小公司企业简介怎么写/黑帽seo优化软件

为了完整地展示线性代数，我们必须包含复数。即使矩阵是实的，特征值和特征向量也经常会是复数。

1. 虚数回顾

虚数由实部和虚部组成，虚数相加时实部和实部相加，虚部和虚部相加，虚数相乘时则利用 。

在虚平面，虚数 是位于坐标 的一个点。复数 的共轭为 。

在极坐标下，复数则可以写作模长和极角的形式。

两个复数相乘是模长相乘，极角相加。

2. 厄米特(Hermitian)矩阵和酉(Unitary)矩阵

这部分的重点可以用一句话来介绍：当你对一个复数向量或者矩阵进行转置时，同时对它们取共轭。

为什么要这样做呢？一个理由是复数向量长度的特殊性。针对实向量，其长度的平方为 ，但复数向量长度的平方并不是 。比如 长度的平方并不是 ，而应该是 。

我们定义一个新符号，，来表示向量的共轭转置，这个符号也可以应用到矩阵中去。

同时，我们也要对向量的内积定义进行一下扩展，但内积为零仍然表明正交。

这时候，向量的顺序就变得重要了。

一个厄米特矩阵满足 ，每一个实对称矩阵都是厄米特的，因为实数的共轭还是它本身。

如果 ， 是任意向量，那么 是实数。

来自对角线上的两项都是实数，而来自非对角线上的两项互为共轭，相加之后也为实数。

厄米特矩阵的每个特征值都是实数。

上式左边为实数， 是长度的平方，是正实数，所以特征值也必须为实数。

厄米特矩阵对应于不同特征值的特征向量是正交的。

比较 (1) 式和 (2) 式可得，两式左边相等，所以右边应该也相等。又由于两个特征值不一样，所以有 ，两个特征向量正交。

酉矩阵是一个有着标准正交列的方阵。

任意有着标准正交列的矩阵满足 ，如果它还是一个方阵，那么有 。

一个酉矩阵乘以任意向量，向量的长度保持不变。

而且，酉矩阵的所有特征值的绝对值都为 1。

最后，我们来总结一下实数和虚数向量以及矩阵之间的一些概念迁移。

推荐阅读：

RAM: Residual Attention Module for Single Image Super-Resolution

线性代数之——傅里叶级数