Hermitian 矩阵的特征值和特征向量

在信号处理领域,经常碰到对称矩阵。复对称矩阵又称为Hermitian矩阵。比如 对于实观测数据x(t),其自相关矩阵R=E[x(t)xT(t)]是实对称矩阵,而复观测信号的自相关 矩阵是Hermitian矩阵。Hermitian在计算过程中有一系列重要特性,可以大大简 化计算过程。本文总结Hermitian矩阵特征值和特征向量的一些性质。

Hermitian 矩阵A的特征值一定是实的。

λu分别是Hermitian矩阵A的特征值和与之对 应的特征向量,即Au=λu 。两边同 时左乘特征向量的共轭转置,得二次型标量值函数 uTAu=λuTu,对其两边取共轭转置,得到uTAu=λTuTu 。注意内积uTu总是 实数,则有λ也一定是实数。

λ,u是Hermitian矩阵A的特征对。若 A可逆,则1λ,u是逆矩阵 A1 的特征对。

因为Au=λu,则对两边左乘 A1,则有u=λA1u ,所以有λ1u=A1u

对于n×n 的Hermitian 矩阵A ,若它所有不同的特征值 λ1,λ2,,λn都通过求解特征方程获得。 那么求解其特征向量可以通过以下两个步骤完成。

  1. 利用高斯消元法求解方程:

    (AλI)x=0

    得到与每个已知λ对应的非零解x

  2. 利用Gram-Schmidt 正交化方法将x 正交化,得到相互正交, 并且具有单位范数的特征向量。

λk 是Hermitian矩阵A的多重特征值,并且其多重度为 mk,那么 rank(AλkI)=nmk 。因此任何一个Hermitian矩阵都满足可对角化定理的充要条 件。因此,有U1AU=Σ 。接下来给出Hermitian矩阵的一个重要属性。

Hermitian矩阵的所有特征向量线性无关,并且相互正交。特征矩阵 U=[u1,,un]是酉矩阵,满足 U1=UT

证明过程分两步进行,首先证明不同特征值对应的特征向量是相互正交的。令 λ1λ2是Hermitian矩阵A对应的特征值,且其 对应的特征向量分别是u1,u2 。 则有:

uT2Au1=λ1uT2u1uT1Au2=λ2uT1u2

对前一个式子取共轭,则有:

uT1Au2=λ1uT1u2

则有:λ1uT1u2=λ2uT1u2,进而有(λ1λ2)uT1u2=0 由于 λ1λ2 所以u1u2正交。 接下来,我们证明多重特征值对应的特征向量也相互正交。若n×n矩 阵AT=A 的特征值λk 具有多重度mk,则有rank(AλkI)=nmk ,并 且AλkI是可逆的。于是,存在与 λk对应的mk个特征向量,他们是方程(AλkI)u=0的线性无关解。这些线性无关解 是正交的。

综上,由于特征矩阵U=[u1,,un] 的所有特征向量即线性无关,又相 互正交,故U为酉矩阵,满足UUT=I,即UT=U1

对于Hermitian矩阵有:

UTAU=diag(λ1,λ2,,λn)

也可以写成:

A=UΣUT

称为矩阵A 在正交相似下的范式。另外,式 (6)也经常 写作:

A=ni=1λiuiuTi

在最优化理论和信号处理中,经常遇到二次型函数xTAx. 利用式 (7) 可以把二次型写作:

xTAx=ni=1λi|xTui|2

利用式 (7) 我们还可以写出A1的级数展开形式:

A1=ni=1λ1iuiuTi

因此若已知A的特征值分解,我们可以很容易获得 A1