1. 从欧氏空间到酉空间内积的复数化改了什么高等代数讲到度量线性空间这一章前面的欧氏空间相对好接受毕竟是实数域长度、夹角都有几何直觉兜底。到了酉空间不少同学开始蒙圈——内积的对称性变成了共轭对称性第一变元是共轭线性的标准正交基下的度量矩阵成了埃尔米特矩阵。一系列复数版概念涌过来最本质的东西其实是同一个我们仍然在描述长度和夹角只是换到了复数域。为什么非要有这么一套理论因为实系数多项式在实数域里可能没有根但特征多项式在复数域里一定可以分解成一次因式。这一条代数基本定理直接决定了复线性变换的结构远比实线性变换简单。正交变换在欧氏空间里没那么容易对角化但酉变换在酉空间里总是可以幺正对角化即通过酉矩阵化为对角形。读这一节时脑子里始终要有一条主线酉空间 复线性空间 一个带共轭的内积而酉变换、埃尔米特变换、正规变换都是从这个内积出发长出来的特殊变换类。1.1 内积定义的四个条件哪一条变了设 (V) 是复数域 (\mathbb{C}) 上的线性空间。(V) 上内积定义为满足下面条件的二元函数 (\langle x,y\rangle)共轭对称性(\langle x,y\rangle\overline{\langle y,x\rangle})对第一变元线性(\langle kx,y\ranglek\langle x,y\rangle)(\langle xy,z\rangle\langle x,z\rangle\langle y,z\rangle)正定性(\langle x,x\rangle\ge 0)且等号成立当且仅当 (x0)。和欧氏空间内积分歧最大的一处就是共轭对称性。实数域里 (\langle x,y\rangle\langle y,x\rangle)因为实数的共轭等于自己但复数不行(\langle x,y\rangle) 和 (\langle y,x\rangle) 是共轭关系。这个变化带来的连锁反应是如果对第二变元取线性会少一个共轭。事实上由共轭对称性和第一变元线性可以推出对第二变元是共轭线性的即 (\langle x,ky\rangle\overline{k}\langle x,y\rangle)。这是酉空间内积最容易被忽略的运算规则——提取第二个变元的常数因子时要提取它的共轭。很多人在这里问为什么不能规定对两个变元都线性答案是那样无法保证 (\langle x,x\rangle) 一定是个非负实数。正定性要求 (\langle x,x\rangle) 必须是实数而 (\langle x,x\rangle\overline{\langle x,x\rangle}) 自动推出它是实数这个性质严重依赖第一条共轭对称性。所以一边线性、一边共轭线性不是约定俗成而是逻辑必然。1.2 度量矩阵从对称矩阵变成埃尔米特矩阵取酉空间 (V) 的一组基 (\varepsilon_1,\varepsilon_2,\dots,\varepsilon_n)令[ a_{ij}\langle \varepsilon_i,\varepsilon_j\rangle ]则矩阵 (A(a_{ij})) 称为这组基下的度量矩阵。由共轭对称性可知 (a_{ij}\overline{a_{ji}})即 (A^{}A)这就是埃尔米特矩阵。同时正定性要求对任意非零坐标向量 (x)都有 (x^{}Ax\ge 0)称之为正定埃尔米特矩阵。理解这一步很关键欧氏空间里度量矩阵是对称矩阵酉空间里度量矩阵是埃尔米特矩阵两者逻辑位置完全平行。以后遇到的结论几乎都可以按这个平行关系去对照记忆。比如两组基下度量矩阵的合同关系实数域写 (BC^{T}AC)复数域写 (BC^{*}AC)。一个经常被忽略的小细节坐标向量的内积公式在酉空间里是 (\langle x,y\rangle\boldsymbol{x}^{*}A\boldsymbol{y})注意是 (x) 的共轭转置乘以 (A) 再乘以 (y)而不是 (x^{T})。很多题目做错都错在这一步。2. 酉空间的基本几何长度不变但夹角的意义变了有了内积就可以定义向量的长度[ |x|\sqrt{\langle x,x\rangle} ]注意 (\langle x,x\rangle) 是正实数所以开方没有问题。两个向量 (x,y) 的夹角则通过[ \cos\theta\frac{\operatorname{Re}\langle x,y\rangle}{|x||y|} ]来定义。这里和欧氏空间有一点微妙差异复数域上 (\langle x,y\rangle) 一般是复数其余弦值未必落在 ([-1,1])所以余弦定理叙述起来很别扭。好在高等代数课程里很少真正用夹角做什么核心在标准正交基和酉对角化所以不用把过多精力放在几何直觉上。2.1 标准正交基的存在性施密特正交化还是那套酉空间是否一定有标准正交基答案是肯定的方法就是复的施密特正交化。步骤和欧氏空间一模一样唯一的区别是投影系数里要取共轭[ \beta_k\alpha_k-\sum_{j1}^{k-1}\langle \alpha_k,\beta_j\rangle注意这里投影系数是 (\alpha_k,\beta_j)/(\beta_j,\beta_j) 需要用共轭 ]经常有同学在复正交化时算错系数。记住一个口诀计算 (\langle \alpha_k,\beta_j\rangle) 时第一个变元是 (\alpha_k)第二个是 (\beta_j)但是当把系数乘回 (\beta_j) 时这个系数恰好是上述内积除以 (|\beta_j|^2) 的复数不用再取共轭。实际上由内积第一变元线性(\langle \alpha_k-\sum c_j\beta_j,\beta_i\rangle0) 解出 (c_i\frac{\langle \alpha_k,\beta_i\rangle}{\langle \beta_i,\beta_i\rangle})。整个过程和实数的区别只是算内积的时候多一道共轭其他没什么两样。2.2 标准正交基下的坐标与 Parseval 恒等式若 (\varepsilon_1,\dots,\varepsilon_n) 是标准正交基则任意向量 (x) 有[ x\sum_{i1}^{n}\langle x,\varepsilon_i\rangle\varepsilon_i ]于是[ |x|^2\sum_{i1}^{n}|\langle x,\varepsilon_i\rangle|^2 ]这个式子也叫 Parseval 恒等式常用于把内积计算化归为坐标向量的标准内积。在酉空间里它是 (\sum |z_i|^2)而不是 (\sum z_i^2)。这一点看似简单却是后续证明中最常用的工具只要选定标准正交基内积就化为标准的 (\sum x_i\overline{y_i})复杂的变换就变成了矩阵运算。标准正交基的存在还带来一个直接结论任何正定埃尔米特矩阵 (A)都存在可逆矩阵 (C) 使得 (C^{*}ACI)。这对应欧氏空间里正定对称矩阵合同于单位矩阵的复数版本。证明思路也是选取一组标准正交基构造过渡矩阵。3. 酉变换保持内积的复线性变换定义不复杂酉空间 (V) 上的线性变换 (\mathcal{U}) 若满足[ \langle \mathcal{U}x,\mathcal{U}y\rangle\langle x,y\rangle,\quad \forall x,y\in V ]就称为酉变换。这是正交变换在复数域上的平行概念。因为内积不变所以长度、正交性、标准正交基全部保持几何上勉强可以理解为复空间中的刚性变换。3.1 酉变换的等价条件一个比一个好记判别一个线性变换是不是酉变换可以从很多侧面看。最常用的是下面几条等价条件(\mathcal{U}) 保持内积(\mathcal{U}) 保持长度即 (|\mathcal{U}x||x|) 对所有 (x) 成立(\mathcal{U}) 把标准正交基映为标准正交基(\mathcal{U}) 在标准正交基下的矩阵 (U) 满足 (U^{}UI)即 (U^{}U^{-1})。这里特别推荐保持长度等价于保持内积这条。证明用极化恒等式复版本[ \langle x,y\rangle\frac{1}{4}\left(|xy|^2-|x-y|^2i|xiy|^2-i|x-iy|^2\right) ]只要等式右边每一块的范数都不变左边自然不变。实数版本没有最后两项带虚数的部分而复版本必须有这几项才能凑出完整的实部和虚部。平时做选择题判断一个复矩阵是否酉矩阵最推荐直接算 (U^{*}U) 是否等于 (I)这个方法最稳也最省事。3.2 酉矩阵的结构列向量是标准正交基在标准正交基下酉变换对应的矩阵 (U) 称为酉矩阵。展开 (U^{}UI)对角线上的元素就是各列向量与自己内积的模平方非对角线元素是不同列向量的内积。所以条件 (U^{}UI) 等价于说酉矩阵的列向量构成一组标准正交基。由于 (U^{*}U^{-1})同时可以推出行向量也是标准正交基。酉矩阵的典型例子非常多对角元模长为1的对角矩阵比如 (\operatorname{diag}(e^{i\theta_1},e^{i\theta_2},\dots,e^{i\theta_n}))再比如[ \begin{pmatrix} \cos\theta -\sin\theta \ \sin\theta \cos\theta \end{pmatrix} ]只是现在允许 (\theta) 取任意实数。复数域上的旋转矩阵和实数版形式上几乎一样只是过去它描述的是平面旋转现在依然是某种角度意义上的变换。3.3 酉变换的特征值为什么都是模长为1设 (\lambda) 是酉变换 (\mathcal{U}) 的特征值对应单位特征向量 (x)即 (|x|1)。由内积保持性[ \langle \mathcal{U}x,\mathcal{U}x\rangle\langle \lambda x,\lambda x\rangle|\lambda|^2\langle x,x\rangle ]而左边等于 (\langle x,x\rangle)所以 (|\lambda|^21)。这是酉变换最重要的谱性质比正交变换实特征值为 (\pm1)来得更干净——因为复数域上特征值未必是实数所以用模长1来描述。更妙的是酉变换在复数域上必定可以酉对角化。这和实正交变换不同实正交矩阵的特征多项式在实数域上未必能全部分解但复数域上肯定能所以酉变换的可对角化性质是天然的。后面讲正规变换时会看到酉变换只是正规变换的特例而正规变换的核心定理正是酉对角化。4. 埃尔米特变换与埃尔米特矩阵复数域的实对称每当遇到一个新的变换类我总是先问它在标准正交基下对应的矩阵是什么样埃尔米特变换的定义是[ \langle \mathcal{A}x,y\rangle\langle x,\mathcal{A}y\rangle,\quad \forall x,y\in V ]在标准正交基下取矩阵 (A)可以推出 (A^{*}A)即 (A) 是埃尔米特矩阵。所以埃尔米特变换与埃尔米特矩阵是一一对应的。从结构上看它相当于实对称变换在复数域的升级版。4.1 为什么埃尔米特矩阵的特征值一定是实数这是本节最漂亮的一个结论。设 (\lambda) 是埃尔米特矩阵 (A) 的特征值(x) 是特征向量且 (|x|1)。则[ \lambda\lambda\langle x,x\rangle\langle \lambda x,x\rangle\langle Ax,x\rangle ]而另一方面[ \overline{\lambda}\langle x,\lambda x\rangle\langle x,Ax\rangle\langle Ax,x\rangle\lambda ]注意这里第三步用了埃尔米特矩阵的定义 (\langle Ax,x\rangle\langle x,Ax\rangle)。所以 (\lambda\overline{\lambda})即 (\lambda) 是实数。这个证明简洁、优美、必须背下来。考试常考的就是与本题类似的一个变体证明埃尔米特矩阵的属于不同特征值的特征向量在不同特征值下互相正交。设 (\lambda_1\neq\lambda_2)由[ \lambda_1\langle x,y\rangle\langle Ax,y\rangle\langle x,Ay\rangle\lambda_2\langle x,y\rangle ]而 (\lambda_1,\lambda_2) 都是复数注意这一步要把第二个 (\lambda_2) 取共轭处理但因为我们已证明 (\lambda_2) 是实数所以可以直接提出得到 ((\lambda_1-\lambda_2)\langle x,y\rangle0)从而 (\langle x,y\rangle0)。4.2 反埃尔米特变换与酉变换中的指数映射与埃尔米特变换平行的还有反埃尔米特变换[ \mathcal{B}^{*}-\mathcal{B} ]对应矩阵满足 (B^{*}-B)。它在物理和微分方程里随处可见例如波动方程的时间演化算子经常写成这种形式。它和酉变换之间有一个非常优雅的联系如果 (B) 是反埃尔米特矩阵那么 (e^{B})矩阵指数是酉矩阵。反过来任意酉矩阵 (U) 都可以写成 (e^{B}) 的形式其中 (B) 是反埃尔米特矩阵。有兴趣的读者不妨验证一个方向若 (B^{*}-B)则[ (e^{B})^{}e^{B^{}}e^{-B}(e^{B})^{-1} ]所以 (e^{B}) 是酉矩阵。这不是考试重点但它能帮你理解为什么酉变换的特征值都落在单位圆上——指数函数把纯虚数映到模长为1的复数和景一致。5. 正规变换将酉、埃尔米特、反埃尔米特统一起来的框架到这一步我们已经有了酉变换特征值模长1、埃尔米特变换特征值实数、反埃尔米特变换特征值纯虚数。三种变换的共同点是都可以被酉对角化。能不能把它们统一在一个概念之下这就是正规变换的作用。定义复方阵 (A) 称为正规矩阵如果[ A^{}AAA^{} ]线性变换的版本类似(\mathcal{A}^{}\mathcal{A}\mathcal{A}\mathcal{A}^{})。题目里判断一个矩阵是否正规最直接的方法就是算两个乘积看看是否相等。5.1 为什么正规可以推出酉对角化正规矩阵最重要的性质是存在酉矩阵 (U)使得 (U^{*}AU) 为对角矩阵。反之也成立如果一个复矩阵可以被某个酉矩阵对角化那它必然是正规矩阵。所以正规矩阵等价于可酉对角化这是本节所有定理的顶点。证明思路值得梳理一下因为很多证明题会用到中间引理。大致分成三步正规矩阵的属于不同特征值的特征向量彼此正交。不妨设 (Ax\lambda x)(Ay\mu y)(\lambda\neq\mu)。关键的一步是证明 (A^{}y\overline{\mu}y)即 (y) 也是 (A^{}) 的特征向量。计算 [ |A^{}y-\overline{\mu}y|^2\langle A^{}y-\overline{\mu}y,A^{}y-\overline{\mu}y\rangle ] 利用 (A^{}AAA^{*}) 展开可以算出等于0。这一步是正规性的核心用途没有它整个证明无法展开。如果正规矩阵有一个不变子空间那么它的正交补也是不变子空间。这个性质来自 (A^{*}) 与 (A) 可交换的性质。归纳法。取一个特征向量张成不变子空间反复使用第2步最后把所有特征向量拼成一组标准正交基。这套证明逻辑在书中通常放在定理的证明里考研复试或高代讨论班常会问为什么正规矩阵可以酉对角化能完整说出这三步基本就是过关了。5.2 三类特殊变换如何统一现在回到这个框架里看若 (A^{}AAA^{}) 且 (A^{*}A^{-1})即酉矩阵则它是正规矩阵特征值模长1若 (A^{}AAA^{}) 且 (A^{*}A)即埃尔米特矩阵则它是正规矩阵特征值实数若 (A^{}AAA^{}) 且 (A^{*}-A)即反埃尔米特矩阵则它是正规矩阵特征值纯虚数。下面这个表可以帮你快速对照记忆变换类型矩阵条件特征值分布是否正规酉变换(U^{*}UI)(|\lambda|1)是埃尔米特变换(A^{*}A)(\lambda\in\mathbb{R})是反埃尔米特变换(B^{*}-B)(\operatorname{Re}\lambda0)是一般正规变换(A^{}AAA^{})无特殊限制是注意普通复矩阵即使可以对角化也不一定能用酉矩阵对角化。比如[ A\begin{pmatrix} 1 1\ 0 1 \end{pmatrix} ]它有重特征值且不可对角化属于明显的反例。而[ B\begin{pmatrix} 1 1\ 0 2 \end{pmatrix} ]可以对角化但 (B^{}B\neq BB^{})所以不能酉对角化。这说明酉对角化要求比普通对角化更强背后是特征向量必须互相正交这套额外的结构要求。6. 解题实战酉空间典型题型与易错点到了这一节把考点和常见问题整理一遍你会发现每年课程考试或考研题里的高频题型其实很固定。6.1 判断一个矩阵是否正规先算 (A^A) 和 (AA^)判断步骤非常简单算出 (A^{*})先转置再逐元素共轭分别计算 (A^{}A) 和 (AA^{})比较两个乘积是否相等。一个课上经常出现的等价结论是对任意方阵 (A)均有[ \operatorname{tr}(A^{*}A)\sum_{i,j}|a_{ij}|^2 ]若 (A) 正规则 (A^{}A) 和 (AA^{}) 都是非负定埃尔米特矩阵且迹相等这可以用来快速排除明显非正规的矩阵。但如果两个乘积算出来都是对角矩阵就很可能正规再仔细验证即可。6.2 构造反例不可酉对角化却可对角化很多同学刚学完谱定理会错误地以为能对角化和能酉对角化是一回事。这里给一个最常见的反例[ A\begin{pmatrix} 1 1\ 0 2 \end{pmatrix} ]特征值是1和2显然可以对角化[ AP^{-1}\operatorname{diag}(1,2)P ]但算一下[ A^{*}A\begin{pmatrix} 1 0\ 1 2 \end{pmatrix}\begin{pmatrix} 1 1\ 0 2 \end{pmatrix}\begin{pmatrix} 1 1\ 1 5 \end{pmatrix} ]而[ AA^{*}\begin{pmatrix} 1 1\ 0 2 \end{pmatrix}\begin{pmatrix} 1 0\ 1 2 \end{pmatrix}\begin{pmatrix} 2 2\ 2 4 \end{pmatrix} ]两个乘积不相同所以 (A) 不是正规矩阵也就不可能通过酉矩阵化为对角形。这个例子建议反复手算一遍理解特征向量是否正交才是关键。6.3 利用特征值快速判断变换类型有一类题目给一个具体的复矩阵 (A)问它能否酉对角化、特征值有什么分布、是不是酉矩阵等等。这类题可以从特征值的分布快速入手若 (A) 是埃尔米特矩阵则特征值实数可以直接考虑对角矩阵 (\operatorname{diag}(\lambda_1,\dots,\lambda_n))若 (A) 是酉矩阵则特征值模长为1对角矩阵的每个对角元都在单位圆周上若 (A) 是正规矩阵则特征值没什么限制但特征向量必须构成标准正交基。在实际解题过程中算特征多项式、解特征向量、做施密特正交化这三件套在酉空间题型里的出现频率极高。得多练几道形成肌肉记忆。6.4 一个高频证明题埃尔米特变换在标准正交基下的矩阵是埃尔米特矩阵题目常以文字表述为若 (\mathcal{A}) 是酉空间上的埃尔米特变换证明它在标准正交基下的矩阵满足 (A^{*}A)。证明思路设 (\varepsilon_1,\dots,\varepsilon_n) 是标准正交基令 (A(a_{ij}))其中[ a_{ij}\langle \mathcal{A}\varepsilon_j,\varepsilon_i\rangle ]由埃尔米特变换的定义[ \overline{a_{ji}}\overline{\langle \mathcal{A}\varepsilon_i,\varepsilon_j\rangle} \langle \varepsilon_j,\mathcal{A}\varepsilon_i\rangle \langle \mathcal{A}^*\varepsilon_j,\varepsilon_i\rangle \langle \mathcal{A}\varepsilon_j,\varepsilon_i\ranglea_{ij} ]所以 (A^{}A)。这个等式链条里最关键的是第三步用到 (\mathcal{A}^{}\mathcal{A})第四步回到矩阵元素定义。这类证明几乎不需要计算但每一步都要明白依据是内积的共轭对称性、线性还是埃尔米特性质。6.5 审题时的三个坑最后分享三个实际解题中容易踩的坑都是我在教学中反复强调过的。坑一把 (\langle x,y\rangle) 和 (\overline{\langle x,y\rangle}) 混为一谈。在复数域里(\langle x,y\rangle) 和 (\langle y,x\rangle) 并不是同一个数而是共轭关系。遇到提取常数时尤其要小心从第一变元提取是原样提取从第二变元提取要取共轭。很多同学题目算到最后发现实部虚部对不上多半都是这里出了问题。坑二忘记酉矩阵的行向量也要构成标准正交基。我见过不少同学只验证列向量却忽略了 (U^{}UI) 同时意味着 (UU^{}I)。验证行向量与列向量都正交很有必要特别是在做矩阵的 QR 分解或酉相似变换时行方向一旦出错后续全乱。坑三把正规和可对角化划等号。可对角化只要求存在可逆矩阵 (P)而酉对角化要求存在酉矩阵 (U)后者对特征向量有正交性要求。题目问能否被酉矩阵对角化必须用正规性来判断不能只算特征值。这些坑平时做题未必能全部踩到但考试时一旦踩中丢分往往是大面积的。所以写题目的时候我习惯在草稿纸开头就写清楚这是酉空间还是欧氏空间再决定用什么公式——很多时候错误不是不会做而是空间性质判断错了导致整套计算跑偏。 酉空间核心解析：内积、埃尔米特矩阵与酉对角化
1. 从欧氏空间到酉空间内积的复数化改了什么高等代数讲到度量线性空间这一章前面的欧氏空间相对好接受毕竟是实数域长度、夹角都有几何直觉兜底。到了酉空间不少同学开始蒙圈——内积的对称性变成了共轭对称性第一变元是共轭线性的标准正交基下的度量矩阵成了埃尔米特矩阵。一系列复数版概念涌过来最本质的东西其实是同一个我们仍然在描述长度和夹角只是换到了复数域。为什么非要有这么一套理论因为实系数多项式在实数域里可能没有根但特征多项式在复数域里一定可以分解成一次因式。这一条代数基本定理直接决定了复线性变换的结构远比实线性变换简单。正交变换在欧氏空间里没那么容易对角化但酉变换在酉空间里总是可以幺正对角化即通过酉矩阵化为对角形。读这一节时脑子里始终要有一条主线酉空间 复线性空间 一个带共轭的内积而酉变换、埃尔米特变换、正规变换都是从这个内积出发长出来的特殊变换类。1.1 内积定义的四个条件哪一条变了设 (V) 是复数域 (\mathbb{C}) 上的线性空间。(V) 上内积定义为满足下面条件的二元函数 (\langle x,y\rangle)共轭对称性(\langle x,y\rangle\overline{\langle y,x\rangle})对第一变元线性(\langle kx,y\ranglek\langle x,y\rangle)(\langle xy,z\rangle\langle x,z\rangle\langle y,z\rangle)正定性(\langle x,x\rangle\ge 0)且等号成立当且仅当 (x0)。和欧氏空间内积分歧最大的一处就是共轭对称性。实数域里 (\langle x,y\rangle\langle y,x\rangle)因为实数的共轭等于自己但复数不行(\langle x,y\rangle) 和 (\langle y,x\rangle) 是共轭关系。这个变化带来的连锁反应是如果对第二变元取线性会少一个共轭。事实上由共轭对称性和第一变元线性可以推出对第二变元是共轭线性的即 (\langle x,ky\rangle\overline{k}\langle x,y\rangle)。这是酉空间内积最容易被忽略的运算规则——提取第二个变元的常数因子时要提取它的共轭。很多人在这里问为什么不能规定对两个变元都线性答案是那样无法保证 (\langle x,x\rangle) 一定是个非负实数。正定性要求 (\langle x,x\rangle) 必须是实数而 (\langle x,x\rangle\overline{\langle x,x\rangle}) 自动推出它是实数这个性质严重依赖第一条共轭对称性。所以一边线性、一边共轭线性不是约定俗成而是逻辑必然。1.2 度量矩阵从对称矩阵变成埃尔米特矩阵取酉空间 (V) 的一组基 (\varepsilon_1,\varepsilon_2,\dots,\varepsilon_n)令[ a_{ij}\langle \varepsilon_i,\varepsilon_j\rangle ]则矩阵 (A(a_{ij})) 称为这组基下的度量矩阵。由共轭对称性可知 (a_{ij}\overline{a_{ji}})即 (A^{}A)这就是埃尔米特矩阵。同时正定性要求对任意非零坐标向量 (x)都有 (x^{}Ax\ge 0)称之为正定埃尔米特矩阵。理解这一步很关键欧氏空间里度量矩阵是对称矩阵酉空间里度量矩阵是埃尔米特矩阵两者逻辑位置完全平行。以后遇到的结论几乎都可以按这个平行关系去对照记忆。比如两组基下度量矩阵的合同关系实数域写 (BC^{T}AC)复数域写 (BC^{*}AC)。一个经常被忽略的小细节坐标向量的内积公式在酉空间里是 (\langle x,y\rangle\boldsymbol{x}^{*}A\boldsymbol{y})注意是 (x) 的共轭转置乘以 (A) 再乘以 (y)而不是 (x^{T})。很多题目做错都错在这一步。2. 酉空间的基本几何长度不变但夹角的意义变了有了内积就可以定义向量的长度[ |x|\sqrt{\langle x,x\rangle} ]注意 (\langle x,x\rangle) 是正实数所以开方没有问题。两个向量 (x,y) 的夹角则通过[ \cos\theta\frac{\operatorname{Re}\langle x,y\rangle}{|x||y|} ]来定义。这里和欧氏空间有一点微妙差异复数域上 (\langle x,y\rangle) 一般是复数其余弦值未必落在 ([-1,1])所以余弦定理叙述起来很别扭。好在高等代数课程里很少真正用夹角做什么核心在标准正交基和酉对角化所以不用把过多精力放在几何直觉上。2.1 标准正交基的存在性施密特正交化还是那套酉空间是否一定有标准正交基答案是肯定的方法就是复的施密特正交化。步骤和欧氏空间一模一样唯一的区别是投影系数里要取共轭[ \beta_k\alpha_k-\sum_{j1}^{k-1}\langle \alpha_k,\beta_j\rangle注意这里投影系数是 (\alpha_k,\beta_j)/(\beta_j,\beta_j) 需要用共轭 ]经常有同学在复正交化时算错系数。记住一个口诀计算 (\langle \alpha_k,\beta_j\rangle) 时第一个变元是 (\alpha_k)第二个是 (\beta_j)但是当把系数乘回 (\beta_j) 时这个系数恰好是上述内积除以 (|\beta_j|^2) 的复数不用再取共轭。实际上由内积第一变元线性(\langle \alpha_k-\sum c_j\beta_j,\beta_i\rangle0) 解出 (c_i\frac{\langle \alpha_k,\beta_i\rangle}{\langle \beta_i,\beta_i\rangle})。整个过程和实数的区别只是算内积的时候多一道共轭其他没什么两样。2.2 标准正交基下的坐标与 Parseval 恒等式若 (\varepsilon_1,\dots,\varepsilon_n) 是标准正交基则任意向量 (x) 有[ x\sum_{i1}^{n}\langle x,\varepsilon_i\rangle\varepsilon_i ]于是[ |x|^2\sum_{i1}^{n}|\langle x,\varepsilon_i\rangle|^2 ]这个式子也叫 Parseval 恒等式常用于把内积计算化归为坐标向量的标准内积。在酉空间里它是 (\sum |z_i|^2)而不是 (\sum z_i^2)。这一点看似简单却是后续证明中最常用的工具只要选定标准正交基内积就化为标准的 (\sum x_i\overline{y_i})复杂的变换就变成了矩阵运算。标准正交基的存在还带来一个直接结论任何正定埃尔米特矩阵 (A)都存在可逆矩阵 (C) 使得 (C^{*}ACI)。这对应欧氏空间里正定对称矩阵合同于单位矩阵的复数版本。证明思路也是选取一组标准正交基构造过渡矩阵。3. 酉变换保持内积的复线性变换定义不复杂酉空间 (V) 上的线性变换 (\mathcal{U}) 若满足[ \langle \mathcal{U}x,\mathcal{U}y\rangle\langle x,y\rangle,\quad \forall x,y\in V ]就称为酉变换。这是正交变换在复数域上的平行概念。因为内积不变所以长度、正交性、标准正交基全部保持几何上勉强可以理解为复空间中的刚性变换。3.1 酉变换的等价条件一个比一个好记判别一个线性变换是不是酉变换可以从很多侧面看。最常用的是下面几条等价条件(\mathcal{U}) 保持内积(\mathcal{U}) 保持长度即 (|\mathcal{U}x||x|) 对所有 (x) 成立(\mathcal{U}) 把标准正交基映为标准正交基(\mathcal{U}) 在标准正交基下的矩阵 (U) 满足 (U^{}UI)即 (U^{}U^{-1})。这里特别推荐保持长度等价于保持内积这条。证明用极化恒等式复版本[ \langle x,y\rangle\frac{1}{4}\left(|xy|^2-|x-y|^2i|xiy|^2-i|x-iy|^2\right) ]只要等式右边每一块的范数都不变左边自然不变。实数版本没有最后两项带虚数的部分而复版本必须有这几项才能凑出完整的实部和虚部。平时做选择题判断一个复矩阵是否酉矩阵最推荐直接算 (U^{*}U) 是否等于 (I)这个方法最稳也最省事。3.2 酉矩阵的结构列向量是标准正交基在标准正交基下酉变换对应的矩阵 (U) 称为酉矩阵。展开 (U^{}UI)对角线上的元素就是各列向量与自己内积的模平方非对角线元素是不同列向量的内积。所以条件 (U^{}UI) 等价于说酉矩阵的列向量构成一组标准正交基。由于 (U^{*}U^{-1})同时可以推出行向量也是标准正交基。酉矩阵的典型例子非常多对角元模长为1的对角矩阵比如 (\operatorname{diag}(e^{i\theta_1},e^{i\theta_2},\dots,e^{i\theta_n}))再比如[ \begin{pmatrix} \cos\theta -\sin\theta \ \sin\theta \cos\theta \end{pmatrix} ]只是现在允许 (\theta) 取任意实数。复数域上的旋转矩阵和实数版形式上几乎一样只是过去它描述的是平面旋转现在依然是某种角度意义上的变换。3.3 酉变换的特征值为什么都是模长为1设 (\lambda) 是酉变换 (\mathcal{U}) 的特征值对应单位特征向量 (x)即 (|x|1)。由内积保持性[ \langle \mathcal{U}x,\mathcal{U}x\rangle\langle \lambda x,\lambda x\rangle|\lambda|^2\langle x,x\rangle ]而左边等于 (\langle x,x\rangle)所以 (|\lambda|^21)。这是酉变换最重要的谱性质比正交变换实特征值为 (\pm1)来得更干净——因为复数域上特征值未必是实数所以用模长1来描述。更妙的是酉变换在复数域上必定可以酉对角化。这和实正交变换不同实正交矩阵的特征多项式在实数域上未必能全部分解但复数域上肯定能所以酉变换的可对角化性质是天然的。后面讲正规变换时会看到酉变换只是正规变换的特例而正规变换的核心定理正是酉对角化。4. 埃尔米特变换与埃尔米特矩阵复数域的实对称每当遇到一个新的变换类我总是先问它在标准正交基下对应的矩阵是什么样埃尔米特变换的定义是[ \langle \mathcal{A}x,y\rangle\langle x,\mathcal{A}y\rangle,\quad \forall x,y\in V ]在标准正交基下取矩阵 (A)可以推出 (A^{*}A)即 (A) 是埃尔米特矩阵。所以埃尔米特变换与埃尔米特矩阵是一一对应的。从结构上看它相当于实对称变换在复数域的升级版。4.1 为什么埃尔米特矩阵的特征值一定是实数这是本节最漂亮的一个结论。设 (\lambda) 是埃尔米特矩阵 (A) 的特征值(x) 是特征向量且 (|x|1)。则[ \lambda\lambda\langle x,x\rangle\langle \lambda x,x\rangle\langle Ax,x\rangle ]而另一方面[ \overline{\lambda}\langle x,\lambda x\rangle\langle x,Ax\rangle\langle Ax,x\rangle\lambda ]注意这里第三步用了埃尔米特矩阵的定义 (\langle Ax,x\rangle\langle x,Ax\rangle)。所以 (\lambda\overline{\lambda})即 (\lambda) 是实数。这个证明简洁、优美、必须背下来。考试常考的就是与本题类似的一个变体证明埃尔米特矩阵的属于不同特征值的特征向量在不同特征值下互相正交。设 (\lambda_1\neq\lambda_2)由[ \lambda_1\langle x,y\rangle\langle Ax,y\rangle\langle x,Ay\rangle\lambda_2\langle x,y\rangle ]而 (\lambda_1,\lambda_2) 都是复数注意这一步要把第二个 (\lambda_2) 取共轭处理但因为我们已证明 (\lambda_2) 是实数所以可以直接提出得到 ((\lambda_1-\lambda_2)\langle x,y\rangle0)从而 (\langle x,y\rangle0)。4.2 反埃尔米特变换与酉变换中的指数映射与埃尔米特变换平行的还有反埃尔米特变换[ \mathcal{B}^{*}-\mathcal{B} ]对应矩阵满足 (B^{*}-B)。它在物理和微分方程里随处可见例如波动方程的时间演化算子经常写成这种形式。它和酉变换之间有一个非常优雅的联系如果 (B) 是反埃尔米特矩阵那么 (e^{B})矩阵指数是酉矩阵。反过来任意酉矩阵 (U) 都可以写成 (e^{B}) 的形式其中 (B) 是反埃尔米特矩阵。有兴趣的读者不妨验证一个方向若 (B^{*}-B)则[ (e^{B})^{}e^{B^{}}e^{-B}(e^{B})^{-1} ]所以 (e^{B}) 是酉矩阵。这不是考试重点但它能帮你理解为什么酉变换的特征值都落在单位圆上——指数函数把纯虚数映到模长为1的复数和景一致。5. 正规变换将酉、埃尔米特、反埃尔米特统一起来的框架到这一步我们已经有了酉变换特征值模长1、埃尔米特变换特征值实数、反埃尔米特变换特征值纯虚数。三种变换的共同点是都可以被酉对角化。能不能把它们统一在一个概念之下这就是正规变换的作用。定义复方阵 (A) 称为正规矩阵如果[ A^{}AAA^{} ]线性变换的版本类似(\mathcal{A}^{}\mathcal{A}\mathcal{A}\mathcal{A}^{})。题目里判断一个矩阵是否正规最直接的方法就是算两个乘积看看是否相等。5.1 为什么正规可以推出酉对角化正规矩阵最重要的性质是存在酉矩阵 (U)使得 (U^{*}AU) 为对角矩阵。反之也成立如果一个复矩阵可以被某个酉矩阵对角化那它必然是正规矩阵。所以正规矩阵等价于可酉对角化这是本节所有定理的顶点。证明思路值得梳理一下因为很多证明题会用到中间引理。大致分成三步正规矩阵的属于不同特征值的特征向量彼此正交。不妨设 (Ax\lambda x)(Ay\mu y)(\lambda\neq\mu)。关键的一步是证明 (A^{}y\overline{\mu}y)即 (y) 也是 (A^{}) 的特征向量。计算 [ |A^{}y-\overline{\mu}y|^2\langle A^{}y-\overline{\mu}y,A^{}y-\overline{\mu}y\rangle ] 利用 (A^{}AAA^{*}) 展开可以算出等于0。这一步是正规性的核心用途没有它整个证明无法展开。如果正规矩阵有一个不变子空间那么它的正交补也是不变子空间。这个性质来自 (A^{*}) 与 (A) 可交换的性质。归纳法。取一个特征向量张成不变子空间反复使用第2步最后把所有特征向量拼成一组标准正交基。这套证明逻辑在书中通常放在定理的证明里考研复试或高代讨论班常会问为什么正规矩阵可以酉对角化能完整说出这三步基本就是过关了。5.2 三类特殊变换如何统一现在回到这个框架里看若 (A^{}AAA^{}) 且 (A^{*}A^{-1})即酉矩阵则它是正规矩阵特征值模长1若 (A^{}AAA^{}) 且 (A^{*}A)即埃尔米特矩阵则它是正规矩阵特征值实数若 (A^{}AAA^{}) 且 (A^{*}-A)即反埃尔米特矩阵则它是正规矩阵特征值纯虚数。下面这个表可以帮你快速对照记忆变换类型矩阵条件特征值分布是否正规酉变换(U^{*}UI)(|\lambda|1)是埃尔米特变换(A^{*}A)(\lambda\in\mathbb{R})是反埃尔米特变换(B^{*}-B)(\operatorname{Re}\lambda0)是一般正规变换(A^{}AAA^{})无特殊限制是注意普通复矩阵即使可以对角化也不一定能用酉矩阵对角化。比如[ A\begin{pmatrix} 1 1\ 0 1 \end{pmatrix} ]它有重特征值且不可对角化属于明显的反例。而[ B\begin{pmatrix} 1 1\ 0 2 \end{pmatrix} ]可以对角化但 (B^{}B\neq BB^{})所以不能酉对角化。这说明酉对角化要求比普通对角化更强背后是特征向量必须互相正交这套额外的结构要求。6. 解题实战酉空间典型题型与易错点到了这一节把考点和常见问题整理一遍你会发现每年课程考试或考研题里的高频题型其实很固定。6.1 判断一个矩阵是否正规先算 (A^A) 和 (AA^)判断步骤非常简单算出 (A^{*})先转置再逐元素共轭分别计算 (A^{}A) 和 (AA^{})比较两个乘积是否相等。一个课上经常出现的等价结论是对任意方阵 (A)均有[ \operatorname{tr}(A^{*}A)\sum_{i,j}|a_{ij}|^2 ]若 (A) 正规则 (A^{}A) 和 (AA^{}) 都是非负定埃尔米特矩阵且迹相等这可以用来快速排除明显非正规的矩阵。但如果两个乘积算出来都是对角矩阵就很可能正规再仔细验证即可。6.2 构造反例不可酉对角化却可对角化很多同学刚学完谱定理会错误地以为能对角化和能酉对角化是一回事。这里给一个最常见的反例[ A\begin{pmatrix} 1 1\ 0 2 \end{pmatrix} ]特征值是1和2显然可以对角化[ AP^{-1}\operatorname{diag}(1,2)P ]但算一下[ A^{*}A\begin{pmatrix} 1 0\ 1 2 \end{pmatrix}\begin{pmatrix} 1 1\ 0 2 \end{pmatrix}\begin{pmatrix} 1 1\ 1 5 \end{pmatrix} ]而[ AA^{*}\begin{pmatrix} 1 1\ 0 2 \end{pmatrix}\begin{pmatrix} 1 0\ 1 2 \end{pmatrix}\begin{pmatrix} 2 2\ 2 4 \end{pmatrix} ]两个乘积不相同所以 (A) 不是正规矩阵也就不可能通过酉矩阵化为对角形。这个例子建议反复手算一遍理解特征向量是否正交才是关键。6.3 利用特征值快速判断变换类型有一类题目给一个具体的复矩阵 (A)问它能否酉对角化、特征值有什么分布、是不是酉矩阵等等。这类题可以从特征值的分布快速入手若 (A) 是埃尔米特矩阵则特征值实数可以直接考虑对角矩阵 (\operatorname{diag}(\lambda_1,\dots,\lambda_n))若 (A) 是酉矩阵则特征值模长为1对角矩阵的每个对角元都在单位圆周上若 (A) 是正规矩阵则特征值没什么限制但特征向量必须构成标准正交基。在实际解题过程中算特征多项式、解特征向量、做施密特正交化这三件套在酉空间题型里的出现频率极高。得多练几道形成肌肉记忆。6.4 一个高频证明题埃尔米特变换在标准正交基下的矩阵是埃尔米特矩阵题目常以文字表述为若 (\mathcal{A}) 是酉空间上的埃尔米特变换证明它在标准正交基下的矩阵满足 (A^{*}A)。证明思路设 (\varepsilon_1,\dots,\varepsilon_n) 是标准正交基令 (A(a_{ij}))其中[ a_{ij}\langle \mathcal{A}\varepsilon_j,\varepsilon_i\rangle ]由埃尔米特变换的定义[ \overline{a_{ji}}\overline{\langle \mathcal{A}\varepsilon_i,\varepsilon_j\rangle} \langle \varepsilon_j,\mathcal{A}\varepsilon_i\rangle \langle \mathcal{A}^*\varepsilon_j,\varepsilon_i\rangle \langle \mathcal{A}\varepsilon_j,\varepsilon_i\ranglea_{ij} ]所以 (A^{}A)。这个等式链条里最关键的是第三步用到 (\mathcal{A}^{}\mathcal{A})第四步回到矩阵元素定义。这类证明几乎不需要计算但每一步都要明白依据是内积的共轭对称性、线性还是埃尔米特性质。6.5 审题时的三个坑最后分享三个实际解题中容易踩的坑都是我在教学中反复强调过的。坑一把 (\langle x,y\rangle) 和 (\overline{\langle x,y\rangle}) 混为一谈。在复数域里(\langle x,y\rangle) 和 (\langle y,x\rangle) 并不是同一个数而是共轭关系。遇到提取常数时尤其要小心从第一变元提取是原样提取从第二变元提取要取共轭。很多同学题目算到最后发现实部虚部对不上多半都是这里出了问题。坑二忘记酉矩阵的行向量也要构成标准正交基。我见过不少同学只验证列向量却忽略了 (U^{}UI) 同时意味着 (UU^{}I)。验证行向量与列向量都正交很有必要特别是在做矩阵的 QR 分解或酉相似变换时行方向一旦出错后续全乱。坑三把正规和可对角化划等号。可对角化只要求存在可逆矩阵 (P)而酉对角化要求存在酉矩阵 (U)后者对特征向量有正交性要求。题目问能否被酉矩阵对角化必须用正规性来判断不能只算特征值。这些坑平时做题未必能全部踩到但考试时一旦踩中丢分往往是大面积的。所以写题目的时候我习惯在草稿纸开头就写清楚这是酉空间还是欧氏空间再决定用什么公式——很多时候错误不是不会做而是空间性质判断错了导致整套计算跑偏。