = A In. Egy négyzetes A mátrixnak létezhet inverze A-1, amelyre A A-1 = I és A-1 A = I; az inverz akkor létezik, ha A rangja n (vagyis determinánsa nem nulla).

Fontos tulajdonságok és fogalmak

  • Rang: a rang (rank) az oszlopok (vagy sorok) lineáris függetlenségének dimenziója; megmutatja, hány lineárisan független oszlopa van a mátrixnak.
  • Determináns: csak négyzetes mátrixokhoz van értelmezve; a determináns értéke megadja többek között azt, hogy a mátrix invertálható-e (det ≠ 0 esetén igen), és a lineáris transzformáció térfogat-skálázását adja meg.
  • Sajátértékek és sajátvektorok: λ sajátérték és v ≠ 0 sajátvektor esetén A v = λ v teljesül. Ezek kulcsfogalmak lineáris algebrai alkalmazásokban.
  • Speciális mátrixok: diagonális, felső-/alsó háromszögmátrix, szimmetrikus, szembefordított (skew-symmetric), ortogonális (AT A = I), egységmátrix, zérusmátrix, ritka/sparse mátrixok stb.

Példák és egyszerű számítások

Példa két 2×2-es mátrix szorzatára:

A = [a b; c d], B = [e f; g h] ⇒ AB = [a·e + b·g, a·f + b·h; c·e + d·g, c·f + d·h].

Összeadás például: [1 2; 3 4] + [5 6; 7 8] = [6 8; 10 12]. Skalárszorzás: 2·[1 2; 3 4] = [2 4; 6 8].

Alkalmazások

A mátrixok és a hozzájuk kapcsolódó fogalmak a lineáris algebrában és azon túl számos területen nélkülözhetetlenek:

  • Rendszerek megoldása: lineáris egyenletrendszereket (Ax = b) mátrixokkal és módszerekkel (pl. Gauss-elimináció, LU-felbontás) oldunk meg.
  • Lineáris transzformációk: a mátrixok reprezentálják a vektorok lineáris transzformációit (pl. forgatások, tükrözések, skálázások).
  • Számítástechnika és gépi tanulás: adatok, súlyok és lineáris műveletek mátrixok formájában jelennek meg; a hatékony mátrixműveletek kritikusak a teljesítmény szempontjából.
  • Számítógépes grafika: 2D/3D transzformációk, homogén koordináták és renderelés mátrixokkal történik.
  • Fizika és mérnöki tudományok: kvantummechanika operátorai, rugalmas rendszerek számítása, hálózatok és Markov-láncok (átmeneti mátrixok).
  • Grafok és hálózatok: szomszédsági mátrixokkal reprezentáljuk a gráfok szerkezetét, és ezek alapján számítunk pl. útvonalakat, centralitást stb.

Gyakorlati szempontok

A mátrixműveletek számítási költsége fontos: egy n × n-es mátrix és egy n × n-es mátrix szorzása a legegyszerű algoritmussal O(n^3) idő, de léteznek gyorsabb eljárások (például Strassen-módszer). Nagy, ritka mátrixok esetén speciális tárolási és számítási módszereket alkalmaznak a memória és a sebesség optimalizálására.

Összegzés

A mátrixok alapvető eszközök a lineáris algebrában: rendezett számrendszerek, amelyeken definiált műveletek képessé tesznek minket vektorok és lineáris transzformációk kezelésére, rendszerek megoldására és sokféle gyakorlati probléma modellezésére. A mátrixműveletek szabályai és tulajdonságai — különösen a nemkommutativitás, a rang, a determináns és az inverz léte — meghatározzák, hogy egy adott feladatra mely módszereket alkalmazhatjuk.