Em matemática , o produto de Kronecker , às vezes denotado por ⊗, é uma operação em duas matrizes de tamanho arbitrário resultando em uma matriz de bloco . É uma generalização do produto externo (que é denotado pelo mesmo símbolo) de vetores para matrizes, e fornece a matriz do mapa linear do produto tensorial com relação a uma escolha padrão de base . O produto Kronecker deve ser distinguido da multiplicação de matrizes usual , que é uma operação totalmente diferente. O produto Kronecker também é às vezes chamado de produto direto da matriz .
O produto Kronecker tem o nome do matemático alemão Leopold Kronecker (1823-1891), embora haja poucas evidências de que ele foi o primeiro a defini-lo e usá-lo. O produto Kronecker também foi chamado de matriz Zehfuss , e o produto Zehfuss , em homenagem a Johann Georg Zehfuss [ de ] , que em 1858 descreveu essa operação de matriz, mas o produto Kronecker é atualmente o mais utilizado.
Definição
Se A é uma matriz m × n e B é uma matriz p × q , então o produto de Kronecker A ⊗ B é a matriz de bloco pm × qn :
mais explicitamente:
Usando e para denotar divisão inteira truncada e resto , respectivamente, e numerar os elementos da matriz começando de 0, obtém-se e Para a numeração usual começando de 1, obtém-se
e
Se A e B representam transformações lineares V 1 → W 1 e V 2 → W 2 , respectivamente, então A ⊗ B representa o produto tensorial dos dois mapas, V 1 ⊗ V 2 → W 1 ⊗ W 2 .
Exemplos
De forma similar:
Propriedades
Relações com outras operações da matriz
-
Bilinearidade e associatividade :
O produto Kronecker é um caso especial do produto tensorial , por isso é bilinear e associativo :
onde A , B e C são matrizes, 0 é uma matriz zero ek é um escalar.
-
Não comutativo :
Em geral, A ⊗ B e B ⊗ A são matrizes diferentes. No entanto, A ⊗ B e B ⊗ A são equivalentes de permutação, o que significa que existem matrizes de permutação P e Q tais que
Se A e B são matrizes quadradas, então A ⊗ B e B ⊗ A são ainda permutação semelhante , o que significa que podemos tomar P = Q T .
As matrizes P e Q são matrizes de embaralhamento perfeitas. A matriz de embaralhamento perfeita S p , q pode ser construída tomando fatias da matriz identidade I r , onde .
MATLAB notação de dois pontos é usado aqui para indicar submatrizes, e I r é o r × r matriz de identidade. Se e então
-
A propriedade do produto misto:
Se A , B , C e D são matrizes de tal tamanho que se podem formar os produtos de matriz AC e BD , então
Isso é chamado de propriedade de produto misto , porque mistura o produto de matriz comum e o produto de Kronecker.
Como consequência imediata,
Em particular, usando a propriedade transpor abaixo, isso significa que se
e Q e U são ortogonais (ou unitários ), então A também é ortogonal (resp., unitário).
-
Produto Hadamard (multiplicação por elemento):
A propriedade de produto misto também funciona para o produto elemento-sábio. Se A e C são matrizes do mesmo tamanho, B e D são matrizes do mesmo tamanho, então
-
O inverso de um produto Kronecker:
Daqui resulta que um ⊗ B é invertível se e somente se ambos um e B é invertida, caso em que o inverso é dada pela
A propriedade do produto invertível também é válida para o pseudoinverso Moore-Penrose , ou seja
Na linguagem da teoria das categorias , a propriedade de produto misto do produto de Kronecker (e produto tensorial mais geral) mostra que a categoria Mat F de matrizes sobre um campo F é de fato uma categoria monoidal , com objetos números naturais n , morfismos n → m são matrizes n × m com entradas em F , a composição é dada pela multiplicação da matriz, as setas de identidade são simplesmente n × n matrizes de identidade I n , e o produto tensorial é dado pelo produto de Kronecker.
Mat F é uma categoria de esqueleto concreto para a categoria equivalente FinVect F de espaços vetoriais de dimensão finita sobre F , cujos objetos são espaços vetoriais de dimensão finita V , as setas são F- mapas lineares L : V → W , e as setas de identidade são os mapas de identidade dos espaços. A equivalência de categorias equivale a escolher simultaneamente uma base em cada espaço vetorial de dimensão finita V em vez de F ; os elementos das matrizes representam esses mapeamentos em relação às bases escolhidas; e da mesma forma o produto de Kronecker é a representação do produto tensorial nas bases escolhidas.
-
Transpor :
A transposição e a transposição do conjugado são distributivas sobre o produto Kronecker:
-
e
-
Determinante :
Deixe Um ser um n × n matriz e deixar B ser um m × m matriz. Então
O expoente em | A | é a ordem de B e o expoente em | B | é da ordem de Uma .
-
Soma e exponenciação de Kronecker :
Se A é n × n , B é m × m e I k denota o k × k matriz de identidade , então podemos definir o que é às vezes chamado a soma Kronecker , ⊕, por
Isso é diferente da soma direta de duas matrizes. Esta operação está relacionada ao produto tensorial nas álgebras de Lie .
Temos a seguinte fórmula para a matriz exponencial , que é útil em algumas avaliações numéricas.
As somas de Kronecker aparecem naturalmente na física ao considerar conjuntos de sistemas não interagentes . Seja H i o hamiltoniano do i ésimo sistema. Então, o hamiltoniano total do conjunto é
Propriedades abstratas
-
Espectro :
Suponha que A e B sejam matrizes quadradas de tamanho n e m, respectivamente. Sejam λ 1 , ..., λ n os autovalores de A e μ 1 , ..., μ m os de B (listados de acordo com a multiplicidade ). Então os valores próprios de A ⊗ B são
Segue-se que o traço e o determinante de um produto Kronecker são dados por
-
Valores singulares :
Se A e B são matrizes retangulares, pode-se considerar seus valores singulares . Suponha que A tenha r A valores singulares diferentes de zero, a saber
Da mesma forma, denote os valores singulares diferentes de zero de B por
Então, o produto de Kronecker A ⊗ B tem valores singulares r A r B diferentes de zero, a saber
Uma vez que a classificação de uma matriz é igual ao número de valores singulares diferentes de zero, descobrimos que
-
Relação com o produto tensor abstrato :
O produto Kronecker de matrizes corresponde ao produto tensorial abstrato de mapas lineares. Especificamente, se os espaços vetoriais V , W , X e Y têm bases { v 1 , ..., v m }, { w 1 , ..., w n }, { x 1 , ..., x d }, e { y 1 , ..., y e }, respectivamente, e se as matrizes A e B representam as transformações lineares S : V → X e T : W → Y , respectivamente nas bases apropriadas, então a matriz A ⊗ B representa o produto tensorial dos dois mapas, S ⊗ T : V ⊗ W → X ⊗ Y em relação à base { v 1 ⊗ w 1 , v 1 ⊗ w 2 , ..., v 2 ⊗ w 1 , ..., v m ⊗ w n } de V ⊗ W e a base definida de forma semelhante de X ⊗ Y com a propriedade de que A ⊗ B ( v i ⊗ w j ) = ( Av i ) ⊗ ( Bw j ) , onde i e j são inteiros no intervalo adequado.
Quando V e W são álgebras , e S : V → V e T : W → W são Lie homomorphisms álgebra , a soma de Kronecker de A e B representa os álgebra homomorphisms Lie induzidas V ⊗ W → V ⊗ W .
-
Relação com produtos de gráficos :
O produto de Kronecker das matrizes de adjacência de dois grafos é a matriz de adjacência do grafo do produto tensorial . A soma de Kronecker das matrizes de adjacência de dois grafos é a matriz de adjacência do grafo cartesiano do produto .
Equações matriciais
O produto Kronecker pode ser usado para obter uma representação conveniente para algumas equações matriciais. Considere, por exemplo, a equação AXB = C , onde A , B e C recebem matrizes e a matriz X é a incógnita. Podemos usar o "truque vec" para reescrever esta equação como
Aqui, vec ( X ) denota a vetorização da matriz X, formada pelo empilhamento das colunas de X em um único vetor coluna .
Segue-se agora das propriedades do produto de Kronecker que a equação AXB = C tem uma solução única, se e somente se A e B são invertíveis ( Horn & Johnson 1991 , Lema 4.3.1).
Se X e C são fileira ordenada nos vectores de colunas de u e v , respectivamente, em seguida, ( Jain 1989 , 2,8 Bloco Matrizes e produtos Kronecker)
A razão é que
Formulários
Para um exemplo da aplicação desta fórmula, consulte o artigo sobre a equação de Lyapunov . Essa fórmula também é útil para mostrar que a distribuição normal da matriz é um caso especial da distribuição normal multivariada . Esta fórmula também é útil para representar operações de processamento de imagens 2D na forma de matriz vetorial.
Outro exemplo é quando uma matriz pode ser fatorada como um produto Hadamard , então a multiplicação da matriz pode ser realizada mais rapidamente usando a fórmula acima. Isso pode ser aplicado recursivamente, como feito na FFT radix-2 e na transformada Fast Walsh-Hadamard . Dividir uma matriz conhecida no produto Hadamard de duas matrizes menores é conhecido como o problema do "produto Kronecker mais próximo" e pode ser resolvido exatamente usando o SVD . Dividir uma matriz no produto Hadamard de mais de duas matrizes, de maneira ótima, é um problema difícil e objeto de pesquisas em andamento; alguns autores o consideram um problema de decomposição de tensores.
Em conjunto com o método dos mínimos quadrados , o produto Kronecker pode ser usado como uma solução precisa para o problema de calibração do olho da mão .
Operações de matriz relacionadas
Duas operações de matriz relacionadas são os produtos Tracy – Singh e Khatri – Rao , que operam em matrizes particionadas . Deixe o m x n matriz Uma ser dividida em a m i x n de j blocos Um ij e p x q matriz B para a p k × q l blocos B kl , com naturalmente Σ i m i = m , Σ j n j = n , Σ k p k = p e Σ ℓ q ℓ = q .
Produto Tracy – Singh
O produto Tracy – Singh é definido como
o que significa que o ( ij ) -ésimo subbloco do produto mp × nq A B é a matriz m i p × n j q A ij B , da qual o ( kℓ ) -ésimo sub-bloco é igual a m i p k × n j q ℓ matriz A ij ⊗ B kℓ . Essencialmente, o produto Tracy – Singh é o produto Kronecker pareado para cada par de partições nas duas matrizes.
Por exemplo, se A e B forem matrizes particionadas 2 × 2, por exemplo:
Nós temos:
Produto Khatri-Rao
- Produto Block Kronecker
- Produto Khatri-Rao em colunas
Produto de divisão facial
Propriedades de produtos mistos
onde denota o produto de divisão facial .
De forma similar:
onde e são vetores ,
onde e são vetores e denota o produto Hadamard .
De forma similar:
-
,
onde é a convolução do vetor e é a matriz da transformada de Fourier (este resultado é uma evolução das propriedades do esboço de contagem ),
onde denota o produto Khatri – Rao das colunas .
De forma similar:
onde e são vetores .
Veja também
Notas
Referências
links externos