Kronecker product

最新推荐文章于 2024-01-02 17:51:58 发布
最新推荐文章于 2024-01-02 17:51:58 发布
阅读量1.9k 收藏 3
点赞数
分类专栏： MATLAB
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shanshuizui/article/details/51217507
版权


If A is an m × n matrix and B is a p × q matrix, then the Kronecker product A ⊗ B is the mp × nq block matrix:

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

more explicitly:

{\mathbf{A}\otimes\mathbf{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}.

More compactly, we have (A\otimes B)_{p(r-1)+v, q(s-1)+w} = a_{rs} b_{vw}

If A and B represent linear transformations V1 → W1 and V2 → W2, respectively, then A ⊗ B represents the tensor product of the two maps, V1 ⊗ V2 → W1 ⊗ W2.

Example[edit]

\begin{bmatrix} 1 & 2 \\ 3 & 4 \\ \end{bmatrix} \otimes \begin{bmatrix} 0 & 5 \\ 6 & 7 \\ \end{bmatrix} = \begin{bmatrix} 1\cdot 0 & 1\cdot 5 & 2\cdot 0 & 2\cdot 5 \\ 1\cdot 6 & 1\cdot 7 & 2\cdot 6 & 2\cdot 7 \\ 3\cdot 0 & 3\cdot 5 & 4\cdot 0 & 4\cdot 5 \\ 3\cdot 6 & 3\cdot 7 & 4\cdot 6 & 4\cdot 7 \\ \end{bmatrix} = \begin{bmatrix} 0 & 5 & 0 & 10 \\ 6 & 7 & 12 & 14 \\ 0 & 15 & 0 & 20 \\ 18 & 21 & 24 & 28 \end{bmatrix}.

shanshuizui
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
克罗内克积（Kronecker product）与笛卡尔乘积（Cartesian product）
weixin_42769537的博客
10-19 6398
数学上，克罗内克积是两个任意大小的矩阵间的运算。 假设A为mxn的矩阵，B为pxq的矩阵。 ，. 在进行计算的时候，克罗内克积可表示为，为mpxnq大小的矩阵。在MATLAB中可以使用kron函数。 当kronecker积应用到扩展维数时，如下 假设单变量的点为[2,3,4]，如果扩展到二维变量，就可以使用克罗内克积进行扩维。结果可以是 这里我觉得就与笛卡尔乘积一样。 笛卡尔...
Matlab运用kron()函数计算Kronecker乘法
热门推荐
yyywww666的专栏
10-15 3万+
矩阵的Kronecker乘法及Matlab运用kron()计算Kronecker乘法        对n×m阶矩阵A和p×q阶矩阵B，A和B的Kronecher乘法运算可定义为：              由上面的式子可以看出，Kronecker乘积A B表示矩阵A的所有元素与B之间的乘积组合而成的较大的矩阵，B A则完全类似．A B和B A均为np×mq矩阵，但一般情况
Eigen实现克罗内克内积
qq_44849479的博客
06-09 1391
Eigen实现克罗内克内积运算
初探Kronecker product(克罗内克积)
驽马十驾，功在不舍；锲而不舍，金石可镂。
11-26 3671
1.三个矩阵A、B、C的乘积与克罗内克积的关系 vec(A,B,C)=(CT⊗A)∗vec(B)\qquad \qquad \qquad \qquad \qquad vec(A,B,C)=(C^T\otimes A)*vec(B)vec(A,B,C)=(CT⊗A)∗vec(B) 工作中碰到了这一公式的应用，觉得不好理解。 证明过程如下(见参考1)，有需要再深究吧： 用例子印证下： import numpy as np a = np.array([[1,2,1],[2,1,0]]) b = np.array
克罗内克积 Kronecker product
qq_60718103的博客
03-30 1018
定义：A⊗B的定义：A是mxn矩阵，B是pxq矩阵。A ⊗ B 是mp x nq的分块矩阵。是一种特殊的张量积。都可以进行克罗内克内积操作。
克罗内克内积 Kronecker product
Codefmeister's BLOG
11-15 3305
克罗内克内积 Kronecker product ⊗\otimes⊗ 1.1 概述 克罗内克内积是一种特殊的张量积。任何两个形状的矩阵都可以进行克罗内克内积操作。 1.2 定义 Definition A⊗BA \otimes BA⊗B的定义：A是mxn矩阵，B是pxq矩阵。A⊗BA \otimes BA⊗B是mp x nq的分块矩阵。 例子： 1.3 性质 Reference: 百度百科 1.3.1 双线性结合律 1.3.2 不满足交换律 1.3.3 混合乘积性 ...
【基础数学】克罗内克内积 Kronecker product
devil_son1234的博客
09-30 5726
Kronecker product
矩阵的直积-Kronecker Product
12-30
矩阵的直积，也被称作Kronecker Product，是线性代数中的一个重要概念，尤其在处理大规模数据和进行矩阵运算时应用广泛。矩阵的直积不仅在数学理论中有其独特的位置，同样在工程实践中，如深度学习、信号处理、量子...
Efficient Object-Oriented Kronecker Product Manipulation：一个仅在操作数方面有效操作 N 折 Kronecker 乘积的类。-matlab开发
06-01
这是一个类，用于仅根据操作数有效地表示和操作矩阵（或行为类似于矩阵的对象）的 N 折 Kronecker 乘积。 给定矩阵 {A,B,C,D,...} 和一个标量 s，这个类的对象 M 可以用来表示矩阵 = s * A kron B kron C kron D ...
张量Kronecker积奇异值分解_matlab_
06-03
Tensor Kronecker Product Singular Value Decomposition [B,sigmas] = tkpsvd(A,n) or [B,sigmas] = tkpsvd(A,n,R) Use this function to compute the TKPSVD for tensor A with Kronecker product factors ...
Kronecker克罗内克积
05-26
线性代数中有关直和与直积的运算，这里主要讲解了在矩阵里的应用
研究论文-一种3D Massive MIMO Kronecker信道模型.pdf
08-07
为建立适用大规模MIMO系统性能分析和评估的信道模型，提出了一种3D Massive MIMO Kronecker信道模型。在传统3D MIMO Kronecker信道模型研究基础上，利用生灭过程建模散射簇在阵列轴的非平稳演变来表征Massive MIMO信道的非平稳特性，将生灭过程的影响抽象为幸存概率矩阵。通过仿真实验可以验证，所提信道模型不仅能够表征大规模天线阵列的空间相关性，而且可以描述散射簇在大规模天线阵列轴上的演变。
Kronecker_Projection:Kronecker生产矩阵，用于近似最近的邻居搜索
05-07
Kronecker Product，也称为张量积，是线性代数中的一种运算，将两个矩阵组合成一个新的大矩阵。在近似最近邻搜索的上下文中，Kronecker Projection用于将高维数据转换为低秩表示，以减少计算复杂性和存储需求。这种...
克罗内克积【kronecker product】
Reparkn的博客
07-17 2007
在学习信号处理的时候往往会接触到矩阵分析的理论，因此需要保证自己具有一定的理论底蕴来使自己更好地理解知识
矩阵运算 Matrix Product, Hadamard Product, Kronecker Product
winner3的专栏
10-28 1898
最近在读一些paper，遇到了一些矩阵相关的计算。通过网上查阅相关资料，现在将其汇总一下，以备后续不时之需；其中主要包括Matrix Product, Hadamard Product以及Kronecker Product。 1、Matrix Product（矩阵乘积）：该计算最常见，学过线性代数的同学可以跳过。 矩阵乘积要求：前一矩阵的列等于后一矩阵的行 例如，的矩阵A与的矩阵B相乘，得到...
End-to-End Deep Kronecker-Product Matching for Person Re-identification学习笔记
与贰的博客
07-18 1279
学习真的是一件快乐夹杂着痛苦的事，读着很累，写着很爽，回想起来发现记不得了又很累。 这篇文章叫“用于ReID的克罗内克积的深度匹配”，主要包括了这么两个部分：基于克罗内克积的深度匹配，沙漏状的多尺度信息提取网络。这个框架主要考虑了多层的空间信息，以及匹配图片之间的相关性。 整个框架的大体思路与前面几个并没有太大的差异，也是通过将图片转化为特征向量，然后计算两个特征向量之间的相似性来比较这两张图...
深度学习中的Matrix Calculus (3)： Kronecker Product
咚咚锵的博客
06-28 3132
  Kronector积+向量化是向量对矩阵求导，矩阵对矩阵求导的重要利器，主要思想就是将矩阵按列排成一一个列向量，然后求导，通过kronector积进行化简。需要注意的是，最后得到的矩阵其实是行向量，或者雅克比矩阵，需要再按照反vector化回去。 ...
矩阵乘法,克罗内克积 (Kronecker product)以及常见理论计算的计算复杂度
qq_45542321的博客
01-02 1246
发现一个很奇怪的现象：当代码中size < 1000时，运算时间基本一致，而当代码中size > 1000时，列乘行的复杂度是行乘以列的10倍以上。克罗内克积的运行时间：0.360322 秒。直接乘积的运行时间：0.015956 秒。调换矩阵乘法的顺序对之有影响。假设这四个矩阵的维度分别为。
【独家首发】基于蜣螂优化算法DBO-GMDH的风电数据回归预测研究Matlab实现.rar
最新发布
08-14
【独家首发】基于蜣螂优化算法DBO-GMDH的风电数据回归预测研究Matlab实现.rar
lmi kronecker product matlab
08-01
LMI代表线性矩阵不等式（Linear Matrix Inequality），指的是一类包含线性矩阵不等式的优化问题。其中的Kronecker积是一种在MATLAB中常用的操作，用于计算两个矩阵的积。 MATLAB中计算LMI Kronecker乘积的函数是kron(A,B)，其中A和B是两个输入矩阵。kron函数将A和B的每个元素相乘，并按照一定的顺序排列形成一个新的输出矩阵。 具体来说，如果A是n×m的矩阵，B是p×q的矩阵，那么kron(A,B)的输出矩阵的大小为(n×p)×(m×q)。输出矩阵的每个元素都是通过将A和B相应位置的元素相乘得到的。 LMI Kronecker乘积在LMI优化问题中经常被用于构造和求解约束条件。LMI问题通常涉及到多个矩阵变量和多个线性矩阵不等式。通过使用Kronecker乘积，可以将多个线性矩阵不等式组合成一个大的线性矩阵不等式，进而简化问题的求解。 总之，LMI Kronecker乘积是MATLAB中用于计算线性矩阵不等式的一种操作。它能够将两个矩阵的每个元素进行相乘，并生成一个新的大矩阵用于LMI优化问题的约束条件。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值