埃尔米特矩阵

埃尔米特矩阵（英語：Hermitian matrix，又译作厄米特矩阵，厄米矩阵），也稱自伴隨矩陣，是共轭對稱的方陣。埃尔米特矩阵中每一个第i行第j列的元素都与第j行第i列的元素的复共轭。例如${\displaystyle {\begin{bmatrix}3&2+i\\2-i&1\end{bmatrix}}}$就是一个埃尔米特矩阵。

线性代数
${\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}$
向量 · 向量空间 · 基底  · 行列式  · 矩阵
向量 标量 · 向量 · 向量空间 · 向量投影 · 外积（向量积 · 七维向量积） · 内积（数量积） · 二重向量 矩阵与行列式 矩阵 · 行列式 · 线性方程组 · 秩 · 核 · 跡 · 單位矩陣 · 初等矩阵 · 方块矩阵 · 分块矩阵 · 三角矩阵 · 非奇异方阵 · 转置矩阵 · 逆矩阵 · 对角矩阵 · 可对角化矩阵 · 对称矩阵 · 反對稱矩陣 · 正交矩阵 · 幺正矩阵 · 埃尔米特矩阵 · 反埃尔米特矩阵 · 正规矩阵 · 伴随矩阵 · 余因子矩阵 · 共轭转置 · 正定矩阵 · 幂零矩阵 · 矩阵分解 （LU分解 · 奇异值分解 · QR分解 · 极分解 · 特征分解） · 子式和余子式 · 拉普拉斯展開 · 克罗内克积 线性空间与线性变换 线性空间 · 线性变换 · 线性子空间 · 线性生成空间 · 基 · 线性映射 · 线性投影 · 線性無關 · 线性组合 · 线性泛函 · 行空间与列空间 · 对偶空间 · 正交 · 特征向量 · 最小二乘法 · 格拉姆-施密特正交化
查 论 编

显然，埃尔米特矩阵主对角线上的元素都是实数，其特征值也是实数。对于实矩阵，如果它是对称矩阵，则它也满足埃尔米特矩阵的定义，即，实对称矩阵是埃尔米特矩阵的特例。

定义

对于矩阵${\displaystyle A\in C^{n\times n}}$，若对A中任意元素${\displaystyle a_{i,j}}$和${\displaystyle a_{j,i}}$有：

${\displaystyle a_{i,j}={\overline {a_{j,i}}}}$

其中${\displaystyle {\overline {(\cdot )}}}$为共轭算子，则记作${\displaystyle A=A^{H}}$，其中${\displaystyle {(\cdot )}^{H}}$为共轭转置，称A为埃尔米特矩阵。

性质

• 若A和B是埃尔米特矩阵，那么它们的和A+B也是埃尔米特矩阵；而只有在A和B满足交换性（即AB = BA）时，它们的积才是埃尔米特矩阵。
• 可逆的埃尔米特矩阵A的逆矩阵A^-1仍然是埃尔米特矩阵。
• 如果A是埃尔米特矩阵，对于正整数n，Aⁿ是埃尔米特矩阵。
• 方阵C与其共轭转置的和${\displaystyle C+(C^{*})}$是埃尔米特矩阵，
• 方阵C与其共轭转置的差${\displaystyle C-C^{*}}$是斜埃尔米特矩阵。
• 任意方阵C都可以用一个埃尔米特矩阵A与一个斜埃尔米特矩阵B的和表示：

${\displaystyle C=A+B\quad {\mbox{with}}\quad A={\frac {1}{2}}(C+C^{*})\quad {\mbox{and}}\quad B={\frac {1}{2}}(C-C^{*})}$。

• 埃尔米特矩阵是正规矩阵，因此埃尔米特矩阵可被酉对角化，而且得到的对角阵的元素都是实数。这意味着埃尔米特矩阵的特征值都是实的，而且不同的特征值所对应的特征向量相互正交，因此可以在这些特征向量中找出一组Cⁿ的正交基。
• n-阶埃尔米特矩阵的元素构成维数为n²的实向量空间，因为主对角线上的元素有一个自由度，而主对角线之上的元素有两个自由度。
• 如果埃尔米特矩阵的特征值都是正数，那么这个矩阵是正定矩阵，若它们是非负的，则这个矩阵是半正定矩阵。

埃尔米特序列

埃尔米特序列（亦或埃尔米特向量）指满足下列条件的序列a_k（其中k = 0, 1,…, n）：

${\displaystyle \Im (a_{0})=0\quad {\mbox{and}}\quad a_{k}={\overline {a_{n-k}}}\quad {\mbox{for }}k=1,2,\dots ,n}$。

若n是偶数，则a_n/2是实数。

实数序列的离散傅里叶变换是埃尔米特序列。反之，一个埃尔米特序列的逆离散傅里叶变换是实序列。

参见

• 共轭转置
• 正规矩阵
• 辛矩阵
• 酉群
• 酉算子
• 矩阵分解

参考资料