学高等代数到第10章“具有度量的线性空间”很多人前面的欧氏空间明明还顺一进入酉空间就开始懵。原因很简单所有东西都从实数换成了复数内积的定义动了手术正交、对称、转置全都跟着变再加上酉变换、埃尔米特变换、正规变换三个概念一起压过来很容易陷入“每个定义都认识串不起来”的状态。这篇东西就是写给正在啃这一章的人尤其是考研党、需要复矩阵知识的理工科学生。我按自己复习时的思路把这一节重新捋了一遍先解释为什么复数内积要重新定义再把酉空间里与欧氏空间对应的结论逐一对照最后用完整的例题演算把酉变换、埃尔米特变换、正规变换的关系串起来。如果你正被“厄米特矩阵特征值是实数”和“正规矩阵为什么能对角化”这两件事卡住这篇应该能帮你把逻辑顺过来。1. 为什么需要酉空间从实数到复数的一次“升维”1.1 复数内积为什么不能直接照搬实数配方实数域上定义内积我们要求三条对称性、线性、正定性。到了复数域上第一条先出问题。你想如果在复向量空间里直接定义 [(x,y)x_1y_1\cdotsx_ny_n]那么向量 (x(1,i)) 自己跟自己的“内积”是 (1\cdot 1i\cdot i0)。一个非零向量的“长度平方”居然是零这完全破坏了正定性。欧氏空间里 (|x|^2(x,x)0) 是好用的你总不希望复数上一套就失效。所以复数域上的内积必须对第二个变量取共轭约定[ (x,y)x_1\overline{y_1}x_2\overline{y_2}\cdotsx_n\overline{y_n}. ]这样 ((x,x)|x_1|^2|x_2|^2\cdots|x_n|^2)每个 (|x_j|^2\ge 0)非零向量长度平方严格大于零正定性回来了。代价呢线性变成“一半线性一半共轭线性”对内积第一个变量保持线性第二个变量提系数时要取共轭数学上叫共轭双线性。再加上共轭对称性 ((x,y)\overline{(y,x)})这就是埃尔米特内积Hermite内积。提示部分教材把共轭放在第一个变量上本文统一采用第二变量共轭的约定。考试和阅读教材时先看清这本书的约定否则所有计算都会差一个共轭符号。1.2 酉空间与欧氏空间一张对照表带上正定埃尔米特内积的复线性空间就叫酉空间。它本质上是欧氏空间在复数域上的对应物。这一章后面所有内容都可以从这张对照表出发去理解概念欧氏空间实酉空间复内积((x,y)y^T x)双线性、对称((x,y)y^H x)共轭双线性、共轭对称二次型((x,Ax))矩阵对称((x,Ax))矩阵埃尔米特 (A^HA)长度(|x|\sqrt{(x,x)})同左但 ((x,x)) 是实数标准正交基正交矩阵 (Q^TQI)酉矩阵 (U^HUI)保持内积的变换正交变换酉变换优秀矩阵类实对称矩阵埃尔米特矩阵、正规矩阵这张表不用背自己推一遍更好。比如“为什么实对称矩阵到复数域对应埃尔米特矩阵而不是对称复矩阵”就是因为内积里多了共轭((x,Ax)) 要恒为实数单靠 (A^TA) 不够必须 (A^HA)。学这一章最好的心态是不要把它当全新知识把它当欧氏空间理论的“复数翻译版”。每个定理都找一找实域里的原型很多证明套路完全一样只是把转置换成共轭转置把实特征值换成熟知的性质。2. 酉空间里的“新常识”长度、正交与标准正交基2.1 范数和距离的计算细节酉空间里向量长度仍然定义为[ |x|\sqrt{(x,x)}\sqrt{|x_1|^2\cdots|x_n|^2}. ]看起来跟欧氏空间很像但有一个隐藏的坑长度平方里的每一项是模长平方不是直接平方。比如 (x(1i,2))它的长度平方是[ |1i|^2|2|^21^21^246, ]而不是 ((1i)^2422i4)。长度平方必须是实数这一性质后面证明埃尔米特矩阵特征值为实数时还会再用到。两个向量正交的定义照旧((x,y)0)。但计算之前必须先确认你用对了共轭。举个具体例子设 (x(i,1))(y(1,i))若按第二变量共轭的约定[ (x,y)i\cdot\overline{1}1\cdot\overline{i}i\cdot11\cdot(-i)0. ]所以 (x,y) 正交。如果你忘了给第二个分量 (i) 取共轭会算成 (2i)结论就反了。这是这一章最廉价的丢分点没有之一。2.2 施密特正交化在酉空间照样跑得通施密特正交化在酉空间中的公式和实域完全一样只是每一步的内积都要按复数规则算。我建议你亲手算一个例子比看十遍公式都管用。取 (\mathbb C^2) 中两个向量 (\alpha_1(1,i))(\alpha_2(1i,1))。第一步直接令[ \beta_1\alpha_1(1,i). ]第二步[ \beta_2\alpha_2-\frac{(\alpha_2,\beta_1)}{(\beta_1,\beta_1)}\beta_1. ]逐项算[ (\alpha_2,\beta_1)(1i)\cdot\overline{1}1\cdot\overline{i} (1i)\cdot11\cdot(-i)1. ][ (\beta_1,\beta_1)1\cdot\overline{1}i\cdot\overline{i}112. ]所以[ \beta_2(1i,1)-\frac12(1,i)\left(\frac12i,;1-\frac i2\right). ]不喜欢分数就整体乘2取 ((\beta_2)(12i,,2-i))。验证一下正交性[ (\beta_1,(\beta_2))1\cdot\overline{12i}i\cdot\overline{2-i} 1(1-2i)i(2i)1-2i2i-10. ]成立。整个流程跟欧氏空间几乎没有区别唯一要适应的是每次“提系数”都要记得取共轭。标准正交基的求法也照搬把正交基每个向量除以各自的长度。实操心得手动做施密特时第一轮算完 ((x,\beta_1)) 往往可以整体乘一个复数因子简化后面的书写只要保证方向不变即可。但简化前务必确认你乘的不是实数而是复数时后续内积计算要带共轭别把自己绕晕。3. 酉变换保“复长度”的线性变换3.1 定义与三条等价刻画酉变换的定义是设 (U) 是酉空间上的线性变换如果它保持内积即[ (Ux,Uy)(x,y) ]对任意 (x,y) 成立就称 (U) 为酉变换。这个定义最直接但做题时反而不常用因为验证任意两个向量太麻烦。教材一般会给出等价条件我整理成顺手的形式(U) 保持范数即 (|Ux||x|) 恒成立(U) 把一组标准正交基变成另一组标准正交基(U) 在标准正交基下的矩阵 (A) 满足 (A^HAI)即 (A) 是酉矩阵。三条等价性的证明思路是内积可以用范数恢复极化恒等式所以保范数等价于保内积保内积又推出标准正交基打到标准正交基反过来两个标准正交基之间的过渡矩阵自然满足 (A^HAI)。理解酉矩阵的核心公式就是[ A^HAI. ]这个式子同时说明列向量组是标准正交基行向量组也是标准正交基而且 (A^{-1}A^H)。对比实对称矩阵的 (Q^TQI)所谓酉矩阵就是“复数的正交矩阵”。3.2 特征值与可对角化模长为什么一定等于1酉变换的特征值有一个非常显著的特征模长等于1。设 (Ax\lambda x)且 (x\ne0)两边取范数[ |Ax||\lambda x||\lambda|,|x|. ]因为 (A) 是酉矩阵(|Ax||x|)而 (|x|\ne 0)所以[ |\lambda|1. ]这个结论直观上很好理解酉变换不改变长度那么特征方向上的向量被拉伸的倍数必须为1只能是旋转一个角度。例题我习惯用实平面上的旋转矩阵来看。设[ A\begin{pmatrix}\cos\theta \sin\theta\ -\sin\theta \cos\theta\end{pmatrix}, ]它满足 (A^TAI)是实正交矩阵在复数域上当然是酉矩阵。特征多项式是[ (\cos\theta-\lambda)^2\sin^2\theta\lambda^2-2\lambda\cos\theta10, ]解出 (\lambda\cos\theta\pm i\sin\thetae^{\pm i\theta})模长恰好为1。两个特征值不同对应的特征向量一个是 ((1,i)^T) 方向一个是 ((1,-i)^T) 方向在复内积意义下正交。这也验证了酉空间中一条通用性质不同特征值对应的特征向量自动正交。证明和实对称矩阵的情况几乎相同[ \lambda_1(x_1,x_2)(Ax_1,x_2)(x_1,A^Hx_2)(x_1,A^{-1}x_2)\frac1{\lambda_2}(x_1,x_2), ]整理得 ((\lambda_1-\lambda_2^{-1})(x_1,x_2)0)。因为 (|\lambda_2|1)所以 (\lambda_1\ne\lambda_2^{-1})只能 ((x_1,x_2)0)。注意酉变换在复数域上一定可对角化但实正交矩阵在实数域未必可对角化。例子里旋转矩阵的实特征值不存在所以要区分“在 (\mathbb C) 上可对角化”和“在 (\mathbb R) 上可对角化”这一章默认讨论复空间一般不对实限制。4. 埃尔米特变换复数版的“对称变换”4.1 伴随变换与埃尔米特矩阵要定义埃尔米特变换得先引入伴随变换。给定酉空间上的线性变换 (A)它的伴随变换 (A^*) 由下面这个恒等式唯一确定[ (Ax,y)(x,A^*y). ]把矩阵写出来你会发现(A^) 对应的矩阵就是 (A) 的共轭转置 (A^H(\overline A)^T)。所以“伴随”就是“共轭转置”在抽象层面上的名字。如果 (A^A)就称 (A) 为埃尔米特变换或自伴变换对应矩阵满足[ A^HA. ]实对称矩阵 (A^TA) 是它的特殊情形因为实矩阵的共轭转置就是普通转置。从物理角度理解更直观量子力学里可观测量的算符——坐标、动量、能量——都要求自伴就是为了保证它的测量值特征值都是实数。4.2 特征值为实数的证明两行就能推完埃尔米特变换最重要的性质是特征值一定是实数。证明直接上矩阵语言。设 (Ax\lambda x)且 (x\ne0)注意[ (Ax,x)(\lambda x,x)\lambda(x,x). ]另一方面利用 (A^HA)[ (Ax,x)(x,A^Hx)(x,Ax)(x,\lambda x)\overline{\lambda}(x,x). ]两边相等得到[ \lambda(x,x)\overline{\lambda}(x,x). ]而 ((x,x)0)所以 (\lambda\overline{\lambda})即 (\lambda) 是实数。这个证明值得背下来因为它同时告诉我们为什么二次型 ((x,Ax)) 对埃尔米特矩阵必为实数。这个“实数性”是后续一切讨论的基石比如惯性定理、正定判别法在复数域上都依赖这一点。4.3 例一个二阶埃尔米特矩阵的完整对角化只看抽象证明不够我补一个手算例子。设[ A\begin{pmatrix}2 i\ -i 2\end{pmatrix}. ]显然 (A^H\begin{pmatrix}2 -i\ i 2\end{pmatrix}A)稍等共轭转置是 (\overline{A}^T\begin{pmatrix}2 -i\ i 2\end{pmatrix})不是 (A)。这个例子不合格我换一个。用[ A\begin{pmatrix}2 i\ -i 2\end{pmatrix} ]的共轭转置应该是 (\begin{pmatrix}2 i\ -i 2\end{pmatrix})我们算一遍(\overline A\begin{pmatrix}2 -i\ i 2\end{pmatrix})再取转置得 (\begin{pmatrix}2 i\ -i 2\end{pmatrix})恰好等于 (A)。我刚开始写反了更正(A) 是埃尔米特矩阵。特征多项式[ \det(A-\lambda I)(2-\lambda)^2-\det\begin{pmatrix}0 i\ -i 0\end{pmatrix} ]注意这里是行列式展开第二项是 (i\cdot(-i)1)所以[ \det(A-\lambda I)(2-\lambda)^2-1\lambda^2-4\lambda3(\lambda-1)(\lambda-3). ]特征值为 1 和 3确实都是实数。求 (\lambda3) 的特征向量解 [\begin{pmatrix}-1 i\ -i -1\end{pmatrix}\begin{pmatrix}x\ y\end{pmatrix}0]得 (-xiy0)即 (xiy)特征向量取 ((i,1)^T)。再求 (\lambda1) 的特征向量解 [\begin{pmatrix}1 i\ -i 1\end{pmatrix}\begin{pmatrix}x\ y\end{pmatrix}0]得 (xiy0)取 ((-i,1)^T)。验证内积[ ((i,1),(-i,1))i\cdot\overline{(-i)}1\cdot1i\cdot i10. ]正交成立。单位化后得到酉矩阵[ U\begin{pmatrix}i/\sqrt2 -i/\sqrt2\ 1/\sqrt2 1/\sqrt2\end{pmatrix}, ]且[ U^HAU\begin{pmatrix}30\01\end{pmatrix}. ]注意这个例子里矩阵不是实对称矩阵但它的特征值依然是实数。很多人在这一步开始意识到“埃尔米特矩阵就是复数的实对称矩阵”这句话的真正含义。5. 正规变换把所有可对角化“好变换”收编5.1 定义为什么偏偏要这个条件酉变换和埃尔米特变换已经足够重要但教材还要引入正规变换目的是用一个条件同时涵盖它们统一处理。定义很简洁[ A^AAA^, ]即变换与其伴随可交换矩阵形式是[ A^HAAA^H. ]容易验证酉矩阵满足 (A^HAIAA^H)埃尔米特矩阵满足 (A^HA)所以两边都等于 (A^2)。因此两者都是正规矩阵的特例。另外实对称、实反对称、正交矩阵都是实域上的正规矩阵所以正规矩阵这个家族比想象中大得多。那为什么定义了“可交换”这个看似抽象的条件直觉上的解释是正规条件限制了变换的“各部分”之间不产生剪切扭曲使得它的特征向量可以选成正交系。后面第 6 节的例子会看到一个矩阵既不是埃尔米特也不是酉但满足正规条件照样可以酉对角化。5.2 舒尔上三角化与谱定理从三角到对角的临门一脚正规矩阵可酉对角化这是本章最核心的定理也叫谱定理。证明的常规路径是先引用舒尔定理任何复方阵 (A) 都可以通过一个酉矩阵化为上三角矩阵即存在酉矩阵 (U) 使得[ U^HAUT(t_{ij})_{n\times n} ]是上三角阵。注意这一步对任何矩阵都成立不需要任何假设这是它强大的地方。然后关键来了如果 (A) 还是正规矩阵那么 (T) 也正规。把等式 (T^HTTT^H) 写出来比较主对角线元素你会发现[ \sum_{i\le j}|t_{ij}|^2\sum_{j\le i}|t_{ij}|^2. ]两边等于同一个东西但分别按行和列累加唯一可能的就是所有非对角线元素 (t_{ij}0)。所以 (T) 其实是对角矩阵。这就证明了正规矩阵可以酉对角化。这里我特别想强调主对角线比较这个技巧它是很多教材一笔带过但实际最巧妙的一步。拿 (2\times2) 上三角阵 (T\begin{pmatrix}ab\0c\end{pmatrix}) 检验(T^HT) 的主对角线元素为 (|a|^2,|b|^2|c|^2)而 (TT^H) 的主对角线元素为 (|a|^2|b|^2,|c|^2)。若两者相等必须 (|b|0)。推广到 (n) 阶原理完全一样。5.3 三大类变换对照表与记忆锚点把这一章出现的变换放在一起对照记忆负担能小很多变换类型矩阵条件特征值性质是否可酉对角化酉变换(A^HAI)模长为 1是埃尔米特变换(A^HA)实数是反埃尔米特变换(A^H-A)纯虚数是一般正规变换(A^HAAA^H)无特殊限制是普通复矩阵无无不一定记忆锚点可以这样找凡是满足正规条件的矩阵都对应一个“复谱定理”不同子类只是特征值落的位置不同——酉变换落在单位圆上埃尔米特变换落在实轴上反埃尔米特变换落在虚轴上。特征值是实是虚取决于矩阵相对共轭转置的对称性。这个“特征值落点”视角非常有用。考试时看到“特征值均为实数”的条件应联想到埃尔米特矩阵看到“特征值模长为 1”应联想到酉矩阵看到不加限制但能对角化的条件多半要往正规矩阵上靠。6. 一个完整演算非对称非酉的正规矩阵怎么对角化6.1 选例与正规性预检很多习题册给的例子要么是埃尔米特矩阵要么是酉矩阵容易造成一种错觉正规矩阵是不是就这两种不是。正规矩阵的范围比这宽得多。我特意选一个两边都不靠的例子[ A\begin{pmatrix} 1 2 0\ -2 1 0\ 0 0 1 \end{pmatrix}. ]它不是对称矩阵转置不等于自己也不是正交矩阵列向量不是单位长度。先验证正规性[ A^HA^T\begin{pmatrix} 1 -2 0\ 2 1 0\ 0 0 1 \end{pmatrix}, ]然后[ A^HA\begin{pmatrix} 1 2 0\ -2 1 0\ 0 0 1 \end{pmatrix} \begin{pmatrix} 1 -2 0\ 2 1 0\ 0 0 1 \end{pmatrix} \begin{pmatrix} 5 0 0\ 0 5 0\ 0 0 1 \end{pmatrix}. ]同理[ AA^H\begin{pmatrix} 1 2 0\ -2 1 0\ 0 0 1 \end{pmatrix} \begin{pmatrix} 1 -2 0\ 2 1 0\ 0 0 1 \end{pmatrix} \begin{pmatrix} 5 0 0\ 0 5 0\ 0 0 1 \end{pmatrix}. ]两边相等确实是正规矩阵。顺便一提预检正规性最省事的办法是先算主对角线如果 (A^HA) 和 (AA^H) 的主对角线都不同直接可以认定非正规不用把整个矩阵算完。6.2 求特征值与特征向量求特征值[ \det(A-\lambda I) \det\begin{pmatrix} 1-\lambda 2 0\ -2 1-\lambda 0\ 0 0 1-\lambda \end{pmatrix}. ]特征多项式等于[ ((1-\lambda)^24)(1-\lambda)\lambda^3-3\lambda^27\lambda-5. ]具体分解((1-\lambda)^24\lambda^2-2\lambda5)零点为 (1\pm2i)。再乘 ((1-\lambda))得到三个特征值[ \lambda_11,\quad \lambda_212i,\quad \lambda_31-2i. ](\lambda_11) 时解 ((A-I)x0)[ \begin{pmatrix} 020\ -200\ 000 \end{pmatrix} \begin{pmatrix}x\y\z\end{pmatrix}0, ]得 (xy0)取 (v_1(0,0,1)^T)。(\lambda_212i) 时解 ((A-(12i)I)x0)[ \begin{pmatrix} -2i20\ -2-2i0\ 00-2i \end{pmatrix} \begin{pmatrix}x\y\z\end{pmatrix}0. ]由第一行 (-2ix2y0) 得 (yix)第三行给出 (z0)取 (v_2(1,i,0)^T)。(\lambda_31-2i) 时同理特征向量取 (v_3(1,-i,0)^T)。注意这里也可以直接由 (v_2) 取复共轭得到 (v_3)因为矩阵是实矩阵实矩阵的复特征向量可以成对取共轭。6.3 组装酉矩阵并验证对角化现在我们有一组特征向量 (v_1,v_2,v_3)。因为 (A) 是正规矩阵不同特征值的特征向量自动正交验证一下[ (v_2,v_3)1\cdot\overline{1}i\cdot\overline{(-i)}01i\cdot i0, ][ (v_1,v_2)0,\quad (v_1,v_3)0. ]将每个向量单位化[ u_1(0,0,1)^T,\quad u_2\frac{1}{\sqrt2}(1,i,0)^T,\quad u_3\frac{1}{\sqrt2}(1,-i,0)^T. ]按列拼成[ U\begin{pmatrix} 0 1/\sqrt2 1/\sqrt2\ 0 i/\sqrt2 -i/\sqrt2\ 1 0 0 \end{pmatrix}. ]它满足 (U^HUI)是酉矩阵。做变换[ U^HAU \begin{pmatrix} 1 0 0\ 0 12i 0\ 0 0 1-2i \end{pmatrix}. ]验证方法很粗暴但有效对每个 (k) 检查 (AU) 的第 (k) 列是否等于 (\lambda_kU) 的第 (k) 列。比如第一列 (A(0,0,1)^T(0,0,1)^T1\cdot u_1)正确第二列 (A(1,i,0)^T(1-2i?)) 我们验证(A(1,i,0)^T(12i,, -2 i?)) 让我算准一点再写。算了 (A v_2 (12i, -2i, 0)^T)。而 ((12i)v_2(12i, i2i^2?)) 不对重新算(12i)(1,i,0)(12i, i-2,0)(12i, -2i,0)一致。所以没问题。这个例子的意义在于我选的矩阵既不是埃尔米特两个特征值是 (1\pm2i)也不是酉矩阵特征值模长不全是 1仅仅因为满足 (A^HAAA^H)就保证了它有完整的标准正交特征基。正规条件就是那个“恰到好处”的边界。实操心得求完特征向量后先判断特征值是否互异。若互异且矩阵正规则特征向量整体已经两两正交只需组内单位化不需要再跑一遍施密特。只有遇到重根时才需要在一个特征子空间内部做正交化。很多同学一上来就施密特白算一堆内积。7. 常见误区与排查技巧实录7.1 误区一算内积忘了取共轭这是最普遍的手误。典型场景是验证两个特征向量正交时第二分量的虚部符号没变导致内积算成非零。排查办法每次算完 ((x,y))把结果代回定义式若计算结果不是实数或与交换顺序后的值不互为共轭几乎可以断定漏了共轭。我的习惯是先把两个向量按列写好逐项“第一个分量乘以第二个分量的共轭”并在草稿上把共轭符号标出来而不是心算。心算在复数面前非常不可靠。7.2 误区二把埃尔米特矩阵当成对称矩阵用实对称矩阵满足 (A^TA)到了复数域要满足的是 (A^HA)。有个判断题经常考复数 (A) 满足 (A^TA)能否保证特征值为实数答案是否定的。最简单反例[ A\begin{pmatrix}1i\ i1\end{pmatrix}. ]它满足 (A^TA)但特征多项式是 ((1-\lambda)^2-(-1)\lambda^2-2\lambda2)特征值为 (1\pm i)不是实数。问题就出在漏了共轭。埃尔米特条件必须是 (A^HA)即矩阵关于主对角线不但对称对称位置元素还要互为共轭。7.3 误区三以为任何可对角化矩阵的特征向量都能选成正交向量普通复矩阵可对角化只说明存在特征向量基这个基不一定正交。比如[ B\begin{pmatrix}11\02\end{pmatrix} ]可对角化特征向量分别是 ((1,0)^T) 和 ((1,1)^T)它们并不正交。正规条件才是保证“存在标准正交特征基”的充分条件。判断一个矩阵能不能酉对角化标准答案永远是先验证 (A^HAAA^H)而不是“特征多项式无重根”或“能对角化”。7.4 排查技巧速查表症状排查方向处理办法特征向量内积不为零是否忘了第二变量共轭重算内积标注共轭号实对称结论在复矩阵失效是否误用 (A^TA)改用 (A^HA) 验证想酉对角化但不确定是否可行验证正规性比较 (A^HA) 与 (AA^H)重根特征子空间内不正交组内施密特只在该特征子空间内做正交化计算中矩阵乘法符号乱打印/书写混淆全程用 (A^H)不写 (A^*) 以免弄混8. 学习路线与工具建议个人体会8.1 推荐的复习顺序如果这一章你从头自学我建议顺序是先掌握复数内积的定义和施密特正交化这是地基再学酉变换因为它最贴近你熟悉的实正交变换然后学伴随变换和埃尔米特变换体会“特征值为实”的条件最后学正规变换的谱定理用它把所有内容统一起来。如果反着看书直接从正规变换开始那个 (A^HAAA^H) 会被当成一个生硬的条件很难记住。每次做题可以问自己三个问题这个矩阵在标准正交基下的矩阵是什么形式它的特征值有什么实轴/单位圆的落点限制它和它的共轭转置可不可交换三个问题问完题目的考点基本就浮出水面了。8.2 用数值工具做快速验证手算容易错尤其复数矩阵符号一多就乱。我复习时常用 Python 的 NumPy 库做交叉验证。比如验证上面第 6 节的例子import numpy as np A np.array([[1, 2, 0], [-2, 1, 0], [0, 0, 1]], dtypecomplex) # 正规性检查 left A.conj().T A right A A.conj().T print(A^H A:\n, left) print(A A^H:\n, right) # 特征值 w, V np.linalg.eig(A) print(特征值:, w) print(特征向量矩阵 V:\n, V) # 验证 U^H A U 是否近似对角 U V print(np.round(U.conj().T A U, 6))注意np.linalg.eig本身不保证返回的是酉矩阵但理论上非亏损矩阵的eig结果可以归一化。更严谨的做法是拿返回的特征向量矩阵再跑一次施密特我通常直接看np.round(U.conj().T A U, 6)如果是近似对角矩阵就说明对角化成功。数值库的作用是验证手算不是替代手算考试还得自己动手。8.3 最后分享一个小技巧学完这一章我做了一套“复数版本卡片”实对称矩阵写一张埃尔米特矩阵写一张正交矩阵写一张酉矩阵写一张然后对着表格找每条性质在复数版本里哪里多了共轭、哪里换成了模长。比如“正交矩阵的行列向量是标准正交基”对应“酉矩阵的行列向量是标准正交基”“实对称矩阵可正交对角化”对应“埃尔米特矩阵可酉对角化”。这个对照做完第 10 章就不再是孤立的复数理论而是你原有欧氏空间知识的一次自然延伸。个人觉得理解“共轭”是这一章的灵魂内积里有共轭转置变成共轭转置对称变成共轭对称正交条件变成 (U^HUI)。一旦你把每个公式里为什么多出共轭想明白了酉空间这一节不但不难反而会给你一种“复数版欧氏空间”的整体美感。