V matematiki je matrika (množina: matrike) pravokotna tabela števil ali drugih objektov, razporejenih v vrsticah in stolpcih. Vrstice tečejo vodoravno od leve proti desni, stolpci pa navpično od zgoraj navzdol. Zapis matrike dimenzij m × n pomeni, da ima m vrstic in n stolpcev; element v i-ti vrstici in j-tem stolpcu običajno označimo a_{ij}. Leva zgornja celica je v vrstici 1 in stolpcu 1 (glej diagram na desni).
Vrste matrik
Obstaja več posebnih vrst matric, najpogostejše so:
- Enodimenzionalna matrika (vektor) — ena vrstica (1 × n) ali en stolpec (m × 1).
- Pravokotna matrika — matrika, kjer m ≠ n.
- Kvadratna matrika — matrika z enakim številom vrstic in stolpcev (m = n).
- Diagonalna matrika — kvadratna matrika z ničlami izven glavne diagonale.
- Enotska (identiteta) matrika I — kvadratna diagonalna matrika z enicami na diagonali; deluje kot nevtralni element pri množenju.
- Ničelna matrika — vsi elementi so enaki 0.
- Trikotna matrika — zgornja ali spodnja trikotna matrika (vse pod/čez diagonalo so ničle).
- Simetrična matrika — A^T = A (transponirana matrika je enaka izhodiščni).
- Ortogonalna matrika — kvadratna matrika, katere obratna matrika je enaka transponirani: A^{-1} = A^T.
- Skew‑simetrična (antisimetrična) — A^T = −A.
Osnovne operacije
Na matrikah so definirane različne operacije. Pomembno je, da so pravila pogosto drugačna kot pri navadnih številih:
- Seštevanje in odštevanje: dve matriki iste dimenzije seštejemo tako, da seštejemo pripadajoče elemente. Operaciji sta komutativni in asociativni.
- Skalarno množenje: množenje matrike z realnim (ali kompleksnim) številom poteka tako, da pomnožimo vsak element matrike s tem številom.
- Množenje matrik: množenje A (m × n) in B (n × p) je mogoče le, če se število stolpcev prve ujema s številom vrstic druge; rezultat je matrika dimenzij m × p. Pri množenju se za element (i,j) izračuna skalarni produkt i-te vrstice iz A in j-tega stolpca iz B. Množenje matrik ni komutativno v splošnem: A·B ne daje vedno enakega rezultata kot B·A. V besedilu so ohranjeni izvirni primeri s slikami: A ⋅ B {\displaystyle A\cdot B}
ne daje vedno enakega rezultata kot B ⋅ A {\displaystyle B\cdot A}.
- Transponiranje (A^T): zamenjava vrstic in stolpcev.
- Determinanta: definirana le za kvadratne matrike; vrednost pove, ali je matrika obrnljiva (det ≠ 0) in ima geometrijske interpretacije (npr. merilo spremembe volumna pri linearni preslikavi).
- Inverse matrike (A^{-1}): obstaja le za kvadratne matrike z nenično determinanto; A·A^{-1} = I.
- Traces (sled): vsota elementov na glavni diagonali kvadratne matrike; uporabna pri teoriji lastnih vrednosti in invarianti.
- Rang: največje število linearno neodvisnih vrstic ali stolpcev; pove dimenzijo slike linearne preslikave, ki jo predstavlja matrika.
Lastnosti in opombe
- Množenje ni komutativno; je pa asociativno in distributivno glede na seštevanje.
- Kvadratne matrike se pogosto preučujejo zaradi lastnih vrednosti in lastnih vektorjev, ki opisujejo invariance linearnih preslikav.
- Matrike z več kot dvema indeksoma običajno imenujemo tenzorji ali večdimenzionalni nizi; v računalništvu so pogosti tudi tridimenzionalni nizi za slike in podatke.
Uporaba v znanosti in tehnologiji
Številne naravoslovne in tehnične vede pogosto uporabljajo matrike. Na številnih univerzah se predmeti o matrikah (običajno imenovani linearna algebra) poučujejo zelo zgodaj, včasih celo v prvem letniku študija. Matrike so zelo pogoste tudi v računalništvu. Glavne aplikacije vključujejo:
- Reševanje sistemov linearnih enačb (Gaussova eliminacija).
- Predstavljanje linearnih preslikav v geometriji in računalniški grafiki (rotacije, skaliranja, projekcije).
- Fizikalne simulacije in modeliranje (dinamika, kvantna mehanika).
- Obdelava signalov in slik (filtri, transformacije).
- Strojno učenje in statistika (kovariančne matrike, regresije, nevronske mreže).
- Markovljevi procesi in teorija omrežij (prenos stanj, povezave med vozlišči).
Kje se matrike pojavijo v praksi
Matrike so vgrajene v številne programske knjižnice in okolja (npr. MATLAB, NumPy, R), ki omogočajo učinkovite algoritme za operacije z velikimi matrikami. V računalniški grafiki se 4×4 matrike uporabljajo za homogeno predstavitev 3D transformacij; v statistiki so velikokrat ključne pri modeliranju in dimenzijski redukciji (npr. PCA).
Na kratko: matrika je osnovna struktura za reprezentacijo in obdelavo linearnih odnosov. Razumevanje vrst matric, njihovih operacij in lastnosti je ključno za številna področja matematike, naravoslovja in tehnike.

