矩阵的Kronecker积的相关结论

矩阵的Kronecker积

矩阵的Kronecker积的定义

设矩阵$A=(a_{ij})\in M_{m,n},B\in M_{s,t}.$$A$和$B$的 $Kronecker$积(也称为张量积)记作$A\otimes B$，定义为下面的分块矩阵：
$$A\otimes B=\left(\begin{array}{cccc}{a}_{11}B& a_{12}B& \cdots & a_{1n}B\\ a_{21}B& a_{22}B& \cdots & a_{2n}B\\ ⋮& ⋮& & ⋮\\ a_{m1}B& a_{m2}B& \cdots & a_{mn}B\end{array}\right)\in M_{ms,nt}.$$

矩阵的Kronecker积的性质

$A\in M_{m,n},B\in M_{s,t},C\in M_{p,q},D\in M_{t,r}$

• $(\alpha A)\otimes B=A\otimes (\alpha B)=\alpha (A\otimes B),\alpha \in \mathbf{C}$
• $(A\otimes B{)}^T=A^T\otimes B^T$
• $(A\otimes B{)}^H=A^H\otimes B^H$
• $(A\otimes B)\otimes C=A\otimes (B\otimes C)$
• $A\otimes (B+C)=(A\otimes B)+(A\otimes C)$
• $(A+B)\otimes C=(A\otimes C)+(B\otimes C)$
• $A\otimes B=0$当且仅当$A=0$或$B=0$
• $(A\otimes B)(C\otimes D)=(AC)\otimes (BD)$

设$A\in M_m,B\in M_n$

• 若$A,B$对称，则$A\otimes B$对称
• 若$A,B$为$Hermit$矩阵，则$A\otimes B$是$Hermit$矩阵
• 若$A,B$可逆，则$A\otimes B$也可逆，且 $(A\otimes B{)}^{-1}=A^{-1}\otimes B^{-1}$
• 若$A,B$为正规矩阵，则$A\otimes B$是正规矩阵
• 若$A,B$为酉矩阵，则$A\otimes B$是酉矩阵
• 若$\lambda \in \sigma (A)$，$x$是对应的特征向量，$\mu \in \sigma (B)$，$y$是对应的特征向量，则$\lambda \mu \in \sigma (A\otimes B)$，$x\otimes y$是对应的特征向量
• 若 σ ( A ) = { λ 1 , ⋯   , λ m } , σ ( B ) = { μ 1 , ⋯   , μ n } \sigma(A)= \{ \lambda_1,\cdots,\lambda_{m}\},\sigma(B)= \{ \mu_1,\cdots,\mu_{n}\} σ(A)={λ1​,⋯,λm​},σ(B)={μ1​,⋯,μn​},则
  σ ( A ⊗ B ) = { λ i μ j ∣ i = 1 , ⋯   , m , j = 1 , ⋯   , n } \sigma(A\otimes B)=\{\lambda_{i}\mu_{j} | i=1,\cdots,m,j=1,\cdots,n\} σ(A⊗B)={λi​μj​∣i=1,⋯,m,j=1,⋯,n}
• $det(A\otimes B)=(detA{)}^n(detB{)}^m$
• 若 s v ( A ) = { s 1 , ⋯   , s m } , s v ( B ) = { t 1 , ⋯   , t n } sv(A)= \{ s_1,\cdots,s_{m}\},sv(B)= \{ t_1,\cdots,t_{n}\} sv(A)={s1​,⋯,sm​},sv(B)={t1​,⋯,tn​},则
  s v ( A ⊗ B ) = { s i t j ∣ i = 1 , ⋯   , m , j = 1 , ⋯   , n } sv(A\otimes B)=\{s_{i}t_{j} | i=1,\cdots,m,j=1,\cdots,n\} sv(A⊗B)={si​tj​∣i=1,⋯,m,j=1,⋯,n}
• $rank(A\otimes B)=(rankA)(rankB)$

矩阵的拉直

矩阵的拉直的定义

设$A=(a_1,a_2,\cdots ,a_n)\in M_{m,n}$，则
$$vec(A)=\left(\begin{array}{c}{a}_1\\ a_2\\ ⋮\\ a_n\end{array}\right).$$

矩阵的拉直的性质

1、设$A\in M_{m,n},B\in M_{n,k},C\in M_{k,t},$则
$$vec(ABC)=(C^T\otimes A)vecB.$$
2、存在一个只依赖于$m,n$的$mn$阶置换矩阵$P(m,n)$使得
$$vec{X}^T=P(m,n)vecX,$$对任何$X\in M_{m,n}$成立.

矩阵的方程

定理1： 矩阵方程$AX-XB=C(称为Sylvester方程),A\in M_m,B\in M_n,C\in M_{m,n}$有唯一解当且仅当$A$和$B$没有公共特征值

定理2： 矩阵方程$AX-XB=C(称为Sylvester方程),A\in M_m,B\in M_n,C\in M_{m,n}$有解当且仅当$\left(\begin{array}{cc}A& 0\\ 0& B\end{array}\right)$和$\left(\begin{array}{cc}A& C\\ 0& B\end{array}\right)$相似
例1、 设$A\in {\mathbf{C}}^{m\times m},B\in {\mathbf{C}}^{n\times n},X(t)\in {\mathbf{C}}^{m\times n}$，求下列微分方程初值问题的解：
$$\{\begin{array}{l}\frac{dX(t)}{dt}=AX(t)+X(t)B\\ X(0)=X_0\end{array}$$
引理： 设矩阵$A\in {\mathbf{C}}^{m\times m},B\in {\mathbf{C}}^{n\times n}$,则$e^{A\times I_n}=e^A\times I_n$,$e^{I_m\times B}=I_m\times B$.
$proof:$
$$e^{A\times I_n}=\sum _{k=1}^{\infty }\frac{1}{k!}(A\otimes I{)}^k=\sum _{k=1}^{\infty }\frac{1}{k!}(A^k\otimes I^k)=(\sum _{k=1}^{\infty }\frac{1}{k!}{A}^k)\otimes I=e^A\times I_n$$
同理可得：$e^{I_m\times B}=I_m\times B$
解、 对微分方程两边拉直，易得：
$$\{\begin{array}{l}\frac{dvecX(t)}{dt}=(I_n\otimes A+B^T\otimes I_m)vecX(t)\\ vecX(0)=vec{X}_0\end{array}$$
由引理可得：
$$vecX(t)=e^{t(I_n\otimes A+B^T\otimes I_m)}vec{X}_0=(e^{B^{T}t}\otimes e^{At})vec{X}_0=vec(e^{At}{X}_0(e^{B^{T}t}{)}^T)=vec(e^{At}{X}_0{e}^{B^t})$$
于是$X(t)=e^{At}{X}_0{e}^{B^t}$为微分方程的解