克罗内克积定义

 克罗内克积是两个任意大小的矩阵间的运算,它是张量积的特殊形式。给定两个矩阵A∈Rm×n\boldsymbol{A} \in \mathbb{R}^{m \times n}A∈Rm×n和B∈Rp×q\boldsymbol{B} \in \mathbb{R}^{p \times q}B∈Rp×q,则这两个矩阵的克罗内克积是一个在空间Rmp×nq\mathbb{R}^{mp \times nq}Rmp×nq的分块矩阵A⊗B=[a11B⋯a1nB⋮⋱⋮am1B⋯amnB]\boldsymbol{A}\otimes\boldsymbol{B}=\left[\begin{array}{ccc}a_{11}\boldsymbol{B}&\cdots & a_{1n}\boldsymbol{B}\\\vdots&\ddots&\vdots\\a_{m1}\boldsymbol{B}&\cdots&a_{mn}\boldsymbol{B}\end{array}\right]A⊗B=⎣⎢⎡​a11​B⋮am1​B​⋯⋱⋯​a1n​B⋮amn​B​⎦⎥⎤​更具体的可以表示为A⊗B=[a11b11a11b12⋯a11b1q⋯⋯a1nb11a1nb12⋯a1nb1qa11b21a11b22⋯a11b2q⋯⋯a1nb21a1nb22⋯a1nb2q⋮⋮⋱⋮⋮⋮⋱⋮a11bp1a11bp2⋯a11bpq⋯⋯a1nbp1a1nbp2⋯a1nbpq⋮⋮⋮⋱⋮⋮⋮⋮⋮⋮⋱⋮⋮⋮am1b11am1b12⋯am1b1q⋯⋯amnb11amnb12⋯amnb1qam1b21am1b22⋯am1b2q⋯⋯amnb21amnb22⋯amnb2q⋮⋮⋱⋮⋮⋮⋱⋮am1bp1am1bp2⋯am1bpq⋯⋯amnbp1amnbp2⋯amnbpq]\boldsymbol{A} \otimes \boldsymbol{B}=\left[\begin{array}{ccccccccc} a_{11} b_{11} & a_{11} b_{12} & \cdots & a_{11} b_{1 q} & \cdots & \cdots & a_{1 n} b_{11} & a_{1 n} b_{12} & \cdots & a_{1 n} b_{1 q} \\ a_{11} b_{21} & a_{11} b_{22} & \cdots & a_{11} b_{2 q} & \cdots & \cdots & a_{1 n} b_{21} & a_{1 n} b_{22} & \cdots & a_{1 n} b_{2 q} \\ \vdots & \vdots & \ddots & \vdots & & & \vdots & \vdots & \ddots & \vdots \\ a_{11} b_{p 1} & a_{11} b_{p 2} & \cdots & a_{11} b_{p q} & \cdots & \cdots & a_{1 n} b_{p 1} & a_{1 n} b_{p 2} & \cdots & a_{1 n} b_{p q} \\ \vdots & \vdots & & \vdots & \ddots & & \vdots & \vdots & & \vdots \\ \vdots & \vdots & & \vdots & & \ddots & \vdots & \vdots & & \vdots \\ a_{m 1} b_{11} & a_{m 1} b_{12} & \cdots & a_{m 1} b_{1 q} & \cdots & \cdots & a_{m n} b_{11} & a_{m n} b_{12} & \cdots & a_{m n} b_{1 q} \\ a_{m 1} b_{21} & a_{m 1} b_{22} & \cdots & a_{m 1} b_{2 q} & \cdots & \cdots & a_{m n} b_{21} & a_{m n} b_{22} & \cdots & a_{m n} b_{2 q} \\ \vdots & \vdots & \ddots & \vdots & & & \vdots & \vdots & \ddots & \vdots \\ a_{m 1} b_{p 1} & a_{m 1} b_{p 2} & \cdots & a_{m 1} b_{p q} & \cdots & \cdots & a_{m n} b_{p 1} & a_{m n} b_{p 2} & \cdots & a_{m n} b_{p q} \end{array}\right] A⊗B=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡​a11​b11​a11​b21​⋮a11​bp1​⋮⋮am1​b11​am1​b21​⋮am1​bp1​​a11​b12​a11​b22​⋮a11​bp2​⋮⋮am1​b12​am1​b22​⋮am1​bp2​​⋯⋯⋱⋯⋯⋯⋱⋯​a11​b1q​a11​b2q​⋮a11​bpq​⋮⋮am1​b1q​am1​b2q​⋮am1​bpq​​⋯⋯⋯⋱⋯⋯⋯​⋯⋯⋯⋱⋯⋯⋯​a1n​b11​a1n​b21​⋮a1n​bp1​⋮⋮amn​b11​amn​b21​⋮amn​bp1​​a1n​b12​a1n​b22​⋮a1n​bp2​⋮⋮amn​b12​amn​b22​⋮amn​bp2​​⋯⋯⋱⋯⋯⋯⋱⋯​a1n​b1q​a1n​b2q​⋮a1n​bpq​⋮⋮amn​b1q​amn​b2q​⋮amn​bpq​​⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤​

克罗内克积性质

 克罗内克积满足如下性质:

  • 结合律:(A⊗B)⊗C=A⊗(B⊗C)(\boldsymbol{A}\otimes\boldsymbol{B})\otimes\boldsymbol{C}=\boldsymbol{A}\otimes(\boldsymbol{B}\otimes\boldsymbol{C})(A⊗B)⊗C=A⊗(B⊗C)
  • 分配律:A⊗(B+C)=A⊗B+A⊗C\boldsymbol{A}\otimes(\boldsymbol{B}+\boldsymbol{C})=\boldsymbol{A}\otimes \boldsymbol{B}+\boldsymbol{A}\otimes\boldsymbol{C}\quad\quadA⊗(B+C)=A⊗B+A⊗C (A+B)⊗C=A⊗C+B⊗C(\boldsymbol{A}+\boldsymbol{B})\otimes\boldsymbol{C}=\boldsymbol{A}\otimes\boldsymbol{C}+\boldsymbol{B}\otimes\boldsymbol{C}(A+B)⊗C=A⊗C+B⊗C
  • 双线性:(kA)⊗B=A⊗(kB)=k(A⊗B)(k\boldsymbol{A})\otimes\boldsymbol{B}=\boldsymbol{A}\otimes(k\boldsymbol{B})=k(\boldsymbol{A}\otimes\boldsymbol{B})(kA)⊗B=A⊗(kB)=k(A⊗B)
  • 转置:(A⊗B)⊤=A⊤⊗B⊤(\boldsymbol{A} \otimes \boldsymbol{B})^{\top}=\boldsymbol{A}^{\top} \otimes \boldsymbol{B}^{\top}(A⊗B)⊤=A⊤⊗B⊤
  • 混合乘积性:如果A,B,C,D\boldsymbol{A,B,C,D}A,B,C,D是四个矩阵,且矩阵乘积AC\boldsymbol{AC}AC和BD\boldsymbol{BD}BD存在,那么(A⊗B)(C⊗D)=AC⊗BD(\boldsymbol{A}\otimes\boldsymbol{B})(\boldsymbol{C}\otimes\boldsymbol{D})=\boldsymbol{AC}\otimes\boldsymbol{BD}(A⊗B)(C⊗D)=AC⊗BD这个性质称为“混合乘积性质”,因为它混合了矩阵乘积和克罗内克积。可以推出,A⊗B\boldsymbol{A}\otimes\boldsymbol{B}A⊗B是可逆的当且仅当A\boldsymbol{A}A和B\boldsymbol{B}B是可逆的,其逆矩阵为(A⊗B)−1=A−1⊗B−1(\boldsymbol{A}\otimes\boldsymbol{B})^{-1}=\boldsymbol{A}^{-1}\otimes\boldsymbol{B}^{-1}(A⊗B)−1=A−1⊗B−1
  • vec(ab⊤)=b⊗avec(\bm{ab}^{\top})=\bm{b} \otimes \bm{a}vec(ab⊤)=b⊗a

克罗内克积实例

实例1

[1231]⊗[0321]=[1⋅01⋅32⋅02⋅31⋅21⋅12⋅22⋅13⋅03⋅31⋅01⋅33⋅23⋅11⋅21⋅1]=[0306214209036321]\left[\begin{array}{ll} 1 & 2 \\ 3 & 1 \end{array}\right] \otimes\left[\begin{array}{ll} 0 & 3 \\ 2 & 1 \end{array}\right]=\left[\begin{array}{llll} 1 \cdot 0 & 1 \cdot 3 & 2 \cdot 0 & 2 \cdot 3 \\ 1 \cdot 2 & 1 \cdot 1 & 2 \cdot 2 & 2 \cdot 1 \\ 3 \cdot 0 & 3 \cdot 3 & 1 \cdot 0 & 1 \cdot 3 \\ 3 \cdot 2 & 3 \cdot 1 & 1 \cdot 2 & 1 \cdot 1 \end{array}\right]=\left[\begin{array}{llll} 0 & 3 & 0 & 6 \\ 2 & 1 & 4 & 2 \\ 0 & 9 & 0 & 3 \\ 6 & 3 & 2 & 1 \end{array}\right] [13​21​]⊗[02​31​]=⎣⎢⎢⎡​1⋅01⋅23⋅03⋅2​1⋅31⋅13⋅33⋅1​2⋅02⋅21⋅01⋅2​2⋅32⋅11⋅31⋅1​⎦⎥⎥⎤​=⎣⎢⎢⎡​0206​3193​0402​6231​⎦⎥⎥⎤​

实例2

[a11a12a21a22a31a32]⊗[b11b12b13b21b22b23]=[a11b11a11b12a11b13a12b11a12b12a12b13a11b21a11b22a11b23a12b21a12b22a12b23a21b11a21b12a21b13a22b11a22b12a22b13a21b21a21b22a21b23a22b21a22b22a22b23a31b11a31b12a31b13a32b11a32b12a32b13a31b21a31b22a31b23a32b21a32b22a32b23]\left[\begin{array}{l} a_{11} & a_{12} \\ a_{21} & a_{22} \\ a_{31} & a_{32} \end{array}\right] \otimes\left[\begin{array}{lll} b_{11} & b_{12} & b_{13} \\ b_{21} & b_{22} & b_{23} \end{array}\right]=\left[\begin{array}{llllll} 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{array}\right] ⎣⎡​a11​a21​a31​​a12​a22​a32​​⎦⎤​⊗[b11​b21​​b12​b22​​b13​b23​​]=⎣⎢⎢⎢⎢⎢⎢⎡​a11​b11​a11​b21​a21​b11​a21​b21​a31​b11​a31​b21​​a11​b12​a11​b22​a21​b12​a21​b22​a31​b12​a31​b22​​a11​b13​a11​b23​a21​b13​a21​b23​a31​b13​a31​b23​​a12​b11​a12​b21​a22​b11​a22​b21​a32​b11​a32​b21​​a12​b12​a12​b22​a22​b12​a22​b22​a32​b12​a32​b22​​a12​b13​a12​b23​a22​b13​a22​b23​a32​b13​a32​b23​​⎦⎥⎥⎥⎥⎥⎥⎤​

克罗内克积(Kronecker)相关推荐

  1. 向量的外积(outer product)与克罗内克积(Kronecker)

    向量的外积与克罗内克积 外积的定义 外积(outer product)是线性代数中的一类重要运算,对于n维和m维的两个向量,其外积为一个n×mn\times mn×m的矩阵. 给定两个向量u=(u1, ...

  2. 克罗内克积 (Kronecker product) 在线性矩阵不等式 (LMI) 中怎么描述

    强烈抗议:近期发现,CSDN博客中的代码在没有登录的情况下无法复制,这种行为已经完全背离了分享的初衷,为分享增加了不必要的麻烦,所以本人决定将本文内容逐步转移到其他平台. 本文新地址:https:// ...

  3. 克罗内克积Kronecker

  4. 克罗内克积【kronecker product】

    克罗内克积[Kronecker product] 已知矩阵A和矩阵B. Amn=[a11a12...a1na21a22...a2n............am1am2...amn],Bpq=[b11b ...

  5. python 矩阵点乘_Day276:普通乘积、矩阵点乘、克罗内克积

    1.普通矩阵乘法(matmul product) 假设矩阵A大小是M*N,矩阵B大小是N*P,C=AB 这里选取一个例子 这里的矩阵乘法要求相乘的两个矩阵一个的行数得等于另一个的列数,否则,无法进行乘 ...

  6. 乘法/积运算和符号(点乘/内积/数量积,叉乘/向量积,矩阵乘法,Hadamard, Kronecker积,卷积)一网打尽

    之前一直混淆于各种乘法和积运算中,不得其解,所以花了点功夫整理一下. 名称 符号 Latex 运算 应用 意义 点乘/内积/数量积 ⋅\cdot⋅或∙\bullet∙ \cdot或\bullet a⃗ ...

  7. 内积、外积、元素积、克罗内克积的区分及用法【python】

    带你一次搞懂点积(内积).叉积(外积)_机器学习Zero的博客-CSDN博客_点积和叉积 向量的外积(outer product)与克罗内克积(Kronecker)_努力干活还不粘人的小妖精的博客-C ...

  8. 点乘/内积/数量积;叉乘/向量积;矩阵乘法;哈达马积;克罗内克积;卷积

    # 1. 符号解释 | 名称 |  符号 | Latex | 运算     |  应用 | 意义 | |--|--|--|--|--|--| | 点乘/内积/数量积 | $⋅$ 或 $\bullet$ ...

  9. 零基础入门深度学习(4) - 卷积神经网络

    无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就o ...

  10. 深度学习(5) - 卷积神经网络

    一个新的激活函数--Relu 最近几年卷积神经网络中,激活函数往往不选择sigmoid或tanh函数,而是选择relu函数.Relu函数的定义是: Relu函数图像如下图所示: Relu函数作为激活函 ...

最新文章

  1. 深入理解脚本化CSS系列第二篇——查询计算样式
  2. [Golang]计算一个文件的MD5值
  3. SQL SERVER 与ACCESS、EXCEL的数据导入导出转换
  4. 【每日SQL打卡】​​​​​​​​​​​​​​​DAY 17丨文章浏览 II【难度中等】​
  5. 计算机辅助设计b实验目的,上海电力学院电路计算机辅助设计1--含有受控源电路辅助分析...
  6. 【VB.NET】实验 编写个人信息管理系统
  7. 20200217:搜索旋转排序数组(leetcode33)
  8. EXCEL VLOOKUP函数的使用
  9. 快速了解Linux ps命令
  10. UML 构件图 component diagram
  11. sucks倒计时插件笔记
  12. centos 测试get请求_centos网站服务器简单性能测试命令
  13. 未缓存的IPv6路由项链表
  14. 终于有人把智慧城市和边缘计算说清楚了
  15. 鲁大师被win10识别为病毒?
  16. 聊城大学计算机学院许丽莉,计算机学院
  17. ubuntu18.04 使用calibration_camera_lidar 实现激光雷达和相机联合标定
  18. nacos启动失败问题解决
  19. 通过微博用户名称获取用户id及用户的文章详情
  20. sec:authorize无法生效

热门文章

  1. 华为路由器 单臂路由
  2. 谭浩强C++ 第一章(第三版)
  3. 用python开发一款云笔记_Python成为专业人士笔记–os模块
  4. 户口从海峡人才迁入到厦门人才
  5. 什么蓝牙耳机颜值高?盘点四款高颜值蓝牙耳机
  6. codeforces869EThe Untended Antiquity(二维树状数组)
  7. 【iOS】设置背景渐变色
  8. PDF文件如何在线翻译成中文
  9. 解析解、闭合解和数值解
  10. ios10怎么设置电池颜色_IOS10秘籍:如何调整降低白点值让屏幕更暗