Zum Inhalt springen

Matrizenmultiplikation – „Mathe für Nicht-Freaks“

Aus Wikibooks

In diesem Artikel überlegen wir uns, wie man eine Multiplikation für Matrizen definieren kann. Wir werden sehen, dass die Matrizenmultiplikation der Komposition linearer Abbildungen entspricht. Außerdem beweisen wir einige Eigenschaften der Matrixmultiplikation.

Einführung

[Bearbeiten]

Wie können wir Matrizen verknüpfen?

[Bearbeiten]

Im Artikel zu Abbildungsmatrizen haben wir gelernt, wie wir mithilfe von Matrizen lineare Abbildungen f:V→W zwischen endlichdimensionalen Vektorräumen V und W beschreiben können. Dafür wählen wir zuerst eine Basis B von V und C von W und bilden dann die Abbildungsmatrix MCB(f). Diese beschreibt auf der Ebene von Koordinaten, was die lineare Abbildung f mit einem Vektor v∈V macht: Es gilt

MCB(f)⋅kB(v)=kC(f(v))

wobei kB:V→Kn die Koordinatenabbildung bzgl. B ist, die einen Vektor v=λ1⋅b1+…+λn⋅bn auf den Koordinatenvektor (λ1,…,λn)T bzgl. B abbildet. Analog ist kC:W→Km die Koordinatenabbildung bzgl. C.

Lineare Abbildungen f:V→W und g:W→X können wir durch Hintereinanderausführung miteinander verknüpfen und erhalten eine lineare Abbildung g∘f:V→X. Können wir eine passende Verknüpfung auf Matrizen definieren? Mit passend ist gemeint, dass die Verknüpfung der entsprechenden Abbildungsmatrizen die verknüpfte lineare Abbildung beschreiben soll.

Betrachten wir zum Beispiel zwei Matrizen A∈Km×l und B∈Kp×n mit den entsprechenden linearen Abbildungen

fA:Kl→Km,x↦Ax

und

fB:Kp→Kn,x↦Bx

gegeben durch Matrix-Vektor-Multiplikation. Dann ist A die Abbildungsmatrix von fA (bzgl. der Standardbasen in Kl und Km) und B ist die Abbildungsmatrix von fB (bzgl. der Standardbasen in Kp und Kn). Die Verknüpfung A⋅B von A und B sollte die Abbildungsmatrix von fA∘fB sein.

Um jedoch die Abbildungen fA und fB hintereinander ausführen zu können, muss der Zielraum von fB gleich der Definitionsmenge von fA sein. Das heißt, es soll Kp=Kl, also p=l sein. Also muss die Anzahl der Spalten von A gleich der Anzahl der Zeilen von B sein, damit wir die Matrizen zu einer neuen Matrix A⋅B verknüpfen können.

Berechnung der neuen Matrix

[Bearbeiten]

Wir wollen uns überlegen, wie die Verknüpfung A⋅B von A und B aussehen sollte, indem wir die Abbildungsmatrix von fA∘fB:Kn→Km bestimmen. Dafür müssen wir die Bilder der Standardbasisvektoren e1,…,en∈Kn unter der Abbildung fA∘fB berechnen. Sie bilden dann die Spalten der Abbildungsmatrix von fA∘fB.

Wir bezeichnen die Einträge von A mit aij und die von B mit bij, das heißt A=(aij)∈Km×p und B=(bij)∈Kp×n. Außerdem bezeichnen wir die gesuchte Abbildungsmatrix von fA∘fB mit C=(cij)∈Km×n.

Für i∈{1,…,m} und j∈{1,…,n} ist der Eintrag cij per Definition der darstellenden Matrix von fA∘fB gegeben durch den i-ten Eintrag des Vektors fA(fB(ej))∈Km. Diesen können wir mithilfe der Definition von fA und fB unter Verwendung der Definition der Matrix-Vektor-Multiplikation leicht berechnen:

cij=(fA(fB(ej)))i=(A⋅(fB(ej)))i↓ Definition der Matrix-Vektor-Multiplikation von A=∑k=1naik(fB(ej))k=∑k=1naik(B⋅ej)k↓ (B⋅ej)k=bkj=∑k=1naikbkj

Damit sind alle Einträge der Matrix C definiert und es gilt

C=(∑k=1naikbkj)i,j∈Km×n.

Wir nennen C das Produkt der beiden Matrizen A und B und schreiben C=A⋅B für die Matrixmultiplikation.

Definition und Merkregel

[Bearbeiten]

Mathematisch können wir die Matrizenmultiplikation auch als Verknüpfung (ähnlich wie die Multiplikation von reellen Zahlen) auffassen.

Definition (Matrixmultiplikation)

Die Matrixmultiplikation ist eine Verknüpfung

⋅:Km×p×Kp×n→Km×n.

Sie bildet zwei Matrizen A=(aij)∈Km×p und B=(bij)∈Kp×n auf die Matrix A⋅B=C=(cij)∈Km×n ab, wobei

cij=∑k=1paikbkj

für i∈{1,…,m} und j∈{1,…,n}.

Allerdings gibt es einen wichtigen Unterschied zur Multiplikation von reellen Zahlen: Bei Matrizen müssen wir beachten, dass die Dimensionen der Matrizen, die wir multiplizieren wollen, zusammenpassen.

Hinweis

Die beiden Matrizen müssen nicht gleich groß sein, es muss nur die Spaltenanzahl der linken Matrix A gleich der Zeilenanzahl der rechten Matrix B sein. Das Ergebnis hat dann die Zeilenanzahl linken Matrix A und die Spaltenanzahl der rechten Matrix B. Das bedeutet, zwei Matrizen A∈Km×l;B∈Kp×n können nur dann miteinander multipliziert werden, wenn l=p ist.

Warnung

Die beiden Matrizen A∈Km×l;B∈Kp×n mit l≠p können nicht miteinander multipliziert werden.

Zur Berechnung des Matrizenprodukts wird das Schema Zeile mal Spalte angewandt.

Merkregel: Zeile mal Spalte

Nach der Definition ist jeder Eintrag im Produkt A⋅B die komponentenweise Multiplikation der Elemente der i-ten Zeile von A mit der k-ten Spalte von B und die Summation all dieser Produkte. Dieses Vorgehen kann man sich merken als Zeile mal Spalte, wie es in der Abbildung rechts gezeigt ist. Beim Rechnen kann das Falksche Schema helfen, um mit Zeilen und Spalten nicht durcheinander zu kommen.

Konkretes Beispiel

[Bearbeiten]

Beispiel 1

[Bearbeiten]

Wir betrachten die folgenden zwei Matrizen A∈ℝ2×3 und B∈ℝ3×4:

A=(20−1013) undB=(10−1013−2−10012)

Wir suchen das Matrixprodukt C=A⋅B∈ℝ2×4. Diese Matrix hat die Form

C=(c11c12c13c14c21c22c23c24)

Wir müssen die einzelnen Einträge cik berechnen. Das machen wir hier einmal ausführlich für den Eintrag c23. Die Berechnung der anderen Einträge funktioniert ähnlich.

Laut Formel gilt

c23=∑j=13a2jbj3=a21b13+a22b23+a23b33↓ Aus den Matrizen A und B die Einträge ablesen=0⋅(−1)+1⋅(−2)+3⋅1=1

Diese Berechnung kann man sich auch als "Multiplikation" der 2. Zeile von A mit der 3.Spalte von B merken. Um das zu veranschaulichen markieren wir die Einträge aus der Summe in den Matrizen. Wir haben die Summe

c23=0⋅(−1)+1⋅(−2)+3⋅1

In den Matrizen sind das folgende Einträge:

A=(20−1013) und B=(10−1013−2−10012)

So kann man auch die anderen Einträge von C bestimmen und erhält

C=(20−3−21315)

Beispiel 2

[Bearbeiten]

Wir betrachten folgende Matrizen A∈ℝ1×3 und B∈ℝ3×1:

A=(52−1) und B=(104)

In diesem Fall können wir sowohl A⋅B als auch B⋅A berechnen. Sei C:=A⋅B. Dann ist C eine 1×1-Matrix C=(c11). Wir berechnen den Eintrag:

c11=5⋅1+2⋅0+(−1)⋅4=1

Also ist A⋅B=(1).

Sei D:=B⋅A. Dann ist D eine 3×3-Matrix. Wir können die Einträge von D durch "Zeile mal Spalte" berechnen. Zum Beispiel ist der erste Eintrag von D die erste Zeile von B mal die erste Spalte von A, d.h. 1⋅5=5. Machen wir das mit jedem Eintrag, erhalten wir

B⋅A=D=(52−1000208−4)

Beispiel 3

[Bearbeiten]

In diesem Beispiel wollen wir uns klarmachen, dass die Matrixmulitplikation tatsächlich die Verknüpfung der einzelnen Abbildungen ist. Was ist damit gemeint? Wenn wir zwei Matrizen A und B haben, die wir miteinander verknüpfen können, und einen Vektor v, dann sollte (A⋅B)v=A(Bv) sein. Um uns das verständlicher zu machen, betrachten wir folgendes Beispiel: Seien A∈ℂ2×2 und B∈ℂ2×3 die folgenden Matrizen mit Einträgen in ℂ:

A=(2i0−12) und B=(11−2i−11+i2−i0)

Sei außerdem v=(2,0,1)T. Wir prüfen nach, dass (A⋅B)v=A(Bv). Dafür berechnen wir zunächst das Matrixprodukt A⋅B:

A⋅B=(2i4+2i−2i1+2i31)

Nun multiplizieren wir diese Matrix mit v:

(A⋅B)v=(2i4+2i−2i1+2i31)(201)=(2i3+4i)

Als nächstes berechnen wir A(Bv).

Bv=B=(11−2i−11+i2−i0)(201)=(12+2i)

Auf diesen Vektor wenden wir jetzt A an:

A(Bv)=(2i0−12)(12+2i)=(2i3+4i)

Tatsächlich gilt hier (A⋅B)v=A(Bv).

Eigenschaften der Matrizenmultiplikation

[Bearbeiten]

Wir sammeln ein paar Eigenschaften der Matrixmultiplikation.

Kürzungsregel für Darstellungsmatrizen

[Bearbeiten]

Der folgende Satz zeigt, dass die Matrixmultiplikation tatsächlich die Verknüpfung linearer Abbildungen widerspiegelt.

Satz (Abbildungsmatrizen und Komposition linearer Abbildungen)

Seien f:V→W und g:W→X lineare Abbildungen zwischen endlichdimensionalen Vektorräumen. Seien ferner B={v1,…,vm} eine Basis von V, C={w1,…,wn} eine Basis von W und D={x1,…,xs} eine Basis von X. Dann gilt

MDB(g∘f)=MDC(g)⋅MCB(f).

Beweis (Abbildungsmatrizen und Komposition linearer Abbildungen)

Sei h=g∘f und sei (hij)ij=MDB(h)∈Ks×m. Seien außerdem MCB(f)=(fij)ij∈Kn×m bzw. MDC(g)=(gij)ij∈Ks×n die darstellenden Matrizen von f bzw. g.

Nach Definition der darstellenden Matrix wissen wir, dass die hij die eindeutigen Skalare sind, sodass

h(vj)=∑i=1shijxi

für alle j∈{1,…,m} gilt. Um (hij)=(gij)(fij) zu beweisen, müssen wir

hij=∑k=1ngikfkj

nachrechnen. In der Tat sehen wir:

h(vj)=g(f(vj))↓Definition von MCB(f)=g(∑k=1nfkjwk)↓Linearität von g=∑k=1nfkjg(wk)↓Definition von MDC(g)=∑k=1nfkj∑i=1sgikxi=∑i=1s(∑k=1ngikfkj)xi.

Wegen der Eindeutigkeit der Koordinaten in der Linearkombination der xi folgt hij=∑k=1ngikfkj.

Warnung

Für die Kürzungsregel ist es wichtig, dass bei den darstellenden Matrizen von f und g in beiden Fällen dieselbe geordnete Basis C von W gewählt wird. Bildet man MDC~(g) für eine andere Basis C~≠C von W, dann gilt die Kürzungsregel nicht mehr: Die Gleichung

MDB(g∘f)=MDC~(g)⋅MCB(f)

ist im Allgemeinen falsch. Weil darstellende Matrizen von der Reihenfolge der Basisvektoren abhängen, gilt das auch dann, wenn C~ nur eine Umordnung von C ist.

Assoziativität der Matrizenmultiplikation

[Bearbeiten]

Satz (Assoziativität der Matrixmultiplikation)

Für A∈Km×n,B∈Kn×l,C∈Kl×k gilt

(A⋅B)⋅C=A⋅(B⋅C).

Beweis (Assoziativität der Matrixmultiplikation)

Zunächst überprüfen wir, dass die Typen der Matrizen, die wir jeweils multiplizieren möchten, zusammenpassen. Für die Produkte A⋅B und B⋅C ist dies direkt sichtbar. Nun ist A⋅B∈Km×l und B⋅C∈Kn×k, also sind die Produkte auf beiden Seiten des Assoziativgesetzes definiert, beide Ergebnisse liegen in Km×k.

Nun betrachten wir die einzelnen Komponenten der Matrizen, um die Gleichheit festzustellen. Es sei A=(aij),B=(bij),C=(cij).

((A⋅B)⋅C)ij=∑s=1l(A⋅B)iscsj==∑s=1l(∑t=1naitbts)csj↓wegen Distributivität in K=∑s=1l∑t=1n(aitbts)csj↓wegen Assoziativität in K=∑s=1l∑t=1nait(btscsj)↓wegen Distributivität in K=∑t=1lait(∑s=1nbtscsj)=(A⋅(B⋅C))

Verträglichkeit mit Skalarmultiplikation

[Bearbeiten]

Satz (Verträglichkeit mit Skalarmultiplikation)

Seien β∈K, A=(aij)∈Km×n und B=(bij)∈Kn×p, dann gilt:

β⋅(A⋅B)=(β⋅A)⋅B=A⋅(β⋅B)

Beachte, dass hier "⋅" sowohl die Skalarmultiplikation ("Skalar mal Matrix") als auch die Matrixmultiplikation ("Matrix mal Matrix") bezeichnet.

Beweis (Verträglichkeit mit Skalarmultiplikation)

(β⋅(A⋅B))ik=β(∑j=1naijbjk)↓wegen Distributivität in K=∑j=1nβ(aijbjk)↓wegen Assoziativität in K=∑j=1n(βaij)bjk=((β⋅A)⋅B)ik↓wegen Kommutativität in K=∑j=1n(aijβ)bjk↓wegen Assoziativität in K=∑j=1naij(βbjk)=(A⋅(β⋅B))ik

Distributivität der Matrizenmultiplikation

[Bearbeiten]

Hier müssen wir besonders darauf achten, dass die Matrizen, die wir multiplizieren wollen, jeweils vom Typ zusammenpassen.

Satz (Erstes Distributivgesetz)

Für A=(aij)∈Km×n,B=(bij)∈Km×n,C=(cij)∈Kn×p gilt

(A+B)⋅C=A⋅C+B⋅C

Beweis (Erstes Distributivgesetz)

((A+B)⋅C)ik=∑j=1n(A+B)ijcjk=↓nach Definition=∑j=1n(aij+bij)cjk↓wegen Distributivität in K=∑j=1n(aijcjk+bijcjk)↓wegen Kommutativität in K=∑j=1n(aijcjk)+∑j=1n(bijcjk)↓nach Definition=(A⋅C)ik+(B⋅C)ik

Satz (Zweites Distributivgesetz)

Für A=(aij)∈Km×n,B=(bij)∈Kn×p,C=(cij)∈Kn×p gilt

A⋅(B+C)=A⋅B+A⋅C

Beweis (Zweites Distributivgesetz)

(A⋅(B+C))ik=∑j=1naij(B+C)jk=↓nach Definition=∑j=1naij(bjk+cjk)↓wegen Distributivität in K=∑j=1n(aijbjk+aijcjk)↓wegen Kommutativität in K=∑j=1n(aibjk)+∑j=1n(aijcjk)↓nach Definition=(A⋅B)ik+(A⋅C)ik

[Bearbeiten]

Wir bezeichnen die Einträge der Einheitsmatrix mit δij, d.h. Im=(δij). Es gilt

δij={0falls i≠j,1falls i=j.

Beweis (Die Einheitsmatrix ist ein links- und rechtsneutrales Element der Matrixmultiplikation)

Beweisschritt: Im⋅M=M

Wir beweisen diese Gleichheit durch direkte Multiplikation. Es gilt für alle i∈{1,…,m} und für alle j∈{1,…,n}:

(Im⋅M)ij=∑k=1mδik⋅mkj=mij

Wir haben bei der letzten Gleichheit verwendet, dass δij=0 wenn i≠j und δii=1. Da jeder Eintrag von Im⋅M mit dem Eintrag von M an der gleichen Stelle übereinstimmt, sind die beiden Matrizen gleich.

Beweisschritt: M⋅In=M

Wir gehen wie im ersten Beweisschritt vor. Für alle i∈{1,…,m} und für alle j∈{1,…,n} gilt:

(M⋅In)ij=∑k=1nmik⋅δkj=mij

Also ist auch diese Gleichheit bewiesen.

Somit sind die Einheitsmatrizen der entsprechenden Größe links- bzw. rechtsneutrale Elemente bezüglich der Matrizenmultiplikation.

Keine Kommutativität

[Bearbeiten]

Beispiel (Nicht-Kommutativität der 2×2-Matrizen)

In den 2×2-Matrizen können wir die fehlschlagende Kommutativität an folgendem Beispiel sehen: Einerseits ist

(1101)⋅(0010)=(1010)

und andererseits ist

(0010)⋅(1101)=(0011)

Also spielt die Reihenfolge bei der Matrizenmultiplikation eine Rolle.

Warnung

Im Allgemeinen gilt A⋅B≠B⋅A, das Matrixprodukt ist also nicht kommutativ.

Das Kommutativgesetz gilt nur in wenigen Spezialfällen (z.B. Produkte von Diagonalmatrizen).

Da die Anzahl der Zeilen und Spalten der Matrizen zusammenpassen muss, kann es sogar sein, dass eines der beiden Produkte nicht einmal definiert ist! Zum Beispiel ist für A∈K4×3 und B∈K3×2 das Produkt A⋅B∈K4×2 definiert, aber das Produkt B⋅A ist nicht definiert.

Weiterführendes

[Bearbeiten]

Hinweis

Multiplizieren wir zwei n×n-Matrizen, so ist das Ergebnis wieder eine n×n-Matrix. Wir kennen nun also zwei innere Verknüpfungen auf der Menge Kn×n: die Addition von Matrizen

+:Kn×n→Kn×n,(aij)+(bij)=(aij+bij)

sowie die Matrixmultiplikation

⋅:Kn×n→Kn×n,(aij)⋅(bij)=(∑k=1naikbkj).

Aus dem Artikel zur Vektorraumstruktur für Matrizen wissen wir bereits, dass (Kn×n,+) eine abelsche Gruppe ist. Aus Eigenschaften der Matrixmultiplikation folgt, dass (Kn×n,+,⋅) sogar ein Ring mit Eins ist: Die Multiplikation ⋅ ist assoziativ, es gibt ein neutrales Element In und es gelten die Distributivgesetze.

Der Ring der Matrizen ist jedoch im Allgemeinen nicht kommutativ, wie wir oben gesehen haben. Beachte auch, dass wir eine solche Ringstruktur nur für quadratische Matrizen haben, da andernfalls die Multiplikation zweier Elemente nicht definiert ist.