笔记4.矩阵空间与向量空间的同构

对一个向量，我们把它看做个坐标，构建从向量到个坐标的同构。矩阵实际上也就是向量的堆叠，那类似的我们把它看做个向量，也可以构建同构。

矩阵的展开 (Matrix Vectorization)

列展开 ：将矩阵的元素自左向右、一列一列地排列成一个维列向量。
- 示例：若，则。
行展开 ：类似地，将矩阵按行顺序排列成一个行向量。
- 示例：对于上述矩阵，。

这显然是同构，也就是说，我们完全可以把矩阵看成一个超级向量。

Kronecker 积 (Kronecker Product)

定义

设矩阵，矩阵。它们的 Kronecker 积（也称张量积）记为，是一个的分块矩阵：

即用的每个元素乘以矩阵得到的分块矩阵。

关键性质

非交换性：一般情况下，。
结合律：。
特殊情形：当为列向量且为行向量时（或反之），在特定维度下可能满足。

运算示例

基础计算

若，，则：

向量间的积

若，，则：

-

（此处直观展示了顺序不同导致的结果差异）

4. 混合乘积公式 (Mixed-Product Property)

这是 Kronecker 积最重要的性质之一，联系了普通矩阵乘法与张量积：

前提条件：矩阵乘法和必须有意义（即的列数等于的行数，的列数等于的行数）。
推导逻辑：通过分块矩阵乘法规律可以证明，左侧展开后的子块项正好对应右侧的构造。

Kronecker 积的核心性质

结合律：
混合乘积公式：
逆矩阵：
转置：- 正交性保持：若是正交矩阵，则也是正交矩阵。

代数特征（秩、行列式、特征值）

秩： 2. 行列式：设为阶方阵，为阶方阵，则
特征值：
- 设的特征值为，的特征值为。
- 的特征值为。
- Kronecker 和 的特征值为。

特殊实例：Hadamard 矩阵的构造

利用 Kronecker 积可以递归构造特殊的正交矩阵（如 Hadamard 矩阵）：

-- … 以此类推。

矩阵列展开的核心定理

这是连接矩阵方程与线性方程组的桥梁：

定理：

证明逻辑拆解：

左乘变换：。这说明对的左乘对应于列展开后的块对角阵相乘。
右乘变换：。注意此处需要转置。
合成结论：通过结合律，利用混合乘积公式化简为。

线性变换的矩阵表示

设是矩阵空间上的线性变换：

在标准基（即按列展开排序）下，该线性变换对应的矩阵正是。
直观理解：
- 作用于的行变换。
- 作用于的列变换。

线性矩阵方程的向量化求解

基于前文的列展开性质，可以将复杂的矩阵方程转化为标准的线性方程组形式。

推论：是矩阵方程的解，当且仅当其列展开满足：

其中分别为级方阵，。

本质：这利用了 Kronecker 积将矩阵算子“拉直”为算子矩阵，使得我们能用经典的线性代数工具（如高斯消元法）来处理矩阵方程。

张量积空间 (Tensor Product Space)

将张量积从矩阵运算上升到线性空间的构造。

定义：设是两个线性空间，集合

构成一个线性空间，称为与的张量积空间，记为。

基与维数：
- 若是的基，是的基。
- 则所有可能的组合构成的一组基。
- 结论：，即张量积空间的维数是原空间维数的乘积。

线性变换的张量积

这是张量积在算子层面的推广。

定义：设，定义线性变换为：

该变换称为变换与的张量积。

矩阵表示：

若在基下的矩阵为，在基下的矩阵为，则线性变换在的基下的矩阵恰好就是。

这些东西实际上是可以简化结构，让我们更清楚地看到矩阵的，例如我们可以看一些问题：

题目：矩阵方程解空间的性质证明

设分别是级方阵，且，。证明：

是矩阵空间的子空间，且。

1. 证明是子空间

根据子空间的定义，需验证对加法和数乘的封闭性：

加法封闭性：设，则有且。

故。

数乘封闭性：设，则：

故。

由此可知，$ W $ 是 $ M_{m,n}(K)$ 的子空间。

2. 证明

这里使用了**列展开（Vectorization）**和 Kronecker 积 的性质将矩阵问题转化为线性方程组问题。

(1) 方程转化

利用恒等式，原矩阵方程等价于线性方程组：

其中，是一个维的列向量，系数矩阵为，其规模为。

(2) 确定系数矩阵的秩

根据 Kronecker 积关于秩的性质：

由于矩阵转置不改变秩，且已知，则：

(3) 利用维数公式

子空间的维数等价于上述齐次线性方程组解空间的维数。根据线性方程组解空间的维数公式（维空间减去系数矩阵的秩）：

解 空 间

证毕。

题目：矩阵变换的特征值与对角化证明

设分别是阶复矩阵，其特征值分别为与。

定义映射：

1. 证明是线性变换

根据线性变换的定义，需满足加法与数乘的齐次性：

线性度验证：利用矩阵乘法的分配律与结合律：

故是上的线性变换。

2. 求变换的所有特征值

利用列展开（Vectorization），我们将转换为向量形式：

根据公式，提取得到变换矩阵：

特征值计算：

已知的特征值为，（及）的特征值为。

根据 Kronecker 积的性质，特征值的对应关系为：
- 的特征值为 - 的特征值为 - 的特征值为由于这些项在同一组基（由和的特征向量构成的张量积基）下可以同时三角化，因此变换的特征值为：

3. 对角化证明与特征向量

证明：

前提条件：已知和可对角化。这意味着有个线性无关的特征向量，有个线性无关的特征向量（注意可对角化则亦然，且特征值相同）。
构造变换的特征向量：

在张量积空间中，变换的特征向量对应的“矩阵形式”为：

或 更 简 单 地 记 为 与 的 左 特 征 向 量 的 积

更严谨地说，若，且是的特征向量（满足并不直观，这里通常看作的映射关系）。

结论：

由于我们能构造出个形如的线性无关特征向量，而空间的维数恰好也是，特征向量集构成了空间的一组基。

故可对角化。

的特征向量（矩阵形式）：

即满足的矩阵。若且（即是的左特征向量），则：