克羅內克積

數學上，克羅內克積（英語：Kronecker product）是兩個任意大小的矩陣間的運算，表示為⊗。簡單地說，就是將前一個矩陣的每個元素乘上後一個完整的矩陣。克羅內克積是外積從向量到矩陣的推廣，也是張量積在標準基下的矩陣表示。

儘管沒有明顯證據證明德國數學家利奧波德·克羅內克是第一個定義並使用這一運算的人，克羅內克積還是以其名字命名。在歷史上，克羅內克積曾以Johann Georg Zehfuss名字命名為Zehfuss矩陣。

定義

如果A是一個 m × n 的矩陣，而B是一個 p × q 的矩陣，克羅內克積$A\otimes B$則是一個 mp × nq 的分塊矩陣

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

更具體地可表示為

$A\otimes B={\begin{bmatrix}a_{11}b_{11}&a_{11}b_{12}&\cdots &a_{11}b_{1q}&\cdots &\cdots &a_{1n}b_{11}&a_{1n}b_{12}&\cdots &a_{1n}b_{1q}\\a_{11}b_{21}&a_{11}b_{22}&\cdots &a_{11}b_{2q}&\cdots &\cdots &a_{1n}b_{21}&a_{1n}b_{22}&\cdots &a_{1n}b_{2q}\\\vdots &\vdots &\ddots &\vdots &&&\vdots &\vdots &\ddots &\vdots \\a_{11}b_{p1}&a_{11}b_{p2}&\cdots &a_{11}b_{pq}&\cdots &\cdots &a_{1n}b_{p1}&a_{1n}b_{p2}&\cdots &a_{1n}b_{pq}\\\vdots &\vdots &&\vdots &\ddots &&\vdots &\vdots &&\vdots \\\vdots &\vdots &&\vdots &&\ddots &\vdots &\vdots &&\vdots \\a_{m1}b_{11}&a_{m1}b_{12}&\cdots &a_{m1}b_{1q}&\cdots &\cdots &a_{mn}b_{11}&a_{mn}b_{12}&\cdots &a_{mn}b_{1q}\\a_{m1}b_{21}&a_{m1}b_{22}&\cdots &a_{m1}b_{2q}&\cdots &\cdots &a_{mn}b_{21}&a_{mn}b_{22}&\cdots &a_{mn}b_{2q}\\\vdots &\vdots &\ddots &\vdots &&&\vdots &\vdots &\ddots &\vdots \\a_{m1}b_{p1}&a_{m1}b_{p2}&\cdots &a_{m1}b_{pq}&\cdots &\cdots &a_{mn}b_{p1}&a_{mn}b_{p2}&\cdots &a_{mn}b_{pq}\end{bmatrix}}.$

我們可以更緊湊地寫為 $(A\otimes B)_{p(r-1)+v,q(s-1)+w}=a_{rs}b_{vw}$

例子

${\begin{bmatrix}1&2\\3&1\\\end{bmatrix}}\otimes {\begin{bmatrix}0&3\\2&1\\\end{bmatrix}}={\begin{bmatrix}1\cdot 0&1\cdot 3&2\cdot 0&2\cdot 3\\1\cdot 2&1\cdot 1&2\cdot 2&2\cdot 1\\3\cdot 0&3\cdot 3&1\cdot 0&1\cdot 3\\3\cdot 2&3\cdot 1&1\cdot 2&1\cdot 1\\\end{bmatrix}}={\begin{bmatrix}0&3&0&6\\2&1&4&2\\0&9&0&3\\6&3&2&1\end{bmatrix}}$.

特性

雙線性和結合律

克羅內克積是張量積的特殊形式，因此滿足雙線性與結合律：

$A\otimes (B+C)=A\otimes B+A\otimes C\qquad {\mbox{(if }}B{\mbox{ and }}C{\mbox{ have the same size)}},$

$(A+B)\otimes C=A\otimes C+B\otimes C\qquad {\mbox{(if }}A{\mbox{ and }}B{\mbox{ have the same size)}},$

$(kA)\otimes B=A\otimes (kB)=k(A\otimes B),$

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

其中，A, B 和 C 是矩陣，而 k 是常數。

克羅內克積不符合交換律：通常，A ⊗ B 不同於 B ⊗ A。

A ⊗ B和B ⊗ A是排列等價的，也就是說，存在排列矩陣P和Q，使得

$A\otimes B=P\,(B\otimes A)\,Q.$

如果A和B是方塊矩陣，則A ⊗ B和B ⊗ A甚至是排列相似的，也就是說，我們可以取P = Q^T。

混合乘積性質

如果A、B、C和D是四個矩陣，且矩陣乘積AC和BD存在，那麼：

$(\mathbf {A} \otimes \mathbf {B} )(\mathbf {C} \otimes \mathbf {D} )=\mathbf {AC} \otimes \mathbf {BD} .$

這個性質稱為「混合乘積性質」，因為它混合了通常的矩陣乘積和克羅內克積。於是可以推出，A $\,\otimes \,$ B是可逆的當且僅當A和B是可逆的，其逆矩陣為：

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

克羅內克和

如果A是n × n矩陣，B是m × m矩陣，$\mathbf {I} _{k}$表示k × k單位矩陣，那麼我們可以定義克羅內克和$\oplus$為：

$\mathbf {A} \oplus \mathbf {B} =\mathbf {A} \otimes \mathbf {I} _{m}+\mathbf {I} _{n}\otimes \mathbf {B} .$

譜

假設A和B分別是大小為n和q的方塊矩陣。設λ₁，……，λ_n為A的特徵值，μ₁，……，μ_q為B的特徵值。那麼A $\,\otimes \,$ B的特徵值為：

$\lambda _{i}\mu _{j},\qquad i=1,\ldots ,n,\,j=1,\ldots ,q.$

於是可以推出，兩個矩陣的克羅內克積的跡和行列式為：

$\operatorname {tr} (\mathbf {A} \otimes \mathbf {B} )=\operatorname {tr} \mathbf {A} \,\operatorname {tr} \mathbf {B} \quad {\mbox{and}}\quad \det(\mathbf {A} \otimes \mathbf {B} )=(\det \mathbf {A} )^{q}(\det \mathbf {B} )^{n}.$

奇異值

如果A和B是長方矩陣，那麼我們可以考慮它們的奇異值。假設A有r_A個非零的奇異值，它們是：

$\sigma _{\mathbf {A} ,i},\qquad i=1,\ldots ,r_{\mathbf {A} }.$

類似地，設B的非零奇異值為：

$\sigma _{\mathbf {B} ,i},\qquad i=1,\ldots ,r_{\mathbf {B} }.$

那麼克羅內克積A $\,\otimes \,$ B有r_Ar_B個非零奇異值，它們是：

$\sigma _{\mathbf {A} ,i}\sigma _{\mathbf {B} ,j},\qquad i=1,\ldots ,r_{\mathbf {A} },\,j=1,\ldots ,r_{\mathbf {B} }.$

由於一個矩陣的秩等於非零奇異值的數目，因此我們有：

$\operatorname {rank} (\mathbf {A} \otimes \mathbf {B} )=\operatorname {rank} \mathbf {A} \,\operatorname {rank} \mathbf {B} .$

與抽象張量積的關係

矩陣的克羅內克積對應於線性映射的抽象張量積。特別地，如果向量空間V、W、X和Y分別具有基{v₁, ... , v_m}、 {w₁, ... , w_n}、{x₁, ... , x_d}和{y₁, ... , y_e}，且矩陣A和B分別在恰當的基中表示線性轉換S : V → X和T : W → Y，那麼矩陣A ⊗ B表示兩個映射的張量積S ⊗ T : V ⊗ W → X ⊗ Y，關於V ⊗ W的基{v₁ ⊗ w₁, v₁ ⊗ w₂, ... , v₂ ⊗ w₁, ... , v_m ⊗ w_n}和X ⊗ Y的類似基。

與圖的乘積的關係

兩個圖的鄰接矩陣的克羅內克積是它們的張量積圖的鄰接矩陣。兩個圖的鄰接矩陣的克羅內克和，則是它們的笛卡兒積圖的鄰接矩陣。參見第96個練習的答案。

轉置

克羅內克積轉置運算符合分配律：

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

矩陣方程

克羅內克積可以用來為一些矩陣方程得出方便的表示法。例如，考慮方程AXB = C，其中A、B和C是給定的矩陣，X是未知的矩陣。我們可以把這個方程重寫為

$(B^{T}\otimes A)\,\operatorname {vec} (X)=\operatorname {vec} (AXB)=\operatorname {vec} (C).$

這樣，從克羅內克積的性質可以推出，方程AXB = C具有唯一的解，當且僅當A和B是非奇異矩陣。(Horn & Johnson 1991，Lemma 4.3.1).

在這裏，vec(X)表示矩陣X的向量化，它是把X的所有列堆起來所形成的列向量。

如果把X的行堆起來，形成列向量x，則$AXB$也可以寫為$(A\otimes B^{T})x$ (Jain 1989，2.8 block Matrices and Kronecker Products)。

參考文獻

• Horn, Roger A.; Johnson, Charles R., Topics in Matrix Analysis, Cambridge University Press, 1991, ISBN 0-521-46713-6 .

• Jain, Anil K., Fundamentals of Digital Image Processing, Prentice Hall, 1989, ISBN 0-13-336165-9 .

外部連結

• Kronecker product. PlanetMath. 
• MathWorld Matrix Direct Product （頁面存檔備份，存於互聯網檔案館）