n阶Hermitian矩阵是否一定具有n个线性无关的特征向量？

嘿，这个问题问到了Hermitian矩阵（包含实对称矩阵）最核心的性质之一，答案非常明确：每个n×n Hermitian矩阵都一定拥有n个线性无关的特征向量，甚至可以进一步将这些特征向量取为标准正交组——这也是你提到的A=QΛQ^H分解成立的根本原因。下面具体解释为什么：

核心推导依据：Hermitian矩阵的两个关键性质 #

1. 不同特征值对应的特征向量必然正交（线性无关） #

假设λ和μ是Hermitian矩阵A的两个不同特征值，对应特征向量分别为x和y。根据Hermitian矩阵的定义A^H = A，我们可以推导：

λx^H y = (Ax)^H y = x^H A^H y = x^H A y = x^H μ y = μx^H y
因为λ≠μ，所以必须有x^H y = 0，即x和y正交，而正交的向量天然线性无关。

2. 重特征值的代数重数等于几何重数 #

对于Hermitian矩阵的任意特征值λ，它的代数重数（特征多项式中(λ-λ₀)的幂次）和几何重数（对应特征子空间的维数）完全相等。这意味着即使某个特征值重复出现k次，我们也能找到k个线性无关的特征向量属于这个特征值的特征子空间。

结论整合 #

把上面两点结合起来：

• 对于单特征值，我们能找到1个线性无关的特征向量；
• 对于重数为k的特征值，我们能找到k个线性无关的特征向量；
• 不同特征值对应的特征向量组之间互相正交（线性无关）。

将所有这些特征向量汇总，就能得到一组n个线性无关的特征向量，满足你的问题中的需求。

另外你提到的MIT 18.06第25讲里，Gilbert Strang教授正是从对称矩阵的特征向量正交性切入，逐步推导到这类矩阵的完全对角化能力，和我们上面的逻辑完全一致。

这个结论本质上是Hermitian矩阵谱定理的一部分，谱定理直接断言这类矩阵可以酉对角化，而酉对角化的前提就要求矩阵拥有n个标准正交的特征向量——自然也就包含了“n个线性无关特征向量”的结论。

内容的提问来源于stack exchange，提问作者Thomas