Математические операции над матрицами
В математике произведение Кронекера , иногда обозначаемое ⊗, представляет собой операцию над двумя матрицами произвольного размера, в результате которой получается блочная матрица . Это специализация тензорного произведения (обозначаемого тем же символом) от векторов к матрицам и дающая линейное отображение матрицы тензорного произведения относительно стандартного выбора базиса . Произведение Кронекера следует отличать от обычного умножения матриц , которое представляет собой совершенно другую операцию. Произведение Кронекера также иногда называют прямым произведением матрицы . [1]
Произведение Кронекера названо в честь немецкого математика Леопольда Кронекера (1823–1891), хотя существует мало свидетельств того, что он первым определил и использовал его. Произведение Кронекера также называли матрицей Цефуса , а произведением Цефуса — в честь Иоганна Георга Зефуса [де] , который в 1858 году описал эту матричную операцию, но произведение Кронекера в настоящее время является наиболее широко используемым термином. [2] [3] Неправильная атрибуция Кронекера, а не Зефуса, произошла из-за Курта Хензеля . [4]
Определение
Если A — матрица размера m × n , а B — матрица размера p × q , то произведение Кронекера A ⊗ B — это блочная матрица размера pm × qn :
![{\displaystyle \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}},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
более явно:
![{\displaystyle {\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}}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Используя и для обозначения усечения целочисленного деления и остатка соответственно и нумеруя элементы матрицы, начиная с 0, получаем ![{\displaystyle /\!/}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \%}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A\otimes B)_{pr+v,qs+w}=a_{rs}b_{vw}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A\otimes B)_{i,j}=a_{i/\!/p,j/\!/q}b_{i\%p,j\%q}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Для обычной нумерации, начиная с 1, получаем
![{\displaystyle (A\otimes B)_{p(r-1)+v,q(s-1)+w}=a_{rs}b_{vw}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A\otimes B)_{i,j}=a_{\lceil i/p\rceil,\lceil j/q\rceil}b_{(i-1)\%p+1,(j- 1)\%q+1}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если A и B представляют линейные преобразования V 1 → W 1 и V 2 → W 2 соответственно, то тензорное произведение двух отображений представляется как A ⊗ B , что то же самое, что V 1 ⊗ V 2 → W 1 ⊗ В 2 .
Примеры
![{\displaystyle {\begin{bmatrix}1&2\\3&4\\\end{bmatrix}}\otimes {\begin{bmatrix}0&5\\6&7\\\end{bmatrix}}={\begin{bmatrix}1{ \begin{bmatrix}0&5\\6&7\\\end{bmatrix}}&2{\begin{bmatrix}0&5\\6&7\\\end{bmatrix}}\\3{\begin{bmatrix}0&5\\6&7\ \\end{bmatrix}}&4{\begin{bmatrix}0&5\\6&7\\\end{bmatrix}}\\\end{bmatrix}}=\left[{\begin{array}{cc|cc}1 \times 0&1\times 5&2\times 0&2\times 5\\1\times 6&1\times 7&2\times 6&2\times 7\\\hline 3\times 0&3\times 5&4\times 0&4\times 5\\3\times 6&3 \times 7&4\times 6&4\times 7\\\end{array}}\right]=\left[{\begin{array}{cc|cc}0&5&0&10\\6&7&12&14\\\hline 0&15&0&20\\18&21&24&28\end{ массив}}\справа].}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Сходным образом:
![{\displaystyle {\begin{bmatrix}1&-4&7\\-2&3&3\end{bmatrix}}\otimes {\begin{bmatrix}8&-9&-6&5\\1&-3&-4&7\\2&8&-8&-3\ \1&2&-5&-1\end{bmatrix}}=\left[{\begin{array}{cccc|cccc|cccc}8&-9&-6&5&-32&36&24&-20&56&-63&-42&35\\1&-3&-4&7&- 4&12&16&-28&7&-21&-28&49\\2&8&-8&-3&-8&-32&32&12&14&56&-56&-21\\1&2&-5&-1&-4&-8&20&4&7&14&-35&-7\\\hline -16&18&12&-10&24&-27&- 18&15&24&- 27&-18&15\\-2&6&8&-14&3&-9&-12&21&3&-9&-12&21\\-4&-16&16&6&6&24&-24&-9&6&24&-24&-9\\-2&-4&10&2&3&6&-15&-3&3&6&-15&-3\end{array} }\верно]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Характеристики
Связь с другими матричными операциями
- Билинейность и ассоциативность :
Произведение Кронекера является частным случаем тензорного произведения , поэтому оно билинейно и ассоциативно :
![{\displaystyle {\begin{aligned}\mathbf {A} \otimes (\mathbf {B} +\mathbf {C})&=\mathbf {A} \otimes \mathbf {B} +\mathbf {A} \ otimes \mathbf {C} ,\\(\mathbf {B} +\mathbf {C} )\otimes \mathbf {A} &=\mathbf {B} \otimes \mathbf {A} +\mathbf {C} \ otimes \mathbf {A} ,\\(k\mathbf {A} )\otimes \mathbf {B} &=\mathbf {A} \otimes (k\mathbf {B} )=k(\mathbf {A} \ otimes \mathbf {B} ),\\(\mathbf {A} \otimes \mathbf {B} )\otimes \mathbf {C} &=\mathbf {A} \otimes (\mathbf {B} \otimes \mathbf {C} ),\\\mathbf {A} \otimes \mathbf {0} &=\mathbf {0} \otimes \mathbf {A} =\mathbf {0} ,\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где A , B и C — матрицы, 0 — нулевая матрица, а k — скаляр. - Некоммутативный : _
В общем случае A ⊗ B и B ⊗ A — разные матрицы. Однако A ⊗ B и B ⊗ A эквивалентны перестановкам, что означает, что существуют матрицы перестановок P и Q такие, что [5]
![{\ displaystyle \ mathbf {B} \ otimes \ mathbf {A} = \ mathbf {P} \, (\ mathbf {A} \ otimes \ mathbf {B}) \, \ mathbf {Q} .}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если A и B — квадратные матрицы, то A ⊗ B и B ⊗ A являются четными перестановками, подобными , что означает, что мы можем взять P = Q T .
Матрицы P и Q являются матрицами идеального тасования. [6] Идеальная матрица тасования Sp , q может быть построена путем взятия срезов единичной матрицы I r , где .![{\displaystyle r=pq}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {S} _{p,q} = {\begin{bmatrix} \mathbf {I} _{r}(1:q:r,:)\\\mathbf {I} _{r} (2:q:r,:)\\\vdots \\\mathbf {I} _{r}(q:q:r,:)\end{bmatrix}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Обозначение двоеточия MATLAB используется здесь для обозначения подматриц, а I r — единичная матрица размера r × r . Если и , то![{\displaystyle \mathbf {A} \in \mathbb {R} ^{m_{1}\times n_{1}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {B} \in \mathbb {R} ^{m_{2}\times n_{2}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {B} \otimes \mathbf {A} =\mathbf {S} _{m_{1},m_{2}}(\mathbf {A} \otimes \mathbf {B})\mathbf { S} _{n_{1},n_{2}}^{\textsf {T}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Свойство смешанного продукта:
Если A , B , C и D — матрицы такого размера, что можно образовать матричные произведения AC и BD , то [7]
![{\ displaystyle (\ mathbf {A} \ otimes \ mathbf {B}) (\ mathbf {C} \ otimes \ mathbf {D}) = (\ mathbf {AC}) \ otimes (\ mathbf {BD}).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это называется свойством смешанного произведения , поскольку оно смешивает обычный матричный продукт и продукт Кронекера.
Как непосредственное следствие,
![{\displaystyle \mathbf {A} \otimes \mathbf {B} =(\mathbf {I_ {m_ {1}}} \otimes \mathbf {B} )(\mathbf {A} \otimes \mathbf {I_ {n_ {2}}} )=(\mathbf {A} \otimes \mathbf {I_{m_{2}}} )(\mathbf {I_{n_{1}}} \otimes \mathbf {B} ).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
В частности, используя свойство транспонирования снизу, это означает, что если
![{\displaystyle \mathbf {A} =\mathbf {Q} \otimes \mathbf {U} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
и Q и U ортогональны (или унитарны ), то A также ортогональна (соответственно унитарна).
Смешанное матрично-векторное произведение Кронекера можно записать как:
![{\displaystyle \left(\mathbf {A} \otimes \mathbf {B} \right)\operatorname {vec} \left(\mathbf {V} \right) = \operatorname {vec} (\mathbf {B} \ mathbf {V} \mathbf {A} ^{T})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где применяется оператор векторизации (сформированный путем изменения формы матрицы).![{\displaystyle \operatorname {vec} (\mathbf {V})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {V} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Произведение Адамара (поэлементное умножение):
Свойство смешанного продукта также работает для поэлементного продукта. Если A и C — матрицы одного размера, B и D — матрицы одного размера, то [7]
![{\displaystyle (\mathbf {A} \otimes \mathbf {B})\circ (\mathbf {C} \otimes \mathbf {D}) = (\mathbf {A} \circ \mathbf {C})\otimes (\mathbf {B} \circ \mathbf {D}).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Обратное произведение Кронекера:
Отсюда следует, что A ⊗ B обратимо тогда и только тогда, когда оба A и B обратимы, и в этом случае обратное задается формулой
![{\displaystyle (\mathbf {A} \otimes \mathbf {B})^{-1} = \mathbf {A} ^{-1}\otimes \mathbf {B} ^{-1}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Свойство обратимого произведения справедливо и для псевдообратного Мура–Пенроуза [7] [8] ,
т.е.
![{\displaystyle (\mathbf {A} \otimes \mathbf {B})^{+}=\mathbf {A} ^{+}\otimes \mathbf {B} ^{+}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
На языке теории категорий свойство смешанного произведения произведения Кронекера (и более общего тензорного произведения) показывает, что категория Mat F матриц над полем F на самом деле является моноидальной категорией с натуральными числами объектов n и морфизмами. n → m — это матрицы размера n × m с элементами в F , композиция задаётся умножением матриц, единичные стрелки — это просто единичные матрицы I n размера n × n , а тензорное произведение задаётся произведением Кронекера. [9]
Mat F — это конкретная скелетная категория для эквивалентной категории FinVect F конечномерных векторных пространств над F , объектами которой являются такие конечномерные векторные пространства V , стрелки — это F -линейные отображения L : V → W , а тождественные стрелки — это тождественные отображения. пространств. Эквивалентность категорий сводится к одновременному выбору базиса в каждом конечномерном векторном пространстве V над F ; элементы матриц представляют эти отображения относительно выбранных базисов; и аналогично произведение Кронекера является представлением тензорного произведения в выбранных базисах. - Транспонировать :
Транспозиция и сопряженная транспозиция дистрибутивны по произведению Кронекера:
и![{\displaystyle (\mathbf {A} \otimes \mathbf {B})^{*}=\mathbf {A} ^{*}\otimes \mathbf {B} ^{*}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Определитель :
Пусть A — матрица размера n × n , а B — матрица размера m × m . Затем
![{\displaystyle \left|\mathbf {A} \otimes \mathbf {B} \right|=\left|\mathbf {A} \right|^{m}\left|\mathbf {B} \right|^{ п}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Показатель в | А | — порядок B и показатель степени в | Б | это заказ А. - Сумма Кронекера и возведение в степень :
Если A равно n × n , B равно m × m , а I k обозначает единичную матрицу k × k , то мы можем определить то, что иногда называют суммой Кронекера , ⊕, по формуле
![{\displaystyle \mathbf {A} \oplus \mathbf {B} =\mathbf {A} \otimes \mathbf {I} _{m}+\mathbf {I} _{n} \otimes \mathbf {B} . }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это отличается от прямой суммы двух матриц. Эта операция связана с тензорным произведением на алгебрах Ли , как подробно описано ниже (#Абстрактные свойства) в пункте «Связь с абстрактным тензорным произведением ».
У нас есть следующая формула для матричной экспоненты , которая полезна в некоторых числовых оценках. [10]
![{\displaystyle \exp({\mathbf {N} \oplus \mathbf {M}}) = \exp(\mathbf {N})\otimes \exp(\mathbf {M})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Суммы Кронекера естественным образом возникают в физике при рассмотрении ансамблей невзаимодействующих систем . [ нужна цитата ] Пусть H k будет гамильтонианом k- й такой системы. Тогда полный гамильтониан ансамбля равен
![{\displaystyle H_{\mathrm {Tot} }=\bigoplus _{k}H^{k}.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Векторизация произведения Кронекера:
Пусть будет матрица и матрица . Когда порядок произведения Кронекера и векторизация меняются местами, эти две операции могут быть связаны линейно через функцию, которая включает в себя матрицу коммутации . То есть и имеют следующие отношения:![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle m\times n}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle p\times q}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathrm {vec} (\mathrm {Kron} (A,B))}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathrm {Kron} (\ mathrm {vec} A, \ mathrm {vec} B)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathrm {vec} (A \ otimes B) = (I_ {n} \ otimes K_ {qm} \ otimes I_ {q}) (\ mathrm {vec} A \ otimes \ mathrm {vec} B). }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Более того, приведенное выше соотношение может быть переписано либо следующим образом:![{\displaystyle \mathrm {vec} A}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathrm {vec} B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathrm {vec} (A \ otimes B) = (I_ {n} \ otimes G) \ mathrm {vec} A = (H \ otimes I_ {p}) \ mathrm {vec} B,}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где
![{\ displaystyle G = (K_ {qm} \ otimes I_ {p}) (I_ {m} \ otimes \ mathrm {vec} B) {\ text { and }} H = (I_ {n} \ otimes K_ {qm })(\mathrm {vec} A\otimes I_{q}).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Внешний продукт :Если и являются произвольными векторами, то внешний продукт между и определяется как . Произведение Кронекера связано с внешним произведением соотношением: .
![{\displaystyle x\in \mathbb {R} ^{n}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle y\in \mathbb {R} ^{m}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle х}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle xy^{T}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle y\otimes x=\mathrm {vec} (xy^{T})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Абстрактные свойства
- Спектр :
Предположим, что A и B — квадратные матрицы размера n и m соответственно. Пусть λ 1 , ..., λ n — собственные значения оператора A , а µ 1 , ..., µ m — собственные значения B (перечислены в соответствии с кратностью ). Тогда собственные значения оператора A ⊗ B равны
![{\displaystyle \lambda _{i}\mu _{j},\qquad i=1,\ldots,n,\,j=1,\ldots,m.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Отсюда следует, что след и определитель произведения Кронекера имеют вид
![{\displaystyle \operatorname {tr} (\mathbf {A} \otimes \mathbf {B}) = \operatorname {tr} \mathbf {A} \,\operatorname {tr} \mathbf {B} \quad {\text {and}}\quad \det(\mathbf {A} \otimes \mathbf {B})=(\det \mathbf {A})^{m}(\det \mathbf {B})^{n}. }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Сингулярные значения :
Если A и B — прямоугольные матрицы, то можно рассматривать их сингулярные значения . Предположим, что A имеет r A ненулевые сингулярные значения, а именно
![{\displaystyle \sigma _ {\mathbf {A},i},\qquad i=1,\ldots,r_ {\mathbf {A} }.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Аналогично обозначим ненулевые сингулярные значения B через
![{\displaystyle \sigma _ {\mathbf {B},i},\qquad i=1,\ldots,r_ {\mathbf {B} }.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Тогда произведение Кронекера A ⊗ B имеет r A r B ненулевые сингулярные значения, а именно
![{\displaystyle \sigma _{\mathbf {A},i}\sigma _{\mathbf {B},j},\qquad i=1,\ldots,r_ {\mathbf {A}},\,j= 1,\ldots ,r_ {\mathbf {B} }.}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Поскольку ранг матрицы равен числу ненулевых сингулярных значений, мы находим, что
![{\displaystyle \operatorname {ранг} (\mathbf {A} \otimes \mathbf {B}) = \operatorname {rank} \mathbf {A} \,\operatorname {rank} \mathbf {B} .}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Отношение к абстрактному тензорному произведению :
Кронекеровское произведение матриц соответствует абстрактному тензорному произведению линейных отображений. В частности, если векторные пространства V , W , X и Y имеют базы { v 1 , ..., v m }, { w 1 , ..., w n }, { x 1 , ..., x d } и { y 1 , ..., y e } соответственно, и если матрицы A и B представляют собой линейные преобразования S : V → X и T : W → Y соответственно в соответствующих базисах, то матрица A ⊗ B представляет тензорное произведение двух отображений S ⊗ T : V ⊗ W → X ⊗ Y относительно базиса { v 1 ⊗ w 1 , v 1 ⊗ w 2 , ..., v 2 ⊗ w 1 , ..., v m ⊗ w n } V ⊗ W и аналогично определенный базис X ⊗ Y со свойством A ⊗ B ( v i ⊗ w j ) = ( Av i ) ⊗ ( Bw j ) , где i и j — целые числа в правильном диапазоне. [11]
Когда V и W — алгебры Ли , а S : V → V и T : W → W — гомоморфизмы алгебры Ли , сумма Кронекера A и B представляет собой индуцированные гомоморфизмы алгебры Ли V ⊗ W → V ⊗ W. [ нужна цитата ] - Отношение к произведениям графов :Кронекеровское произведение матриц смежности двух графов является матрицей смежности графа тензорного произведения . Сумма Кронекера матриц смежности двух графов представляет собой матрицу смежности графа декартового произведения . [12]
Матричные уравнения
Произведение Кронекера можно использовать для получения удобного представления некоторых матричных уравнений. Рассмотрим, например, уравнение AXB = C , где A , B и C — заданные матрицы, а матрица X — неизвестная. Мы можем использовать «трюк vec», чтобы переписать это уравнение как
![{\displaystyle \left(\mathbf {B} ^{\textsf {T}} \otimes \mathbf {A} \right)\,\operatorname {vec} (\mathbf {X}) = \operatorname {vec} ( \mathbf {AXB})=\operatorname {vec} (\mathbf {C}).}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Здесь vec( X ) обозначает векторизацию матрицы X, сформированную путем укладки столбцов X в один вектор-столбец .
Теперь из свойств произведения Кронекера следует, что уравнение AXB = C имеет единственное решение тогда и только тогда, когда A и B обратимы (Horn & Johnson 1991, лемма 4.3.1).
Если X и C упорядочены по строкам в вектор-столбцы u и v соответственно, тогда (Джейн 1989, 2.8 Блочные матрицы и произведения Кронекера)
![{\ displaystyle \ mathbf {v} = \ left (\ mathbf {A} \ otimes \ mathbf {B} ^ {\ textsf {T}} \ right) \ mathbf {u} .}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Причина в том, что
![{\displaystyle \mathbf {v} =\operatorname {vec} \left((\mathbf {AXB})^{\textsf {T}} \right)=\operatorname {vec} \left(\mathbf {B} ^ {\textsf {T}}\mathbf {X} ^{\textsf {T}}\mathbf {A} ^{\textsf {T}}\right)=\left(\mathbf {A} \otimes \mathbf { B} ^{\textsf {T}}\right)\operatorname {vec} \left(\mathbf {X^{\textsf {T}}} \right)=\left(\mathbf {A} \otimes \mathbf {B} ^{\textsf {T}}\right)\mathbf {u} .}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Приложения
Пример применения этой формулы смотрите в статье об уравнении Ляпунова . Эта формула также пригодится, чтобы показать, что матричное нормальное распределение является частным случаем многомерного нормального распределения . Эта формула также полезна для представления операций обработки двумерных изображений в матрично-векторной форме.
Другой пример: когда матрицу можно разложить как произведение Кронекера, тогда умножение матрицы можно выполнить быстрее, используя приведенную выше формулу. Это можно применять рекурсивно, как это делается в БПФ по основанию 2 и быстром преобразовании Уолша-Адамара . Разбиение известной матрицы на произведение Кронекера двух меньших матриц известно как проблема «ближайшего произведения Кронекера» и может быть решено точно [13] с помощью SVD . Оптимальное разделение матрицы на произведение Кронекера более чем двух матриц является сложной проблемой и предметом текущих исследований; некоторые авторы называют это проблемой тензорного разложения. [14] [15]
В сочетании с методом наименьших квадратов произведение Кронекера можно использовать как точное решение задачи калибровки «рука-глаз» . [16]
Связанные матричные операции
Две связанные матричные операции — это произведения Трейси–Сингха и Хатри–Рао , которые работают с разделенными матрицами . Пусть матрица A m × n разбита на блоки A ij m i × n j , а матрица B p × q на блоки B kl p k × q ℓ , при этом, конечно, Σ i m i = m , Σ j n j знак равно п , Σ k п k знак равно п и Σ ℓ q ℓ знак равно q .
Продукт Трейси – Сингха
Произведение Трейси –Сингха определяется как [17] [18] [19]
![{\displaystyle \mathbf {A} \circ \mathbf {B} =\left(\mathbf {A} _{ij} \circ \mathbf {B} \right)_{ij} =\left(\left(\ mathbf {A} _{ij}\otimes \mathbf {B} _{kl}\right)_{kl}\right)_{ij}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
что означает, что ( ij )-й подблок произведения mp × nq A B представляет
собой матрицу m i p × n j q A ij B
, из которой ( kℓ )-й подблок равен m i p k × n j q ℓ матрица А ij ⊗ B kℓ . По сути, произведение Трейси-Сингха представляет собой попарное произведение Кронекера для каждой пары разбиений в двух матрицах.
Например, если A и B представляют собой разделенные матрицы размером 2 × 2, например:
![{\displaystyle \mathbf {A} =\left[{\begin{array}{c | c}\mathbf {A} _{11}&\mathbf {A} _{12}\\\hline \mathbf {A} _{21}&\mathbf {A} _{22}\end{array}} \right]=\left[{\begin{array}{cc | c}1&2&3\\4&5&6\\\hline 7&8&9\end{array}}\right],\quad \mathbf {B} =\left[{\begin{array}{c | c}\mathbf {B} _{11}&\mathbf {B} _{12}\\\hline \mathbf {B} _{21}&\mathbf {B} _{22}\end{array}} \right]=\left[{\begin{array}{c | cc}1&4&7\\\hline 2&5&8\\3&6&9\end{array}}\right],}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
мы получаем:
![{\displaystyle {\begin{aligned}\mathbf {A} \circ \mathbf {B} = {}&\left[{\begin{array}{c | c}\mathbf {A} _{11}\circ \mathbf {B} &\mathbf {A} _{12}\circ \mathbf {B} \\\hline \mathbf {A} _{21}\circ \mathbf {B} &\mathbf {A} _{22}\circ \mathbf {B} \end{array}}\right]\\={}&\left[{\begin{array}{c | с | с | c}\mathbf {A} _{11}\otimes \mathbf {B} _{11}&\mathbf {A} _{11}\otimes \mathbf {B} _{12}&\mathbf {A} _ {12}\otimes \mathbf {B} _{11}&\mathbf {A} _{12}\otimes \mathbf {B} _{12}\\\hline \mathbf {A} _{11}\otimes \mathbf {B} _{21}&\mathbf {A} _{11}\otimes \mathbf {B} _{22}&\mathbf {A} _{12}\otimes \mathbf {B} _{21 }&\mathbf {A} _{12}\otimes \mathbf {B} _{22}\\\hline \mathbf {A} _{21}\otimes \mathbf {B} _{11}&\mathbf { A} _{21}\otimes \mathbf {B} _{12}&\mathbf {A} _{22}\otimes \mathbf {B} _{11}&\mathbf {A} _{22}\otimes \mathbf {B} _{12}\\\hline \mathbf {A} _{21}\otimes \mathbf {B} _{21}&\mathbf {A} _{21}\otimes \mathbf {B} _{22}&\mathbf {A} _{22}\otimes \mathbf {B} _{21}&\mathbf {A} _{22}\otimes \mathbf {B} _{22}\end{array }}\right]\\={}&\left[{\begin{array}{cc | cccc | с | cc}1&2&4&7&8&14&3&12&21\\4&5&16&28&20&35&6&24&42\\\hline 2&4&5&8&10&16&6&15&24\\3&6&6&9&12&18&9&18&27\\8&10&20&32&25&40&12&30&4 8\\12&15&24&36&30&45&18&36&54\\\hline 7&8&28&49&32&56&9&36&63\\\hline 14&16&35&56&40&64&18&45&72\\21&24&42&63&48&72&27&54&81\end{array} \right].\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Продукт Хатри-Рао
- Блок-продукт Кронекера
- Столбцовый продукт Хатри – Рао
Продукт для разделения лица
Свойства смешанных продуктов [20]
![{\ displaystyle \ mathbf {A} \ otimes (\ mathbf {B} \ Bullet \ mathbf {C}) = (\ mathbf {A} \ otimes \ mathbf {B}) \ Bullet \ mathbf {C},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где обозначает продукт разделения граней . [21] [22]![{\displaystyle \bullet }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {B}) (\ mathbf {C} \ otimes \ mathbf {D}) = (\ mathbf {A} \ mathbf {C}) \ Bullet (\ mathbf { B} \mathbf {D}),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Аналогично: [23]
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {L}) (\ mathbf {B} \ otimes \ mathbf {M}) \ cdots (\ mathbf {C} \ otimes \ mathbf {S}) = (\ mathbf {A} \mathbf {B} \cdots \mathbf {C} )\bullet (\mathbf {L} \mathbf {M} \cdots \mathbf {S} ),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {c} ^{\textsf {T}}\bullet \mathbf {d} ^{\textsf {T}} = \mathbf {c} ^{\textsf {T}} \otimes \mathbf { d} ^{\textsf {T}},}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где и – векторы , [24]![{\displaystyle \mathbf {c} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {d} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {B}) (\ mathbf {c} \ otimes \ mathbf {d}) = (\ mathbf {A} \ mathbf {c}) \ circ (\ mathbf { B} \mathbf {d}),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где и — векторы , и обозначает произведение Адамара .![{\displaystyle \mathbf {c} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {d} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \circ }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Сходным образом:
![{\displaystyle (\mathbf {A} \bullet \mathbf {B})(\mathbf {M} \mathbf {N} \mathbf {c} \otimes \mathbf {Q} \mathbf {P} \mathbf {d} )=(\mathbf {A} \mathbf {M} \mathbf {N} \mathbf {c} )\circ (\mathbf {B} \mathbf {Q} \mathbf {P} \mathbf {d}),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
,
где — векторная свертка , а — матрица преобразования Фурье (этот результат представляет собой развитие свойств графического эскиза [25] ), [21] [22]![{\displaystyle \star }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\mathcal {F}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {L}) (\ mathbf {B} \ otimes \ mathbf {M}) \ cdots (\ mathbf {C} \ otimes \ mathbf {S}) (\ mathbf {K} \ast \mathbf {T} )=(\mathbf {A} \mathbf {B} \cdot \mathbf {C} \mathbf {K} )\circ (\mathbf {L} \mathbf {M} \ cdots \mathbf {S} \mathbf {T}),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где обозначает постолбцовое произведение Хатри–Рао .![{\displaystyle \ast }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Сходным образом:
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {L}) (\ mathbf {B} \ otimes \ mathbf {M}) \ cdots (\ mathbf {C} \ otimes \ mathbf {S}) (c \ otimes d)=(\mathbf {A} \mathbf {B} \cdots \mathbf {C} \mathbf {c} )\circ (\mathbf {L} \mathbf {M} \cdots \mathbf {S} \mathbf {д} ),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle (\ mathbf {A} \ Bullet \ mathbf {L}) (\ mathbf {B} \ otimes \ mathbf {M}) \ cdots (\ mathbf {C} \ otimes \ mathbf {S}) (\ mathbf {P} \mathbf {c} \otimes \mathbf {Q} \mathbf {d} )=(\mathbf {A} \mathbf {B} \cdots \mathbf {C} \mathbf {P} \mathbf {c} )\circ (\mathbf {L} \mathbf {M} \cdots \mathbf {S} \mathbf {Q} \mathbf {d}),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где и – векторы .![{\displaystyle \mathbf {c} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {d} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Смотрите также
Примечания
- ^ Вайсштейн, Эрик В. «Продукт Кронекера». mathworld.wolfram.com . Проверено 6 сентября 2020 г.
- ^ Зефусс, Г. (1858). «Ueber eine gewisse Determinante». Zeitschrift für Mathematik und Physik . 3 : 298–301.
- ^ Хендерсон, Гарольд В.; Пукельсхайм, Фридрих; Сирл, Шейл Р. (1983). «К истории кронекера». Линейная и полилинейная алгебра . 14 (2): 113–120. дои : 10.1080/03081088308817548. hdl : 1813/32834 . ISSN 0308-1087.
- ^ Сайед, Али Х. (22 декабря 2022 г.). Выводы и обучение на основе данных: основы. Издательство Кембриджского университета. ISBN 978-1-009-21812-2.
- ^ Хендерсон, Х.В.; Сирл, СР (1980). «Матрица vec-перестановок, оператор vec и произведения Кронекера: обзор» (PDF) . Линейная и полилинейная алгебра . 9 (4): 271–288. дои : 10.1080/03081088108817379. hdl : 1813/32747 .
- ^ Ван Лоан, Чарльз Ф. (2000). «Вездесущий продукт Кронекера». Журнал вычислительной и прикладной математики . 123 (1–2): 85–100. Бибкод : 2000JCoAM.123...85L. дои : 10.1016/s0377-0427(00)00393-9 .
- ^ abc Лю, Шуанчжэ; Тренклер, Гетц; Колло, Тыну; фон Розен, Дитрих; Баксалари, Оскар Мария (2023). «Профессор Хайнц Нойдекер и матричное дифференциальное исчисление». Статистические документы . doi : 10.1007/s00362-023-01499-w.
- ^ Лэнгвилл, Эми Н .; Стюарт, Уильям Дж. (1 июня 2004 г.). «Произведение Кронекера и сети стохастических автоматов». Журнал вычислительной и прикладной математики . 167 (2): 429–447. Бибкод : 2004JCoAM.167..429L. дои : 10.1016/j.cam.2003.10.010 .
- ^ Маседо, Уго Даниэль; Оливейра, Хосе Нуно (2013). «Типизация линейной алгебры: подход, ориентированный на два произведения». Наука компьютерного программирования . 78 (11): 2160–2191. arXiv : 1312.4818 . Бибкод : 2013arXiv1312.4818M. CiteSeerX 10.1.1.747.2083 . doi : 10.1016/j.scico.2012.07.012. S2CID 9846072.
- ^ Брюэр, JW (1969). «Заметка о матричных произведениях Кронекера и системах матричных уравнений». SIAM Journal по прикладной математике . 17 (3): 603–606. дои : 10.1137/0117057.
- ^
- ^ См. Кнут, DE «Предварительный выпуск 0a: Введение в комбинаторные алгоритмы» (нулевая печать, 2-е изд.). ответ на упражнение 96. Архивировано из оригинала 13 мая 2019 г. Проверено 24 октября 2007 г. ,появится в рамках книги Кнут, Д.Э. Искусство компьютерного программирования . Том. 4А.
- ^ Ван Лоан, К.; Пицианис, Н. (1992). Приближение произведениями Кронекера . Итака, Нью-Йорк: Издательство Корнельского университета.
- ^ Король Кеунг Ву; Ям, Юнг; Мэн, Хелен; Месбахи, Мехран (2016). «Аппроксимация произведения Кронекера с помощью многофакторных матриц с помощью алгоритма тензорного произведения». Международная конференция IEEE по системам, человеку и кибернетике (SMC) , 2016 г. стр. 004277–004282. дои : 10.1109/SMC.2016.7844903. ISBN 978-1-5090-1897-0. S2CID 30695585.
- ^ Дантас, Кассио Ф.; Коэн, Джереми Э.; Грибонваль, Реми (2018). «Изучение быстрых словарей для разреженных представлений с использованием тензорных разложений низкого ранга». Анализ скрытых переменных и разделение сигналов (PDF) . Конспекты лекций по информатике. Том. 10891. стр. 456–466. дои : 10.1007/978-3-319-93764-9_42. ISBN 978-3-319-93763-2. S2CID 46963798.
- ^ Ли, Алго; и другие. (4 сентября 2010 г.). «Одновременная калибровка мира роботов и глаз-рука с использованием двойных кватернионов и произведения Кронекера» (PDF) . Международный журнал физических наук . 5 (10): 1530–1536. S2CID 7446157. Архивировано из оригинала (PDF) 9 февраля 2020 года.
- ^ Трейси, DS; Сингх, Р.П. (1972). «Новый матричный продукт и его применение в матричной дифференциации». Статистика Неерландики . 26 (4): 143–157. doi :10.1111/j.1467-9574.1972.tb00199.x.
- ^ Лю, Шуанчжэ (1999). «Результаты матрицы для произведений Хатри – Рао и Трейси – Сингха». Линейная алгебра и ее приложения . 289 (1–3): 267–277. дои : 10.1016/S0024-3795(98)10209-4 .
- ^ Лю, Шуанчжэ; Тренклер, Гетц (2008). «Адамар, Хатри-Рао, Кронекер и другие матричные продукты». Международный журнал информационных и системных наук . 4 (1): 160–177.
- ^ Слюсарь, В.И. (1998) [27 декабря 1996 г.]. «Конечные продукты в матрицах радиолокационных приложений» (PDF) . Радиоэлектроника и системы связи . 41 (3): 50–53.
- ^ аб Слюсарь, Вадим (1999). «Новые матричные операции для DSP» (самостоятельная лекция). doi :10.13140/RG.2.2.31620.76164/1 – через ResearchGate .
- ↑ аб Слюсарь, VI (13 марта 1998 г.). «Семейство лицевых продуктов матриц и его свойства» (PDF) . Кибернетика и системный анализ ПК Кибернетика и Системный анализ. 1999 . 35 (3): 379–384. дои : 10.1007/BF02733426. S2CID 119661450.
- ^ Слюсарь, В.И. (15 сентября 1997 г.). Новые операции с матрицами для применения в радарах (PDF) . Прямые и обратные задачи теории электромагнитных и акустических волн (ДИПЕД-97), Львов. стр. 73–74.
- ^ Але, Томас Дибдал; Кнудсен, Якоб Бэк Тейс (3 сентября 2019 г.). «Почти оптимальный тензорный эскиз». arXiv : 1909.01821 [cs.DS].
- ^ Нинь, Фам; Паг, Расмус (2013). Быстрые и масштабируемые полиномиальные ядра с помощью явных карт признаков . Международная конференция SIGKDD по открытию знаний и интеллектуальному анализу данных. Ассоциация вычислительной техники. CiteSeerX 10.1.1.718.2766 . дои : 10.1145/2487575.2487591.
Рекомендации
- Хорн, Роджер А .; Джонсон, Чарльз Р. (1991). Темы матричного анализа. Издательство Кембриджского университета. ISBN 978-0-521-46713-1.
- Джайн, Анил К. (1989). Основы цифровой обработки изображений. Прентис Холл. Бибкод : 1989fdip.book.....J. ISBN 978-0-13-336165-0.
- Стееб, Вилли-Ханс (1997). Матричное исчисление и произведение Кронекера с приложениями и программами на C++ . Мировое научное издательство. ISBN 978-981-02-3241-2.
- Стееб, Вилли-Ханс (2006). Проблемы и решения вводного и углубленного матричного исчисления. Мировое научное издательство. ISBN 978-981-256-916-5.
- Лю, Шуанчжэ; Тренклер, Гетц (2008), «Адамар, Хатри-Рао, Кронекер и другие матричные продукты», Международный журнал информационных и системных наук , 4 : 160–177.
Внешние ссылки
- «Тензорное произведение», Математическая энциклопедия , EMS Press , 2001 [1994]
- «Продукт Кронекера». ПланетаМатематика .
- «Продукт Кронекера». Математический мир .
- «Проблемы нового продукта Кронекера» (PDF) .
- «Самое раннее использование».Запись о матрицах Кронекера, Цефуса или прямом произведении содержит историческую информацию.
- вычислить произведение Кронекера двух матриц. SourceForge (общий исходный код C++ и Fortran 90). 27 июня 2015 г.
- «Продукт Кронекера». RosettaCode.org . 31 декабря 2020 г. Проверено 13 января 2021 г.Исходный код программного обеспечения на более чем 40 языках.