Was ist matrizenmultiplikation?

Matrizenmultiplikation

Die Matrizenmultiplikation ist eine grundlegende Operation in der linearen Algebra. Im Gegensatz zur Addition und Subtraktion von Matrizen, die elementweise erfolgen, ist die Multiplikation von Matrizen komplexer.

Voraussetzungen:

Damit zwei Matrizen, A und B, multipliziert werden können, muss die Anzahl der Spalten von A gleich der Anzahl der Zeilen von B sein. Wenn A eine m x n Matrix ist und B eine n x p Matrix, dann ist das Ergebnis eine m x p Matrix.

Definition:

Sei A eine m x n Matrix und B eine n x p Matrix. Das Produkt C = AB ist eine m x p Matrix, wobei jedes Element c<sub>ij</sub> wie folgt berechnet wird:

c<sub>ij</sub> = a<sub>i1</sub>b<sub>1j</sub> + a<sub>i2</sub>b<sub>2j</sub> + ... + a<sub>in</sub>b<sub>nj</sub> = Σ<sub>k=1</sub><sup>n</sup> a<sub>ik</sub>b<sub>kj</sub>

In Worten: Das Element c<sub>ij</sub> an der i-ten Zeile und j-ten Spalte der Produktmatrix C ist die Summe der Produkte der Elemente in der i-ten Zeile von A und der j-ten Spalte von B.

Beispiel:

Sei A = [[1, 2], [3, 4]] und B = [[5, 6], [7, 8]]. Dann ist:

C = AB = [[(15 + 27), (16 + 28)], [(35 + 47), (36 + 48)]] = [[19, 22], [43, 50]]

Eigenschaften:

  • Nicht-Kommutativität: Im Allgemeinen ist AB ≠ BA. Die Reihenfolge der Matrizen spielt eine Rolle. Weitere Informationen zur Nichtkommutativität finden Sie hier.
  • Assoziativität: (AB)C = A(BC)
  • Distributivität: A(B + C) = AB + AC und (A + B)C = AC + BC
  • Multiplikation mit der Einheitsmatrix: AI = IA = A, wobei I die Einheitsmatrix ist. Weitere Informationen zur Einheitsmatrix finden Sie hier.

Anwendungen:

Die Matrizenmultiplikation findet breite Anwendung in verschiedenen Bereichen, darunter:

  • Lineare Transformationen: Die Multiplikation einer Matrix mit einem Vektor kann eine lineare Transformation darstellen (z.B. Rotation, Skalierung). Mehr dazu unter Lineare%20Transformation.
  • Lösung linearer Gleichungssysteme: Die Multiplikation von Matrizen ist ein wesentlicher Bestandteil der Lösung linearer Gleichungssysteme.
  • Computergrafik: Zur Darstellung und Manipulation von 3D-Objekten.
  • Maschinelles Lernen: Viele Algorithmen im Bereich des maschinellen Lernens basieren auf Matrizenmultiplikation, insbesondere bei neuronalen Netzen. Weitere Informationen zu Neuronalen%20Netzen finden Sie hier.

Hinweise:

  • Die Matrizenmultiplikation kann rechenintensiv sein, insbesondere bei großen Matrizen. Es gibt optimierte Algorithmen für die Matrizenmultiplikation, die die Rechenzeit reduzieren können (z.B. Strassen-Algorithmus).
  • Die Matrizenmultiplikation ist nicht mit der elementweisen Multiplikation von Matrizen zu verwechseln (auch Hadamard-Produkt genannt).