{
  "id": "unitary-matrix",
  "title": "酉矩阵",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "酉矩阵是共轭转置等于其逆矩阵的复方阵，保持内积和向量长度不变。",
  "category": "mathematics",
  "subcategory": "algebra",
  "type": "concept",
  "aliases": [
    "幺正矩阵"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/unitary-matrix/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/unitary-matrix/",
      "json": "https://aiwiki.page/en/unitary-matrix.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "酉矩阵是元素为复数的方矩阵，通过矩阵乘法作用于向量时保持标准内积不变。等价地，它的共轭转置等于其逆矩阵。酉矩阵是实正交矩阵在复数情形下的对应概念，表示可逆且保持长度不变的线性变换。它们在线性代数、数值计算和量子信息中具有基础性地位。(quantum.cloud.ibm.com)"
    },
    {
      "heading": "定义与等价条件",
      "text": "对于一个 \\(n\\times n\\) 复矩阵 \\(U\\)，酉性意味着\n\n\\[U^\\dagger U=UU^\\dagger=I_n,\\]\n\n其中，\\(I_n\\) 是单位矩阵，\\(U^\\dagger\\) 是共轭转置：\n\n\\[(U^\\dagger)_{ij}=\\overline{U_{ji}}.\\]\n\n这一运算结合了矩阵转置与复共轭。其他常用记号包括 \\(U^*\\) 和 \\(U^H\\)。对于方阵，上述两个等式中的任意一个都能推出另一个；二者均表明其逆矩阵为 \\(U^{-1}=U^\\dagger\\)。(quantum.cloud.ibm.com)\n\n采用标准内积 \\(\\langle x,y\\rangle=x^\\dagger y\\)，由定义条件可得\n\n\\[\\langle Ux,Uy\\rangle=x^\\dagger U^\\dagger Uy=\\langle x,y\\rangle.\\]\n\n因此，\\(U\\) 保持每个向量的欧几里得范数不变。反之，若一个矩阵保持每个向量的这一范数不变，则它是酉矩阵。这里的条件针对所有向量，而不只是各个坐标基向量。(quantum.cloud.ibm.com)\n\n将各列记为 \\(u_1,\\ldots,u_n\\)，则 \\(U^\\dagger U\\) 的各元素为 \\(\\langle u_i,u_j\\rangle\\)。因此，这些列构成 \\(\\mathbb C^n\\) 的一组标准正交基；各行同样构成一个标准正交向量组。由此，酉矩阵可视为标准正交坐标系之间的坐标变换矩阵。(ocw.mit.edu)"
    },
    {
      "heading": "几何意义与例子",
      "text": "作为复向量空间上的线性映射，酉矩阵是双射的等距映射。它保持长度、距离和正交性不变，但并不要求坐标本身保持不变。特别地，\n\n\\[\\|Ux-Uy\\|_2=\\|x-y\\|_2.\\]\n\n将范数保持性质应用于 \\(x-y\\)，即可直接得到这一结论。(quantum.cloud.ibm.com)\n\n若所有元素均为实数，共轭转置就退化为普通转置。此时，酉性条件变为 \\(U^TU=I\\)，这正是正交矩阵的定义。因此，平面旋转和反射所对应的矩阵都是实数情形下的酉矩阵例子。(netlib.org)\n\n简单的复数例子是对角相位矩阵：\n\n\\[D=\\operatorname{diag}(e^{i\\theta_1},\\ldots,e^{i\\theta_n}), \\qquad \\theta_j\\in\\mathbb R.\\]\n\n由于每个对角元素的模均为一，直接相乘可得 \\(D^\\dagger D=I\\)。一个常见的二维例子是阿达玛矩阵\n\n\\[H=\\frac1{\\sqrt2} \\begin{pmatrix}1&1\\\\1&-1\\end{pmatrix},\\]\n\n它满足 \\(H^\\dagger H=I\\)。与对角相位矩阵不同，它会将输入的各个坐标混合起来。(quantum.cloud.ibm.com)"
    },
    {
      "heading": "代数性质与谱性质",
      "text": "酉矩阵的乘积和逆矩阵仍是酉矩阵。例如，\n\n\\[(UV)^\\dagger(UV)=V^\\dagger U^\\dagger UV=I.\\]\n\n单位矩阵也是酉矩阵，因此这些矩阵在乘法运算下构成一个群，称为酉群 \\(U(n)\\)。其中行列式为一的矩阵构成的子群记为 \\(SU(n)\\)。(math.mit.edu)\n\n对 \\(U^\\dagger U=I\\) 两边取行列式，得到\n\n\\[\\overline{\\det U}\\det U=1,\\]\n\n因此 \\(|\\det U|=1\\)。这是必要条件，而非充分条件：对角元素为 \\(2\\) 和 \\(1/2\\) 的对角矩阵，其行列式为一，却不保持长度不变。这些结论都可直接由定义等式推出。(quantum.cloud.ibm.com)\n\n每个酉矩阵都是正规矩阵，因为 \\(U^\\dagger U=UU^\\dagger\\)。因此，谱定理保证它可以进行酉矩阵对角化：\n\n\\[U=VDV^\\dagger, \\qquad D=\\operatorname{diag}(\\lambda_1,\\ldots,\\lambda_n).\\]\n\n它的所有特征值的模均为一：若 \\(Ux=\\lambda x\\) 且 \\(x\\ne0\\)，则由范数保持性质可得 \\(\\|x\\|=|\\lambda|\\|x\\|\\)。因此，每个特征值都可写为 \\(e^{i\\theta_j}\\)，而在由特征向量组成的标准正交基下，\\(U\\) 的作用就是对各个坐标分别乘以相位因子。(ocw.mit.edu)"
    },
    {
      "heading": "数值计算",
      "text": "酉变换在数值线性代数中十分重要，因为它们不会放大以欧几里得范数衡量的已有误差。这有助于保障数值稳定性，不过在浮点运算中执行这些变换时，仍可能引入舍入误差。(netlib.org)\n\n在复矩阵的完整QR分解中，因子 \\(Q\\) 是酉方阵，另一个因子则为三角矩阵或梯形矩阵。在奇异值分解\n\n\\[A=P\\Sigma Q^\\dagger\\]\n\n中，\\(P\\) 和 \\(Q\\) 都是酉矩阵，\\(\\Sigma\\) 中包含非负的奇异值。对于酉矩阵，所有奇异值均等于一；因此，它在谱范数下的条件数为一。(netlib.org)"
    },
    {
      "heading": "量子信息与矩形矩阵",
      "text": "在有限维量子力学中，孤立系统的可逆演化由酉矩阵表示。归一化的态向量在演化后仍保持归一化，但其概率幅和测量概率可能发生变化。作用于 \\(k\\) 个量子比特的量子门由一个 \\(2^k\\times2^k\\) 的酉矩阵表示。测量和一般的含噪过程，通常不能用仅作用于该系统的酉矩阵来描述。(quantum.cloud.ibm.com)\n\n方阵这一要求将酉矩阵与表示等距映射的矩形矩阵区分开来。若一个 \\(m\\times n\\) 矩阵 \\(Q\\) 在 \\(m>n\\) 时满足 \\(Q^\\dagger Q=I_n\\)，它保持输入向量的范数不变，但不可能满足 \\(QQ^\\dagger=I_m\\)。此时，\\(QQ^\\dagger\\) 是到其列空间上的正交投影。这类矩阵可作为简化 QR 分解中的 \\(Q\\) 因子出现；按照要求矩阵为方阵的严格定义，它们不是酉矩阵。(quantum.cloud.ibm.com)"
    }
  ],
  "links": [
    "complex-number",
    "matrix",
    "linear-algebra",
    "identity-matrix",
    "conjugate-transpose",
    "matrix-transpose",
    "inverse-matrix",
    "inner-product",
    "norm-mathematics",
    "orthonormal-basis",
    "vector-space",
    "linear-map",
    "isometry",
    "orthogonal-matrix",
    "unitary-group",
    "determinant",
    "spectral-theorem",
    "matrix-diagonalization",
    "eigenvalues-and-eigenvectors",
    "numerical-linear-algebra",
    "numerical-stability",
    "qr-decomposition",
    "singular-value-decomposition",
    "condition-number",
    "quantum-mechanics",
    "qubit",
    "quantum-gate",
    "orthogonal-projection"
  ],
  "sources": [
    {
      "title": "quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-…",
      "url": "https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information"
    },
    {
      "title": "ocw.mit.edu/courses/res-18-011-algebra-i-student-notes-fall-2021/mit18_701f21_f…",
      "url": "https://ocw.mit.edu/courses/res-18-011-algebra-i-student-notes-fall-2021/mit18_701f21_full_lec_new.pdf"
    },
    {
      "title": "netlib.org/lapack/lug/node39.html",
      "url": "https://www.netlib.org/lapack/lug/node39.html"
    },
    {
      "title": "math.mit.edu/~dav/classicalgroups.pdf",
      "url": "https://math.mit.edu/~dav/classicalgroups.pdf"
    },
    {
      "title": "netlib.org/lapack/lug/node40.html",
      "url": "https://netlib.org/lapack/lug/node40.html"
    },
    {
      "title": "quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-…",
      "url": "https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/introduction"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}