全球专业中文经管百科,由121,994位网友共同编写而成,共计436,034个条目

克罗内克积

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目录

什么是克罗内克积

  克罗内克积是指两个任意大小的矩阵间的运算,表示为\otimes。克罗内克积是张量积的特殊形式,以德国数学家利奥波德•克罗内克命名。

克罗内克积的定义

  如果A是一个m×n的矩阵,而B是一个p×q的矩阵,克罗内克积A\otimes B则是一个mp×nq的分块矩阵

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

  更具体地可表示为

A\otimes B=\begin{bmatrix} a_{11}b_{11}&a_{11}b_{12}&\cdots&a_{11}b_{1q}& \cdots&\cdots&a_{1n}b_{11}&a_{1n}b_{12}&\cdots&a_{1n}b_{1q}\\ a_{11}b_{21}&a_{11}b_{22}&\cdots&a_{11}b_{2q}& \cdots&\cdots&a_{1n}b_{21}&a_{1n}b_{22}&\cdots&a_{1n}b_{2q}\\ \vdots&\vdots&\ddots&\vdots&&&\vdots&\vdots&\ddots&\vdots\\ a_{11}b_{p1}&a_{11}b_{p2}&\cdots&a_{11}b_{pq}& \cdots&\cdots&a_{1n}b_{p1}&a_{1n}b_{p2}&\cdots&a_{1n}b_{pq}\\ \vdots&\vdots&&\vdots&\ddots&&\vdots&\vdots&&\vdots\\ \vdots&\vdots&&\vdots&&\ddots&\vdots&\vdots&&\vdots\\ a_{m1}b_{11}&a_{m1}b_{12}&\cdots&a_{m1}b_{1q}& \cdots&\cdots&a_{mn}b_{11}&a_{mn}b_{12}&\cdots&a_{mn}b_{1q}\\ a_{m1}b_{21}&a_{m1}b_{22}&\cdots&a_{m1}b_{2q}& \cdots&\cdots&a_{mn}b_{21}&a_{mn}b_{22}&\cdots&a_{mn}b_{2q}\\ \vdots&\vdots&\ddots&\vdots&&&\vdots&\vdots&\ddots&\vdots\\ a_{m1}b_{p1}&a_{m1}b_{p2}&\cdots&a_{m1}b_{pq}& \cdots&\cdots&a_{mn}b_{p1}&a_{mn}b_{p2}&\cdots&a_{mn}b_{pq} \end{bmatrix}.

克罗内克积的特性

双线性和结合律

  克罗内克积是张量积的特殊形式,因此满足双线性映射|双线性与结合律:

A\otimes (B+C)=A\otimes B+A\otimes C
(A+B)\otimes C=A\otimes C+B\otimes C
(kA)\otimes B=A\otimes (kB)=k(A\otimes B)
(A\otimes B)\otimes C=A\otimes (B\otimes C)

  其中,A,B和C是矩阵,而k是常量。

  克罗内克积不符合交换律:

  通常,A\otimesB不同于B\otimesA。

  A\otimesB和B\otimesA是排列等价的,也就是说,存在排列矩阵P和Q,使得:A\otimes B=P\,(B\otimes A)\,Q.

  如果A和B是方块矩阵,则A\otimesB和B\otimesA甚至是排列相似矩阵|相似的,也就是说,我们可以取P=QT

混合乘积性质

  如果A、B、C和D是四个矩阵,且矩阵乘积AC和BD存在,那么:

(\mathbf{A}\otimes \mathbf{B})(\mathbf{C}\otimes \mathbf{D})=\mathbf{AC}\otimes \mathbf{BD}.

  这个性质称为“混合乘积性质”,因为它混合了通常的矩阵乘积和克罗内克积。于是可以推出,A\,\otimes \,B是可逆矩阵|可逆的当且仅当A和B是可逆的,其逆矩阵为:

(\mathbf{A}\otimes \mathbf{B})^{-1}=\mathbf{A}^{-1}\otimes \mathbf{B}^{-1}.

克罗内克和

  如果A是n×n矩阵,B是m×m矩阵,\mathbf{I}_k表示k×k单位矩阵,那么我们可以定义克罗内克和\oplus为:

\mathbf{A}\oplus\mathbf{B}=\mathbf{A}\otimes \mathbf{I}_m+\mathbf{I}_n\otimes \mathbf{B}.

  假设A和B分别是大小为n和q的方块矩阵。设λ1,……,λn为A的特征值,μ1,……,μq为B的特征值。那么A\,\otimes \,B的特征值为:

λiμj,i=1,……,n;j=1,……,q。

  于是可以推出,两个矩阵的克罗内克积的迹和行列式为:

\operatorname{tr}(\mathbf{A}\otimes \mathbf{B})=\operatorname{tr}\mathbf{A}\,\operatorname{tr}\mathbf{B}\quad\mbox{and}\quad\det(\mathbf{A}\otimes \mathbf{B})=(\det\mathbf{A})^q(\det\mathbf{B})^n.

奇异值

  如果A和B是长方矩阵,那么我们可以考虑它们的奇异值分解|奇异值。假设A有rA个非零的奇异值,它们是:

σA,i,i=1,……,rA

  类似地,设B的非零奇异值为:

σB,i,i=1,……,rB

  那么克罗内克积A\,\otimes \,B有rArB个非零奇异值,它们是:

σA,iσB,j, i=1,……,rA, j=1,……,rB

  由于一个矩阵的秩等于非零奇异值的数目,因此我们有:

\operatorname{rank}(\mathbf{A}\otimes \mathbf{B})=\operatorname{rank}\mathbf{A}\,\operatorname{rank}\mathbf{B}.

与抽象张量积的关系

  矩阵的克罗内克积对应于线性映射的抽象张量积。特别地,如果向量空间V、W、X和Y分别具有基{v1,...,vm}、{w1,...,wn}、{x1,...,xd}和{y1,...,ye},且矩阵A和B分别在恰当的基中表示线性变换S:V→X和T:W→Y,那么矩阵A⊗B表示两个映射的张量积S⊗T:V⊗W→X⊗Y,关于V⊗W的基{v1⊗w1,v1⊗w2,...,v2⊗w1,...,vm⊗wn}和X⊗Y的类似基。

转置

  克罗内克积转置运算符合分配律:

(A\otimes B)^T=A^T\otimes B^T.

克罗内克积的矩阵方程

  克罗内克积可以用来为一些矩阵方程得出方便的表示法。例如,考虑方程AXB=C,其中A、B和C是给定的矩阵,X是未知的矩阵。我们可以把这个方程重写为

(B^\top\otimes A)\,\operatorname{vec}(X)=\operatorname{vec}(AXB)=\operatorname{vec}(C).

  这样,从克罗内克积的性质可以推出,方程AXB=C具有唯一的解,当且仅当A和B是非奇异矩阵。

  在这里,vec(X)表示矩阵X的向量化,它是把X的所有列堆起来所形成的列向量。

  如果把X的行堆起来,形成列向量x,则AXB也可以写为(A\otimes B^\top)x

克罗内克积的例子

\begin{bmatrix} 1&2\\ 3&1\\ \end{bmatrix} \otimes  \begin{bmatrix} 0&3\\ 2&1\\ \end{bmatrix} = \begin{bmatrix} 1\cdot0&1\cdot3&2\cdot0&2\cdot3\\ 1\cdot2&1\cdot1&2\cdot2&2\cdot1\\ 3\cdot0&3\cdot3&1\cdot0&1\cdot3\\ 3\cdot2&3\cdot1&1\cdot2&1\cdot1\\ \end{bmatrix} = \begin{bmatrix} 0&3&0&6\\ 2&1&4&2\\ 0&9&0&3\\ 6&3&2&1 \end{bmatrix}.
\begin{bmatrix} a_{11}&a_{12}\\ a_{21}&a_{22}\\ a_{31}&a_{32} \end{bmatrix} \otimes  \begin{bmatrix} b_{11}&b_{12}&b_{13}\\ b_{21}&b_{22}&b_{23} \end{bmatrix} = \begin{bmatrix} a_{11}b_{11}&a_{11}b_{12}&a_{11}b_{13}&a_{12}b_{11}&a_{12}b_{12}&a_{12}b_{13}\\ a_{11}b_{21}&a_{11}b_{22}&a_{11}b_{23}&a_{12}b_{21}&a_{12}b_{22}&a_{12}b_{23}\\ a_{21}b_{11}&a_{21}b_{12}&a_{21}b_{13}&a_{22}b_{11}&a_{22}b_{12}&a_{22}b_{13}\\ a_{21}b_{21}&a_{21}b_{22}&a_{21}b_{23}&a_{22}b_{21}&a_{22}b_{22}&a_{22}b_{23}\\ a_{31}b_{11}&a_{31}b_{12}&a_{31}b_{13}&a_{32}b_{11}&a_{32}b_{12}&a_{32}b_{13}\\ a_{31}b_{21}&a_{31}b_{22}&a_{31}b_{23}&a_{32}b_{21}&a_{32}b_{22}&a_{32}b_{23} \end{bmatrix}.
本条目对我有帮助35
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

Tracy.

评论(共0条)

提示:评论内容为网友针对条目"克罗内克积"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

官方社群
下载APP

闽公网安备 35020302032707号