全球专业中文经管百科,由121,994位网友共同编写而成,共计435,826个条目

克羅內克積

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目錄

什麼是克羅內克積

  克羅內克積是指兩個任意大小的矩陣間的運算,表示為\otimes。克羅內克積是張量積的特殊形式,以德國數學家利奧波德•克羅內克命名。

克羅內克積的定義

  如果A是一個m×n的矩陣,而B是一個p×q的矩陣,克羅內克積A\otimes B則是一個mp×nq的分塊矩陣

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

  更具體地可表示為

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}.

克羅內克積的特性

雙線性和結合律

  克羅內克積是張量積的特殊形式,因此滿足雙線性映射|雙線性與結合律:

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是矩陣,而k是常量。

  克羅內克積不符合交換律:

  通常,A\otimesB不同於B\otimesA。

  A\otimesB和B\otimesA是排列等價的,也就是說,存在排列矩陣P和Q,使得:A\otimes B=P\,(B\otimes A)\,Q.

  如果A和B是方塊矩陣,則A\otimesB和B\otimesA甚至是排列相似矩陣|相似的,也就是說,我們可以取P=QT

混合乘積性質

  如果A、B、C和D是四個矩陣,且矩陣乘積AC和BD存在,那麼:

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

  這個性質稱為“混合乘積性質”,因為它混合了通常的矩陣乘積和克羅內克積。於是可以推出,A\,\otimes \,B是可逆矩陣|可逆的當且僅當A和B是可逆的,其逆矩陣為:

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

克羅內克和

  如果A是n×n矩陣,B是m×m矩陣,\mathbf{I}_k表示k×k單位矩陣,那麼我們可以定義克羅內克和\oplus為:

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

  假設A和B分別是大小為n和q的方塊矩陣。設λ1,……,λn為A的特征值,μ1,……,μq為B的特征值。那麼A\,\otimes \,B的特征值為:

λiμj,i=1,……,n;j=1,……,q。

  於是可以推出,兩個矩陣的克羅內克積的跡和行列式為:

\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.

奇異值

  如果A和B是長方矩陣,那麼我們可以考慮它們的奇異值分解|奇異值。假設A有rA個非零的奇異值,它們是:

σA,i,i=1,……,rA

  類似地,設B的非零奇異值為:

σB,i,i=1,……,rB

  那麼克羅內克積A\,\otimes \,B有rArB個非零奇異值,它們是:

σA,iσB,j, i=1,……,rA, j=1,……,rB

  由於一個矩陣的秩等於非零奇異值的數目,因此我們有:

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

與抽象張量積的關係

  矩陣的克羅內克積對應於線性映射的抽象張量積。特別地,如果向量空間V、W、X和Y分別具有基{v1,...,vm}、{w1,...,wn}、{x1,...,xd}和{y1,...,ye},且矩陣A和B分別在恰當的基中表示線性變換S:V→X和T:W→Y,那麼矩陣A⊗B表示兩個映射的張量積S⊗T:V⊗W→X⊗Y,關於V⊗W的基{v1⊗w1,v1⊗w2,...,v2⊗w1,...,vm⊗wn}和X⊗Y的類似基。

轉置

  克羅內克積轉置運算符合分配律:

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

克羅內克積的矩陣方程

  克羅內克積可以用來為一些矩陣方程得出方便的表示法。例如,考慮方程AXB=C,其中A、B和C是給定的矩陣,X是未知的矩陣。我們可以把這個方程重寫為

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

  這樣,從克羅內克積的性質可以推出,方程AXB=C具有唯一的解,當且僅當A和B是非奇異矩陣。

  在這裡,vec(X)表示矩陣X的向量化,它是把X的所有列堆起來所形成的列向量。

  如果把X的行堆起來,形成列向量x,則AXB也可以寫為(A\otimes B^\top)x

克羅內克積的例子

\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}.
本條目對我有幫助34
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

本条目由以下用户参与贡献

Tracy.

評論(共0條)

提示:評論內容為網友針對條目"克羅內克積"展開的討論,與本站觀點立場無關。

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号