克罗内克积kronecker的定义与常见性质

Kronecker积（又称张量积或直积）是一种将两个矩阵组合成更大矩阵的运算，广泛应用于线性代数、量子力学和信号处理等领域，其通过众多性质，为处理多维数据和复杂线性系统提供了强大的工具。

作者在阅读多卫星多频点GNSS定位模型的论文时，发现论文公式中存在Kronecker积，且相关推导用到了Kronecker积的性质，但本人对该运算不太熟悉，所以在询问deepseek和查阅文献后，总结了Kronecker积的定义与常见性质，写下来作为笔记，方便日后查看。

若存在错误，欢迎在评论区指出。

以下是Kronecker积的定义及常见性质：

定义

给定矩阵 $A\in {\mathbb{C}}^{m\times n}$ 和 $B\in {\mathbb{C}}^{p\times q}$，它们的Kronecker积 $A\otimes B$ 是一个分块矩阵，大小为 $(mp)\times (nq)$，其元素定义为：
$$(A\otimes B{)}_{(i-1)p+k,(j-1)q+l}=A_{i,j}\cdot B_{k,l},$$
其中 $1\le i\le m$, $1\le j\le n$, $1\le k\le p$, $1\le l\le q$。

写作容易理解的形式便是：
$$A\otimes B=\left(\begin{array}{cccc}{a}_{11}B& a_{12}B& \cdots & a_{1n}B\\ a_{21}B& a_{22}B& \cdots & a_{2n}B\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}B& a_{m2}B& \cdots & a_{mn}B\end{array}\right)\in {\mathbb{R}}^{(mp)\times (nq)}$$

性质

1. 结合律
   $$(A\otimes B)\otimes C=A\otimes (B\otimes C).$$

2. 分配律
   $$A\otimes (B+C)=A\otimes B+A\otimes C\text{（若 B,C 同维）},$$
   $$(A+B)\otimes C=A\otimes C+B\otimes C\text{（若 A,B 同维）}.$$

3. 混合乘积性质
   若矩阵乘法 $AC$ 和 $BD$ 满足矩阵乘法，则：
   $$(A\otimes B)(C\otimes D)=(AC)\otimes (BD).$$

4. 转置
   $$(A\otimes B{)}^T=A^T\otimes B^T.$$

5. 逆矩阵
   若 $A$ 和 $B$ 可逆，则：
   $$(A\otimes B{)}^{-1}=A^{-1}\otimes B^{-1}.$$

6. 迹（Trace）
   若 $A$ 和 $B$ 为方阵，则：
   $$\mathrm{tr}(A\otimes B)=\mathrm{tr}(A)\cdot \mathrm{tr}(B).$$
   注：矩阵的迹为矩阵对角线元素求和

7. 行列式
   若 $A$ 为 $n\times n$ 方阵，$B$ 为 $m\times m$ 方阵，则：
   $$\det (A\otimes B)=\det (A{)}^m\cdot \det (B{)}^n.$$

8. 秩
   $$\mathrm{rank}(A\otimes B)=\mathrm{rank}(A)\cdot \mathrm{rank}(B).$$

9. 单位矩阵
   $$I_m\otimes I_n=I_{mn}.$$

10. 向量化公式
    对任意矩阵 $X$，有：
    $$\mathrm{vec}(AXB)=(B^T\otimes A)\mathrm{vec}(X).$$

11. p-范数
    对于 $p$-范数（如 $p=1,2,\infty$），Kronecker积满足：
    $$\Vert A\otimes B{\Vert }_p=\Vert A{\Vert }_p\cdot \Vert B{\Vert }_p.$$
    当$p=2$时对应的是矩阵的Frobenius范数
    $$\Vert A\otimes B{\Vert }_F=\Vert A{\Vert }_F\cdot \Vert B{\Vert }_F.$$
    其中矩阵$A$的$p$-范数为：
    $$\Vert A{\Vert }_p=\sqrt[1/p]{\sum _{i,j}|A_{i,j}{|}^p}.$$

12. 特征值
    若 $A$ 和 $B$ 为方阵，特征值分别为 ${\lambda }_i$ 和 ${\mu }_j$，则 $A\otimes B$ 的特征值为 ${\lambda }_i{\mu }_j$，对应的特征向量为 $v_i\otimes w_j$。

13. 谱范数（2-范数）
    $$\Vert A\otimes B{\Vert }_2=\Vert A{\Vert }_2\cdot \Vert B{\Vert }_2.$$
    其中矩阵 ( A ) 的谱范数为最大奇异值，即：
    $\Vert A{\Vert }_2={\sigma }_{\max }(A).$

14. 幂运算
    若 $A$ 和 $B$ 为方阵，则:

$$(A\otimes B{)}^k=A^k\otimes B^k.$$

15. 标量乘法
    对任意标量 $c$，有：
    $$c(A\otimes B)=(cA)\otimes B=A\otimes (cB).$$

应用示例

• 矩阵方程：方程 $AX+XB=C$ 可转化为：
  $$(I\otimes A+B^T\otimes I)\mathrm{vec}(X)=\mathrm{vec}(C).$$
  其中$I$的维度与$X$的列数一致
• 量子力学：复合系统的状态空间为各子系统空间的Kronecker积。