Hermite矩阵

Hermite矩阵 (Hermitian Matrix)

Hermite矩阵（Hermitian matrix），亦常译作埃尔米特矩阵或自伴矩阵，是线性代数与泛函分析中最重要的矩阵类之一：一个复方阵等于自身的共轭转置。它在数学上推广了实对称矩阵，在物理上则是量子力学的数学骨架——所有物理可观测量均由 Hermite 算子表示。Hermite矩阵得名于法国数学家Charles Hermite（1822--1901），其工作奠定了 Hermite 二次型理论的基础。

定义与基本性质

设 $A \in \mathbb{C}^{n \times n}$ 为复方阵，其共轭转置记为 $A^*$ 或 $A^\dagger = \overline{A}^{\mathsf{T}}$。若满足

即对任意指标 $i, j$ 有 $A_{ij} = \overline{A_{ji}}$，则称 $A$ 为 Hermite 矩阵。由定义立即可得对角元均为实数：$A_{ii} = \overline{A_{ii}}$。实 Hermite 矩阵恰退化为通常的对称矩阵，因此 Hermite 矩阵可视为对称矩阵在复数域上最自然的推广。

Hermite 矩阵对加法和实数标量乘法封闭，构成实数域上的线性空间；两个 Hermite 矩阵的乘积若可交换则仍为 Hermite。任意复方阵 $A$ 可唯一分解为 Hermite 部分与斜 Hermite 部分之和：

此即矩阵的 Cartesian 分解，与复数分解为实部加虚部 $z = \operatorname{Re} z + i \operatorname{Im} z$ 完全平行。

Hermite 矩阵与半双线性型（Sesquilinear Form）有本质联系。映射 $\langle x, y \rangle_A = y^* A x$ 在 $A$ 为 Hermite 时满足共轭对称性 $\langle x, y \rangle = \overline{\langle y, x \rangle}$，正定 Hermite 矩阵则定义了一个复内积。此视角揭示 Hermite 矩阵不仅是算子，更是几何结构的编码——每一正定 Hermite 矩阵对应复向量空间上的一种度量。

特征值全为实数的核心定理

Hermite 矩阵最深刻且最具实用价值的性质是：所有特征值均为实数。设 $\lambda$ 为 $A$ 的任意特征值，$x \neq 0$ 为相应的特征向量，满足 $Ax = \lambda x$。以 $x^*$ 左乘两端：

取共轭转置，利用 $A = A^*$ 知 $x^* A x$ 为实数（等于自身的共轭），而 $x^* x = \|x\|^2 > 0$，故 $\lambda$ 必为实数。

更进一步，对应于不同特征值的特征向量必然正交。若 $\lambda_1 \neq \lambda_2$，$Ax_1 = \lambda_1 x_1$，$Ax_2 = \lambda_2 x_2$，则：

利用 $\lambda_1^* = \lambda_1$ 与 $\lambda_1 \neq \lambda_2$ 即得 $x_1^* x_2 = 0$。即便遭遇重特征值，亦可经由 Gram-Schmidt 正交化选出一组标准正交特征向量。

谱定理与酉对角化

上述性质汇流为 Hermite 矩阵的谱定理（Spectral Theorem）：对任意 Hermite 矩阵 $A$，存在酉矩阵 $U$（满足 $U^* U = I$）使

其中 $\Lambda = \operatorname{diag}(\lambda_1, \ldots, \lambda_n)$，所有 $\lambda_i \in \mathbb{R}$。换言之，Hermite 矩阵可被酉对角化——这是实对称矩阵正交对角化在复空间上的完美推广。等价表述为：$\mathbb{C}^n$ 存在一组由 $A$ 的特征向量构成的标准正交基。此结论使 Hermite 矩阵与对角化、特征值、正规矩阵理论深刻交织。

Hermite 矩阵是正规矩阵（满足 $A A^* = A^* A$）的特例：正规矩阵均可酉对角化，但仅 Hermite 矩阵对角化为纯实数。与之对偶的斜 Hermite 矩阵（$A = -A^*$）特征值全为纯虚数，可由 Hermite 矩阵乘以 $i$ 得到。

Hermite 矩阵与酉矩阵通过矩阵指数映射深邃相连：对任意 Hermite 矩阵 $A$，$e^{iA}$ 必为酉矩阵；反之，对任意酉矩阵 $U$，存在 Hermite 矩阵 $A$ 使 $U = e^{iA}$。此对应是 Lie 群 $\mathrm{U}(n)$ 与其 Lie 代数 $\mathfrak{u}(n)$（即斜 Hermite 矩阵构成的实空间）关系的矩阵体现。另一经典桥梁是 Cayley 变换：若 $A$ 为 Hermite 且 $-1$ 非其特征值，则 $U = (A - iI)(A + iI)^{-1}$ 为酉矩阵，该变换在数值分析与信号处理中频繁出现。

正定性与 Rayleigh 商

若 Hermite 矩阵 $A$ 满足对所有非零 $x \in \mathbb{C}^n$ 有 $x^* A x > 0$，则称 $A$ 为正定 Hermite 矩阵。等价条件包括：所有特征值严格大于零；所有顺序主子式为正。若只要求非负则为半正定。正定 Hermite 矩阵保证 Cholesky 分解 $A = L L^*$（$L$ 为下三角）的存在唯一性，在数值线性代数、统计学（协方差矩阵）、最优化（牛顿法）中广泛应用。

对一般 Hermite 矩阵可定义 Rayleigh 商：

Rayleigh 商恒为实数且取值介于最小与最大特征值之间。Courant-Fischer 极小极大定理以子空间极值精确刻画第 $k$ 大特征值：

此变分刻画是研究特征值扰动、特征值交织定理（Cauchy 交织）与 Weyl 不等式的理论基石。

Hermite 矩阵之间可引入 Loewner 偏序：定义 $A \succeq B$ 当且仅当 $A - B$ 半正定。此偏序在凸优化、随机矩阵理论与量子信息中广泛使用。例如矩阵函数 $f(A)$ 的单调性（若 $A \succeq B$ 是否蕴含 $f(A) \succeq f(B)$）与 Löwner 定理紧密相关。此外， Weyl 不等式给出了 Hermite 矩阵之和的特征值上下界：对任意 $A, B$ Hermite，$\lambda_{i+j-1}(A+B) \leq \lambda_i(A) + \lambda_j(B)$，这一结论是特征值扰动理论的支柱。

量子力学中的 Hermite 算子

在量子力学的数学形式化中，物理可观测量——位置、动量、角动量、能量、自旋——均由（无穷维）Hilbert 空间上的自伴算子（Hermite 算子的泛函推广）表示。实特征值确保测量结果为实数，正交特征向量则对应不同测量结果的本征态之间互不相干。薛定谔方程中的 Hamilton 量 $\hat{H}$ 即为 Hermite 算子，其谱分解给出量子系统的所有可能能级；不确定性关系的推导亦根植于 Hermite 算子的非对易代数结构。测量后态的波函数坍缩假说——系统以概率 $|c_n|^2$ 坍缩至某本征态——亦以 Hermite 算子的谱分解 $A = \sum_n a_n |n\rangle\langle n|$ 为代数前提。

工程与计算中的 Hermite 矩阵

Hermite 正定矩阵在工程中扮演关键角色。控制理论中，Lyapunov 方程 $A^* P + P A = -Q$ 的解 $P$ 为 Hermite 正定，用于判定系统稳定性。MIMO 通信系统中，信道矩阵经 Hermite 变换 $H^* H$ 后刻画信道容量。谱聚类、主成分分析等机器学习方法的核矩阵常为 Hermite（或实对称），其谱分解构成算法核心。此外，共轭梯度法等大规模线性系统求解器依赖于 Hermite 正定结构以实现快速收敛。

在统计学中，多元正态分布的协方差矩阵为 Hermite（实情形为对称）正定矩阵，其极大似然估计涉及 Hermite 矩阵的行列式与逆的梯度计算。随机矩阵理论中的 Wishart 分布——样本协方差矩阵的分布——定义于 Hermite 正定锥上，在高维统计与压缩感知中有核心地位。纯数学方面，Hermite 于 1855 年证明了 $e$ 的超越性，其矩阵冠名工作则源自对二次型分类问题的系统研究，至今已渗透至现代数学物理的几乎所有分支。