Matrix-Rechner: Determinante, Inverse und Matrizenoperationen berechnen

Die Determinante einer 2x2-Matrix mit den Einträgen a, b, c und d berechnest du nach der Formel ad minus bc: Hauptdiagonale minus Nebendiagonale. Für die Matrix [[1, 2], [3, 4]] ergibt sich 1 mal 4 minus 2 mal 3, also 4 minus 6 gleich -2.

Eine Determinante von 0 zeigt eine singuläre Matrix an, die keine Inverse besitzt und deren Zeilen linear abhängig sind. Bei der 2x2-Einheitsmatrix [[1, 0], [0, 1]] liefert dieselbe Formel 1 mal 1 minus 0 mal 0, also 1.

Geometrisch entspricht der Betrag der Determinante der Fläche des von den Spaltenvektoren aufgespannten Parallelogramms; ein negatives Vorzeichen zeigt, dass die Abbildung die Orientierung spiegelt.

Trage a11 bis a22 in den Matrix-Rechner ein, wähle die Operation Determinante und lies neben dem Zahlenwert auch den vollständigen Rechenweg ab, bevor du das Ergebnis für eine Inverse oder ein Gleichungssystem weiterverwendest.

Bei einer 3x3-Matrix entwickelst du die Determinante entlang der ersten Zeile: det(A) = a11 mal (a22 mal a33 minus a23 mal a32) minus a12 mal (a21 mal a33 minus a23 mal a31) plus a13 mal (a21 mal a32 minus a22 mal a31).

Für A = [[2, 1, 3], [0, -1, 2], [4, 5, 1]] ergibt sich 2 mal (-1 minus 10) minus 1 mal (0 minus 8) plus 3 mal (0 plus 4), also -22 plus 8 plus 12 gleich -2.

Jeder der drei Summanden ist selbst eine 2x2-Unterdeterminante, die nach Streichen der zugehörigen Zeile und Spalte entsteht.

Wählst du eine Zeile oder Spalte mit vielen Nullen als Entwicklungszeile, sparst du Rechenschritte, weil der zugehörige Summand dann wegfällt. Die Methode gilt für jede quadratische Größe, während die Sarrus-Regel auf 3x3-Matrizen begrenzt bleibt.

Der Matrix-Rechner nutzt die Laplace-Entwicklung entlang der ersten Zeile automatisch und zeigt alle drei Kofaktoren einzeln an, sodass jeder Zwischenschritt nachvollziehbar bleibt.

Die Sarrus-Regel ist ein Merkschema ausschließlich für 3x3-Determinanten: Du schreibst die ersten beiden Spalten der Matrix rechts daneben und bildest die Summe der drei Hauptdiagonalprodukte minus die drei Nebendiagonalprodukte.

Für die Matrix [[2, 1, 3], [0, -1, 2], [4, 5, 1]] liefert Sarrus dasselbe Ergebnis wie die Laplace-Entwicklung: -2.

Die Regel von Sarrus gilt jedoch nicht für 4x4- oder größere Matrizen, weil das Diagonalschema dort keine korrekte Determinante mehr ergibt - ein häufiger Fehler in Klausuren.

Die Laplace-Entwicklung zerlegt die Determinante dagegen rekursiv in kleinere Unterdeterminanten und ist für jede Matrixgröße gültig, auch für 4x4 und höher, wird dort aber schnell rechenaufwendig, weil sich die Anzahl der Unterdeterminanten mit jeder Dimension vervielfacht.

In der Praxis wählst du bei Laplace die Zeile oder Spalte mit den meisten Nullen, um Rechenschritte zu sparen.

Der Matrix-Rechner deckt Sarrus und Laplace für 2x2- und 3x3-Matrizen ab; für eine 4x4-Determinante müsstest du die Laplace-Entwicklung von Hand um eine weitere Rekursionsstufe erweitern.

Für eine 2x2-Matrix berechnest du die Inverse als A^(-1) = 1/det(A) mal [[d, -b], [-c, a]]: Für A = [[1, 2], [3, 4]] ist det(A) = -2, also A^(-1) = [[-2, 1], [1,5, -0,5]].

Bei einer 3x3-Matrix bildet der Rechner zuerst die Determinante per Laplace-Entwicklung, dann die Kofaktormatrix, transponiert sie zur Adjungierten und teilt jedes Element durch die Determinante.

Für A = [[2, 1, 0], [0, 3, 1], [1, 0, 2]] beträgt die Determinante 13, und die neun Kofaktoren liefern nach Division durch 13 die vollständige Inverse.

Ein häufiger Fehler ist ein Vorzeichenfehler in einem einzelnen Kofaktor, der dann fälschlich 11 statt der korrekten 13 als Determinante ergibt und die gesamte Inverse verfälscht.

Voraussetzung ist in jedem Fall det(A) ungleich 0 - bei einer singulären Matrix existiert keine Inverse. Kontrolliere jedes Ergebnis mit der Probe A mal A^(-1) gleich Einheitsmatrix.

Der Matrix-Rechner zeigt bei 3x3-Matrizen alle neun Kofaktoren einzeln, damit der vollständige Rechenweg nachvollziehbar bleibt.

Beim Gauß-Jordan-Verfahren erweiterst du die Matrix A um die Einheitsmatrix zu [A | I] und wendest so lange Zeilenumformungen an, bis links die Einheitsmatrix steht - rechts steht dann die gesuchte Inverse A^(-1).

Für A = [[1, 2], [3, 4]] führt das Verfahren über mehrere Zeilenschritte zum selben Ergebnis wie die Adjungiertenformel: A^(-1) = [[-2, 1], [1,5, -0,5]].

Der Vorteil von Gauß-Jordan zeigt sich vor allem bei größeren Matrizen ab 4x4, weil die Kofaktormethode dort mit wachsender Größe extrem rechenaufwendig wird, während Gauß-Jordan deutlich moderater mit der Größe skaliert.

Für 2x2- und 3x3-Matrizen liefern beide Methoden identische Ergebnisse, unterscheiden sich aber im Rechenweg: Gauß-Jordan arbeitet mit Zeilenoperationen, die Adjungiertenformel mit Determinanten und Kofaktoren.

Der Matrix-Rechner nutzt für 2x2- und 3x3-Matrizen die Adjungiertenformel, weil sie sich ohne Zwischenschritte direkt auswerten lässt und der komplette Rechenweg in einer Zeile darstellbar bleibt.

Bei der Matrixmultiplikation A mal B wird jedes Element c_ij der Ergebnismatrix als Skalarprodukt der i-ten Zeile von A mit der j-ten Spalte von B berechnet.

Für 2x2-Matrizen [[1, 2], [3, 4]] mal [[5, 6], [7, 8]] ergibt sich [[1*5+2*7, 1*6+2*8], [3*5+4*7, 3*6+4*8]] gleich [[19, 22], [43, 50]]. Die Multiplikation ist nicht kommutativ: A mal B ist im Allgemeinen ungleich B mal A.

Dasselbe Beispiel zeigt es deutlich, denn B mal A liefert [[23, 34], [31, 46]], ein völlig anderes Ergebnis.

In der Computergrafik verketten Matrixmultiplikationen mehrere Transformationen wie Rotation, Skalierung und Translation in einem einzigen Schritt.

Voraussetzung für die Multiplikation ist, dass die Spaltenanzahl von A mit der Zeilenanzahl von B übereinstimmt; bei quadratischen Matrizen gleicher Größe ist diese Bedingung automatisch erfüllt.

Wähle im Matrix-Rechner die Operation Produkt und trage beide Matrizen A und B vollständig ein, denn anders als bei den unären Operationen wird hier immer Matrix B benötigt.

Bei der Matrixsumme addierst du zwei Matrizen gleicher Dimension elementweise: c_ij = a_ij + b_ij. Für A = [[1, 2], [3, 4]] und B = [[5, 6], [7, 8]] ergibt sich A + B = [[6, 8], [10, 12]], denn 1+5=6, 2+6=8, 3+7=10 und 4+8=12.

Im Gegensatz zur Multiplikation ist die Addition kommutativ: A + B liefert stets dasselbe Ergebnis wie B + A.

Voraussetzung ist, dass beide Matrizen exakt dieselbe Dimension haben - eine 2x2- und eine 3x3-Matrix lassen sich nicht addieren, der Rechner erlaubt hier nur gleich große Eingaben.

In der Bildverarbeitung überlagert die Matrixsumme zwei Transformationen oder Bildmasken, in der Statistik fasst sie Kovarianzmatrizen aus mehreren Messreihen zusammen.

Wähle im Rechner die Operation Summe, trage die Elemente von Matrix A und B ein und lies das elementweise Ergebnis direkt ab, ohne auf die Reihenfolge der beiden Matrizen achten zu müssen.

Die Transponierte entsteht durch Vertauschen von Zeilen und Spalten: Das Element in Zeile i, Spalte j wird zu Zeile j, Spalte i. Aus der Matrix [[1, 2], [3, 4]] wird [[1, 3], [2, 4]].

Eine symmetrische Matrix ist identisch mit ihrer Transponierten, das heißt a_ij = a_ji für alle Einträge. Symmetrische Matrizen treten in der Physik als Trägheitsmoment-Tensoren oder in der Statistik als Kovarianzmatrizen auf.

Für die Transponierte gelten Rechenregeln: Die Transponierte eines Produkts ist das Produkt der Transponierten in umgekehrter Reihenfolge, also (AB)^T = B^T mal A^T, und die Determinante bleibt beim Transponieren unverändert.

Eine orthogonale Matrix erfüllt A^T = A^(-1), ihre Transponierte ist also gleichzeitig ihre Inverse - Drehmatrizen sind ein klassisches Beispiel dafür.

Wähle im Matrix-Rechner die Operation Transponierte für 2x2- oder 3x3-Matrizen; das Ergebnis prüft der Rechner automatisch auf Symmetrie und zeigt die entsprechende Eigenschaft direkt an.

Der Rang gibt die Anzahl linear unabhängiger Zeilen oder äquivalent dazu die Anzahl linear unabhängiger Spalten an und wird per Gauß-Elimination bestimmt.

Eine 3x3-Matrix mit Rang 3 hat vollen Rang, ihr lineares Gleichungssystem besitzt genau eine Lösung. Rang 2 bedeutet, dass eine Zeile von den anderen abhängt, Rang 1, dass alle Zeilen kollinear sind.

Für die Matrix [[1, 2, 3], [2, 4, 6], [0, 1, 1]] ermittelt der Rechner Rang 2, weil die zweite Zeile exakt das Doppelte der ersten ist; bei der Gauß-Elimination wird diese Zeile zu einer Nullzeile reduziert.

In der Praxis bestimmt der Rang die Dimension des Lösungsraums: Die Anzahl freier Parameter ist n minus Rang, wobei n die Spaltenanzahl ist.

Bei einer regulären 3x3-Matrix mit vollem Rang 3 gibt es null freie Parameter und damit genau eine eindeutige Lösung. Wähle im Rechner die Operation Rang, um diese Eigenschaft für deine eigene 2x2- oder 3x3-Matrix direkt zu prüfen.

Der Rechner prüft automatisch drei zentrale Eigenschaften jeder eingegebenen Matrix.

Symmetrie liegt vor, wenn a_ij = a_ji für alle Elemente gilt, die Matrix also identisch mit ihrer Transponierten ist; symmetrische Matrizen haben stets reelle Eigenwerte.

Eine Diagonalmatrix hat ausschließlich Nullen außerhalb der Hauptdiagonale, während auf der Diagonale beliebige Werte stehen können - sie ist besonders einfach zu invertieren, weil jeder Diagonaleintrag einzeln als Kehrwert gebildet wird.

Die Einheitsmatrix ist eine spezielle Diagonalmatrix mit ausschließlich Einsen auf der Diagonale und das neutrale Element der Multiplikation, denn A mal I = I mal A = A für jede Matrix A gleicher Größe.

Für die 3x3-Einheitsmatrix beträgt die Determinante 1 und der Rang 3. Diese drei Eigenschaften werden bei jeder Berechnung automatisch erkannt und im Ergebnis angezeigt.

Der Rechner deckt dabei 2x2- und 3x3-Matrizen ab; für größere Matrizen müsstest du die Prüfung manuell auf weitere Zeilen und Spalten ausdehnen.