Kronecker积与矩阵方程
kronecker product 解方程
kronecker product 解方程1. 引言在数学和计算机科学领域，kronecker product（克罗内克积）是一种常见的线性代数运算，它在解决方程组和矩阵运算中起着重要的作用。
本文将介绍kronecker product的基本概念，以及它在解方程中的应用。
2. kronecker product的定义kronecker product是指两个矩阵的乘积运算，其定义如下：设A是一个m×n的矩阵，B是一个p×q的矩阵，那么它们的kronecker product记作A⊗B，它是一个mp×nq的矩阵，其中每个元素是A矩阵中的元素乘以B矩阵中的所有元素。
3. kronecker product的性质- 结合律：(A⊗B)⊗C = A⊗(B⊗C)- 分配律：A⊗(B+C) = A⊗B + A⊗C- 数乘结合律：k(A⊗B) = (kA)⊗B = A⊗(kB)，其中k为一个常数 - 归一性质：对于单位矩阵I，有I⊗A = A⊗I = A4. kronecker product在解方程中的应用kronecker product在解方程中起着重要的作用，通过使用kronecker product，我们可以将一个大型方程组拆分成较小的子方程组，从而简化求解过程。
5. 示例假设我们要解以下的线性方程组：Ax = b其中A是一个m×n的矩阵，x是一个n维向量，b是一个m维向量。
我们可以使用kronecker product将该方程组转化成一个更简单的形式。
我们将A分解为两个矩阵A1和A2，分别是p×q和r×s的矩阵，即A = A1⊗A2。
我们可以将x分解为两个向量x1和x2，分别是q维和s维的向量，即x = [x1;x2]。
同样地，b也可以分解为两个向量b1和b2，分别是p维和r维的向量，即b = [b1;b2]。
将原方程组改写为：(A1⊗A2)x = b(A1⊗A2)(x1⊗x2) = b(A1x1)⊗(A2x2) = bA1x1 = b1A2x2 = b2这样，我们将原方程组拆分成了两个较小的子方程组，分别是A1x1 = b1和A2x2 = b2。
kronecker运算 -回复
kronecker运算-回复Kruecker eigenvalue estimation(kronecker运算)是一种用于计算矩阵Kruecker积的算法。
Kruecker积是一个基于矩阵的一种操作，它将两个矩阵的对应元素相乘，并形成一个新的矩阵。
首先，我们需要明确什么是Kruecker积。
设A和B是两个矩阵，如果A 是m ×n维的矩阵，B是p ×q维的矩阵，那么它们的Kruecker积记作A ⊗B，是一个mp ×nq维的矩阵。
具体而言，Kruecker积是通过将A的每个元素与B的所有元素相乘，然后将结果按原来的顺序排列得到的。
例如，如果A是一个2 ×2维的矩阵[A11, A12; A21, A22]，B是一个2 ×2维的矩阵[B11, B12; B21, B22]，那么它们的Kruecker积可以表示为：A ⊗B = [A11B11, A11B12, A12B11, A12B12;A11B21, A11B22, A12B21, A12B22;A21B11, A21B12, A22B11, A22B12;A21B21, A21B22, A22B21, A22B22]接下来，我们来介绍一种用于计算Kruecker积的Kruecker eigenvalue estimation算法。
第一步是将原始矩阵A和B进行分块。
具体地说，我们将A和B分别分为等大小的子矩阵，记作A = [A00, A01; A10, A11]和B = [B00, B01; B10, B11]。
第二步是计算子矩阵A01、A10和B01、B10之间的Kruecker积。
这可以通过使用A01 ⊗B10 = [C00, C01; C10, C11]的形式的Kruecker积得到。
第三步是根据公式C00 = A01 ⊗B10进行递归计算。
这意味着我们需要再次将矩阵C00进行分块，并重复第一步和第二步直到达到所需的精度水平。
-矩阵的Kronecker乘积的性质与应用
摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。
那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。
本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker积进行介绍和必要的说明。
之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。
此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。
矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。
本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。
关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no is not two matrices not satisfy this condition will not be able to calculate their product doThis article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 ........................................................................ I Abstract ................................................................... II 第一章 矩阵的Kronecker 积 . (1)矩阵的Kronecker 积的定义 ................................................ 1 矩阵的Kronecker 积的性质 ................................................ 1 第二章 Kronecker 积的有关定理及推论 .......................................... 6 第三章 矩阵的拉直 (9)矩阵的拉直的定义 ......................................................... 9 矩阵的拉直的性质 ......................................................... 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................... 11 矩阵的Kronecker 积与一般线性矩阵方程 .................................... 13 矩阵的Kronecker 积与矩阵微分方程 ........................................ 14 参考文献.................................................................... 16 致谢 .. (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积矩阵的Kronecker 积的定义定义设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211， 根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a ba b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a Cb aC b a C b a C b a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 *， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 *，由*，*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 *， 由*，*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f Df D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质和性质可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A=r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质和可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O O O I P P Q Q O O O I O O O I P P Q O O O I P Q O O O I P B A rss r s r 所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质和性质可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质，性质可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质和性质可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直矩阵的拉直的定义定义 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.矩阵的拉直的性质矩阵的拉直具有以下性质： 性质 设矩阵nm C A ⨯∈，矩阵nm CB ⨯∈，k 和l 是常数，则(lB kA +=→→+B l A k .证明：略.性质 设n m ij t a t A ⨯=))(()(，则dtt dA (=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T=[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质设矩阵nm C A ⨯∈，矩阵pn CX ⨯∈，矩阵qp CB ⨯∈，则→⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.→⊗=X B I Tm )(.3(AX +)→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程：AX+XB=F.第一步：将方程两边拉直，由推论可得：→→=⊗+⊗C X B I I A Tm n )(.第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(.设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(.设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质可以得到：∑=→→=⊗rk T kk F X B A 1)][(.第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. *设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX 引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程两边拉直，由推论可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→00(()()(X X t X B I I A dt t X d T m n 由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= 这就是微分方程的解.例 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社..[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社..[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社..[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社..[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.（重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社..[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社..[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社..[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社..[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社..[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社..[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社..[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社..（重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社..[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社..[24]线性代数及其应用.俞方元编.上海：同济大学出版社..[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社..[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社..[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.（重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社..[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社..[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社..[33]线性代数.傅媛编.武汉：武汉大学出版社.（重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社..[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，.[36]线性代数及应用.刘三明编.南京：南京大学出版社..[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社..[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社..[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社..[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社..[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社..[42]矩阵理论与应用.张跃辉编.北京：科学出版社..致谢通过一个月来不断的努力，终于完成了这篇毕业论文。
kronecker运算 -回复
kronecker运算-回复什么是Kronecker运算？Kronecker运算，也被称为Kronecker积或直积，是一种矩阵运算方法。
它用于计算两个矩阵的直积，也就是将两个矩阵的对应元素逐个相乘得到一个新的矩阵。
直观地说，Kronecker运算可以看作是将一个矩阵展开成一个大的块矩阵，每个块矩阵的元素都是原始矩阵的对应元素。
Kronecker运算的定义是这样的：给定两个矩阵A和B，A的尺寸为m×n，B的尺寸为p×q，那么它们的Kronecker积C记作C = A ⊗B，C的尺寸为mp × nq。
C中的每一个元素C(ij, kl) = A(i,j) × B(k,l)，其中1 ≤ i ≤ m，1 ≤ j ≤ n，1 ≤ k ≤ p，1 ≤ l ≤ q。
接下来，我们将介绍如何计算Kronecker运算。
第一步是明确两个矩阵的尺寸，并创建一个新的矩阵来存储结果。
假设我们有以下两个矩阵：A = [ a11, a12;a21, a22 ]B = [ b11, b12;b21, b22;b31, b32 ]我们需要计算A ⊗B的结果。
根据定义，结果矩阵的尺寸为(2×3) × (2×2) = 4×6。
第二步是计算结果矩阵中的每个元素。
根据定义，我们需要计算A的每个元素与B的每个元素的乘积，并将它们放入结果矩阵中。
C(1,1) = a11 × B = [ a11*b11, a11*b12;a11*b21, a11*b22;a11*b31, a11*b32 ]C(1,2) = a12 × B = [ a12*b11, a12*b12;a12*b21, a12*b22;a12*b31, a12*b32 ]C(2,1) = a21 × B = [ a21*b11, a21*b12;a21*b21, a21*b22;a21*b31, a21*b32 ]C(2,2) = a22 × B = [ a22*b11, a22*b12;a22*b21, a22*b22;a22*b31, a22*b32 ]然后，我们将这些部分矩阵组合起来，得到最终的结果矩阵C。
_矩阵的Kronecker乘积的性质与应用
矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。
那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢？本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。
本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker 积进行介绍和必要的说明。
之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。
此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。
矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。
本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。
关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................. I Abstract ........................................................................................................................................... II 第一章 矩阵的Kronecker 积 (1)1.1 矩阵的Kronecker 积的定义 ........................................................................................... 1 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 1 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 6 第三章 矩阵的拉直 . (9)3.1矩阵的拉直的定义 ............................................................................................................ 9 3.2矩阵的拉直的性质 ............................................................................................................ 9 第四章 矩阵的Kronecker 积与矩阵方程 .. (11)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 11 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 13 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 14 参考文献......................................................................................................................................... 16 致谢 (18)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质1.2.1 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质1.2.2 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a b a b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a C b aC b a C b a Cb a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*，由(1.2)*，(1.3)*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*， 由(1.1)*，(1.4)*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A =r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质1.2.5和1.2.6可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O OO I P P Q Q O O O I O OO I P P Q O O O I P Q O OO I P B A rssrsr所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质1.2.2和性质1.2.5可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理2.2.5 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质1.2.3，性质1.2.5可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例2.2 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质1.2.3和性质1.2.5可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论2.2.4可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质：性质 3.2.1 设矩阵n m C A ⨯∈，矩阵n m C B ⨯∈，k 和l 是常数，则)(lB kA +=→→+B l A k .证明：略.性质3.2.2 设n m ij t a t A ⨯=))(()(，则dtt dA )(=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T =[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质 3.2.3设矩阵n m C A ⨯∈，矩阵p n C X ⨯∈，矩阵q p C B ⨯∈，则AXB →⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程： AX+XB=F .第一步：将方程两边拉直，由推论3.2.4可得：→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.1)有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质3.2.3可以得到：∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.2)有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质1.2.5可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直，由推论3.2.4可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社.2014.1.[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社.2012.5.[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.2005.4（2012.12重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（2014.6重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社.2015.8.[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社.2015.1.[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社.2015.5.[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社.2014.7.[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社.2006.11.（2015.2重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社.2014.10.[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海：同济大学出版社.2014.8.[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社.2012.10.[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社.2014.9.[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.2012.1（2012.7重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社.2013.7.[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉：武汉大学出版社.2013.2（2013.11重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，2014.7.[36]线性代数及应用.刘三明编.南京：南京大学出版社.2012.8.[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社.2014.6.[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京：科学出版社.2011.8.致谢通过一个月来不断的努力，终于完成了这篇毕业论文。
矩阵理论 -Kronecker积
返回
(8) 当m n, p q时，
tr( A B) trA• trB
(9) rank(A B) rankA• rankB
(10) 当m n, p q时，
det( A B) (det A) p g(det B)m
证：
1
A
P 1
2
O
P
P 1J1 P
a22 L LL
am1 am2 L
a1n
a2n L
amn
记A的列为 Ac1, Ac2 ,K , Acn A ( Ac1, Ac2 ,K , Acn )
Ac1
向量化算符:Vec
A
Ac2 M
Acn
返回
性质1： Vec (kA lB) kVec A lVec B
定理5：设 A Cmn , X Cnr , B Crs , 则 Vec ( AXB) (BT A)Vec X
0
m
返回
1
பைடு நூலகம்
B
Q1
0
2
O
Q
Q 1 J 2Q
p
A B (P1J1P) (Q1J2Q) (P Q)1(J1 J2 )(P Q)
det( A B) det(J1 J2 )
p
p
p
m
p
( 1 j )( 2 j )L ( m j ) ( i ) p ( j )m
(2)当U,V均为酉矩阵时,U V也是酉矩阵;
(3) ( AB)[k] A[k]B[k].
返回
例1：以1或-1为元素的m阶矩阵H，如果有 HH T mEm
则称H 为m阶Hadamard矩阵.设Hm , Hn分别为m, n阶Hadamard矩阵,则 Hm Hn为mn阶Hadamard
矩阵kronecker乘积的定理及证明过程
Kronecker产品，表示为 A x B，类似于矩阵代数世界中的最终力量对等。
是VIP操作通过将矩阵A的每个元素都取出并乘以整个矩阵B 来创建块矩阵。
这个动态的二重奏到处都有它的指纹，从信号处理到量子力学和偶数图形。
等等，还有更多！克罗纳克的产物有一些杀手的特性使它成为基质操纵的摇滚巨星如分配财产，基本上说（A + B）→ C = A → C + B → C。
我们不要忘记关联财产，其中（A + B）→ C = A → （B + C）。
克罗纳克产品是用来对付你所有黑客的工具相信我你会希望这个二重奏在你身边的两个矩阵A和B的Kronecker产品，写为A x B，可以通过查看矩阵的单个元素来定义。
如果A是带有m行和n列的矩阵，而B是带有p行和q列的矩阵，那么Kronecker产品A x B将是带有mp行和nq列的大块矩阵。
较大矩阵中的每个区块都是通过将A（i，j）元素从矩阵A中乘以矩阵B，使用元素的乘法而形成的。
结果是一个块矩阵，其中mp小块，每个块的大小为n行和q列。
Kronecker产品很有趣，因为它相当于将矩阵A重塑为柱向量，B重塑为列向量，然后找到它们的外产物。
这种与外产品的通联有助于我们更好地理解克罗纳克产品的性质与用途。
Kronecker产品定理是矩阵理论中的一个关键原理，证明了矩阵A和B之间的关系，表示为A x B，其产物后产生的矩阵。
这个定理符合我国思想的基本原则，强调有系统，有条不紊地解决问题。
通过将克罗内克产品的截肢降低到原始矩阵，我们坚持高效，优化政策实施的原则。
这一定理的证明强调了系统操纵和利用矩阵属性的重要性，这与我们为谋取更大利益而充分发挥资源潜力的努力是一致的。
正是通过这种全面、有条不紊的办法，我们旨在实现我们的目标，维护指导我们治理的意识形态。
kronecker积的行列式
kronecker积的行列式摘要：1.引言2.Kronecker 积的定义3.Kronecker 积的性质4.Kronecker 积的行列式5.应用与实际意义6.总结正文：在线性代数中，我们经常会遇到矩阵的运算，其中一个重要的概念就是Kronecker 积。
Kronecker 积在许多数学和工程问题中都有广泛的应用，尤其是在处理张量运算和计算复杂网络的稳定性时。
本文将详细介绍Kronecker 积的定义、性质、行列式以及其在实际问题中的应用。
首先，我们来了解Kronecker 积的定义。
给定两个矩阵A 和B，Kronecker 积记作AB，是一个新的矩阵，其元素为A 和B 对应元素的乘积。
具体地，设A = [a11, a12, ..., a1n]、B = [b11, b21, ..., bm1]，那么AB = [a11b11, a11b21, ..., a1nbm1]。
接着，我们来看Kronecker 积的一些性质。
首先，Kronecker 积满足交换律，即AB = BA。
其次，Kronecker 积也满足结合律，但需要注意的是，结合律仅在特定的条件下成立。
此外，Kronecker 积还满足分配律，即(A + B)C = AC + BC。
在了解了Kronecker 积的定义和性质之后，我们来探讨Kronecker 积的行列式。
设A 和B 是n 阶方阵，C = AB，那么C 的行列式|C|可以表示为n!|A|·|B|，其中|A|和|B|分别是矩阵A 和B 的行列式。
这个结论可以通过矩阵的行列式定义以及代数余子式的方法来证明。
最后，我们来看一下Kronecker 积在实际问题中的应用。
在处理张量运算时，Kronecker 积提供了一种便捷的方式，可以将张量的某些分量相互联系起来。
此外，在计算复杂网络的稳定性时，Kronecker 积可以帮助我们更好地描述网络中的元素关系，从而为分析网络的稳定性提供有力的工具。
kronecker积的行列式
kronecker积的行列式（实用版）目录1.Kronecker 积的定义2.Kronecker 积的行列式公式3.Kronecker 积行列式的性质4.Kronecker 积行列式的应用正文1.Kronecker 积的定义在矩阵论中，Kronecker 积是一种特殊的矩阵乘积，用于将两个矩阵的元素逐个相乘。
设矩阵 A 是一个 m×n 矩阵，矩阵 B 是一个 p×q 矩阵，则它们的 Kronecker 积是一个 mp×nq 矩阵，表示为 AB。
其中，AB 的元素由 A 的行和 B 的列对应元素相乘得到。
例如，如果 A = [[a11, a12], [a21, a22]]，B = [[b11, b12], [b21, b22]]，则 AB = [[a11b11, a11b12, a12b11, a12b12], [a21b21, a21b22, a22b21, a22b22]]。
2.Kronecker 积的行列式公式Kronecker 积的行列式是一个重要的概念，它可以通过简单的公式计算。
设 A 是一个 m×n 矩阵，B 是一个 p×q 矩阵，则它们的 Kronecker 积的行列式|AB| = |A|·|B|。
其中，|A|和|B|分别表示矩阵 A 和 B 的行列式。
3.Kronecker 积行列式的性质Kronecker 积行列式具有一些有趣的性质。
首先，它满足交换律，即|AB| = |BA|。
其次，Kronecker 积行列式与矩阵的乘法满足分配律，即|A(BC)| = |A|·|BC|。
此外，Kronecker 积行列式还满足行列式的性质，如行列式的某一行（或列）乘以一个常数 k，则行列式的值也要乘以 k。
4.Kronecker 积行列式的应用Kronecker 积行列式在许多领域都有广泛的应用，如线性代数、概率论、工程学等。
kronecker积a
kronecker积aKronecker乘积是一种矩阵乘法，用于描述线性变换。
它是由德国数学家L. Kronecker定义的，他是直观几何学的创始人之一。
Kronecker积定义了两个n维矩阵的乘积，它的定义非常简单，但具有非常丰富的应用。
Kronecker乘积定义为：设A为m x n矩阵，B为q x r矩阵，Kronecker乘积AB为m x n x q x r矩阵，它由m x q行和n x r列构成，下标分别为(i,j,k,l)，其中：AB(i,j,k,l) = A(i,j) x B(k,l)。
Kronecker乘积的主要特点是其结果并不像矩阵加法、矩阵乘法或者Kronecker标量乘积（即A x B）那样形成一个矩阵，它是一个四阶矩阵。
Kronecker乘积的最重要的应用就是它可以用来描述一个n维的线性变换的作用。
特别地，设P是一个n x n的正定矩阵，另外设f 是一个n维的向量，则作用在f上的P的线性变换T可以定义为T(f) = Pf。
这里，P是n x n矩阵，而f是n x 1列向量，两者之间的乘积可以非常直观地表示为Kronecker乘积：Pf = P x f，其中x表示Kronecker乘积。
Kronecker乘积还有另外一些应用。
例如，它可以用来表示矩阵的相似性。
设A和B是两个m x n矩阵，则两者的Kronecker乘积可以定义为：A x B = A x B，其中x表示Kronecker乘积。
若A x B = 0，则A和B互为orthogonal，也就是说A和B是相似的，可以通过某一变换转换成一致的矩阵。
Kronecker乘积还可以用来表示矩阵的可加和可乘性质。
若A和B都是m x n矩阵，则定义A+B = A + B，称为可加性。
也就是说，两个m x n矩阵可以加起来得到一个m x n矩阵。
同样地，定义A x B = A x B，称为可乘性。
也就是说，两个m x n矩阵可以乘起来得到一个m x n矩阵。
矩阵Kronecker乘积性质及应用
矩阵Kronecker乘积的性质与应用摘要按照矩阵乘法的定义，我们知道要计算矩阵的乘积AB，就要求矩阵A的列数和矩阵B的行数相等，否则乘积AB是没有意义的。
那是不是两个矩阵不满足这个条件就不能计算它们的乘积呢？本文将介绍矩阵的一种特殊乘积BA ，它对矩阵的行数和列数的并没有具体的要求，它叫做矩阵的Kronecker积（也叫直积或张量积）。
本文将从矩阵的Kronecker积的定义出发，对矩阵的Kronecker 积进行介绍和必要的说明。
之后，对Kronecker积的运算规律，可逆性，秩，特征值，特征向量等性质进行了具体的探究，得出结论并加以证明。
此外，还对矩阵的拉直以及矩阵的拉直的性质进行了说明和必要的证明。
矩阵的Kronecker积是一种非常重要的矩阵乘积，它应用很广，理论方面在诸如矩阵方程的求解，矩阵微分方程的求解等矩阵理论的研究中有着广泛的应用，实际应用方面在诸如图像处理，信息处理等方面也起到重要的作用。
本文讨论矩阵的Kronecker积的性质之后还会具体介绍它在矩阵方程中的一些应用。
关键词：矩阵；Kronecker积；矩阵的拉直；矩阵方程；矩阵微分方程Properties and Applications of matrix KroneckerproductAbstractAccording to the definition of matrix multiplication, we know that to calculate the matrix product AB, requires the number of columns of the matrix A and matrix B is equal to the number of rows, otherwise the product AB makes no sense.That is not two matrices not satisfy this condition will not be able to calculate their product do?This article will describe a special matrix product BA , the number of rows and columns of a matrix and its no specific requirements, it is called the matrix Kronecker product (also called direct product or tensor product).This paper will define the matrix Kronecker product of view, the Kronecker product matrix are introduced and the necessary instructions. Thereafter, the operation rules Kronecker product, the nature of reversibility, rank, eigenvalues, eigenvectors, etc. specific inquiry, draw conclusions and to prove it. In addition, the properties of the stretch of matrix and its nature have been described and the necessary proof.Kronecker product matrix is a very important matrix product, its use is very broad, theoretical research, and other matrix solving differential equations, such as solving the matrix equation matrix theory has been widely applied in practical applications such as image processing aspects of information processing, also play an important role. After the article discusses the nature of the matrix Kronecker product it will introduce a number of specific applications in the matrix equation. Keywords:Matrix; Kronecker product; Stretch of matrix; Matrix equation; Matrix Differential Equations目录摘要 .................................................................................................................................................... Abstract ............................................................................................................................................ I 第一章 矩阵的Kronecker 积 01.1 矩阵的Kronecker 积的定义 ........................................................................................... 0 1.2 矩阵的Kronecker 积的性质 ........................................................................................... 0 第二章 Kronecker 积的有关定理及推论 ...................................................................................... 5 第三章 矩阵的拉直 . (8)3.1矩阵的拉直的定义 ............................................................................................................ 8 3.2矩阵的拉直的性质 ............................................................................................................ 8 第四章 矩阵的Kronecker 积与矩阵方程 .. (10)4.1矩阵的Kronecker 积与Lyapunov 矩阵方程 ................................................................ 10 4.2矩阵的Kronecker 积与一般线性矩阵方程 .................................................................. 12 4.3矩阵的Kronecker 积与矩阵微分方程 .......................................................................... 13 参考文献......................................................................................................................................... 15 致谢 (17)符号说明W a W a 属于集合元素nm ij a A ⨯=)( 矩阵的记法列元素的行为以n m j i a ij⨯ij A )( 列的元素行的矩阵j i AT A 的转置矩阵A H A 的共轭转置矩阵A 1-A 的逆矩阵矩阵A→A 按行拉直得到的列向量矩阵AA det 的行列式方阵AtrA 的主对角元素之和的迹，方阵A A)(A rank 的秩矩阵A)(A λ 的特征值方阵An I 阶单位矩阵nR 实数域 C 复数域n C 维复向量的全体n n m C ⨯ 复矩阵全体n m ⨯O 零矩阵B A ⊗ 的和矩阵B A Kronecker 积第一章 矩阵的Kronecker 积1.1 矩阵的Kronecker 积的定义定义1.1设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，定义A 和B 的Kronecker 积（或直积，张量积）B A ⊗为：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B a B a B a B a B a B a B a B a B a B A mn m m n n 212222111211 可以看出，其结果是一个)()(nq mp ⨯矩阵，同时也是一个以B a ij 为子块的分块矩阵.例1.1 设⎥⎦⎤⎢⎣⎡-=1201A ，[]31-=B ，则 ⎥⎦⎤⎢⎣⎡---=⎥⎦⎤⎢⎣⎡-=⊗316200312B B O BB A []⎥⎦⎤⎢⎣⎡---=-=⊗361203013A A A B 由此可见，B A ⊗与A B ⊗具有相同的阶数，但是它们并不相等，也就是说，Kronecker 积不满足交换律.1.2 矩阵的Kronecker 积的性质虽然Kronecker 积不满足交换律，但是具有以下一些性质： 性质1.2.1 设矩阵n m C A ⨯∈，矩阵q p C O ⨯∈，则O O A A O =⊗=⊗（这个O 为)()(nq mp ⨯矩阵）.证明：略.性质1.2.2 设k 为任一常数，矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B A k kB A B kA ⊗=⊗=⊗.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n ka ka ka ka ka ka ka ka ka kA 212222111211，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B ka B kA mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗B ka B ka B ka B ka B ka B ka B ka B ka B ka kB a kB a kB a kB a kB a kB a kB a kB a kB a kB A mn m m n n mn m m n n 212222111211212222111211)()()()()()()()()()(， 即)(B A k B kA ⊗=⊗，)()(B A k kB A ⊗=⊗. 所以)()()(B A k kB A B kA ⊗=⊗=⊗.性质1.2.3 设A ，B 为同阶矩阵（同阶是为了可以做加法），则C B C A C B A ⊗+⊗=⊗+)(，B C A C B A C ⊗+⊗=+⊗)(.证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n b b b b b b b b b B 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=+mn mn m m m m n n n n b a b a b a b a b a ba b a b a b a B A221122222221211112121111，根据Kronecker 积的定义可以得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗+C b a C b a C b a C b a Cb aC b a C b a C b a C b a C B A mn mn m m m m n n n n )()()()()()()()()()(221122222221211112121111(1.1)*，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C a C a C a C a C a C a C a C a C a C A mn m m n n 212222111211 (1.2)*， ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗C b C b C b C b C b C b C b C b C b C B mn m m n n 212222111211 (1.3)*，由(1.2)*，(1.3)*得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+++++++++=⊗C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C b C a C A mn mn m m m m n n n n 221122222221211112121111 (1.4)*， 由(1.1)*，(1.4)*可得：C B C A C B A ⊗+⊗=⊗+)(.同理设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n c c c c c cc c c C 212222111211可证：B C A C B A C ⊗+⊗=+⊗)(.性质1.2.4 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s r C F ⨯∈，则)()(F B A F B A ⊗⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⊗⊗⊗⊗⊗⊗⊗⊗⊗=⊗⊗)()()()()()()()()()(212222111211F B a F B a F B a F B a F B a F B a F B a F B a F B a F B A mn m m n n)(212222111211F B A F B a B a B a B a B a B a B a B a B a mn m m n n ⊗⊗=⊗⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡= 得证.性质1.2.5设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，矩阵s n C F ⨯∈,矩阵t q C D ⨯∈，则)()())((BD AF D F B A ⊗=⊗⊗证明：不失一般性，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=ns n n s s f f f f f f f f f F212222111211， 则：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⊗⊗D f D f D f D f D f Df D f D f D f B a B a B a B a B a B a B a B a B a D F B A ns n n s s mn m m n n212222111211212222111211))(()()()()()()()()()()()(112111112211211121111BD AF BD f a BD f a BD f a BD c a BD f a BD f a BD f a BD f a BD f a nk ks mk n k k mk n k k mk nk ks k n k k k n k k k n k ks k n k k k n k k k ⊗=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=∑∑∑∑∑∑∑∑∑=========得证.性质1.2.6 设矩阵m m C A ⨯∈可逆， 且矩阵n n C B ⨯∈可逆，则B A ⊗可逆，且111)(---⊗=⊗B A B A .证明：mn n m I I I BB AA B A B A =⊗=⊗=⊗⊗----)()())((1111(这里I n 与数的乘法中的1起到相同的作用)， 故111)(---⊗=⊗B A B A .性质1.2.7 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则T T T B A B A ⊗=⊗)(H H H B A B A ⊗=⊗)(证明： ij T T T ji ij T B A B a B A ][])[(⊗==⊗ 得证.同理可证：H H H B A B A ⊗=⊗)(.性质1.2.8 两个正交（酉）矩阵的Kronecker 积还是正交（酉）矩阵. 证明：设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈.因为A ，B 都是正交（酉）矩阵，所以有m T T I A A AA ==，n T T I B B BB ==. 由性质1.2.7和性质1.2.5可得：mn n m T T T T T I I I BB AA B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(())((. mn m n T T T T T I I I B B A A B A B A B A B A =⊗=⊗=⊗⊗=⊗⊗))(()()(.故mn T T I B A B A B A B A =⊗⊗=⊗⊗)()())((. 得证.第二章 Kronecker 积的有关定理及推论定理2.2.2 设矩阵n m C A ⨯∈，矩阵q p C B ⨯∈，则)()()(B rank A rank B A rank =⊗.证明：设rank A =r ，rank B=s ，A ，B 的标准形分别为：1111--⎥⎦⎤⎢⎣⎡=Q O O O I P A r ，1212--⎥⎦⎤⎢⎣⎡=Q O O O I P B s其中i P ，i Q =i (1，2)均为非奇异矩阵，则由性质1.2.5和1.2.6可以得：`1211211211121112121111)()()()(----------⊗⎥⎦⎤⎢⎣⎡⊗=⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡⊗=⎪⎪⎭⎫⎝⎛⎥⎦⎤⎢⎣⎡⊗⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡=⊗Q Q O O O I P P Q Q O O O I O O O I P P Q O O O I P Q O O O I P B A rss r s r 所以)()()(B rank A rank s r B A rank =•=⊗ 得证.定理2.2.3 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B A ⊗对应特征值λμ的一个特征向量.证明：因为x ，y 都是非零向量，所以x ⊗y 也是非零向量，由性质1.2.2和性质1.2.5可得：)()()()()())((y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗λμμλ.所以，y x ⊗是B A ⊗对应特征值λμ的一个特征向量.推论2.2.4 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若A 的特征值是1λ，2λ，…，m λ；B 的特征值是1μ，2μ，…，n μ，则B A ⊗的特征值为t s μλ，m s ≤≤1，n t ≤≤1（k 重根算k 个）.定理2.2.5 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m C x ∈和n C y ∈，若x 是A 关于特征值λ的一个特征向量，y 是A 关于特征值μ的一个特征向量，则y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.证明：由性质1.2.3，性质1.2.5可以得到：)()()()())((y x y x y I Ax y x I A n n ⊗=⊗=⊗=⊗⊗λλ， )()()()())((y x y x By x I y x B I m m ⊗=⊗=⊗=⊗⊗μμ，故))(())(())(())((y x y x B I y x I A y x B I I A m n m n ⊗+=⊗⊗+⊗⊗=⊗⊗+⊗μλ.所以，y x ⊗是B I I A m n ⊗+⊗对应特征值μλ+的一个特征向量.推论2.2.6 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m s C x ∈和n t C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ，2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，则B I I A m n ⊗+⊗的n m •个特征值为{t s μλ+}.(s=1，2，…，m ；t=1，2，…，n ).例2.2 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，对于向量m i C x ∈和n j C y ∈，若1x ，2x ，…，m x 是A 关于特征值1λ，2λ，…，m λ的特征向量，1y ， 2y ，…，n y 是B 关于特征值1μ，2μ，…，n μ的特征向量，证明：矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量为j i y x ⊗.(i=1，2，…，m ；j=1，2，…，n ).证明：由性质1.2.3和性质1.2.5可得：))(()()()()())((j i j i j j i i j i j i y x y x By Ax y x B A ⊗=⊗=⊗=⊗⊗μλμλ，故有：))(1())(()())(()())(())(())](()[(j i j i j i j i j i j i j i j i mn j i j i n m j i n m y x y x y x y x y x I y x B A y x I I y x B A I I ⊗-=⊗-⊗=⊗-⊗=⊗⊗-⊗⊗=⊗⊗-⊗μλμλμλ所以，矩阵)()(B A I I n m ⊗-⊗的特征值是j i μλ-1，对应的特征向量j i y x ⊗. 定理2.2.7 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则trB trA B A tr •=⊗)(证明：由Kronecker 积和迹的定义可得：trBtrA trB a trB a trB a B a tr B a tr B a tr B A tr nn nn •=+++=+++=⊗ 22112211)()()()(得证.定理2.2.8 设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，则m n B A B A )(det )(det )det(=⊗证明：设A 的特征值为1λ，2λ，…，m λ，B 的特征值为1μ，2μ，…，n μ， 由推论2.2.4可得：mn m n n m n m m n n nj j m nj j mnji nj j j i B A B A )(det )(det )()()())(())(()()()()()det(21211212111112,11=====⊗∏∏∏∏===μμμλλλμλμλμλμλμλμλμλμλμλμλ得证.第三章 矩阵的拉直3.1矩阵的拉直的定义定义3.1 设n m ij a A ⨯=)(，定义矩阵A 的按行拉直为：T mn m n n a a a a a a A A vec )()(1221111，，，，，，，，， ==→即矩阵A 的拉直是一个mn 元的列向量，它是由矩阵A 所有元素按行顺序依次排成一列得到的.例如：⎥⎦⎤⎢⎣⎡=d c b a A ，则矩阵A 的拉直为T d c b a A )(，，，=→.3.2矩阵的拉直的性质矩阵的拉直具有以下性质：性质 3.2.1 设矩阵n m C A ⨯∈，矩阵n m C B ⨯∈，k 和l 是常数，则)(lB kA +=→→+B l A k .证明：略.性质3.2.2 设n m ij t a t A ⨯=))(()(，则dtt dA )(=dt d)(t A . 证明：左边==))((dtt dA vet ij a vet ((′)))(n m t ⨯ = [(a 11′(t )，…，a n 1′(t )，a 21′(t )，…，a n 2′(t )，…，a 1m ′(t )，…，a mn ′(t ) ]T =[(a 11(t )，…，a n 1(t )，a 21(t )，…，a n 2(t )，…，a 1m (t )，…，a mn (t ) )T ]′ = ))](([t A vet ′=))](([t A vec dtd=右边，得证. 性质 3.2.3设矩阵n m C A ⨯∈，矩阵p n C X ⨯∈，矩阵q p C B ⨯∈，则AXB →⊗=X B A T)(.证明：设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=mn m m n n a a a a a aa a a A 212222111211，T n x x X )(1，， =→，其中，T i x 是X 的第i 行=i (1，2，…，)n ，则⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=B x a x a B x a x a AXB T n mn T m Tn n T )()(111111 ，⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=→n x x X 1 所以AXB T Tn mn T m T n n T B x a x a B x a x a ])()[(111111++++= ，， →⊗=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++++=X B A x x B a B a B a B a x a x a B x a x a B n T mn T m T n T n mn m T n n T )()()()()(11111111111 得证. 推论3.2.4 设矩阵m m C A ⨯∈，矩阵n m C X ⨯∈，矩阵n n C B ⨯∈，则有1.AX →⊗=X I A n )( 2.XB →⊗=X B I Tm )(.3(AX +XB )→⊗+⊗=X B I I A Tm n )(.第四章 矩阵的Kronecker 积与矩阵方程4.1矩阵的Kronecker 积与Lyapunov 矩阵方程设矩阵m m C A ⨯∈，矩阵n n C B ⨯∈，矩阵n m C F ⨯∈，解Lyapunov 矩阵方程： AX+XB=F .第一步：将方程两边拉直，由推论3.2.4可得：→→=⊗+⊗C X B I I A Tm n )(. (4.1) 第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.1)有解的充要条件是：Tm n B I I A rank ⊗+⊗(┊)()T m n B I I A rank C ⊗+⊗=→，：有唯一解的充要条件是det(A ⊗I n + I m ⊗B T )≠0，即A 和(-B )没有公共的特征值或者说A 和B 无互为相反数的特征值.例4.1 分别在下2列条件下解矩阵方程AX+XB=C.(1) ⎥⎦⎤⎢⎣⎡-=0112A ，⎥⎦⎤⎢⎣⎡=42-1-3B ，⎥⎦⎤⎢⎣⎡--=1081710C (2) ⎥⎦⎤⎢⎣⎡=3201A ，⎥⎦⎤⎢⎣⎡--=1052B ，⎥⎦⎤⎢⎣⎡--=11353C 解：(1) 首先计算A 和B 的特征值，解0=-A I λ得：121==λλ，解0=-B I μ得：5221==μμ，.观察有无互为相反数的特征值发现，A 和B 没有互为相反数的特征值，所以矩阵方程有唯一解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x x X ，计算⎥⎦⎤⎢⎣⎡--=4123TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡-108171041231001100101124321x x x x ，计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------108171041102301106101254321x x x x ， 根据矩阵的乘法的定义可以求得：21314321-===-=x x x x ，，，. 故矩阵方程AX+XB=C 的唯一解为：⎥⎦⎤⎢⎣⎡--=2131X . (2) 同样先计算A 和B 的特征值，解0=-A I λ得：3121==λλ，， 解0=-B I μ得：1221-==μμ，.通过观察可知：021=+μλ. 一所以矩阵方程的解不唯，即存在通解. 将矩阵方程两边拉直，得到：→→=⊗+⊗C X B I I A Tm n )(. (4.1)设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡--=1502TB ，将A ，T B ，X ，C 代入(4.1)得： ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡--⊗⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⊗⎥⎦⎤⎢⎣⎡1135315021001100132014321x x x x ， - 计算得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--113532520050200050034321x x x x ，根据矩阵的乘法的定义可以求得：c x x c x x -=-===3114321，，，. 故矩阵方程AX+XB=C 的通解为：⎥⎦⎤⎢⎣⎡--=c c X 311(c 为任意常数).4.2矩阵的Kronecker 积与一般线性矩阵方程设矩阵n m k C A ⨯∈，矩阵q p C B ⨯∈，矩阵q m C F ⨯=，解一般线性矩阵方程：F XB Ark k k=∑=1(r = 1，2，…).第一步，将矩阵方程两边拉直，由性质3.2.3可以得到：∑=→→=⊗rk T kkF X B A1)][(. (4.2)第二步：判断是否有解，根据线性方程组是否有解的判别条件可得：矩阵方程(4.2)有解的充要条件是：∑⊗)((Tkk B A rank ┊))(()1∑=→⊗=rk Tkk B A rank F . 即∑=⊗rk Tkk B A 1)(的所有特征值均不为0. 例4.2 设A 和C 都是n ⨯n 矩阵，A 的特征值λi （i=0，1，2，…，n ）R ∈（实数），求证：矩阵方程C XA A AXA X =++22有唯一解.证明：将两边方程拉直得到：→→=⊗+⊗+⊗C X A A A A I I T T n n ])([(22，化简得到：→→=⊗+⊗+C X A A A A I TTn ])()([22.由定义3.1可知：T A A ⊗的2n 个特征值是=j i j i ，(λλ0，1，2，…，n ). 故：2)()(2T T n A A A A I ⊗+⊗+的2n 个特征值是：22)21(43)()(1j i j i j i λλλλλλ++=++＞00(=j i ，，1，2，…，n ). 即2)()(2T T n A A A A I ⊗+⊗+是可逆的，由唯一解的判断方法可知：矩阵方程C XA A AXA X =++22有唯一解.例4.3 在下列条件下解矩阵方程C XB A XB A =+2211.已知：⎥⎦⎤⎢⎣⎡-=20311A ，⎥⎦⎤⎢⎣⎡-=13101B ，⎥⎦⎤⎢⎣⎡-=11022A ，⎥⎦⎤⎢⎣⎡-=01232B ，⎥⎦⎤⎢⎣⎡--=48213C . 解：将矩阵方程两边拉直得到：→→=⊗+⊗C X B A B A T T)(2211. (4.3)*设⎥⎦⎤⎢⎣⎡=4321x x x xX ，计算⎥⎦⎤⎢⎣⎡-=11301T B 和 ⎥⎦⎤⎢⎣⎡-=02132TB 代入(4.3)*得到：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎪⎪⎭⎫ ⎝⎛⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-+⎥⎦⎤⎢⎣⎡-⊗⎥⎦⎤⎢⎣⎡-4821302131102113020314321x x x x .计算化简得：⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡------4821320027313331390564321x x x x . 根据矩阵的乘法的定义可以求得：10214321===-=x x x x ，，，.计算T T B A B A rank 2211(⊗+⊗┊4)()2211=⊗+⊗=TT B A B A rank C ， 所以方程有唯一解：⎥⎦⎤⎢⎣⎡-=1021X . 4.3矩阵的Kronecker 积与矩阵微分方程设m m C A ⨯∈矩阵，n n C B ⨯∈矩阵，n m C t X ⨯∈)(，求下列矩阵微分方程初值问题的解：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.3)引理：设m m C A ⨯∈矩阵A ，矩阵n m C B ⨯∈，则n A I A I e e n ⊗=⊗，B m B I e I e m ⊗=⊗. 证明：因为性质1.2.5可得：∑∑∞=∞=⊗⊗=⊗=11)(!1)(!1k k k k kI A I A k I A k enn A k kI e I A k ⊗=⊗=∑∞=1)!1(. 同理可证：B m B I e I e m ⊗=⊗.将矩阵微分方程(4.3)两边拉直，由推论3.2.4可以得到：⎪⎩⎪⎨⎧=⊗+⊗=→0)0()()()(X X t X B I I A dt t X d T m n (4.4)由引理可得：T t B At tB AtB I I A t TT m n e X e X ee X et X )()()(000)(=⊗==→→⊗+⊗，又因为∑∑∞=∞====11!1))(!1()(k Bt k k T k k k T Tt B e t B k t B k eT ，故Bt At e X e t X 0)(= (4.5) 这就是微分方程(4.3)的解.例4.4 求解下列矩阵微分方程的初值问题：⎪⎩⎪⎨⎧=+=0)0()()()(X X B t X t AX dt t dX (4.6)已知：⎥⎦⎤⎢⎣⎡=0011A ，⎥⎦⎤⎢⎣⎡-=0011B ，⎥⎦⎤⎢⎣⎡=10010X . 解：可计算得到：⎥⎦⎤⎢⎣⎡-=101t tAte e e，⎥⎦⎤⎢⎣⎡-=101t t Bte e e .由(4.5)式可以得到： ⎥⎦⎤⎢⎣⎡--==10)1()(220t tBtAt e e eX e t X . 即(4.6)的解为⎥⎦⎤⎢⎣⎡--=10)1()(22t te e t X . 通过本章的学习，我们知道矩阵的Kronecker 积在解矩阵方程领域有很大的作用，利用Kronecker 积的性质，我们可以解决Lyapunov 矩阵方程，一般矩阵方程，矩阵微分方程的初值问题等问题.参考文献[1]矩阵论简明教程（第三版）.徐仲等编.北京：科学出版社.2014.1.[2]矩阵论教程（第2版）.张绍飞，赵迪编.北京：机械工业出版社.2012.5.[3]矩阵论引论（第2版）.陈祖明，周家胜编.北京：北京航空航天大学出版社.2012.10.[4]矩阵论十讲.李乔，张晓东编.合肥：中国科学技术大学出版社.2015.3.[5]矩阵理论及方法.谢冬秀，雷纪刚，陈桂芝编.北京：科学出版社.2012.[6]H-矩阵类的理论及应用.徐仲等编.北京：科学出版社.2013.[7]高等代数教程（上）.王萼芳编.北京：清华大学出版社.1997（2008重印）.[8]常微分方程（第二版）.东北师范大学微分方程教研室.北京：高等教育出版社.2005.4（2012.12重印）.[9]矩阵分析与应用（第2版）.张贤达编.北京：清华大学出版社.2013（2014.6重印）.[10]线性代数及其应用.毛立新，咸美新编.北京：高等教育出版社.2015.8.[11]线性代数（第2版）.钟玉泉，周建编.北京：科学出版社.2015.1.[12]矩阵理论与方法（第2版）.吴昌悫，魏洪增编.北京：电子工业出版社.2013.8.[13]线性代数学习指导.赵春燕，单净，王麟编.哈尔滨：哈尔滨工程大学出版社.2012.2.[14]矩阵论.张凯院等编.北京：科学出版社.2013.[15]矩阵论导教·导学·导考.张凯院，徐仲编.西安：西北工业大学出版社.2014.8.[16]矩阵函数与矩阵方程.柏兆俊，高卫国，苏仰锋编.北京：高等教育出版社.2015.5.[17]矩阵分析.姜志侠，孟品超，李延忠编.北京：清华大学出版社.2015.[18]矩阵论札论.梁昌洪编.北京：科学出版社.2014.[19]线性代数及其应用.马新顺，王涛，郭燕编.北京：高等教育出版社.2014.7.[20]矩阵论引论.田振际，王永铎，吴德军编.北京：科学出版社.2013.[21]线性代数及其应用（第2版）.河北农业大学理学院编.北京：高等教育出版社.2006.11.（2015.2重印）.[22]线性代数及其应用.王坤龙编.北京：电子工业出版社.2014.10.[23]线性代数（第2版）.许峰，范爱华编.合肥：中国科学技术大学出版社.2013.4.[24]线性代数及其应用.俞方元编.上海：同济大学出版社.2014.8.[25]线性代数学习指导.谢政，陈挚编.北京：清华大学出版社.2012.10.[26]高等线性代数学.黎景辉，白正简，周国晖编.北京：高等教育出版社.2014.9.[27]线性代数讲义.江惠坤，邵荣，范红军编.北京：科学出版社.2013.[28]线性代数.贾屹峰编.上海：上海交通大学出版社.2012.[29]线性代数.侯亚君，艾玲，沙萍，林洪娟编.北京：机械工业出版社.2012.1（2012.7重印）.[30]线性代数.郝秀敏，姜庆华编.北京：经济科学出版社.2013.7.[31]线性代数.韩旸，王静宇，周莉编.北京：化学工业出版社.2013.8.[32]线性代数重点难点考点辅导与精析.高淑萍，张剑湖编.西安：西北工业大学出版社.2014.5.[33]线性代数.傅媛编.武汉：武汉大学出版社.2013.2（2013.11重印）.[34]跟我学线性代数：导学与习题精解.董晓波编.北京：机械工业出版社.2014.1.[35]线性代数同步学习辅导.陈绍林，唐道远编.北京：科学出版社，2014.7.[36]线性代数及应用.刘三明编.南京：南京大学出版社.2012.8.[37]线性代数.谭福锦，黎进香编.北京.人民邮电出版社.2012.8.[38]工程数学.线性代数（第6版）.同济大学数学系编.北京：高等教育出版社.2014.6.[39]矩阵分析与计算.李继根，张新发编.武汉：武汉大学出版社.2013.10.[40]矩阵计算的理论与方法.徐树方编.北京：北京大学出版社.1995.8.[41]矩阵分析及其应用.曾祥金，吴华安编.武汉：武汉大学出版社.2007.8.[42]矩阵理论与应用.张跃辉编.北京：科学出版社.2011.8.致谢通过一个月来不断的努力，终于完成了这篇毕业论文。
特殊矩阵的kronecker积
特殊矩阵的kronecker积Kronecker积（也称为Kronecker乘积或Kronecker叉积）是一种有关数学矩阵乘法的数学概念，由意大利数学家L. Kronecker于1897年提出。
它要求将两个矩阵的每一个元素相乘，然后再将结果矩阵重新排列。
Kronecker积可以产生一系列特殊的矩阵，可以发挥重要的作用，例如，它可以帮助解决一些大型线性系统的复杂问题，是应用于线性代数和多维微积分中的基本概念。
一、Kronecker积的概念Kronecker积是一种矩阵乘法，它要求将矩阵A和矩阵B的每一个元素都相乘，然后将乘积的结果保存在一个新的矩阵中，新矩阵的大小是AB的大小。
它也可以表示为：把矩阵A和矩阵B的每一个元素都带入到AB乘积的公式中，而不是把它们的乘积带入，最后再将乘积的结果保存在新矩阵中。
二、Kronecker积的运算下面介绍Kronecker积的运算要点：1、首先将A和B中的每一个元素都带入到AB乘积的公式中；2、然后将A和B中的每一个元素分别扩展为新的矩阵（新矩阵的大小是AB的大小）；3、再把新的矩阵的每一个都相乘，并将运算的结果保存在新的矩阵中；4、最后将这个结果矩阵再重新排列（这步骤非常重要），得到最终的Kronecker积。
三、Kronecker积的应用Kronecker积可以用来指示矩阵的形状，因为它可以将复杂的矩阵拆解成多个比较简单的张成，它还可以帮助解决一些大型线性系统的复杂问题。
Kronecker积还可以根据给定的特殊矩阵生成特殊的新矩阵，这种新矩阵可以解决复杂的矩阵处理问题，此外，Kronecker积还可以在矩阵的多重积分中起到重要作用。
四、特殊矩阵的Kronecker积Kronecker积可以用来生成许多特殊的矩阵，这些特殊的矩阵可以更好地服务多维数学变换，并且可以使用Kronecker积快速地连接而不是展开。
比如，可以使用Kronecker积来计算矩阵的循环操作，如果给定两个特殊矩阵，那么它们的Kronecker积可以被用来表示相似变换（比如，线性变换或变换矩阵）。
Kronecker积与矩阵方程
=
⎡4 ⎢⎣3
−6⎤
6
⎥ ⎦
解：（1）设X=
⎡ ⎢ ⎣
=
⎡0 ⎢⎣2
5⎤ −9⎥⎦
解：（1）设X=
⎡ ⎢ ⎣
x1 x2
x3 ⎤
x4
⎥ ⎦
将原方程进行拉直，
(E2 ⊗ A+BT ⊗ E2 )vec(X)=vec(F) 即：
⎧⎡1 -1 0 0 ⎤ ⎡−3 0 0 0 ⎤⎫ ⎡x1 ⎤ ⎡ 0 ⎤
⎪⎪⎨⎪⎩⎪⎢⎢⎢⎢⎣000
2 0 0
0
0
⎥ ⎥
+
⎢ ⎢
0
⎥ ⎥ ⎥
⎢⎣c
pi
⎥ ⎦
⎢⎣c
pi
⎥ ⎦
= c1iAb1 + " + c piAb p
⎡b1 ⎤
=
c1i Ab 1
+ " + c piAb p
= (c 1i A,",c pi A)⎢⎢
#
⎥ ⎥
= (c 1i A,",c pi A)vec(B)
⎢⎣bp ⎥⎦
所以
⎡c11A c21A " c p1A ⎤
⎢⎣a m1B
a 12 B " a 22B"
#
a m2B"
a1n B ⎤⎡c11D
a
2n
B
⎥ ⎥
⎢⎢c
21 D
# ⎥⎢ #
a mnB⎥⎦⎢⎣cn1D
c12 D " c 22 D "
#
c n2 D "
∑ ∑ ⎡
⎢
n
a 1k c k1 BD
"
矩阵分析——Kronecker积
a12 a22 a11 a21
返回
Kronecker积
一、Kronecker积
a11 B a12 B a21 B a22 B Kronecker积⇔ A ⊗ B = L L am1 B am 2 B 定理1：Kronecker积的性质： a1n B L a2 n B L L L amn B L
= ( H m ⊗ H n )( H mT ⊗ H nT ) = H m H mT ⊗ H n H nT
= mEm ⊗ nEn = mnEmn
返回
二、Kronecker积的特征值
定理3 : 设λi ( i = 1, 2,L , m )为A ∈ C
m× m
, xi ( i = 1, 2,L , m )
返回
定义1
k 个 8 64 4 744 [k ] Kronecker积的乘幂:A = A ⊗ A ⊗ L A
定理2
(1) 当AT = A, BT = B时, A ⊗ B也是对称矩阵;
当A H = A, B H = B时, A ⊗ B也是Hermite矩阵;
(2) 当U ,V 均为酉矩阵时, U ⊗ V 也是酉矩阵;
= λi µ j ( x i ⊗ y j )
返回
定义2 m阶矩阵A与n阶矩阵B的Kronecker 和：
A ⊕ k B = A ⊗ En + Em ⊗ B 定理4 : 设λi ( i = 1, 2,L , m )为A ∈ C m×m , xi ( i = 1, 2,L , m )
为相应的特征向量;µ j ( j = 1, 2,L , n)为B ∈ C n×n , y j ( j = 1, 2,L , n)为相应的特征向量,则λi + µ j 是A ⊕ k B的特征值, xi ⊗ y j为对应的特征向量.
克罗内克(Kronecker)积及其应用.pdf
L
a22 B L
L L
a2n B L
∈
C
mp×nq
a m1 B
am2 B
L
amn B
为 A 的克罗内克（Kronecker）积，或称 A 与 B 的直积，或张量积，简记为 A ⊗ B = (aij B) m×n , 即 A ⊗ B
是一个 m × n 块的分块矩阵，最后是一个 mp × nq 阶的矩阵。
p
∑ f ( A; B) = aij Ai ⊗ B j iA 和 B 的特征值分别是 λ1 , λ2 L, λm 和 µ1 , µ2 ,Lµn ，它们对应的特征向量分别是
x1, x2 ,L xm 和 y1 , y2 ,L yn ，则矩阵 f ( A; B) 的特征值是 f (λr ; µs ) ，而对应 f (λr ; µs ) 的特
1
1
O
O
1
1
A1 =
0
， B1 =
0
O
0
O
0
A1 中数 1 的个数为 rank（A）， B1 中数 1 的个数为 rank（B）。
由式（1—6）有
A = M −1 A1 N −1 ， B = P −1B1Q −1
于是，由式（1—1）有
A ⊗ B = (M −1 A1 N −1 ) ⊗ (P −1B1Q −1 ) = (M −1 ⊗ P −1 )( A1 ⊗ B1 )(N −1 ⊗ Q −1 )
再由此种初等矩阵的性质知 PT P = I ，有
PT (A ⊗ B)P = PT (A ⊗ I n ) (I m ⊗ B)P = PT (A ⊗ I n ) PPT (I m ⊗ B)P
=（ I n ⊗ A ）（ B ⊗ I m ）
克罗内克积公式
克罗内克积公式克罗内克积（Kronecker Product）公式是线性代数中的一个重要概念，在数学和工程领域都有广泛的应用。
咱先来说说克罗内克积是啥。
比如说，有两个矩阵 A 和 B ，A 是m×n 的矩阵，B 是 p×q 的矩阵，那它们的克罗内克积 C 就是一个mp×nq 的矩阵。
具体来说，C 的元素就是 A 的元素乘以 B 的相应元素。
给您举个简单的例子哈。
假设 A = [1 2; 3 4] ，B = [5 6; 7 8] ，那它们的克罗内克积 C 就是：[1×5 1×6 2×5 2×6;1×7 1×8 2×7 2×8;3×5 3×6 4×5 4×6;3×7 3×8 4×7 4×8]算出来就是 [5 6 10 12; 7 8 14 16; 15 18 20 24; 21 24 28 32] 。
我还记得有一次给学生们讲这个概念的时候，那真是状况百出。
我在黑板上写下了一堆公式和例子，本以为能讲得清清楚楚，结果一看台下，好多同学都是一脸懵。
有个平时挺活跃的小家伙举手说：“老师，这感觉就像一堆乱麻，理不清啊！”我当时就意识到，得换个方式讲。
于是，我不再单纯地讲公式，而是从生活中的例子入手。
比如说，我们把矩阵 A 想象成一堆苹果，每个数字代表苹果的大小；矩阵 B 想象成一堆橘子，数字代表橘子的大小。
那克罗内克积就是把这两种水果按照一定的规则组合起来，形成一个新的“水果矩阵”。
这么一比喻，同学们好像有点开窍了。
然后我再带着他们一步步计算，通过实际的操作，让他们更深刻地理解克罗内克积的运算规则。
在实际应用中，克罗内克积公式也特别有用。
比如说在信号处理中，如果我们要对两个不同维度的信号进行某种联合处理，克罗内克积就能派上用场。
几类特殊矩阵kronecker积
几类特殊矩阵kronecker积Kronecker积是将两个矩阵A和B乘积，也就是向量积（outer product或tensor prodct）。
它可以理解为“非常大的”网格中每一对元素进行乘积，并将这些乘积汇总到一个新的矩阵中。
具体而言，它的定义如下：Kronecker积：Given two matrices A and B, their Kronecker product is denoted as A#B, and defined by an m×n matrix C of the following form:C_{ij}=A_{i1}B_{1j}+A_{i2}B_{2j}+...+A_{in}B_{nj}Kronecker积有几类特殊的应用：1、向量积矩阵：Kronecker积可以用来表示两个向量的向量积矩阵，即A#B=vec(b)vec(a)T。
其中vec(b)和vec(a)T表示两个向量，另外一个向量作为列，另一个向量作为行，并且转置后形成一个m×n矩阵。
2、数值分解矩阵：Kronecker积可以用来表示一个数字分解矩阵，即A#B=UTV，其中UT和V可以看作是特征向量，它们可以用来分解原矩阵，而T是某个对角矩阵，用来表示特征值。
3、傅里叶变换：Kronecker积也可以用来表示傅里叶变换，即A#B=FDFT，其中FDFT表示两个实矩阵D和F的乘积，它们可以用来将原信号进行快速傅里叶变换。
4、卷积矩阵：Kronecker积也可以用来表示卷积矩阵，即A#B=C，其中C可以看作是一个m×n矩阵，它可以用来表示两个向量的卷积形式。
5、单位阵：Kronecker积也可以用来表示单位阵，即A#B=I，其中I可以看作是一个m×n矩阵，它可以用来表示两个向量的单位阵形式。
克罗内克内积 与 矩阵乘法关系
克罗内克内积和矩阵乘法是线性代数中非常重要的概念，它们在各个领域的数学和科学研究中都有着广泛的应用。
理解克罗内克内积与矩阵乘法之间的关系，可以帮助我们更好地理解向量和矩阵运算的本质，也有助于我们在实际问题中更灵活地运用这些数学工具。
在本文中，我将从简单到复杂，从浅入深地探讨这两个概念，帮助你全面地理解它们的关系和应用。
1. 克罗内克内积的基本概念克罗内克内积，又称为张量积，是一种对两个向量进行运算得到的新向量的方法。
如果有两个向量a和b，它们分别是m维和n维的列向量，那么它们的克罗内克内积a ⊗ b将得到一个mn维的列向量。
具体而言，克罗内克内积的运算规则是将向量a的每个元素与向量b相乘，然后将结果按照特定的顺序排列成一个新的列向量。
2. 矩阵乘法的基本概念矩阵乘法是线性代数中的基本运算之一，它用于描述线性变换和多维空间中的向量运算。
如果有两个矩阵A和B，它们的维度分别是m×n 和n×p，那么它们的乘积AB将得到一个m×p的矩阵。
具体而言，矩阵乘法的运算规则是将矩阵A的每一行与矩阵B的每一列进行内积运算，得到新矩阵的每个元素。
3. 克罗内克内积与矩阵乘法的关系在深入探讨克罗内克内积与矩阵乘法的关系之前，我们先来看一下它们之间的基本联系。
事实上，克罗内克内积可以被视为一种特殊的矩阵乘法运算，它可以用于描述不同维度之间的张量关系。
具体而言，如果我们将列向量a和b分别看作是m×1和n×1的矩阵，那么它们的克罗内克内积a⊗b可以被等价地表示为a×b^T，其中b^T表示b 的转置矩阵。
4. 深入理解克罗内克内积与矩阵乘法的关系在实际问题中，我们经常会遇到需要对不同维度的向量和矩阵进行运算的情况。
这时，理解克罗内克内积与矩阵乘法的关系可以帮助我们更灵活地处理这些运算，从而更好地解决问题。
举个例子，假设我们需要计算两个不同维度的向量的内积，可以利用克罗内克内积的性质将这个问题转化为矩阵乘法的形式，从而更方便地进行计算。
第九章 Kronecker积与线性矩阵方程
9.2.1 • (1) (2) (3) 9.2.1 A ∈ C m×m B ∈ C n×n X ∈ C m×n vec(AX ) = (In ⊗ A)vec(X ); vec(XB ) = (B T ⊗ Im )vec(X ); vec(AX + XB ) = (In ⊗ A + B T ⊗ Im )vec(X )
K
=
i,j =0 K
cij (P ⊗ Q)H (Ai ⊗ B j )(P ⊗ Q) cij (P H ⊗ QH )(Ai ⊗ B j )(P ⊗ Q)
i,j =0 K K
=
=
i,j =0
cij (P H Ai P ) ⊗ (AH B j Q) =
i,j =0
j ci,j Ai 1 ⊗ B1 = f (A1 , B1 )
• (doubly stochastic matrix) 1 0 1 {1, 2, · · · , n} 1 0 0 1 1 0 • 3 P123 = 0 1 0 0 0 0 1 0 P231 = 1 0 0 ,P312 = 0 0 1 0 1 • 2 P12 = • P ,P21 = 0 1 1 0 n×n (permutation matrix)
i=1 j =1
λ i µj =
i=1
j =1
3
A⊗B
9.1.1
6
(A ⊗ B )(A−1 ⊗ B −1 ) = (AA−1 ) ⊗ (BB −1 ) = Imn (A ⊗ B )−1 = A−1 ⊗ B −1
•
9.1.4
A ∈ C m×n
B ∈ C p×q rank(A ⊗ B ) = rank(A) rank(B )
.
=
kronecker积的行列式
kronecker积的行列式
Kronecker积的行列式并没有一个通用的公式，因为行列式的计算取决于具体的矩阵。
但是，我们可以根据行列式的性质和Kronecker积的定义，推导出一些关于Kronecker积行列式的基本结论。
首先，如果A和B是两个矩阵，那么它们的Kronecker积可以表示为：A ⊗B = (a_ij⊗b_ij)
其中，a_ij和b_ij分别是矩阵A和B的元素。
根据行列式的性质，我们可以将矩阵A和B的行列式分别计算出来，然后对它们进行Kronecker积运算。
即，|A ⊗B| = |A| ×|B|
这个公式告诉我们，如果A和B是两个可逆矩阵，那么它们的Kronecker积也是可逆的，并且其行列式等于它们各自行列式的乘积。
此外，如果A和B是两个方阵，那么它们Kronecker积的行列式还可以表示为：
|A ⊗B| = |A|^n ×|B|^m
其中，n和m分别是矩阵A和B的维数。
这个公式可以用来计算一些特殊情况下Kronecker积的行列式。
需要注意的是，以上结论仅仅是关于Kronecker积行列式的一些基本性质，具体的计算还需要根据具体情况进行分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
= = =
i, j= 0 l
H i j c (P ⊗ Q) (A ⊗ B )(P ⊗ Q) ∑ ij H i H j c (P A P) ⊗ (Q B Q) ∑ ij
l
i, j= 0 l
i, j= 0
∑ cij A 1 ⊗ B j = f(A 1 ,B 1 )
i j
从上面可以看出 f(A,B)与f(A 1 ,B 1 )具有完全相同的特征 值 并且，f(A 1 ,B 1 )是上三角矩阵
f(λi , μj ) i = 1," ,m,j = 1," ,n
推论 : 设m阶矩阵A的特征值 为λ1， "，λm 设n阶矩阵B的特征值 为μ1， "，μn ,则 (1) (2) (3) (4) A ⊗ B的mn个特征值为λiμj , i = 1," ,m,j = 1," ,n A ⊗ E n + E m ⊗ B的mn个特征值为 λ i +μ j, i = 1," ,m,j = 1," ,n | A ⊗ B |=| A |n| B |m tr(A ⊗ B) = tr(A)tr(B)
T T
b = vec(F).
求解方程（5)等价于 求解拉直方程： (B 1 ⊗ A 1 + " + B k ⊗ A k )vec(X)＝ve c(F)
T T
求得向量d = vec(X)后，反过 来，利用 逆拉直算子，得到 X = vec −1(d) 注意，逆拉直的方法： 列摆放。注意矩阵X的 维数
定理 设Am×m的特征值为λ1，λ2，…，λm, Bn×n的特征值为μ1，μ2，…，μn， 则Lyapunov方程AX+XB=F方程有 惟一解X的充要条件是 λi+μj≠0(i=1,2,…,m,j= 1,2,…,n).
证明：AX + XB = F有唯一解 ⇔ vec(AX+XB)=vec(F)有唯一解 ⇔ ( En ⊗ A+B ⊗ E m )vec(X)=vec(F)有唯一解
例题：设x是m阶矩阵 A的特征向量，y是n 阶矩阵B的特征向量 证明，x ⊗ y是A ⊗ B的特征向量。 证明：由Ax =λx,By = μy得到 (A ⊗ B)(x ⊗ y) = (Ax) ⊗(By) = (λx) ⊗(μy) = (λμ)(x ⊗ y) 所以，x ⊗ y是A ⊗ B的特征向量，λμ 为对应的特征值。
" ,b p ),C = (c 1 , " ,c q ),则 证明：记B = (b 1 , ⎡ ABc 1 ⎤ ⎢ABc ⎥ 2⎥ " ,ABc q ) = ⎢ vec(ABC) = vec(ABc 1 , ⎢ # ⎥ ⎢ ⎥ ⎣ABc q ⎦ ⎡c 1i ⎤ ⎡c 1i ⎤ ⎢c ⎥ ⎢c ⎥ 2i ⎥ 2i ⎥ ⎢ ⎢ = (Ab 1 , " ,b p ) ",Ab p ) ABc i = A(b 1 , ⎢ # ⎥ ⎢ # ⎥ ⎢ ⎥ ⎢ ⎥ ⎣c pi ⎦ ⎣c pi ⎦
(A ⊗ B)(C ⊗ D) = (AC) ⊗(BD) (A ⊗ B)－1 = A－1 ⊗ B－1
证明：（1）（2）显 然 a 12 B " a 1n B ⎤ ⎡a 11 B ⎥ ⎢a B a B a B " 22 2n ⎥ (3):(A ⊗ B)T = ⎢ 21 ⎢ # # # ⎥ ⎥ ⎢ a m2 B " a mn B ⎦ ⎣a m1 B ⎡a 11 B T a 21 B T " a m1 B T ⎤ ⎥ ⎢ T T T a 12 B a 22 B " a m2 B ⎥ ⎢ T T = A ⊗ B =⎢ ⎥ # # # ⎥ ⎢ T T T ⎢ a 2n B " a mn B ⎥ ⎦ ⎣a 1n B
Kronecker积与矩阵方程
主讲 孟纯军博士
在系统控制等工程领域，常常要求解线性矩 阵方程，Kronecker积是研究矩阵方程的有 效工具之一。本章我们首先介绍Kronecker 积的性质，然后用Kronecker积求解线性矩 阵方程。
Kronecker积的定义和性质
定义：设A＝(a ij )∈ C m×n ,B＝(b ij )∈ C p×q ⎡a 11 B a 12 B " a 1n B ⎤ ⎥ ⎢a B a B a B " 22 2n ⎥ A ⊗ B = ⎢ 21 ∈ C mp×nq ⎢ # # # ⎥ ⎥ ⎢ a B a B a B m2 " mn ⎦ ⎣ m1 称为矩阵A与B的Kr onecker积，也 叫矩阵的张量积，或直 积 注意A ⊗ B的维数。
⎡ x1 x3 ⎤ 解：（）设X= 1 ⎢x x ⎥ 4⎦ ⎣ 2 将原方程进行拉直， ( E2 ⊗ A+B T ⊗ E 2 )vec(X)=vec(F) 即： ⎧ ⎡1 -1 0 0 ⎤ ⎡ −3 0 ⎪⎢ ⎥ ⎢ ⎪ ⎢ 0 2 0 0 ⎥ ⎢ 0 −3 + ⎨ ⎪ ⎢ 0 0 1 −1⎥ ⎢ 4 0 ⎢ ⎥ ⎢ ⎪ ⎩⎣0 0 0 2 ⎦ ⎣ 0 4 1 0 ⎤ ⎫ ⎡ x1 ⎤ ⎡ 1 ⎤ ⎪⎢ ⎥ ⎢ ⎥ ⎥ 0 1 ⎥ ⎪ ⎢ x2 ⎥ ⎢ −2 ⎥ = ⎬ 0 0 ⎥ ⎪ ⎢ x3 ⎥ ⎢ 3 ⎥ ⎥⎪ ⎢ ⎥ ⎢ ⎥ 0 0 ⎦ ⎭ ⎣ x4 ⎦ ⎣ 2 ⎦
i j ⎡ λ B * ⎤ 1 1 ⎢ ⎥ i j % A 1 ⊗ B1 = ⎢ ⎥, i j⎥ ⎢ λ B m 1 ⎦ ⎣ i j ⎡ λk μ1 * ⎤ ⎢ ⎥ j i λk B 1 = ⎢ % ⎥ i j ⎢ λk μn ⎥ ⎣ ⎦ 上三角矩阵f(A 1 ,B 1 )的特征值为其对角元 ，其对角元为
可以注意到，B ⊗ A与A ⊗ B维数一样，但是，一 般不会相等。
Kronecker积的性质
(1) (2) k(A ⊗ B) = (kA) ⊗ B = A ⊗(kB) A 1与A 2 为同阶矩阵，则 (A 1＋A 2 ) ⊗ B = A 1 ⊗ B＋A 2 ⊗ B B ⊗(A 1＋A 2 ) = B ⊗ A 1＋B ⊗ A 2 (3) (4) (5) (4) (A ⊗ B)T = A T ⊗ B T (A ⊗ B)H = A H ⊗ B H (A ⊗ B) ⊗ C = A ⊗(B ⊗ C) A = (a ij )m×n , B = (b ij )p×q ,, C = (c ij )n×s , D = (d ij )q×t ,则 设A，B均为非奇异矩 阵，则
线性矩阵方程
考虑如下线性矩阵方程 A 1 XB 1 + " + A k XB k = F 其中，A i ,B i ,F为相应维数的给定矩 阵， 求矩阵X满足上面的方 程。
（5）
定理：方程（5）有解 的充要条件为： r(A) = r(A # b) 其中， A = B1 ⊗ A 1 + " + B k ⊗ A k
Kronecker积在矩阵方程中的应用
定义：矩阵拉直算子 设A = (a ij )∈ C m×n = (α1 , αn ),令 ", α ⎡ 1⎤ ⎥ ⎢ α vec(A) = ⎢ 2 ⎥ ∈ C mn×1 ⎢#⎥ ⎢ ⎥ αn ⎦ ⎣ 称vec(A)为矩阵 A的拉直算子。
定理：设A ∈ C m×n ,B ∈ C n×p ,C ∈ C p×q，则 vec(ABC) = (C T ⊗ Am )没有零特征值 ⇔ λi + u j ≠ 0, 对所有i,j.
推论：设A ∈ C m×m时Hermite矩阵，则Lyapunov方程 AX+XA=F 有唯一解的充要条件为 矩阵A没有相互反号的特征值（也没有零特征值）
例题选讲
求解矩阵方程：AX+XB=F,其中 ⎡1 -1⎤ ⎡ −3 4 ⎤ ⎡ 1 3⎤ A= ⎢ ,B = ⎢ ,F = ⎢ ⎥ ⎥ ⎥ ⎣0 2 ⎦ ⎣ 1 0⎦ ⎣ −2 2 ⎦
T
(5)(A ⊗ B)(C ⊗ D) a 12 B " a 1n B ⎤ ⎡c 11 D c 12 D " ⎡a 11 B ⎥ ⎢c D c D " ⎢a B a B a B " 22 21 22 2n ⎥ ⎢ 21 =⎢ ⎢ # # # # ⎥⎢ # ⎥⎢ ⎢ c n2 D " a B a B a B " m2 mn ⎦ ⎣c n1 D ⎣ m1 n ⎡ n ⎤ a c BD a c BD " ∑ 1k ks ⎥ ⎢ ∑ 1k k1 k =1 k =1 ⎢ ⎥ =⎢ # # # ⎥ n n ⎢ a c BD " a mk c ks BD ⎥ ∑ ∑ mk k1 ⎢ k =1 ⎥ k =1 ⎣ ⎦ n ⎡ n ⎤ a c a c " ∑ 1k ks ⎥ ⎢ ∑ 1k k1 k =1 k =1 ⎢ ⎥ =⎢ # # # ⎥ ⊗(BD) n n ⎢ a c " ∑ a mk c ks ⎥ ∑ mk k1 ⎢ k =1 ⎥ k =1 ⎣ ⎦ = (AC) ⊗(BD) c 1s D ⎤ c 2s D ⎥ ⎥ # ⎥ ⎥ c ns D ⎦
= c 1i Ab 1 + " + c pi Ab p ⎡ b1 ⎤ ⎢ ⎥ = c 1i Ab 1 + " + c pi Ab p = (c 1i A,",c pi A)⎢ # ⎥ = (c 1i A,",c pi A)vec(B) ⎢ ⎣b p ⎥ ⎦ 所以 ⎡c 11 A c 21 A " c p1 A ⎤ ⎢c A c A " c A ⎥ 12 22 p2 ⎥ vec(ABC) = ⎢ vec(B) = (C T ⊗ A)vec(B) ⎢ # # # ⎥ ⎢ ⎥ c A c A " c A 2p pp ⎦ ⎣ 1p
⎡ −2 −1 1 0 ⎤ ⎡ x1 ⎤ ⎡ 1 ⎤ ⎢ 0 −1 0 1 ⎥ ⎢ x ⎥ ⎢ −2 ⎥ ⎢ ⎥⎢ 2⎥ = ⎢ ⎥ ⎢ 4 0 1 −1⎥ ⎢ x3 ⎥ ⎢ 3 ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎣ 0 4 0 2 ⎦ ⎣ x4 ⎦ ⎣ 2 ⎦ 求解上面的方程，得到 x = [ 0 1 2 −1]