Speciálním případem násobení matic je součin matice typu a vektoru braného jako matice o typu (sloupcový vektor). Tento součin lze interpretovat jako aplikaci lineárního zobrazení reprezentovaného transformační maticí na vektor.
Formální definice
Pokud je matice typu a je matice typu , jejich součin je matice typu definovaná vztahem
pro všechny prvky výsledné matice indexované a .
Ve většině případů jsou prvky matice čísla, ale mohou to být jakékoli druhy matematických objektů, pro které je definováno sčítání a násobení, které jsou asociativní a takové, že sčítání je komutativní a násobení je distributivní s ohledem na sčítání, typicky prvky nějakého tělesa. Prvky mohou být dokonce samotné matice (bloková matice).
U reálných matic lze prvek v -tém řádku a -tém sloupci výsledné matice lze také chápat jako standardní skalární součin vektoru -tého řádku první matice s vektorem -tého sloupce druhé matice.
Prvky matice zůstávají v řádcích tak, jak jsou, a prvky v matici se rozmístí opět do levého a pravého sloupce.
Použití
Historicky bylo násobení matic zavedeno pro usnadnění a objasnění výpočtů v lineární algebře. Tento silný vztah mezi maticovým součinem a lineární algebrou zůstává je fundamentální v celé matematice, stejně jako ve fyzice, chemii, inženýrství a informatice.
Při použití stejné notace jako výše je zápis soustavy ekvivalentní jednoduché maticové rovnici
.
Lineární zobrazení
Pokud má vektorový prostor konečnou bázi, každý z jeho vektorů je jednoznačně reprezentován konečnou posloupností skalárů, nazývanou vektor souřadnic, tvořenou souřadnicemi vektoru vzhledem k bázi. Tyto vektory souřadnic tvoří další vektorový prostor, který je izomorfní původnímu vektorovému prostoru. Vektor souřadnic je běžně zapisován jako sloupcový vektor, což je matice pouze s jedním sloupcem. Sloupcový vektor pak představuje jak souřadnicový vektor, tak i vektor původního vektorového prostoru.
Lineární zobrazení prostoru dimenze do vektorového prostoru dimenze převádí sloupcový vektor
na sloupcový vektor
Lineární zobrazení je proto definováno maticí
a zobrazuje sloupcový vektor na maticový součin
.
Je-li další lineární zobrazení z předchozího vektorového prostoru dimenze , do vektorového prostoru dimenze , pak jej lze reprezentovat maticí řádu . Přímý výpočet ukazuje, že matice složeného zobrazení je rovna součinu . Obecný vzorec , který definuje složené zobrazení, je jedním z specifických případů asociativity maticového součinu:
Geometrické rotace
Při použití systému kartézských souřadnic v euklidovské rovině je rotace o úhel kolem počátku (počátek odpovídá nulovému vektoru) lineární zobrazení. Přesněji,
kde výchozí bod i jeho obraz jsou zapsány jako sloupcové vektory.
Složení rotací o úhel a pak o úhel odpovídá maticovému součinu
ve druhé rovnosti jsou použity součtové vzorce. Výsledné složení odpovídá rotaci o úhel , jak lze očekávat.
Skalární součin, bilineární forma a seskvilineární forma
Standardní skalární součin dvou reálných sloupcových vektorů lze zapsat maticovým součinem
kde je řádkový vektor získaný pomocí transpozice. (Výsledná matice je zde ztotožněna se svým jediným prvkem.)
Obecněji lze jakoukoli bilineární formu ve vektorovém prostoru konečného rozměru vyjádřit jako maticový součin
Jako příklad si představme fiktivní továrnu, která používá 4 druhy surovin k výrobě 3 meziproduktů, , které se následně používají k výrobě 3 druhů výrobků, .
Matice a udávají množství surovin potřebných pro výrobu meziproduktů, respektive množství meziproduktů potřebných pro výsledné výrobky. Například k výrobě jednoho meziproduktu je třeba jedna jednotka suroviny , dvě jednotky , žádné a jedna jednotka , což odpovídá prvnímu sloupci matice .
Součin pak přímo udává množství surovin potřebných pro výrobu jednotlivých výrobků. Například prvek v levém dolním rohu je vypočítán jako , což odpovídá tomu, že jednotek je potřeba k výrobě jednoho výrobku . Jmenovitě jedna jednotka je třeba pro , 2 pro a pro každý ze dvou meziproduktů , které jsou potřeba pro jeden kus , viz obrázek.
Aby bylo možné vyrobit např. 100 výrobků , 80 a 60 , lze potřebné množství surovin vypočítat jako
tj. jednotek , jednotek , jednotek a jednotek .Matice součinu může být použita k výpočtu množství surovin i pro jiné počty výrobků.[3]
Vlastnosti
Rovnosti uvedené v následujících odstavcích platí, pokud mají výsledky operací smysl.
Součin matice s jednotkovou maticí zprava i zleva má za výsledek matici , tj. .
Matice vzhledem k součinu mohou být dělitelé nuly, tj. součin dvou nenulových matic může být nulová matice, například
.
Součin matic typu a typu lze vyjádřit jako
, kde jsou sloupce matice a řádky matice . (Neboli jsou sloupce .) Zde každý sčítanec je matice typu , protože sloupcové vektory odpovídají maticím o jednom sloupci.
Transpozice součinu matic je součin transponovaných matic v opačném pořadí, tj.
Inverzní matice součinu regulárních matic je součin inverzních matic v opačném pořadí, tj.
Maticový součin odpovídá skládání lineárních zobrazení, které matice reprezentují.
Součiny čtvercových matic
Mocniny matice
Čtvercovou matici lze umocnit na jakoukoli nezápornou celočíselnou mocninu tím, že ji opakovaně násobíme stejným způsobem jako u běžných čísel, konkrétně
Výpočet -té mocniny matice potřebuje maticových součinů, pokud se provádí triviálním algoritmem (opakované násobení). Protože to může být velmi časově náročné, obecně se dává přednost použití umocňování pomocí druhé mocniny, které vyžaduje nejvýše maticových součinů, a je tedy mnohem efektivnější.
Snadným případem umocňování je diagonální matice. Protože součin diagonálních matic se rovná prostému vynásobení odpovídajících diagonálních prvků dohromady, získáme -tou mocninu diagonální matice umocněním prvků na diagonále na -tou:
Výpočetní složitost výše popsaného algoritmu je (počítáme čísel; pro každé potřebujeme aritmetických operací). Existují však algoritmy s nižší složitostí vhodné pro matice vyšších řádů. Nejpoužívanější z nich je Strassenův algoritmus se složitostí . Nižší složitost u tohoto algoritmu však získáváme za cenu snížené numerické stability. Asymptoticky nejrychlejší ze známých algoritmů je Coppersmithův-Winogradův algoritmus (), který je však použitelný až pro matice tak velkých řádů, že je nelze zpracovávat pomocí současných počítačů[4].
Teoreticky by se dala složitost ještě snížit, ale nikdy nemůže být menší než , protože je třeba spočítat čísel.
Hledání nejkratší cesty v grafu
Algoritmy pro násobení matic s malou výpočetní složitostí lze využít i pro hledání nejkratší cesty v grafu z každého do každého vrcholu. To má v nejjednodušší podobě složitost . V tomto případě se však nepoužívá zde popsané násobení matic, ale upravená verze, kde je místo sčítání výběr nejmenšího prvku a místo násobení sčítání, proto nelze použít například Strassenův algoritmus, který využívá operaci odčítání jako inverzní operaci ke sčítání, která k operaci není.
Graf lze popsat maticí vzdáleností . Pokud je pro výpočty operace sčítání dvou čísel definována jako jejich minimum, a místo násobení se použije sčítání, je možno matici nejkratších cest získat jako () kde je řád matice vzdáleností. Při reálném výpočtu není třeba cyklicky násobit původní maticí, ale vždy se vynásobí vzniklé výsledky - nejkratší cesty jsou získány po násobeních. Je-li použit pro násobení algoritmus se složitostí menší než , složitost hledání cest se tímto postupem sníží.
↑Slovník školské matematiky. Praha: SPN, 1981. 240 s.
↑ abČSN EN ISO 80000-2 (011300). Veličiny a jednotky - Část 2: Matematika. Česká agentura pro standardizaci, 2020-11-01. detail.
↑Peter Stingl. Mathematik für Fachhochschulen – Technik und Informatik. 5th. vyd. Munich: Carl Hanser Verlag, 1996. ISBN3-446-18668-9. (German)Je zde použita šablona {{Cite book}} označená jako k „pouze dočasnému použití“. Zde: příklad 5.4.10, s.205-206