Mnożenie macierzy

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacji, wyszukiwania
Niniejszy artykuł jest częścią cyklu macierze.
Macierz ikona.png


Niektóre typy macierzy
macierz diagonalna
macierz dodatnio określona
macierz elementarna
macierz hermitowska
macierz idempotentna
macierz jednostkowa
macierz klatkowa
macierz nieosobliwa
macierz nilpotentna
macierz ortogonalna
macierz osobliwa
macierz rzadka
macierz schodkowa
macierz skalarna
macierz symetryczna
macierz trójkątna
macierz unitarna
macierz wstęgowa
macierz zerowa


Operacje na macierzach
mnożenie przez skalar
dodawanie i odejmowanie
mnożenie macierzy
odwracanie macierzy
transpozycja macierzy
sprzężenie macierzy
operacje elementarne
macierz dopełnień algebraicznych
macierz dołączona
diagonalizacja
postać Jordana


Inne zagadnienia
wyznacznik macierzy
ślad macierzy
widmo macierzy
minor macierzy
rząd macierzy
wielomian charakterystyczny

edytuj ten szablon

Mnożenie macierzy – w matematyce operacja mnożenia macierzy przez skalar lub inną macierz. Artykuł zawiera opis różnorodnych sposobów przeprowadzania ich mnożenia.

Standardowe mnożenie macierzy[edytuj | edytuj kod]

Jest to najczęstszy sposób mnożenia macierzy, nazywany też mnożeniem Cauchy'ego. Działanie to zdefiniowane jest wyłącznie dla macierzy, z których pierwsza ma tyle kolumn, co druga wierszy. Jeżeli A jest macierzą n \times m, a B to macierz typu m \times p, to ich iloczyn, oznaczany AB, czasem też A \cdot B, jest macierzą o wymiarach n \times p. Jeżeli C=AB, a c_{i,j} oznacza element C na pozycji (i,j), to

c_{i,j} = \sum_{r=1}^m a_{i,r}b_{r,j} = a_{i,1}b_{1,j} + a_{i,2}b_{2,j} + \cdots + a_{i,m}b_{m,j}

dla każdej pary i, j dla której 1 \leqslant i \leqslant n oraz 1 \leqslant j \leqslant p.

Obliczanie z definicji[edytuj | edytuj kod]

Poniżej zilustrowany został sposób obliczania elementów \color{Red} c_{12} oraz \color{Blue} c_{33} macierzy wynikowej C_{4 \times 3}, będącej iloczynem macierzy A_{4 \times 2} i B_{2 \times 3}.

Matrix multiplication diagram.svg

Przykładowo, element \color{Red} c_{12} powstaje z sumy iloczynów odpowiadających sobie elementów z pierwszego wiersza macierzy A i drugiej kolumny macierzy B (elementy macierzy składowych bierzemy zgodnie z kierunkiem strzałek). Innymi słowy, aby wyznaczyć element \color{Red} c_{12}, musimy wymnożyć pierwszy element z pierwszego wiersza macierzy A przez pierwszy element z drugiej kolumny macierzy B, i do tego dodać iloczyn drugiego elementu z pierwszego wiersza macierzy A i drugiego elementu z drugiej kolumny macierzy B. Opisane obliczenia poniżej:

\color{Red} c_{12} \color{Black} = a_{11} \cdot b_{12} + a_{12} \cdot b_{22}.

Każdy element iloczynu macierzy jest iloczynem skalarnym odpowiedniego wiersza pierwszej macierzy i odpowiedniej kolumny drugiej macierzy

c_{ij}=a_{i} \cdot b_{j}^\top

gdzie  b_{j}^\top oznacza transpozycję macierzy b.

Podobnie postępujemy z wyróżnionym na niebiesko elementem macierzy C z trzeciego wiersza i trzeciej kolumny:

\color{Blue} c_{33} \color{Black} = a_{31} \cdot b_{13} + a_{32} \cdot b_{23}.

Przykładowo:


  \begin{bmatrix}
    1 & 0 & 2 \\
    -1 & 3 & 1 \\
  \end{bmatrix}
\cdot
  \begin{bmatrix}
    3 & 1 \\
    2 & 1 \\
    1 & 0
  \end{bmatrix}
=
  \begin{bmatrix}
     (1 \cdot 3  +  0 \cdot 2  +  2 \cdot 1) & (1 \cdot 1   +   0 \cdot 1   +   2 \cdot 0) \\
    (-1 \cdot 3  +  3 \cdot 2  +  1 \cdot 1) & (-1 \cdot 1   +   3 \cdot 1   +   1 \cdot 0) \\
  \end{bmatrix}
=
  \begin{bmatrix}
    5 & 1 \\
    4 & 2 \\
  \end{bmatrix}

Metoda współczynniki-wektory[edytuj | edytuj kod]

To mnożenie macierzy może być rozważane z nieco innego punktu widzenia: sumuje ono wektory po przemnożeniu ich uprzednio przez różne współczynniki. Jeżeli

A = 
\begin{bmatrix}
   a_{1,1} & a_{1,2} & \dots \\
   a_{2,1} & a_{2,2} & \dots \\
   \vdots & \vdots & \ddots
\end{bmatrix}
oraz B = 
\begin{bmatrix}
   b_{1,1} & b_{1,2} & \dots \\
   b_{2,1} & b_{2,2} & \dots \\
   \vdots & \vdots & \ddots
\end{bmatrix}
=
\begin{bmatrix}
   B_1 \\
   B_2 \\
   \vdots
\end{bmatrix}
,

to


AB
= 
\begin{bmatrix}
   a_{1,1} B_1 + a_{1,2} B_2 + \cdots \\\\
   a_{2,1} B_1 + a_{2,2} B_2 + \cdots \\
   \vdots
\end{bmatrix}

Dla powyższych danych jest:


  \begin{bmatrix}
     1 & 0 & 2 \\ 
     -1 & 3 & 1
  \end{bmatrix}
\cdot
  \begin{bmatrix} 
    3 & 1 \\ 
    2 & 1 \\ 
    1 & 0
  \end{bmatrix}
=
\begin{bmatrix}
   1 \begin{bmatrix} 3 & 1 \end{bmatrix} + 0 \begin{bmatrix} 2 & 1 \end{bmatrix} + 2 \begin{bmatrix} 1 & 0 \end{bmatrix} \\
   -1 \begin{bmatrix} 3 & 1 \end{bmatrix} + 3 \begin{bmatrix} 2 & 1 \end{bmatrix} + 1 \begin{bmatrix} 1 & 0 \end{bmatrix}
\end{bmatrix}
=
\begin{bmatrix}
   \begin{bmatrix} 3 & 1 \end{bmatrix} +   \begin{bmatrix} 0 & 0 \end{bmatrix} +   \begin{bmatrix} 2 & 0 \end{bmatrix} \\
   \begin{bmatrix} -3 & -1 \end{bmatrix} + \begin{bmatrix} 6 & 3 \end{bmatrix} +   \begin{bmatrix} 1 & 0 \end{bmatrix}
\end{bmatrix}

=
\begin{bmatrix}
    5 & 1 \\
    4 & 2
\end{bmatrix}

Wiersze macierzy po lewej są listą współczynników. Macierz po prawej jest listą wektorów. W przykładzie pierwszy wiersz to \begin{bmatrix}1 & 0 & 2\end{bmatrix}, czyli bierzemy 1 raz pierwszy wektor, 0 razy drugi wektor i 2 razy trzeci wektor. Równanie można jeszcze uprościć za pomocą iloczynu zewnętrznego:

A = 
\begin{bmatrix}
   A_1  & A_2 & \dots
\end{bmatrix} \implies AB
= \sum_i A_iB_i

Elementy tej sumy są macierzami tego samego kształtu, z których każda opisuje działanie jednej kolumny z A i jednego wiersza z B na wynik. Kolumny A mogą być postrzegane jako układ współrzędnych przekształcenia, np. dla danego wektora x jest Ax = A_1x_1+A_2x_2+\cdots, gdzie x_i są współrzędnymi wzdłuż „osi” A_i. Wyrazy A_iB_i są analogiczne do A_ix_i z tym, że B_i zawiera i-tą współrzędną każdego wektora kolumnowego macierzy B, z której każda jest równocześnie przekształcana niezależnie od pozostałych.

Raz jeszcze stosując dane przykładowe mamy:


  \begin{bmatrix}
     1 & 0 & 2 \\ 
     -1 & 3 & 1
  \end{bmatrix}
\cdot
  \begin{bmatrix} 
    3 & 1 \\ 
    2 & 1 \\ 
    1 & 0
  \end{bmatrix}
=
\begin{bmatrix}1 \\ -1\end{bmatrix}\begin{bmatrix}3 & 1\end{bmatrix}+
\begin{bmatrix}0 \\ 3\end{bmatrix}\begin{bmatrix}2 & 1\end{bmatrix}+
\begin{bmatrix}2 \\ 1\end{bmatrix}\begin{bmatrix}1 & 0\end{bmatrix}

=
\begin{bmatrix} 1 \cdot 3 & 1 \cdot 1 \\ -1 \cdot 3 & -1 \cdot 1 \end{bmatrix}+
\begin{bmatrix} 0 \cdot 2 & 0 \cdot 1 \\ 3 \cdot 2 & 3 \cdot 1 \end{bmatrix}+
\begin{bmatrix} 2 \cdot 1 & 2 \cdot 0 \\ 1 \cdot 1 & 1 \cdot 0 \end{bmatrix}
= \begin{bmatrix} 5 & 1 \\ 4 & 2 \end{bmatrix}

Wektory \begin{bmatrix}3 & 2 & 1\end{bmatrix}^\top oraz \begin{bmatrix}1 & 1 & 0\end{bmatrix}^\top zostały równocześnie przekształcone na \begin{bmatrix}5 & 4\end{bmatrix}^\top oraz \begin{bmatrix}1 & 2\end{bmatrix}^\top. Można je również przekształcić po kolei czyniąc te same kroki:


  \begin{bmatrix}
     1 & 0 & 2 \\ 
     -1 & 3 & 1
  \end{bmatrix}
\cdot
  \begin{bmatrix} 
    3 \\ 
    2 \\ 
    1 
  \end{bmatrix}
=
\begin{bmatrix}1 \\ -1\end{bmatrix}3+
\begin{bmatrix}0 \\ 3\end{bmatrix}2+
\begin{bmatrix}2 \\ 1\end{bmatrix}1
=
\begin{bmatrix} 1\cdot 3 \\ -1\cdot 3\end{bmatrix}+
\begin{bmatrix} 0\cdot 2 \\ 3\cdot 2\end{bmatrix}+
\begin{bmatrix} 2\cdot 1 \\ 1\cdot 1\end{bmatrix}
= \begin{bmatrix} 5 \\ 4 \end{bmatrix}

Metoda list wektorowych[edytuj | edytuj kod]

O zwykłym iloczynie macierzy można myśleć jak o iloczynie skalarnym listy kolumnowej wektorów przez listę wierszową wektorów. Jeżeli

A = 
\begin{bmatrix}
   a_{1,1} & a_{1,2} & a_{1,3} & \dots \\
   a_{2,1} & a_{2,2} & a_{2,3} & \dots \\
   a_{3,1} & a_{3,2} & a_{3,3} & \dots \\
   \vdots & \vdots & \vdots & \ddots
\end{bmatrix}
=
\begin{bmatrix}
   A_1 \\
   A_2 \\
   A_3 \\
   \vdots
\end{bmatrix}
oraz B = 
\begin{bmatrix}
   b_{1,1} & b_{1,2} & b_{1,3} & \dots \\
   b_{2,1} & b_{2,2} & b_{2,3} & \dots \\
   b_{3,1} & b_{3,2} & b_{3,3} & \dots \\
   \vdots & \vdots & \vdots & \ddots
\end{bmatrix}
=
\begin{bmatrix} B_1 & B_2 & B_3 & \dots
\end{bmatrix}
,

gdzie

A_1 to wektor wierszowy wszystkich elementów postaci a_{1,x}, A_2 to wektor wierszowy wszystkich elementów postaci a_{2,x} itd.,
a B_1 jest wektorem kolumnowym wszystkich elementów postaci b_{x,1}, B_2 wektorem kolumnowym wszystkich elementów postaci b_{x,2} itd.,

to wtedy


AB = 
\begin{bmatrix}
   A_1 \\
   A_2 \\
   A_3 \\
   \vdots
\end{bmatrix}
*
\begin{bmatrix} B_1 & B_2 & B_3 & \dots
\end{bmatrix}
= 
\begin{bmatrix}
(A_1 \cdot B_1) & (A_1 \cdot B_2) & (A_1 \cdot B_3) & \dots \\
(A_2 \cdot B_1) & (A_2 \cdot B_2) & (A_2 \cdot B_3) & \dots \\
(A_3 \cdot B_1) & (A_3 \cdot B_2) & (A_3 \cdot B_3) & \dots \\
\vdots & \vdots & \vdots & \ddots

\end{bmatrix}.

Własności[edytuj | edytuj kod]

Mnożenie macierzy nie jest w ogólności przemienne, tj. AB \ne BA. Można zaobserwować to następująco: nie można spodziewać się, iż zmiana proporcji wektorów da ten sam wynik. Innym sposobem jest też zwrócenie uwagi na kolejność czynników – liczba kolumn w macierzy proporcji musi być równa liczbie wierszy w macierzy wektorów: muszą one reprezentować tę samą liczbę wektorów. Przypadkiem szczególnym jest np. mnożenie macierzy diagonalnych równego stopnia, które jest przemienne.

Choć mnożenie macierzy nie jest przemienne, to wyznaczniki AB oraz BA są zawsze równe (jeżeli A i B są macierzami kwadratowymi tego samego stopnia), co wyjaśnione jest w artykule o wyznaczniku.

Mnożenie Cauchy'ego jest istotne, ponieważ jeśli macierze A i B reprezentują przekształcenia liniowe (co powszechnie się czyni), to ich iloczyn AB odpowiada złożeniu tych przekształceń, w którym odwzorowanie B wykonywane jest w pierwszej kolejności.

Dodatkowo wszystkie sposoby mnożenia opisane w tym artykule dzielą zestaw wspólnych własności opisanych niżej.

Algorytmy[edytuj | edytuj kod]

Naiwny algorytm standardowego mnożenia macierzy typu x \times y przez macierz typu y \times z wymaga xyz mnożeń. Dla macierzy kwadratowych daje to algorytm o złożoności \Theta(n^3).

Istnieją wydajniejsze algorytmy rozwiązywania tego zadania. Pierwszy z takich algorytmów podał w 1969 r. Volker Strassen - złożoność tego algorytmu to około O(n^{2,807}). Nie jest on jednak zwykle używany w praktyce z powodu braku numerycznej stabilności. Najlepszy obecnie znany algorytm mnożenia macierzy, podany przez Dona Coppersmitha i Shmuela Winograda, ma złożoność rzędu ok. O(n^{2,376}). Dolne oszacowanie złożoności mnożenia macierzy, wynikające z konieczności obliczenia n^2 wartości, to \Omega(n^2).

Jeśli to możliwe, należy skorzystać z algorytmów wykorzystujących szczególne własności macierzy, np. istnieje prosty algorytm mnożenia macierzy diagonalnych klasy \Theta(n).

Potęgowanie macierzy[edytuj | edytuj kod]

Definiujemy potęgę macierzy kwadratowej A rekurencyjnie za pomocą wzorów:

A^0=I_k\, gdzie k jest wymiarem macierzy A,
A^{n+1}=A \cdot A^{n} dla całkowitego nieujemnego n.

A zatem

A^1 = A \,,
A^2 = A \cdot A,
A^3 = A \cdot A \cdot A,

itd.

Operacja potęgowania macierzy ma następujące własności:

  • A^{n+m} = A^n \cdot A^m
  • (A^n)^m = A^{nm}

Naiwny algorytm obliczenia potęgi A^n wymaga \Theta(n) mnożeń.

Za pomocą algorytmu szybkiego potęgowania potęgę A^n możemy obliczyć w czasie \Theta(\log n).

Możliwe jest również potęgowanie za pomocą diagonalizacji – wymaga to podniesienia macierzy diagonalnej do n-tej potęgi (zob. złożoność obliczeniowa iloczynu macierzy); jeżeli macierz A ma współczynniki całkowite, to macierz diagonalna nie musi zachować tej właściwości, co może spowodować błędy zaokrągleń, dlatego jest to metoda mniej ogólna.

Mnożenie macierzy n-wskaźnikowych[edytuj | edytuj kod]

Macierz n-wskaźnikowa A zawiera n wskaźników przebiegających m wartości. Taka macierz zawiera m^n elementów macierzowych o wartościach zespolonych,

a_{k_1,\cdots,k_n}.

Dla macierzy A zdefiniowana jest operacja transpozycji cyklicznej, T_c przesuwającej wskaźniki o jeden do przodu

(a_{k_1,\cdots,k_{n-1},k_n})^{T_c}=a_{k_n,k_1,\cdots,k_{n-1}}.

Mnożenie (iloczyn) macierzy n-wskaźnikowych, zdefiniowane jest jako n-arne działanie wewnętrzne dla dokładnie n macierzy, z których każda ma n wskaźników przebiegających m wartości. Każda macierz zawiera m^n wartości. Wynikiem jest również macierz n-wskaźnikowa.

Jeżeli B=A^{(1)}A^{(2)}\cdots A^{(n-1)}A^{(n)}, a b_{k_1,k_2,\cdots,k_n} oznacza element B na pozycji (k_1,k_2,\cdots,k_n), to

b_{k_1,\cdots,k_n} = \sum_{l_1,\cdots , l_{n-1} =1}^m a^{(1)}_{k_1,l_1\cdots,l_{n-1}}*a^{(2)}_{l_{n-1},k_2,l_1\cdots,l_{n-2}}*\cdots *a^{(n-1)}_{l_2,\cdots,k_{n-1},l_1}*a^{(n)}_{l_1,l_2,\cdots,k_n}

dla każdego wskaźnika k_i, l_j dla których 1 \leqslant k_i \leqslant m oraz 1 \leqslant l_j \leqslant m.

Własności mnożenia macierzy n-wskaźnikowych[edytuj | edytuj kod]

Mnożenie macierzy n-wskaźnikowych nie jest działaniem łącznym, np. dla n=3 istnieje macierz A, taka że A*A*(A*A*A) \ne A*(A*A*A)*A.

Transpozycja cykliczna iloczynu macierzy B=A^{(1)}\cdots A^{(n-1)}A^{(n)} ma postać

B^{T_c}=(A^{(n)})^{T_c}(A^{(1)})^{T_c}\cdots (A^{(n-1)})^{T_c}.

Szczególne macierze n-wskaźnikowe[edytuj | edytuj kod]

Macierze jednostkowe

Macierze jednostkowe definiuje się z pomocą macierzy pomocniczej A (numer w nawiasie oznacza położenie macierzy jednostkowych cyklicznie za macierz pomocniczą, gdy macierz pomocnicza jest w innym położeniu to przy pomocy transpozycji cyklicznej przestawić na ostatnie miejsce równania):

A=I^{(1)}\cdots I^{(n-1)}A.

Dla macierzy binarnych (przyjmujących tylko wartości 0 i 1) równanie jest jednoznacznie rozwiązywalne.

I^{(p)}_{k_1,\cdots, k_n}=\delta_{k_p,k_{2p}} ,

gdzie \delta_{k_p,k_{2p}} jest symbolem Kroneckera. Podindeksy uważamy za cyklicznie równoważne gdy różnią się o wielokrotność n.

Gdy przemieścimy macierz pomocniczą o q miejsc, to

I^{(p)}_{k_1,\cdots, k_n}=\delta_{k_{p+q},k_{2p+q}}.

Dla pełnego zagadnienia z dowolnym polożeniem macierzy pomocniczej i z uwzględnieniem symetrii symbolu Kroneckera otrzymujemy \frac{n(n-1)}2 macierzy jednostkowych. Macierz jednostkowa w niewłaściwym polożeniu nie musi być w nim macierzą jednostkową.

Macierze jednostkowe dla każdego położenia wyróżniają parę wskaźników. Dogodnie jest traktować macierz n-wskaźnikową jako zbiór m^{n-2} dwuwskaźnikowych warstw numerowanych przez pozostałe n-2 wskaźniki.

Macierze diagonalne

Jeżeli każda warstwa macierzy B jest dwuwskaźnikową macierzą diagonalną to taką macierz nazywamy macierzą diagonalną.

Macierze odwrotne

Macierze odwrotne definiuje się przez rozwiązanie poniższych dwóch równań (macierze B i D są w tym samym położeniu, uzupełniające macierze jednostkowe nie zostały zaznaczone)

C=\cdots B \cdots A,
A=\cdots D \cdots C.

Macierz D jest macierzą odwrotną do B.

Każda warstwa macierzy D jest macierzą odwrotną (dwuwskaźnikową) warstwy o tym samym numerze macierzy B.

Zadanie jest wykonalne jeżeli iloczyn wszystkich wyznaczników warstw macierzy B jest różny od zera. Taki iloczyn nazwiemy wyznacznikiem macierzy B.

Dla macierzy diagonalnej wyznacznik jest równy iloczynowi wszystkich diagonalnych elementów macierzowych wszystkich warstw.

Macierz osobliwa

Macierz nazwiemy osobliwą, gdy jej wyznacznik jest równy zero.

Zagadnienie odwrotne[edytuj | edytuj kod]

Zagadnieniem odwrotnym nazywamy wyznaczenie macierzy X z równania

B=A^{(1)}A^{(2)}\cdots A^{(n-1)}X.

Zagadnienie odwrotne jest rozwiązywalne gdy wspólne działanie n-1 macierzy :A^{(1)}A^{(2)}\cdots A^{(n-1)} jest nieosobliwe.

Jeżeli co najwyżej jedna macierz A^{(p)} jest niediagonalna to działanie jest nieosobliwe gdy wszystkie macierze są nieosobliwe.

Jeżeli co najmniej dwie macierza A^{(p)}, A^{(q)} są niediagonalne to osobliwość działania jest nieokreślona.


Mnożenie macierzy n-wskaźnikowych jako działanie zewnętrzne[edytuj | edytuj kod]

Mnożenie

Y=A^{(1)}A^{(2)}\cdots A^{(n-1)}X

możemy traktować jako przekształcenie m^n wymiarowego wektora X przez wspólne działanie n-1 macierzy A^{(1)}A^{(2)}\cdots A^{(n-1)}, zapisujemy to w postaci

Y=M X, gdzie M jest m^n \times m^n macierzą.

Przekształcenie macierzy A^{(p)} w macierz M jest jednoznaczne, a przekształcenie odwrotne jest niejednoznaczne, a po wykonaniu przekształceń macierzy M może być nieodwracalne.

Elementy macierzowe macierzy M są następujące

m_{k,l} = a^{(1)}_{k_1,l_1\cdots,l_{n-1}}*a^{(2)}_{l_{n-1},k_2,l_1\cdots,l_{n-2}}*\cdots *a^{(n-1)}_{l_2,\cdots,k_{n-1},l_1}*\delta_{k_n,l_n},

gdzie

k=k_1+(k_2-1)*m^1+(k_3-1)*m^2+\cdots +(k_n-1)*m^{n-1},
l=l_1+(l_2-1)*m^1+(l_3-1)*m^2+\cdots +(l_n-1)*m^{n-1}.

Macierz M ma postać quasidiagonalną zawierającą m podmacierzy m^{n-1} \times m^{n-1}.

Jeżeli w wyrażeniu A^{(1)}A^{(2)}\cdots A^{(n-1)} jest tylko q macierzy niediagonalnych to przy zmianie kolejności (wskaźniki primowane) wyliczanych wskaźników (najpierw q wskaźników macierzy niediagonalnych, a następnie n-1-q macierzy diagonalnych)

k'=k'_1+(k'_2-1)*m^1+(k'_3-1)*m^2+\cdots +(k'_n-1)*m^{n-1},
l'=l'_1+(l'_2-1)*m^1+(l'_3-1)*m^2+\cdots +(l'_n-1)*m^{n-1},

macierz M przyjmie postać quasidiagonalną zawierającą m^{n-q} podmacierzy m^q \times m^q.

Tak wyznaczona macierz M daje formalną podstawę do wyznaczania macierzy odwrotnych, rozwiązywania zagadnienia odwrotnego jak również do badania zagadnienia własnego wspólnego działania jednej lub więcej macierzy A^{(p)}.

Mnożenie przez skalar[edytuj | edytuj kod]

Information icon.svg Zobacz też: mnożenie przez skalar.

Mnożenie macierzy A = (a_{ij}) przez skalar r daje w wyniku iloczyn rA będący macierzą tego samego typu co A. Jej współczynniki dane są wzorem

(rA)_{ij} = r \cdot a_{ij}.

Na przykład, jeśli

A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix},

to

7 A = \begin{bmatrix} 7 \cdot 1 & 7 \cdot 2 \\ 7 \cdot 3 & 7 \cdot 4 \end{bmatrix} = \begin{bmatrix} 7 & 14 \\ 21 & 28 \end{bmatrix}.

Jeżeli jesteśmy zainteresowani macierzami nad pierścieniem, to powyższe mnożenie nazywa się czasem mnożeniem lewostronnym, podczas gdy mnożenie prawostronne definiowane jest jako

(Ar)_{ij} = a_{ij} \cdot r.

Jeżeli pierścień jest przemienny, np. ciało liczb rzeczywistych lub zespolonych, to powyższe mnożenia są tożsame. Jednakże, jeśli pierścień nie jest przemienny, jak np. kwaterniony, mogą się one różnić. Przykładowo


  i\begin{bmatrix} 
    i & 0 \\ 
    0 & j \\ 
  \end{bmatrix}
= \begin{bmatrix}
    -1 & 0 \\
     0 & k \\
  \end{bmatrix}
\ne \begin{bmatrix}
    -1 & 0 \\
    0 & -k \\
  \end{bmatrix}
= \begin{bmatrix}
    i & 0 \\
    0 & j \\
  \end{bmatrix}i.

Iloczyn Hadamarda[edytuj | edytuj kod]

Dla dwóch macierzy tego samego typu definiuje się iloczyn Hadamarda, znany także jako iloczyn Schura lub iloczyn po współrzędnych. Może być on uogólniony także na operatory. Iloczyn Hadamarda dwóch macierzy A, B typu m \times n oznaczany przez A \bullet B jest również macierzą typu m \times n daną wzorem

(A \bullet B)_{ij} = a_{ij} b_{ij}.

Dla przykładu:


  \begin{bmatrix} 
    1 & 2 \\ 
    3 & 1 \\ 
  \end{bmatrix}
\bullet
  \begin{bmatrix} 
    0 & 3 \\ 
    2 & 1 \\ 
  \end{bmatrix}
=
  \begin{bmatrix} 
    1\cdot 0 & 2\cdot 3 \\ 
    3\cdot 2 & 1\cdot 1 \\ 
  \end{bmatrix}

=
  \begin{bmatrix} 
    0 & 6 \\ 
    6 & 1 \\
  \end{bmatrix}
.

Zauważmy, że iloczyn Hadamarda jest podmacierzą iloczynu Kroneckera (zob. niżej). Iloczyn Hadamarda badany jest w teorii macierzy i pojawia się w algorytmach kompresji stratnej takiej jak JPEG, jednak właściwie nie pojawia się w algebrze liniowej. Dyskusja na ten temat zawarta jest w Horn & Johnson, 1994, rozdz. 5.

Iloczyn Kroneckera[edytuj | edytuj kod]

Information icon.svg Osobny artykuł: iloczyn Kroneckera.

Dla dowolnych dwóch macierzy A oraz B definiuje się iloczyn prosty lub iloczyn Kroneckera (od nazwiska Leopolda Kroneckera) jako


  A \otimes B = \begin{bmatrix} 
    a_{11}B & a_{12}B & \cdots & a_{1n}B \\ 
    \vdots & \vdots & \ddots & \vdots \\ 
    a_{m1}B & a_{m2}B & \cdots & a_{mn}B
  \end{bmatrix}
.

Zauważmy, że jeśli A jest macierzą typu m \times n, zaś B macierzą typu p \times r, to A \otimes B jest macierzą typu mp \times nr. To mnożenie również nie jest przemienne.

Na przykład


  \begin{bmatrix} 
    1 & 2 \\ 
    3 & 1 \\ 
  \end{bmatrix}
\otimes
  \begin{bmatrix} 
    0 & 3 \\ 
    2 & 1 \\ 
  \end{bmatrix}
=
  \begin{bmatrix} 
    1\cdot 0 & 1\cdot 3 & 2\cdot 0 & 2\cdot 3 \\ 
    1\cdot 2 & 1\cdot 1 & 2\cdot 2 & 2\cdot 1 \\ 
    3\cdot 0 & 3\cdot 3 & 1\cdot 0 & 1\cdot 3 \\ 
    3\cdot 2 & 3\cdot 1 & 1\cdot 2 & 1\cdot 1 \\ 
  \end{bmatrix}

=
  \begin{bmatrix} 
    0 & 3 & 0 & 6 \\ 
    2 & 1 & 4 & 2 \\
    0 & 9 & 0 & 3 \\
    6 & 3 & 2 & 1
  \end{bmatrix}
.

Jeżeli A i B reprezentują przekształcenia liniowe, odpowiednio V_1 \to W_1 oraz V_2 \to W_2, to A \otimes B reprezentuje iloczyn tensorowy dwóch odwzorowań, V_1 \otimes V_2 \to W_1 \otimes W_2.

Wspólne własności[edytuj | edytuj kod]

Wszystkie rodzaje mnożenia macierzy są łączne:

A (B C) = (A B) C,

rozdzielne względem dodawania:

A (B + C) = A B + A C

oraz

(A + B) C = A C + B C

i zgodne z mnożeniem przez skalar:

c (A B) = (c A) B
(A c) B = A (c B)
(A B) c = A (B c)

Należy wspomnieć, że w powyższe trzy wyrażenia będą sobie tożsame, jeśli mnożenie i dodawanie w ciele skalarów będzie przemienne, np. będzie ono pierścieniem przemiennym. Zobacz sekcję mnożenie przez skalar wyżej, aby zobaczyć kontrprzykład dla ciała skalarów kwaternionów.

Iloczyn wewnętrzny Frobeniusa[edytuj | edytuj kod]

Iloczyn Frobeniusa, oznaczany czasem A:B, jest iloczynem wewnętrznym po składowych dwóch macierzy traktowanych jako wektory. Innymi słowy jest to suma elementów iloczynu Hadamarda, czyli

A:B = \sum_i\sum_j A_{ij} B_{ij} = \operatorname{tr}(A^\top B) = \operatorname{tr}(A  B^\top).

Ten iloczyn skalarny indukuje normę Frobeniusa.

Zobacz też[edytuj | edytuj kod]

Linki zewnętrzne[edytuj | edytuj kod]