线性代数
|
![{\displaystyle \mathbf {A} ={\begin{bmatrix}1&2\\3&4\end{bmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/a31efc33ac33577d719a3ccd162a9bf21e4847ea)
|
向量 · 向量空间 · 基底 · 行列式 · 矩阵
|
|
|
在线性代数中,酉矩阵(又译作幺正矩阵,英语:unitary matrix)指其共轭转置恰为其逆矩阵的复数方阵,数学描述如下:
- (数学定义)
,
- (推论)
。
其中 U* 是 U 的共轭转置,In 是 n×n 单位矩阵。
酉矩阵是正交矩阵(元素均为实数)在复数的推广。
以下是一个酉矩阵的例子:
。
验证如下:
![{\displaystyle U^{*}U={\begin{bmatrix}{\frac {i}{\sqrt {2}}}&-{\frac {i}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\\end{bmatrix}}{\begin{bmatrix}-{\frac {i}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\{\frac {i}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\\end{bmatrix}}={\begin{bmatrix}1&0\\0&1\\\end{bmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/7ef29d28871ff191f0af9a1068d809e736b80f4c)
![{\displaystyle UU^{*}={\begin{bmatrix}-{\frac {i}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\{\frac {i}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\\end{bmatrix}}{\begin{bmatrix}{\frac {i}{\sqrt {2}}}&-{\frac {i}{\sqrt {2}}}\\{\frac {1}{\sqrt {2}}}&{\frac {1}{\sqrt {2}}}\\\end{bmatrix}}={\begin{bmatrix}1&0\\0&1\\\end{bmatrix}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/9deedba7676866bc712f9a72601f77cf97c7abe6)
从定义可知,酉矩阵满足以下性质:
。
由此可见,酉矩阵与其共轭转置 U* 矩阵乘法可交换,是正规矩阵。
酉矩阵亦必定可逆,且逆矩阵等于其共轭转置:
。
酉矩阵 U 的所有特征值 λn ,都是绝对值等于 1 的复数:
。
因此,酉矩阵 U 行列式的绝对值也是 1:
。
酉矩阵 U 不会改变两个复向量 x 和 y 的点积:
。
更一般地说,所有希尔伯特内积也不会改变:
。
若 U 及 V 都是酉矩阵,则 UV 也是酉矩阵:
。
若 U 为 n×n 矩阵,则下列条件等价:
- U 是幺正矩阵
- U*是幺正矩阵
- U 的列向量是在 Cn 上的一组标准正交基
- U 的行向量是在 Cn 上的一组标准正交基
给定任意的 n ,所有 n 阶幺正矩阵的集合 G 与矩阵乘法“⋅”,都能构成一个群 (G, ⋅ )。
幺正对角化(又译作幺正對角化,英语:unitary diagonalisation),指把一个矩阵 A 对角化成以下形式:
,
其中 U 是酉矩阵,D 是对角矩阵。
根据谱定理,一个矩阵 A 可幺正对角化,当且仅当 A 是正规矩阵,即它与其共轭转置 A* 矩阵乘法可交换(A*A = AA*)。
由于酉矩阵本身也是一个正规矩阵,因此酉矩阵 U 也可幺正对角化:
,
其中 V 是酉矩阵,Σ 是对角矩阵。