Hadamard-Produkt

Mathematik: Produkt zweier gleicher Matrix

Das Hadamard-Produkt, Schur-Produkt, komponentenweises Produkt oder elementweises Produkt ist in der Mathematik ein spezielles Produkt zweier Matrizen gleicher Größe. Die resultierende Matrix ergibt sich dabei durch Multiplikation der jeweils entsprechenden Einträge der beiden Ausgangsmatrizen. Das Hadamard-Produkt ist assoziativ, mit der Matrizenaddition distributiv und kommutativ, falls der zugrunde liegende Ring ebenfalls kommutativ ist.

Beim Hadamard-Produkt weisen alle involvierten Matrizen die gleiche Spalten- und Zeilenzahl auf.

Das Hadamard-Produkt weist einige interessante Eigenschaften auf. So ist beispielsweise das Hadamard-Produkt zweier positiv semidefiniter Matrizen wieder positiv semidefinit. Weiter lassen sich verschiedene Kenngrößen (wie Norm, Rang oder Spektralradius) des Hadamard-Produkts über das Produkt der jeweiligen Kenngrößen der Ausgangsmatrizen abschätzen. Im Vergleich zum komplexeren Matrizenprodukt ist das Hadamard-Produkt allerdings in der Praxis weniger bedeutsam. Es ist nach den Mathematikern Jacques Hadamard und Issai Schur benannt.

Definition Bearbeiten

 
Bei der Berechnung des Hadamard-Produkts werden die Matrixeinträge komponentenweise miteinander multipliziert.

Ist   ein Ring und sind   sowie   zwei Matrizen über  , dann wird das Hadamard-Produkt von   und   durch

 

definiert. Das Ergebnis ist damit eine Matrix der gleichen Größe, wobei sich jeder Eintrag durch komponentenweise Multiplikation der Einträge der Matrix   mit den Einträgen der Matrix   berechnet.[1] Als Operatorsymbol wird für das Hadamard-Produkt gelegentlich auch das Zeichen   verwendet.[2]

Beispiel Bearbeiten

Das Hadamard-Produkt der beiden reellen (2 × 2)-Matrizen

    und    

ist gegeben durch

 .

Eigenschaften Bearbeiten

Rechengesetze Bearbeiten

Das Hadamard-Produkt erbt im Wesentlichen die Eigenschaften des zugrunde liegenden Rings.[1] Es ist immer assoziativ, das heißt für Matrizen   gilt

 ,

und es ist verträglich mit der Multiplikation von Skalaren  , also

 .

Ist der zugrunde liegende Ring kommutativ, so ist auch das Hadamard-Produkt kommutativ, das heißt

 ,

worin es sich von dem normalerweise verwendeten Matrizenprodukt unterscheidet. Mit der komponentenweisen Matrizenaddition   gelten auch die Distributivgesetze

    und    .

Für die transponierte Matrix eines Hadamard-Produkts gilt zudem

 .

Das Hadamard-Produkt zweier symmetrischer Matrizen ist demnach wieder symmetrisch.

Algebraische Strukturen Bearbeiten

Die Menge der Matrizen über einem Ring bildet mit der Matrizenaddition und dem Hadamard-Produkt wieder einen Ring  . Ist   ein unitärer Ring mit Einselement  , dann besitzt auch der Matrizenring ein Einselement, die Einsmatrix  , bei der alle Elemente gleich   sind. Mit der Einsmatrix gilt dann für alle Matrizen  

 .

Ist   ein Körper, dann heißt eine Matrix   Hadamard-invertierbar, wenn alle Einträge von   ungleich dem Nullelement sind.[1] Die Menge der Hadamard-invertierbaren Matrizen bildet dann eine Gruppe  , wobei die Einträge der Hadamard-Inversen   von   durch

 

gegeben sind. Im Weiteren werden nur Matrizen über dem Körper   der reellen oder komplexen Zahlen betrachtet.

Positive Definitheit Bearbeiten

Sind die quadratischen Matrizen   positiv semidefinit, so ist auch ihr Hadamard-Produkt   positiv semidefinit und für die Eigenwerte von   gilt

 .

Wenn   positiv definit ist und   positiv semidefinit mit positiven Hauptdiagonaleinträgen ist, dann ist auch das Hadamard-Produkt   positiv definit. Diese Aussagen gehen auf Issai Schur zurück, der sie 1911 erstmals formulierte.[3]

Diagonalmatrizen Bearbeiten

Ist   eine Diagonalmatrix, dann gelten für das Hadamard-Produkt und die Matrixmultiplikation folgende Gleichungen:[4]

 
 
 

Diagonalisierbare Matrizen Bearbeiten

Sei   eine diagonalisierbare Matrix mit dem Diagonalvektor  , den Eigenwerten   und der Diagonalisierung  , wobei   eine Diagonalmatrix und   eine reguläre Matrix ist. Dann gilt:[5]

 

Singulärwertzerlegung Bearbeiten

Sei   eine Matrix mit Singulärwertzerlegung   und den Singulärwerten  . Dann gilt:[5]

 

Abschätzungen Bearbeiten

Spektralnorm Bearbeiten

Ist die quadratische Matrix   positiv definit, dann gilt für die Spektralnorm eines Hadamard-Produkts

 .

Ist   das Produkt zweier Matrizen, dann gilt

 ,

wobei   die maximale euklidische Norm der Spaltenvektoren von   ist. Insgesamt erhält man so die Abschätzung:

 .

Diese drei Abschätzungen gehen ebenfalls auf Issai Schur zurück.[3]

Kronecker-Produkt Bearbeiten

Das Kronecker-Produkt   liefert als Resultat eine große Matrix, die durch Betrachtung aller möglichen Produkte von Einträgen der beiden Ausgangsmatrizen entsteht. Sind die Matrizen  , dann finden sich die Einträge des Hadamard-Produkts   genau an den Schnittpunkten der Spalten   mit den Zeilen   des entsprechenden Kronecker-Produkts. Das Hadamard-Produkt ist somit eine Untermatrix des Kronecker-Produkts. Daher gilt für die Spektralnorm eines Hadamard-Produkts[6]

 

und für den Rang eines Hadamard-Produkts[6]

 .

Haben zwei Matrizen   und   nur nichtnegative Einträge, dann gilt dies auch für   und  . Sind dabei   und   quadratisch, dann gilt für den Spektralradius (den Betrag des betragsmäßig größten Eigenwerts) eines Hadamard-Produkts[6]

 .

Induzierte Sesquilinearform Bearbeiten

Für Diagonalmatrizen   (und nur für diese) stimmen das Hadamard-Produkt und das normale Matrizenprodukt überein:

 .

Sind nun   beliebig,   zwei (Spalten-)Vektoren und   zwei Diagonalmatrizen mit den Einträgen von   und   auf der Diagonalen, dann gilt[7]

 .

Demnach kann die Sesquilinearform, die durch das Hadamard-Produkt erzeugt wird, als Spur geschrieben werden. Hieraus folgt beispielsweise die Submultiplikativität der Frobeniusnorm bezüglich des Hadamard-Produkts:[7]

 .

Programmierung Bearbeiten

Das Hadamard-Produkt ist in Programmiersystemen auf unterschiedliche Weise integriert:

  • In dem numerischen Softwarepaket Matlab wird das Hadamard-Produkt durch die Symbolkombination .* dargestellt, während * für das Matrizenprodukt steht.[8]
  • In der Programmiersprache Fortran wird das Hadamard-Produkt durch den einfachen Multiplikationsoperator * realisiert, während für die Matrizenmultiplikation eine eigene Routine matmul zur Verfügung steht. Diese Benennungen wurden auch für NumPy in Python übernommen.
  • In der Statistiksoftware R wird das Hadamard-Produkt durch * dargestellt, während die Matrizenmultiplikation durch %*% realisiert wird.

Analog: Elementweise Division Bearbeiten

In derselben Weise kann man auch einen Operator für die komponentenweise bzw. elementweise Division definieren: [9][10]


 , mit  

Literatur Bearbeiten

  • Roger A. Horn: The Hadamard Product. In: Charles R. Johnson (Hrsg.): Matrix Theory and Applications (= Proceedings of Symposia in Applied Mathematics. Band 40). American Mathematical Society, Providence RI 1990, ISBN 0-8218-0154-6, S. 87–170.
  • Roger A. Horn, Charles R. Johnson: Topics in Matrix Analysis. 1st paperback edition. Cambridge University Press, Cambridge u. a. 1994, ISBN 0-521-46713-6, S. 298–381.

Einzelnachweise Bearbeiten

  1. a b c Horn: The Hadamard Product. In: Johnson (Hrsg.): Matrix Theory and Applications. 1990, S. 87–170, hier S. 88.
  2. Christian Voigt, Jürgen Adamy: Formelsammlung der Matrizenrechnung. Oldenbourg, München u. a. 2007, ISBN 978-3-486-58350-2, S. 13.
  3. a b Horn: The Hadamard Product. In: Johnson (Hrsg.): Matrix Theory and Applications. 1990, S. 87–170, hier S. 95.
  4. George P. H. Styan, McGill University: Hadamard Products and Multivariate Statistical Analysis
  5. a b Elizabeth Million, University of Puget Sound: The Hadamard Product
  6. a b c Horn: The Hadamard Product. In: Johnson (Hrsg.): Matrix Theory and Applications. 1990, S. 87–170, hier S. 96–100.
  7. a b Horn: The Hadamard Product. In: Johnson (Hrsg.): Matrix Theory and Applications. 1990, S. 87–170, hier S. 100–104.
  8. Christoph Überhuber, Stefan Katzenbeisser, Dirk Praetorius: MATLAB 7. Eine Einführung. Springer, Wien u. a. 2005, ISBN 3-211-21137-3, S. 81.
  9. Gordon Wetzstein, Douglas Lanman, Matthew Hirsch, Ramesh Raskar: Supplementary Material: Tensor Displays: Compressive Light Field Synthesis using Multilayer Displays with Directional Backlighting. In: MIT Media Lab.
  10. Boguslaw Cyganek: Object Detection and Recognition in Digital Images: Theory and Practice. John Wiley & Sons, 2013, ISBN 978-1-118-61836-3, S. 109 (google.com).