矩阵理论| 特殊矩阵：Hermite矩阵/共轭对称矩阵

Hermite矩阵

Hermite矩阵是复数域上的“对称矩阵”

Hermite矩阵性质

其性质与实对称矩阵基本一致：

• 实数特征值；
• 有一套正交的特征向量（各个特征子空间正交+代数重数=几何重数）

此外，Hermite矩阵也是复正定矩阵的前提（就如实数域中对称矩阵是正定矩阵的前提）：

• $\mathbf{A}$为Hermite矩阵$⟺$对于任意$\mathbf{x}\in {\mathbb{C}}^n$，二次型${\mathbf{x}}^H\mathbf{A}\mathbf{x}$为实数，
  即：“复Hermite正定矩阵”等价于“复正定矩阵”

还有以下性质：

• 对称/Hermite矩阵，一个非负的特征值 = 一个奇异值

判定Hermite矩阵的充要条件

矩阵$\mathbf{A}$是Hermite矩阵，有如下几个充要条件（$⟺$）：

• 原始定义：$\mathbf{A}={\mathbf{A}}^H$
• 对于任意$\mathbf{x}\in {\mathbb{C}}^n$，二次型${\mathbf{x}}^H\mathbf{A}\mathbf{x}$为实数
• $\mathbf{A}$酉相似于实对角阵$\mathbf{A}={\mathbf{U}}^{\mathbf{T}}diag({\lambda }_1,...,{\lambda }_n)\mathbf{U}$
• ${\mathbf{A}}^H\mathbf{A}={\mathbf{A}}^2$

证明：${\mathbf{A}}^H\mathbf{A}={\mathbf{A}}^2⟺\mathbf{A}={\mathbf{A}}^H$
①分析：这里使用SVD和Jordan标准型都不奏效，使用SVD$A=U\Sigma V^H$可以简化$A^{H}A=\left(V\Sigma U^H\right)\left(U\Sigma V^H\right)=V{\Sigma }^2{V}^H$，但无法简化矩阵幂$A^2=U\Sigma V^{H}U\Sigma V^H$；Jordan标准型$A=SJ{S}^{-1}$可以简化矩阵幂$A^2=S{J}^2{S}^{-1}$，但无法简化$A^{H}A={\left(S^{-1}\right)}^H{J}^H{S}^{H}SJ{S}^{-1}$；
这里反映了一个问题：我们看待矩阵分解时，常常过度关注分解式所产生的简约形式，反而因此忽略了变换矩阵
这里合适的方法是，使用使用 Schur 定理将矩阵三角化，因为其左右变换矩阵都是酉矩阵，有助于化简
②证明：
根据 Schur 定理矩阵三角化，任意矩阵可以酉三角化为上三角矩阵$A=UT{U}^H$，且$T$的对角线上的元素为特征值${\lambda }_1,...,{\lambda }_n$
由于${\mathbf{A}}^H\mathbf{A}={\mathbf{A}}^2$，而$A^2=U{T}^2{U}^H$，$A^{H}A=U{T}^H{U}^{H}UT{U}^H=U{T}^{H}T{U}^H$
故有$T^2=T^{H}T$，计算其对角元为${\lambda }_j^2={\left|{\lambda }_j\right|}^2+{\sum }_{i<j}{\left|t_{ij}\right|}^2$，显然$t_{ij}=0$，${\lambda }_j$为实数
进而$T=\mathrm{diag}\left({\lambda }_1,\dots ,{\lambda }_n\right)$，可以得到$A^H=U^H{T}^{H}U=U^{H}TU=A$，证毕

• $trace({\mathbf{A}}^H\mathbf{A})=trace({\mathbf{A}}^2)$

reference:
特殊矩阵 （9）：Hermitian 矩阵
Hermitian 矩阵的等价条件
Hermitian/实对称矩阵专题