线性代数之——复数矩阵

为了完整地展示线性代数，我们必须包含复数。即使矩阵是实的，特征值和特征向量也经常会是复数。

1. 虚数回顾

虚数由实部和虚部组成，虚数相加时实部和实部相加，虚部和虚部相加，虚数相乘时则利用 $i^2=-1$。

在虚平面，虚数 $3+2i$ 是位于坐标 $(3,2)$ 的一个点。复数 $z=a+bi$ 的共轭为 $\bar{z}=z^{\ast }=a-bi$。

在极坐标下，复数则可以写作模长和极角的形式。

两个复数相乘是模长相乘，极角相加。

$$(r{e}^{i\theta }{)}^n=r^n{e}^{in\theta }$$

2. 厄米特（Hermitian）矩阵和酉（Unitary）矩阵

这部分的重点可以用一句话来介绍：当你对一个复数向量或者矩阵进行转置时，同时对它们取共轭。

为什么要这样做呢？一个理由是复数向量长度的特殊性。针对实向量，其长度的平方为 $x_1^2+\cdots +x_n^2$，但复数向量长度的平方并不是 $z_1^2+\cdots +z_n^2$。比如 $z=(1,i)$ 长度的平方并不是 $1^2+i^2=0$，而应该是 $z\bar{z}=1^2+|i^2|=2$。

我们定义一个新符号，${\bar{z}}^T=z^H$，来表示向量的共轭转置，这个符号也可以应用到矩阵中去。

同时，我们也要对向量的内积定义进行一下扩展，但内积为零仍然表明正交。

这时候，向量的顺序就变得重要了。

$${\mathbf{v}}^H\mathbf{u}={\bar{v}}_1{u}_1+\cdots +{\bar{v}}_n{u}_n=({\mathbf{u}}^H\mathbf{v}{)}^{\ast }$$

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-y6Kmou3i-1575007209937)(https://upload-images.jianshu.io/upload_images/11895466-c64644ff7415abe8.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

一个厄米特矩阵满足 $A^H=A$，每一个实对称矩阵都是厄米特的，因为实数的共轭还是它本身。

如果 $A^H=A$，$\mathbf{z}$ 是任意向量，那么 ${\mathbf{z}}^{H}A\mathbf{z}$ 是实数。

$$(z^{H}Az{)}^H=z^H{A}^{H}z=z^{H}Az$$

来自对角线上的两项都是实数，而来自非对角线上的两项互为共轭，相加之后也为实数。

厄米特矩阵的每个特征值都是实数。

$$A\mathbf{z}=\lambda \mathbf{z}\to {\mathbf{z}}^{H}A\mathbf{z}=\lambda {\mathbf{z}}^H\mathbf{z}$$

上式左边为实数，${\mathbf{z}}^H\mathbf{z}$ 是长度的平方，是正实数，所以特征值也必须为实数。

厄米特矩阵对应于不同特征值的特征向量是正交的。

$$A\mathbf{z}=\lambda \mathbf{z}\to {\mathbf{y}}^{H}A\mathbf{z}=\lambda {\mathbf{y}}^H\mathbf{z}\text{\hspace{1em}(1)}$$

$$A\mathbf{y}=\beta \mathbf{y}\to \mathbf{z}(A\mathbf{y}{)}^H=\mathbf{z}(\beta \mathbf{y}{)}^H\to {\mathbf{y}}^{H}A\mathbf{z}=\beta {\mathbf{y}}^H\mathbf{z}\text{\hspace{1em}(2)}$$

比较 (1) 式和 (2) 式可得，两式左边相等，所以右边应该也相等。又由于两个特征值不一样，所以有 $y^H\mathbf{z}=0$，两个特征向量正交。

酉矩阵是一个有着标准正交列的方阵。

任意有着标准正交列的矩阵满足 $U^{H}U=I$，如果它还是一个方阵，那么有 $U^H=U^{-1}$。

一个酉矩阵乘以任意向量，向量的长度保持不变。

$${\mathbf{z}}^H{U}^{H}U\mathbf{z}={\mathbf{z}}^H\mathbf{z}$$

而且，酉矩阵的所有特征值的绝对值都为 1。

最后，我们来总结一下实数和虚数向量以及矩阵之间的一些概念迁移。

获取更多精彩，请关注「seniusen」!