矩阵分析与多元统计12 0-1矩阵 交换矩阵与Kronecker乘积
矩阵分析与多元统计12 0-1矩阵 交换矩阵与Kronecker乘积
- 基本性质
- 用交换矩阵的构造证明基本性质
这一讲介绍交换矩阵与Kronecker乘积相关的性质。对于矩阵A∈Fm×nA \in F^{m \times n}A∈Fm×n,FFF是某个数域(如实数、复数等)
vec(A)=[a1;⋯;an]∈Fmn×1,vec(A′)=[a1,⋯,am]′∈Fmn×1vec(A) = [a_1;\cdots;a_n] \in F^{mn\times 1},\ vec(A') = [a^1,\cdots,a^m]' \in F^{mn \times 1}vec(A)=[a1;⋯;an]∈Fmn×1, vec(A′)=[a1,⋯,am]′∈Fmn×1
如果∃Kmn∈Fmn×mn,Kmnvec(A)=vec(A′)\exists K_{mn} \in F^{mn \times mn},K_{mn}vec(A) = vec(A')∃Kmn∈Fmn×mn,Kmnvec(A)=vec(A′),则称KmnK_{mn}Kmn是交换矩阵。如果B∈Fp×qB \in F^{p \times q}B∈Fp×q,定义Kronecker乘积为
⊗:Fm×n×Fp×q→Fmp×nqA⊗B=[a11B⋯a1nB⋯⋯⋯am1B⋯amnB]\otimes : F^{m \times n} \times F^{p \times q} \to F^{mp \times nq} \\ A \otimes B = \left[ \begin{matrix} a_{11}B & \cdots & a_{1n}B \\ \cdots & \cdots & \cdots \\ a_{m1}B & \cdots & a_{mn}B \\ \end{matrix} \right]⊗:Fm×n×Fp×q→Fmp×nqA⊗B=⎣⎡a11B⋯am1B⋯⋯⋯a1nB⋯amnB⎦⎤
基本性质
从定义就可以看出一些基本的性质,如果用交换矩阵作用在Kronecker乘积上,则
- Kpm(A⊗B)=(B⊗A)KqnK_{pm}(A \otimes B) = (B \otimes A)K_{qn}Kpm(A⊗B)=(B⊗A)Kqn
- Kpm(A⊗B)Knq=B⊗AK_{pm}(A \otimes B)K_{nq} = B \otimes AKpm(A⊗B)Knq=B⊗A
- Kpm(A⊗b)=b⊗A,∀b∈Fp×1K_{pm}(A \otimes b) = b \otimes A, \forall b \in F^{p \times 1}Kpm(A⊗b)=b⊗A,∀b∈Fp×1
- Kmp(b⊗A)=A⊗bK_{mp}(b \otimes A) = A \otimes bKmp(b⊗A)=A⊗b
性质3和4都是性质2的特例,在性质2中取B=bB=bB=b,则Kqn=K1n=InK_{qn}=K_{1n} = I_nKqn=K1n=In;在性质2中取A=b,B=AA=b,B=AA=b,B=A,则同样有Kqn=InK_{qn}=I_nKqn=In。这个地方交换矩阵的指标需要引起高度重视,因为交换矩阵的指标是根据矩阵的vecvecvec算子定义的,但此处与交换矩阵做乘积的是矩阵,所以我来说明一下指标的含义(这个推导实际上是不具有一般性的,这里只是为了说明指标方便!):记A=[a1,⋯,an]A=[a_1,\cdots,a_n]A=[a1,⋯,an],则
b⊗A=b⊗[a1,⋯,an]=[b⊗a1,⋯,b⊗an]=[vec(a1b′),⋯,vec(anb′)]∈Fmp×1b \otimes A = b \otimes [a_1,\cdots,a_n] = [b\otimes a_1,\cdots,b \otimes a_n] =[vec(a_1b'),\cdots,vec(a_nb')] \in F^{mp \times 1}b⊗A=b⊗[a1,⋯,an]=[b⊗a1,⋯,b⊗an]=[vec(a1b′),⋯,vec(anb′)]∈Fmp×1
下面计算
Kmp(b⊗A)=Kmp[vec(a1b′),⋯,vec(anb′)]=[Kmpvec(a1b′),⋯,Kmpvec(anb′)]K_{mp}(b \otimes A) = K_{mp}[vec(a_1b'),\cdots,vec(a_nb')] = [ K_{mp}vec(a_1b'),\cdots, K_{mp}vec(a_nb')]Kmp(b⊗A)=Kmp[vec(a1b′),⋯,vec(anb′)]=[Kmpvec(a1b′),⋯,Kmpvec(anb′)]
这个式子说明与交换矩阵做乘法的还是某个矩阵的vecvecvec算子的结果,这个矩阵的维数就是a1b′a_1b'a1b′的维数,显然a1b′∈Fm×pa_1b' \in F^{m \times p}a1b′∈Fm×p,因此对应的交换矩阵应该是KmpK_{mp}Kmp。
与之类似,
A⊗b=[a1,⋯,an]⊗b=[a1⊗b,⋯,an⊗b]=[vec(ba1′),…,vec(ban′)]KpmA⊗b=[Kpmvec(ba1′),⋯,Kpmvec(ban′)]A \otimes b = [a_1,\cdots,a_n] \otimes b = [a_1 \otimes b,\cdots, a_n \otimes b] = [vec(ba_1'),\dots,vec(ba_n')] \\ K_{pm} A \otimes b = [K_{pm}vec(ba_1'),\cdots,K_{pm}vec(ba_n')]A⊗b=[a1,⋯,an]⊗b=[a1⊗b,⋯,an⊗b]=[vec(ba1′),…,vec(ban′)]KpmA⊗b=[Kpmvec(ba1′),⋯,Kpmvec(ban′)]
这里与交换矩阵相乘的矩阵的维数是p×mp \times mp×m,因此交换矩阵是KpmK_{pm}Kpm。将bbb看成是BBB的某个列向量,则性质1和2中交换矩阵的指标可以类似地理解:记B=[b1,⋯,bq]B=[b_1,\cdots,b_q]B=[b1,⋯,bq],则
A⊗B=[A⊗b1,⋯,A⊗bq]=[a1⊗b1,⋯,an⊗b1,a1⊗b2,⋯,an⊗b2,⋯,a1⊗bq,⋯,an⊗bq]=[vec(b1a1′),⋯,vec(b1an′),vec(b2a1′),⋯,vec(b2an′),⋯,vec(bqa1′),⋯,vec(bqan′)]A \otimes B = [A \otimes b_1,\cdots,A \otimes b_q] \\ = [a_1 \otimes b_1,\cdots,a_n \otimes b_1,a_1 \otimes b_2,\cdots,a_n \otimes b_2,\cdots,a_1 \otimes b_q,\cdots,a_n \otimes b_q] \\ = [vec(b_1a_1'),\cdots,vec(b_1a_n'),vec(b_2a_1'),\cdots,vec(b_2a_n'),\cdots,vec(b_qa_1'),\cdots,vec(b_qa_n')]A⊗B=[A⊗b1,⋯,A⊗bq]=[a1⊗b1,⋯,an⊗b1,a1⊗b2,⋯,an⊗b2,⋯,a1⊗bq,⋯,an⊗bq]=[vec(b1a1′),⋯,vec(b1an′),vec(b2a1′),⋯,vec(b2an′),⋯,vec(bqa1′),⋯,vec(bqan′)]
现在考虑vec(bjai′)vec(b_ja_i')vec(bjai′),它的维数是p×mp\times mp×m,因此交换矩阵应该用KpmK_{p m}Kpm,Kpm(A⊗B)K_{pm}(A \otimes B)Kpm(A⊗B)的第n(j−1)+in(j-1)+in(j−1)+i列为
Kpmvec(bjai′)=vec(aibj′)K_{pm}vec(b_ja_i') = vec(a_ib_j')Kpmvec(bjai′)=vec(aibj′)
同样地可以行向量计算B⊗AB \otimes AB⊗A,记
A=[a1;⋯;am],B=[b1;⋯;bq]A = [a^1;\cdots;a^m],\ B= [b^1;\cdots;b^q]A=[a1;⋯;am], B=[b1;⋯;bq]
B⊗A=[b1⊗a1;⋯;bq⊗a1;b1⊗a2;⋯;bq⊗a2;⋯;⋯;b1⊗an;⋯;bp⊗am]=[devec(b1a1′);⋯;devec(bpa1′);devec(b1a2′);⋯;devec(bpa2′);⋯;devec(b1am′);⋯;devec(bpam′)]B \otimes A = [b^1 \otimes a^1 ;\cdots;b^q \otimes a^1;b^1 \otimes a^2 ;\cdots;b^q \otimes a^2;\cdots;\cdots;b^1 \otimes a^n ;\cdots;b^p \otimes a^m] \\ = [devec(b^1a^{1'});\cdots;devec(b^pa^{1'});devec(b^1a^{2'});\cdots;devec(b^pa^{2'});\cdots;devec(b^1a^{m'});\cdots;devec(b^pa^{m'})]B⊗A=[b1⊗a1;⋯;bq⊗a1;b1⊗a2;⋯;bq⊗a2;⋯;⋯;b1⊗an;⋯;bp⊗am]=[devec(b1a1′);⋯;devec(bpa1′);devec(b1a2′);⋯;devec(bpa2′);⋯;devec(b1am′);⋯;devec(bpam′)]
其中bjai′b^ja^{i'}bjai′的维数为q×nq \times nq×n,因此交换矩阵应该用KqnK_{qn}Kqn,(B⊗A)Knq(B \otimes A) K_{nq}(B⊗A)Knq的第p(i−1)+jp(i-1)+jp(i−1)+j行为devec(bjai′)Knq=devec(aibj′)devec(b^ja^{i'})K_{nq} = devec(a^{i}b^{j'})devec(bjai′)Knq=devec(aibj′)
要证明性质1只需要比较(B⊗A)Knq(B \otimes A) K_{nq}(B⊗A)Knq与Kpm(A⊗B)K_{pm}(A \otimes B)Kpm(A⊗B)说明他们对应位置的元素相等就可以了。
用交换矩阵的构造证明基本性质
上一讲介绍了给定交换矩阵的指标时如何写出交换矩阵:
Kmn=[In⊗e1(m)In⊗e2(m)⋯In⊗em(m)]=[Im⊗e1(n)Im⊗e2(n)⋯Im⊗en(n)]K_{mn} = \left[ \begin{matrix} I_n \otimes e^1(m)\\ I_n \otimes e^2(m) \\ \cdots \\ I_n \otimes e^m(m) \end{matrix} \right] = \left[ \begin{matrix} I_m \otimes e_1(n)& I_m \otimes e_2(n) & \cdots & I_m \otimes e_n(n) \end{matrix} \right]Kmn=⎣⎢⎢⎡In⊗e1(m)In⊗e2(m)⋯In⊗em(m)⎦⎥⎥⎤=[Im⊗e1(n)Im⊗e2(n)⋯Im⊗en(n)]
接下来我们用交换矩阵的表达式证明上面的基本性质。
证明
性质1。根据vec算子的性质4与Kronecker乘积的性质3计算
Kpm(A⊗B)=[Im⊗e1(p)Im⊗e2(p)⋯Im⊗ep(p)](A⊗B)=[(Im⊗e1(p))(A⊗B)(Im⊗e2(p))(A⊗B)⋯(Im⊗ep(p))(A⊗B)]=[A⊗b1A⊗b2⋯A⊗bp]K_{pm}(A \otimes B) = \left[ \begin{matrix} I_m \otimes e^1(p)\\ I_m \otimes e^2(p) \\ \cdots \\ I_m \otimes e^p(p) \end{matrix} \right] (A \otimes B) = \left[ \begin{matrix} (I_m \otimes e^1(p))(A \otimes B)\\ (I_m \otimes e^2(p))(A \otimes B) \\ \cdots \\ (I_m \otimes e^p(p))(A \otimes B) \end{matrix} \right]= \left[ \begin{matrix} A \otimes b^1\\ A \otimes b^2 \\ \cdots \\ A \otimes b^p \end{matrix} \right] Kpm(A⊗B)=⎣⎢⎢⎡Im⊗e1(p)Im⊗e2(p)⋯Im⊗ep(p)⎦⎥⎥⎤(A⊗B)=⎣⎢⎢⎡(Im⊗e1(p))(A⊗B)(Im⊗e2(p))(A⊗B)⋯(Im⊗ep(p))(A⊗B)⎦⎥⎥⎤=⎣⎢⎢⎡A⊗b1A⊗b2⋯A⊗bp⎦⎥⎥⎤
下面计算Knq(B′⊗A′)K_{nq}(B' \otimes A')Knq(B′⊗A′),
Knq(B′⊗A′)=[Iq⊗e1(n)Iq⊗e2(n)⋯Iq⊗en(n)](B′⊗A′)=[B′⊗a1′B′⊗a2′⋯B⊗an′]K_{nq}(B' \otimes A')=\left[ \begin{matrix} I_q \otimes e^1(n)\\ I_q \otimes e^2(n) \\ \cdots \\ I_q \otimes e^n(n) \end{matrix} \right] (B' \otimes A') = \left[ \begin{matrix} B' \otimes a_1' \\ B'\otimes a_2' \\ \cdots \\ B \otimes a_n' \end{matrix} \right] Knq(B′⊗A′)=⎣⎢⎢⎡Iq⊗e1(n)Iq⊗e2(n)⋯Iq⊗en(n)⎦⎥⎥⎤(B′⊗A′)=⎣⎢⎢⎡B′⊗a1′B′⊗a2′⋯B⊗an′⎦⎥⎥⎤
不难发现第一个结果和第二个结果互为转置。
性质2。根据交换矩阵的性质以及性质1,
Kpm(A⊗B)=(B⊗A)Kqn⇒Kpm(A⊗B)Kqn−1=B⊗A⇒Kpm(A⊗B)Knq=B⊗AK_{pm}(A \otimes B) = (B \otimes A)K_{qn} \Rightarrow K_{pm}(A \otimes B)K_{qn}^{-1} = B \otimes A \\ \Rightarrow K_{pm}(A \otimes B)K_{nq} = B \otimes AKpm(A⊗B)=(B⊗A)Kqn⇒Kpm(A⊗B)Kqn−1=B⊗A⇒Kpm(A⊗B)Knq=B⊗A
证毕
另外还有一些有趣的公式,摘录在这里,证明方法也都是用交换矩阵的表达式结合Kronecker乘积与vec算子的性质进行计算。
- (Kqm⊗Ip)(A⊗vec(B))=[A⊗b1;⋯;A⊗bq](K_{qm}\otimes I_p)(A \otimes vec(B)) = [A \otimes b_1;\cdots;A \otimes b_q](Kqm⊗Ip)(A⊗vec(B))=[A⊗b1;⋯;A⊗bq]
- (In⊗Kpm)(vec(A)⊗B)=[B⊗a1;⋯;B⊗an](I_n \otimes K_{pm})(vec(A) \otimes B) = [B \otimes a_1;\cdots; B \otimes a_n](In⊗Kpm)(vec(A)⊗B)=[B⊗a1;⋯;B⊗an]
- A⊗B=Kmp[A⊗b1;⋯;A⊗bp]=(A⊗b1,⋯,A⊗bq)KqnA \otimes B = K_{mp}[A \otimes b^1;\cdots;A \otimes b^p] = (A \otimes b_1,\cdots,A \otimes b_q)K_{qn}A⊗B=Kmp[A⊗b1;⋯;A⊗bp]=(A⊗b1,⋯,A⊗bq)Kqn
类似地Kronecker算子、vec算子与交换矩阵构成的恒等式还有很多,它们的主要目的是解构复杂的大矩阵中的元素排列规律,并把这种大矩阵表示成更简单的小矩阵的运算,在之后矩阵的微分中这种技巧是非常常用的。
矩阵分析与多元统计12 0-1矩阵 交换矩阵与Kronecker乘积相关推荐
- 矩阵分析与多元统计12 0-1矩阵 交换矩阵简介
矩阵分析与多元统计12 0-1矩阵 交换矩阵简介 选择矩阵 交换矩阵 顾名思义,0-1矩阵就是所有元素取值均为0和1的矩阵,这类矩阵在矩阵分析.多元统计乃至组合学和图论中都有很重要的应用.在这个主题中 ...
- 矩阵分析与多元统计 线性空间与线性变换2
矩阵分析与多元统计 线性空间与线性变换2 线性映射 矩阵的等价 线性映射的像空间与核空间 线性映射 V1,V2V_1,V_2V1,V2是数域FFF上的两个线性空间,A:V1→V2\mathcal{ ...
- 矩阵分析与多元统计II 二次型与二次曲面3 二次型及其标准形的定义
矩阵分析与多元统计II 二次型与二次曲面3 二次型及其标准形的定义 上一讲我们讨论了二次齐次函数.对称双线性函数之间的一一对应关系,这一讲我们从多项式的角度讨论二次齐次函数,给出二次型的概念及其标准形 ...
- 矩阵分析与多元统计II 二次型与二次曲面2 双线性函数
矩阵分析与多元统计II 二次型与二次曲面2 双线性函数 双线性函数 双线性函数的表示 满秩双线性函数 对称与反对称 对称双线性函数 反对称双线性函数 应用 伪欧氏空间与伪正交变换 辛空间与辛变换 对称 ...
- 矩阵分析与多元统计1 线性空间与线性变换3 特征值
矩阵分析与多元统计1 线性空间与线性变换3 特征值 线性变换 线性空间的同构 线性变换的特征值与特征向量 几何重数与代数重数 线性变换 从线性空间VVV到它自身的线性映射叫做线性变换,在基α1,⋯,α ...
- 矩阵分析与多元统计1 线性空间与线性变换1
矩阵分析与多元统计 线性空间与线性变换1 线性空间 基.坐标.坐标变换 线性子空间 关于矩阵分析的讨论都是在线性空间中进行的,所以这个系列的博客会从线性空间开始,考虑到是矩阵分析了,所以线性代数层面的 ...
- 矩阵分析与多元统计II 二次型与二次曲面1 线性函数与对偶空间
矩阵分析与多元统计II 二次型与二次曲面1 线性函数与对偶空间 对偶空间 线性函数的表示方法 线性空间的对偶空间也是线性空间 对偶空间的对偶空间 应用1:转置映射 应用2:零化子空间 二次型与二次曲面 ...
- 矩阵分析与多元统计11 广义vec算子与devec算子
矩阵分析与多元统计11 广义vec算子与devec算子 定义 简单性质 τ\tauτ符号 广义vec算子与devec算子提供理论上重塑矩阵形状的工具. 定义 假设AAA是一个m×npm \times ...
- 矩阵分析与多元统计11 Kronecker乘积
矩阵分析与多元统计11 Kronecker乘积 Kronecker乘积 vec算子与devec算子 Kronecker乘积 定义 数域FFF中,A=(aij)∈Fm×n,B∈Fp×qA = (a_{i ...
最新文章
- SAP ME12 修改采购信息记录,系统提示:Condition type P000 does not allow supplementary conditions
- 【深度学习】多层感知器高级使用
- 【组织】请13级1/2/3班,14级1/2班 将同学们的博客地址列个清单回复(按班级来)...
- c++采集声卡输出_其实声卡不单单只有音效,更多功能看这篇就对了
- why wechat is not a good place for the learning, but csdn is
- nodejs接收get请求参数
- 视屏接口系列(一 ) ----------VGA(对与数信号显示器要加载A/D,延时拖尾、质量下降)...
- POJ 2337 欧拉回路
- php开源mvccms_轻松理解MYSQL MVCC 实现机制
- SQL JOIN TABLES:在SQL Server中使用查询
- 使用Mac OS X如何开启和配置防火墙
- JavaScript---BOM和DOM
- 记事本怎么运行c语言代码,如何让记事本里的代码运行
- 最新版MySQL 8.0.22(Windows 64位)下载安装详细方法
- [转载] Windows使用WakeOnLan配置【较详细】
- 修改服务器线路,介绍几种常见的网络服务器线路
- 大数据可视化应用_在数据可视化中应用种族平等意识
- 最短路径算法----Floyd-warshall(十字交叉算法证明)
- Android 3G/4G流量上网原理简析
- Mysql-mmm 架构部署
热门文章
- 天线开路短路检测原理_变频空调通讯电路原理与元件级维修
- 无法访问某个网站_企业网站排名回升后,快速下跌是什么原因?
- 高阶函数||编程范式: 命令式编程/声明式编程 || 编程范式: 面向对象编程(第一公民:对象)/函数式编程(第一公民:函数)
- Mysql的体系结构概览
- Mysql 索引 总结 —— 概述 || 索引优势劣势|| 索引结构(索引是在MySQL的存储引擎层中实现的)|| BTREE 结构||B+TREE 结构||MySQL中的B+Tree||索引分类
- arthas-boot.jar 工具的简单使用
- Ajax 请求超时与网络异常
- Error - section 'InterruptVectorLow' can not fit the absolute section. Section 'InterruptVectorLow'
- 模拟电路技术之基础知识(一)
- 量子计算机到底神在哪里说明文,“九章”量子计算机到底有多神!