矩阵分析与应用(13)

最新推荐文章于 2024-02-23 22:40:55 发布

Butterfffly

最新推荐文章于 2024-02-23 22:40:55 发布

阅读量880

点赞数

分类专栏：矩阵分析与应用文章标签：线性代数

本文链接：https://blog.csdn.net/qq_40206924/article/details/125820428

版权

矩阵分析与应用专栏收录该内容

22 篇文章 9 订阅

订阅专栏

学习来源：《矩阵分析与应用》张贤达清华大学出版社

Kronecker 积

1. 矩阵化函数和向量化函数

矩阵与向量之间存在相互转换的函数。

定义：一个 $mn\times 1$ 向量 $a=[a_1,a_2,\cdots ,a_{mn}]^T$ 的矩阵化函数 $unvec_{m,n}$ 是一个将 $mn$ 个元素的列向量转换为 $m\times n$ 矩阵的算子，即

$unvec_{m,n}(a)=A_{m\times n}=\begin{bmatrix} a_1 & a_{m+1} & \cdots & a_{m(n-1)+1}\\ a_2& a_{m+2}& \cdots & a_{m(n-1)+2}\\ \vdots & \vdots & &\vdots \\ a_m & a_{2m}& \cdots & a_{mn} \end{bmatrix}$

相反的，若 $A=[a_{ij}]$ 是一个 $m\times n$ 矩阵，则 $A$ 的向量化函数 $vec(A)$ 是一个 $mn\times 1$ 向量，其元素是 $A$ 的元素的字典式排列，即

$vec(A)=\begin{bmatrix} a_{11}\\ \vdots \\ a_{m1}\\ \vdots \\ a_{1n} \\ \vdots \\ a_{mn} \end{bmatrix}$

矩阵元素的字典式排列也称按列堆栈。

根据定义，矩阵化算子和向量化算子有以下关系：

$unvec_{m,n}(a)=A_{m\times n} \quad \Rightarrow \quad vec(A_{m\times n})=a$

矩阵也可以按行堆栈为行向量，称为矩阵的行向量化，用符号 $rvec(A)$ 表示，定义为：

$rvec(A)=[a_{11},\cdots ,a_{1n},\cdots ,a_{m1},\cdots ,a_{mn}]$

由于矩阵的向量化结果为列向量，行向量化结果为行向量，所以矩阵的向量化和行向量化之间存在以下关系：

$rvec(A)=(vec(A^T))^T ,\quad vec(A^T)=(rvec(A))^T$

2. Kronecker 积

Kronecker 积是表示矩阵特殊乘积的一种简洁数学符号。一个 $m\times n$ 矩阵 $A$ 和一个 $p\times q$ 矩阵 $B$ 的 Kronecker 积记作 $A\otimes B$ ，它是一个 $mp\times nq$ 矩阵。

定义 1 ： $m\times n$ 矩阵 $A$ 和 $p\times q$ 矩阵 $B$ 的右 Kronecker 积 $A\otimes B$ 定义为

$A\otimes B=[a_{ij}B]=\begin{bmatrix} a_{11}B & a_{12}B & \cdots & a_{1n}B\\ a_{21}B & a_{22}B& \cdots &a_{2n}B \\ \vdots & \vdots & &\vdots \\ a_{m1}B& a_{m2}B &\cdots & a_{mn}B \end{bmatrix}$

定义 2 ： $m\times n$ 矩阵 $A$ 和 $p\times q$ 矩阵 $B$ 的左 Kronecker 积 $A\otimes B$ 定义为

$[A\otimes B]_{left}=[Ab_{ij}]=\begin{bmatrix} Ab_{11} & Ab_{12} & \cdots & Ab_{1q}\\ Ab_{21} & Ab_{22}& \cdots &Ab_{2q} \\ \vdots & \vdots & &\vdots \\ Ab_{p1}&Ab_{p2} &\cdots & Ab_{pq} \end{bmatrix}$

Kronecker 积也称直积或张量积。

Kronecker 积的性质：

1）若矩阵 $A_{m\times n}=ab^T$ ，则

$vec(ab^T)=b\otimes a$

2）若 $A,B,C$ 为 $m\times p,\quad p\times q,\quad q\times n$ 矩阵，则

$vec(ABC)=(C^T\otimes A)v ec(B)$

3）对于矩阵 $A_{m\times n}$ 和 $B_{p\times q}$ ，一般 $A\otimes B\neq B\otimes A$ 。

4）任意矩阵与零矩阵的 Kronecker 积为零矩阵。

5）若 $\alpha$ 和 $\beta$ 为常数，则

$\alpha A\otimes \beta B=\alpha \beta (A\otimes B)$

6）对于矩阵 $A_{m\times n},B_{n\times k},C_{l\times p},D_{p\times q}$ ，有

$AB\otimes CD=(A\otimes C)(B\otimes D)$

7）对于矩阵 $A_{m\times n},B_{p\times q},C_{p\times q}$ ，有

$A\otimes (B\pm C)=A\otimes B\pm A\otimes C$

$(B\pm C)\otimes A=B\otimes A\pm C\otimes A$

8）若矩阵 $A$ 和 $B$ 分别有广义逆矩阵 $A^\dagger$ 和 $B^\dagger$ ，则

$(A\otimes B)^\dagger =A^\dagger \otimes B^\dagger$

特别的，若 $A$ 和 $B$ 是可逆的正方矩阵，则

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

9）对于矩阵 $A_{m\times n},B_{p\times q}$ ，有

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

$(A\otimes B)^H=A^H\otimes B^H$

10）对于矩阵 $A_{m\times n},B_{p\times q}$ ，有

$rank(A\otimes B)=rank(A)rank(B)$

11）若 $A$ 是 $m\times m$ 矩阵， $B$ 是 $n\times n$ 矩阵，则

$det(A\otimes B)=(det(A))^n(det(B))^m$

12）若 $A$ 是 $m\times m$ 矩阵， $B$ 是 $n\times n$ 矩阵，则

$tr(A\otimes B)=tr(A)tr(B)$

13）对于矩阵 $A_{m\times n},B_{m\times n},C_{p\times q},D_{p\times q}$ ，有

$(A+B)\otimes (C+D)=A\otimes C+A\otimes D+B\otimes C+ B \otimes D$

14）对于矩阵 $A_{m\times n},B_{k\times l},C_{p\times q},D_{r\times s}$ ，有

$(A\otimes B)\otimes (C\otimes D)=A\otimes B\otimes C\otimes D$

15）若 $\alpha_i$ 是矩阵 $A$ 与特征值 $\lambda_i$ 对应的特征向量， $\beta_i$ 是矩阵 $B$ 与特征值 $\mu_i$ 对应的特征向量，则 $\alpha_i\otimes \beta_i$ 是矩阵 $A\otimes B$ 的与特征值 $\lambda_i\mu_i$ 对应的特征向量，也是与特征值 $\lambda_i+\mu_i$ 对应的特征向量。