⌂ Der Spaltenraum der Matrix A enthält alle Vektoren A·x
⌂ Multiplikation einer Matrix mit einem Vektor
Wie multipliziert man eine Matrix mit einem Vektor? $$ A=\left(\begin{array}{ccc} 2 & 1 & 3 \\ 3 & 1& 4 \\ 5 & 7& 12 \end{array}\right) \quad x=\left(\begin{array}{c} x_1 \\ x_2 \\ x_3 \end{array}\right) $$ Man kann dabei über die Zeilen und die Spalten nachdenken.
⌂ Standardweg: Skalarprodukt
Der Standardweg der Multiplikation ist die Zeilen von $A$ mit dem Vektor $x$ zu multiplizieren (Skalarprodukt): $$ A\cdot x = \left(\begin{array}{c} A_{11}\cdot x_1 +A_{12}\cdot x_2 +A_{13}\cdot x_3 \\ A_{21}\cdot x_1 +A_{22}\cdot x_2 +A_{23}\cdot x_3 \\ A_{31}\cdot x_1 +A_{32}\cdot x_2 +A_{33}\cdot x_3 \end{array}\right). $$
⌂ Vektorweise Multiplikation
Der andere Weg ist die vektorweise Multiplikation: $$ A\cdot x = x_1\cdot \left(\begin{array}{c} A_{11}\\ A_{21}\\ A_{31} \end{array}\right) +x_2\cdot \left(\begin{array}{c} A_{12}\\ A_{22}\\ A_{32} \end{array}\right) +x_3\cdot \left(\begin{array}{c} A_{13}\\ A_{23}\\ A_{33} \end{array}\right). $$ Man erkennt, dass das Ergebnis das gleiche ist und dass es nur eine andere Art ist, es aufzuschreiben. $A\cdot x$ ist also in dieser Schreibweise eine lineare Kombination der Spalten von $A$.
⌂ Spaltenraum und Rang einer Matrix
$$ B=\left(\begin{array}{ccc} 1 & 3 & 8 \\ 1 & 3 & 8 \\ 1 & 3 & 8 \end{array}\right) = \left(\begin{array}{c} 1 \\ 1 \\ 1 \end{array}\right) (1\enspace 3\enspace 8) =u\cdot v^T $$ Das sieht ein wenig „seltsam” aus, aber die Konstituenten der Rechnung haben die korrekten Dimensionen: $$ \mathbb{R}^{3\times 1}\cdot \mathbb{R}^{1\times 3}=\mathbb{R}^{3\times 3} $$
Betrachtet man wieder die Matrix $A$, so sieht man, dass die dritte Spalte eine Linearkombination der ersten beiden Spalten ist. Nur zwei Spaltenvektoren sind linear unabhängig. Daher ist die Dimension des Spaltenraums $2$.
⌂ Lineare Unabhängigkeit
Nun suchen wir eine Basis für den Spaltenraum. Eine Basis besteht aus linear unabhängigen Vektoren, mit denen der Spaltenraum aufgespannt wird. Sei $C$ diese Basis mit $$ C=\left(\begin{array}{cc} 2 & 1 \\ 3 & 1 \\ 5 & 7 \end{array}\right). $$
Nun sucht man eine dritte Matrix $R$, so dass $$ A = C \cdot R. $$ $R$ findet sich durch Vergleich: $$ \left(\begin{array}{ccc} 2 & 1 & 3 \\ 3 & 1 & 4 \\ 5 & 7 & 12 \end{array}\right) = \left(\begin{array}{cc} 2 & 1 \\ 3 & 1 \\ 5 & 7 \end{array}\right) \left(\begin{array}{ccc} 1 & 0 & 1 \\ 0 & 1 & 1 \end{array}\right) $$ Man findet hier den wichtigen Satz der linearen Algebra, dass der Spaltenrang gleich dem Zeilenrang ist, dessen Beweis im Folgenden skizziert wird.
⌂ Zeilenraum einer Matrix
Der Zeilenraum einer Matrix $A$ besteht in allen Linearkombinationen von Zeilenvektoren.
Eine weitere Feststellung besagt, dass nicht nur $A\cdot x$ im Spaltenraum ist, sondern auch $A\cdot B\cdot C\cdot x$, denn $$ A\cdot B\cdot C\cdot x = A\cdot (B\cdot C\cdot x) $$ und $B\cdot C\cdot x$ ist ein Spaltenvektor, weswegen sein Produkt mit $A$ wieder im Spaltenraum von $A$ liegen muss.
⌂ Matrixmultiplikation
Wir berechnen $A\cdot B$ auf die zwei unterschiedlichen Weisen. Die Standardmethode besteht darin für die Komponenten der Ergebnismatrix die dem Zeilenindex der Komponent entsprechende Zeile von $A\in\mathbb{R}^{m\times n}$ zu nehmen und diese mit der dem Spaltenindex entsprechenden Spalte von $B\in \mathbb{R}^{n\times p}$ skalar zu mulitplizieren: $$ D=A\cdot B= \left(\begin{array}{ccc} \sum_k A_{1 k}\cdot B_{k 1} & \sum_k A_{1 k}\cdot B_{k 2} & \sum_k A_{1 k}\cdot B_{k 3} \\ \sum_k A_{2 k}\cdot B_{k 1} & \sum_k A_{2 k}\cdot B_{k 2} & \sum_k A_{2 k}\cdot B_{k 3} \\ \sum_k A_{3 k}\cdot B_{k 1} & \sum_k A_{3 k}\cdot B_{k 2} & \sum_k A_{3 k}\cdot B_{k 3} \end{array}\right), $$ wobei $k\in\{1,\ldots,n\}$. Für ein Element der Ergebnismatrix ergibt sich $$ D_{i j}=\sum_k A_{i k}\cdot B_{k j}=(A_{i 1}\enspace\cdots\enspace A_{i n}) \left(\begin{array}{c} B_{1 j}\\ \vdots \\ B_{n j} \end{array}\right), $$ Mit der hier vorgestellten, zweiten Methode wird eine Spalte von $A$ mit einer Zeile von $B$ multipliziert, wobei man eine Matrix erhält und nicht mehr ein Skalar: $$ D=\sum_k \tilde{D}_k=\sum_k \left(\begin{array}{ccc} A_{1 k}\cdot B_{k 1} & A_{1 k}\cdot B_{k 2} & A_{1 k}\cdot B_{k 3} \\ A_{2 k}\cdot B_{k 1} & A_{2 k}\cdot B_{k 2} & A_{2 k}\cdot B_{k 3} \\ A_{3 k}\cdot B_{k 1} & A_{3 k}\cdot B_{k 2} & A_{3 k}\cdot B_{k 3} \end{array}\right). $$ Die Ergebnismatrix $D$ ergibt sich dabei aus einer Summe über äußere Produkte: $$ \tilde{D}_k=\left(\begin{array}{c} A_{1 k} \\ \vdots \\ A_{n k} \\ \end{array}\right) (B_{k 1}\enspace\cdots\enspace B_{k n}) $$
⌂ Querverweise auf 'Der Spaltenraum der Matrix A enthält alle Vektoren A·x'
- Gilbert Strang: MIT 18.065 Matrix-Methoden in Datenanalyse, Signalverarbeitung und maschinellem Lernen, Frühling 2018
- Multiplikation und Faktorzerlegung von Matrizen; Bekannte Faktorzerlegungen von Matrizen; Einige Eigenschaften der Hauptachsentransformation; Rechtfertigung der Eigenvektorzerlegung; Eliminiationsverfahren in der alternativen Darstellung der Matrixmultiplikation; Zum Fundamentaltheorem der linearen Algebra
Sie kennen vielleicht von anderen Medien sogenannte "Bezahlwände". Sie erhalten die von Ihnen begehrten Informationen nur, wenn Sie den Artikel kaufen oder regelmäßig zahlen. Soweit kann ich es aus berufsethischen Gründen nicht kommen lassen, bitte Sie jedoch trotzdem darum, meine Arbeit mit einer Spende oder einer Schenkung zu unterstützen.
Tim Deutschmann
USt-IdNr.: DE342866832
IBAN: DE49 4306 0967 6023 3551 01
BIC: GENODEM1GLS
Verwendungszweck 'Spende'.
Liste mit SpenderInnen, weitere Informationen zu meiner Finanzierung hier.
Kontakt- und Adressdaten:
E-mail: autor@tim-deutschmann.de
Keltenweg 22
69221 Dossenheim
Impressum