什么是酉矩阵

酉矩阵（Unitary Matrix）是线性代数中复数域上的一个重要概念，是正交矩阵在复数域的扩展。

---

1. 酉矩阵的定义

一个 $n\times n$ 的复矩阵 $U$ 被称为酉矩阵，当且仅当：
$$U^{†}U=U{U}^{†}=E$$
其中：

• $U^{†}$：是矩阵 $U$ 的共轭转置（Hermitian Transpose），即先对矩阵中的每个元素取共轭，再对矩阵转置。
• $E$：是 $n\times n$ 的单位矩阵。

等式 $U^{†}U=E$ 表明矩阵 $U$ 的列向量是复向量空间中的正交归一基。

---

2. 酉矩阵的性质

1. 保持内积：

   • 对于任意两个复向量 $x$ 和 $y$，如果它们经过酉矩阵 $U$ 的变换，则内积保持不变：
     $$⟨Ux,Uy⟩=⟨x,y⟩$$
   • 这表明酉矩阵是保持长度和角度的线性变换。

2. 保持向量长度：

   • 对任意向量 $x$，经过酉矩阵作用后，其长度不变：
     $$\Vert Ux\Vert =\Vert x\Vert$$

3. 逆矩阵等于共轭转置：

   • $U^{†}=U^{-1}$，这与正交矩阵的性质 $W^T=W^{-1}$ 类似。

4. 酉矩阵的特征值：

   • 酉矩阵的所有特征值都是单位圆上的复数，即模长为 1 的复数，形如 $e^{i\theta }$，其中 $\theta$ 是实数。

5. 行向量和列向量的正交归一性：

   • 酉矩阵的行向量和列向量都构成复数向量空间的正交归一基。

---

3. 酉矩阵的几何意义

酉矩阵描述的是复数向量空间中的等距变换，包括：

1. 旋转：在复数向量空间中旋转向量。
2. 反射：沿某一复数方向反射向量。

在实数空间中，酉矩阵的几何意义与正交矩阵类似，描述了保持长度和角度的变换。

---

4. 酉矩阵的例子

例 1：单位矩阵

单位矩阵是一个酉矩阵：
$$U=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$$

例 2：二维复数旋转矩阵

一个二维酉矩阵可以表示为：
$$U=\left[\begin{array}{cc}{e}^{i\theta }& 0\\ 0& e^{i\varphi }\end{array}\right]$$
其中 $e^{i\theta }$ 和 $e^{i\varphi }$ 是单位圆上的复数。

例 3：量子力学中的酉矩阵

在量子力学中，酉矩阵用于描述量子态的演化。例如，量子门矩阵（如 Hadamard 门）是酉矩阵：
$$H=\frac{1}{\sqrt{2}}\left[\begin{array}{cc}1& 1\\ 1& -1\end{array}\right]$$

---

5. 酉矩阵与正交矩阵的关系

• 正交矩阵：是酉矩阵在实数域上的特殊情况。
  • 正交矩阵满足 $W^{T}W=W{W}^T=E$。
• 酉矩阵：在复数域上推广了正交矩阵。
  • 酉矩阵满足 $U^{†}U=U{U}^{†}=E$。

---

6. 酉矩阵的应用

1. 量子力学：

   • 酉矩阵用于描述量子态的演化（守恒性变换），例如薛定谔方程中的时间演化算符是酉矩阵。

2. 信号处理：

   • 在傅里叶变换中，离散傅里叶变换矩阵是一个酉矩阵。

3. 机器学习：

   • 在特征值分解和奇异值分解中，酉矩阵用于描述复数向量空间的正交变换。

4. 密码学：

   • 在某些量子密码学算法中，酉矩阵用于表示复杂的量子变换。

---

7. 总结

酉矩阵是复数域上的正交矩阵，满足 $U^{†}U=U{U}^{†}=E$。它在复向量空间中描述了保持内积（长度和角度）的线性变换。酉矩阵广泛应用于量子力学、信号处理和机器学习中，具有重要的理论意义和实际价值。