Matrizen als Transformation – Mathe für KI & Data Science

Worum es geht: Eine Matrix sieht aus wie ein Zahlenblock und wirkt abschreckend. Dabei ist sie etwas sehr Anschauliches: eine Verwandlungsvorschrift für den Raum. Sie nimmt jeden Punkt und schiebt ihn woandershin – alle nach derselben Regel.

1. Die Verwandlungsmaschine 🏠

Stellen Sie sich ein Haus auf kariertem Papier vor. Eine Matrix ist eine Maschine, in die Sie das Haus hineinstecken und aus der ein verwandeltes Haus herauskommt: größer, gedreht, breitgezogen, gekippt oder gespiegelt.

Das Erstaunliche: Dafür genügen vier Zahlen. Sie beschreiben nichts weiter als zwei Angaben – wohin die Richtung „nach rechts“ wandert und wohin die Richtung „nach oben“. Alles andere ergibt sich daraus.

Eine Matrix beschreibt, wohin die Grundrichtungen wandern. Steht die erste Spalte auf [2, 0], dann wird aus einem Schritt nach rechts ein Doppelschritt nach rechts – und jeder Punkt der Ebene macht das mit.

2. Probieren Sie die Verwandlungen aus

Die gestrichelte Linie ist das ursprüngliche Haus, die blaue Fläche das verwandelte. Die beiden farbigen Pfeile zeigen, wohin die Grundrichtungen gewandert sind:

LaborEine Matrix verwandelt Raum

[1001]

Orange: wohin die Rechts-Richtung wandert. Grün: wohin die Hoch-Richtung wandert.

Die Einheitsmatrix verändert nichts – sie ist die Eins der Matrizenwelt.

Determinante: 1.00 — Flächen werden 1.00-fach

Vier Zahlen genügen, um jede Streckung, Drehung, Spiegelung und Scherung der Ebene zu beschreiben.

3. Die Determinante: Was mit der Fläche passiert 📐

Unter jeder Verwandlung steht eine einzelne Zahl, die Determinante. Sie beantwortet eine einzige Frage: Um welchen Faktor ändert sich die Fläche?

Determinante 2 → alle Flächen werden doppelt so groß.
Determinante 1 → Flächen bleiben gleich. Typisch für Drehungen.
Determinante negativ → zusätzlich gespiegelt, links und rechts vertauschen.
Determinante 0 → alles fällt auf eine Linie zusammen.

Der letzte Fall ist der interessanteste. Probieren Sie im Labor „Plattdrücken“: Das Haus wird zu einem Strich. Aus einem Strich lässt sich das Haus nicht zurückgewinnen – die Information ist weg. Fachleute sagen, die Matrix sei nicht invertierbar.

Warum das in der Praxis zählt

Wenn beim Training eines Modells eine Fehlermeldung über eine „singuläre Matrix“ erscheint, ist genau das passiert: Zwei Merkmale in Ihren Daten sagen dasselbe aus – etwa Körpergröße in Zentimetern und in Metern. Das Modell kann sie nicht auseinanderhalten, die Fläche fällt zusammen. Abhilfe: eines der beiden Merkmale streichen.

4. Warum KI ohne Matrizen nicht funktioniert 🧮

Ein neuronales Netz besteht aus Schichten, und jede Schicht tut genau eine Sache: Sie nimmt die Zahlen der vorigen Schicht, multipliziert sie mit einer Matrix und verbiegt das Ergebnis leicht. Mehr nicht.

Die Matrix enthält dabei die gelernten Zahlen – das, was beim Training mit dem Gradientenabstieg aus der vorigen Lektion nachjustiert wurde. Ein Sprachmodell mit Milliarden Parametern ist nichts anderes als sehr viele sehr große Matrizen.

Das erklärt auch, warum ausgerechnet Grafikkarten für KI verwendet werden: Sie wurden dafür gebaut, Matrizenrechnungen massenhaft parallel auszuführen – ursprünglich, um in Spielen Objekte zu drehen und zu strecken. Dieselbe Rechenart, anderer Zweck.

Als Formel ansehen

[a b; c d] · [x; y] = [a·x + b·y; c·x + d·y]

Matrizenmultiplikation ist nicht vertauschbar: A·B ist im Allgemeinen etwas anderes als B·A. Anschaulich: Erst drehen und dann strecken ergibt ein anderes Bild als erst strecken und dann drehen.

5. In Python

matrix.py

import numpy as np

drehen = np.array([[0.71, -0.71],
                   [0.71,  0.71]])    # 45 Grad
punkt = np.array([1, 0])              # ein Schritt nach rechts

print(drehen @ punkt)                 # [0.71 0.71] – jetzt diagonal
print(np.linalg.det(drehen))          # 1.0 – Fläche unverändert

platt = np.array([[1, 0.5],
                  [2, 1]])
print(np.linalg.det(platt))           # 0.0 – nicht umkehrbar

Das Zeichen @ steht in Python für die Matrizenmultiplikation. Ein einfaches * würde etwas anderes tun – nämlich Zahl für Zahl multiplizieren.

6. Was Sie mitnehmen sollten

Eine Matrix ist eine Verwandlungsvorschrift für den ganzen Raum.
Ihre Spalten sagen, wohin die Grundrichtungen wandern.
Die Determinante ist der Flächenfaktor; null heißt: nicht umkehrbar.
Jede Schicht eines neuronalen Netzes ist im Kern eine Matrizenmultiplikation.