Zahlenrechtecke dienten schon zweitausend Jahre lang dem Ordnen von Rechnungen, bevor ihnen jemand einen Namen gab. Die chinesischen Neun Kapitel der Rechenkunst (um 100 v. Chr.) führten Systeme linearer Gleichungen in matrixähnlichen Tableaus vor und lösten sie nach einem Verfahren, das wir heute Gauß-Elimination nennen — sechzehn Jahrhunderte vor Gauß. Carl Friedrich Gauß selbst nutzte die Technik 1809, ohne dem Objekt einen Namen zu geben. Den Namen und die Abstraktion brachte 1858 der britische Mathematiker Arthur Cayley — Anwalt von Beruf, Mathematiker aus Neigung —, als er A Memoir on the Theory of Matrices veröffentlichte. Cayley löste das Rechteck aus seinem Rechenkontext und machte es zu einem Ding für sich: einem Gegenstand mit eigener Algebra, eigener Multiplikationsregel und eigenen Überraschungen.
Eine Matrix ist ein rechteckiges Zahlenraster mit m Zeilen und n Spalten. Die Matrix-Addition läuft komponentenweise und ist nur definiert, wenn die Dimensionen zusammenpassen. Die Skalarmultiplikation multipliziert jeden Eintrag mit derselben Zahl. Die Matrix-Multiplikation — Cayleys Neuerung — ist die Regel, die Matrizen interessant macht: das Produkt AB ist definiert, sobald die Spaltenzahl von A der Zeilenzahl von B gleicht, und (AB)ᵢⱼ ist das Skalarprodukt der i-ten Zeile von A mit der j-ten Spalte von B. Die Regel wirkt willkürlich, bis man den Grund sieht: die Matrix-Multiplikation entspricht der Verkettung der Transformationen, die die Matrizen darstellen. Zwei Überraschungen folgen. Die Matrix-Multiplikation ist nicht kommutativ: AB ist im Allgemeinen verschieden von BA. Und AB kann null sein, ohne dass A oder B null ist; Matrizen haben also Nullteiler — der Ring der quadratischen Matrizen ist kein Körper. Die Determinante — eine einzige Zahl, die einer quadratischen Matrix zugeordnet ist — entscheidet, ob die Matrix invertierbar ist (det ≠ 0), und liefert den Volumen-Skalierungsfaktor der zugehörigen Transformation. Die Inverse A⁻¹ existiert genau dann, wenn die Determinante nicht verschwindet, und es gilt AA⁻¹ = I (die Einheitsmatrix). Besondere Familien — symmetrische, orthogonale, diagonale, dreieckige, dünnbesetzte — haben Algorithmen, die auf ihre Struktur zugeschnitten sind. Die tiefe Beobachtung aber lautet: eine Matrix ist ein Rezept zur Transformation eines Vektors. Das Produkt Av wirkt auf v und schickt ihn an einen neuen Ort. Damit ist die Brücke zu den linearen Abbildungen und zum Rest der linearen Algebra geschlagen.
Das moderne maschinelle Lernen ist strukturell Matrix-Arithmetik im großen Maßstab: die Parameter eines Transformers stehen in Matrizen, die einander im Vorwärtsdurchlauf des Netzes multiplizieren; die Backpropagation differenziert durch diese Multiplikationen hindurch; GPUs sind um schnelle Matrix-Matrix-Produkte herum gebaut. Die Computergrafik rendert 3D-Szenen, indem sie jeden Eckpunkt durch eine Kette aus 4×4-Transformationsmatrizen schickt. PageRank, der Algorithmus, der Google groß gemacht hat, findet den dominanten Eigenvektor einer riesigen Web-Graph-Matrix. Tabellenkalkulationen sind Matrizen mit angehängten Formeln. Das kleine Rechteck, dem Cayley 1858 den Namen gab, ist heute die meistgespeicherte und am häufigsten multiplizierte Datenstruktur der Rechengeschichte.