Una matriz hermitiana es una matriz cuadrada de números complejos que es igual a su propia transpuesta conjugada. Esta propiedad algebraica garantiza que todos sus valores propios sean números reales, lo que las convierte en objetos fundamentales en el análisis de sistemas complejos y en la mecánica cuántica.
El estudio de estas matrices permite simplificar problemas de álgebra lineal al permitir una descomposición espectral completa, donde los vectores propios forman una base ortogonal. Su relevancia trasciende las matemáticas puras, siendo esenciales en ingeniería eléctrica, física teórica y procesamiento de señales.
Definición y concepto
Una matriz hermitiana es una matriz cuadrada cuyos elementos son números complejos y que coincide exactamente con su propia transpuesta conjugada. Esta propiedad algebraica es fundamental en álgebra lineal porque garantiza que todos sus valores propios sean números reales, un rasgo esencial en aplicaciones físicas como la mecánica cuántica. La condición define una simetría profunda en la distribución de los valores complejos dentro de la estructura matricial.
Definición formal y notación
Formalmente, una matriz A de dimensión n × n se considera hermitiana si cumple la igualdad A = AH, donde AH denota la transpuesta conjugada de A. También es común encontrar la notación A = A*. Para entender esta definición, es necesario desglosar el proceso de obtención de la transpuesta conjugada. Primero, se calcula el conjugado complejo de cada elemento individual de la matriz. Luego, se transpone la matriz resultante, intercambiando filas por columnas. Si tras realizar ambas operaciones la matriz vuelve a ser idéntica a la original, entonces es hermitiana.
En términos de elementos individuales, si A tiene entradas aij, la condición hermitiana exige que para todo par de índices i y j se cumpla:
a_{ij} = \overline{a_{ji}} \]\Esto significa que el elemento en la fila i y columna j debe ser el conjugado complejo del elemento en la fila j y columna i. La diagonal principal tiene una implicación directa: como cada elemento diagonal es su propio simétrico respecto a la diagonal, debe cumplir aii = aii*. Esto obliga a que todos los elementos de la diagonal principal sean números reales, ya que solo los reales son iguales a su propio conjugado complejo.
Dato curioso: El nombre "hermitiana" rinde homenaje al matemático francés Charles Hermite, quien estudió estas matrices a mediados del siglo XIX. Sin embargo, la propiedad de tener valores propios reales ya era conocida por Augustin-Louis Cauchy antes de que Hermite formalizara la definición completa.
Diferencias con las matrices simétricas reales
Es frecuente confundir las matrices hermitianas con las matrices simétricas reales, pero la distinción es crucial. Una matriz simétrica real cumple A = AT, es decir, es igual a su transpuesta simple. Esto implica que aij = aji para todos los elementos. En cambio, la condición hermitiana requiere aij = aji*. La diferencia radica en la conjugación compleja.
Si una matriz hermitiana tiene únicamente números reales como entradas, la conjugación no altera los valores (ya que el conjugado de un real es él mismo). En ese caso específico, la matriz hermitiana se convierte automáticamente en una matriz simétrica real. Por lo tanto, las matrices simétricas reales son un subconjunto de las matrices hermitianas. Pero la inversa no siempre es cierta: una matriz hermitiana general puede tener partes imaginarias no nulas fuera de la diagonal, lo que la distingue de la simetría clásica.
Ejemplo práctico 2x2
Consideremos una matriz de 2x2 con números complejos. Tomemos la siguiente matriz A:
A = \begin{pmatrix} 3 & 2+i \\ 2-i & 5 \end{pmatrix} \]\Para verificar si es hermitiana, calculamos su transpuesta conjugada AH. Primero, tomamos el conjugado de cada elemento: el conjugado de 3 es 3, el de 2+i es 2-i, el de 2-i es 2+i, y el de 5 es 5. Luego, transponemos la matriz resultante, moviendo el elemento de la fila 1, columna 2 a la fila 2, columna 1, y viceversa.
El elemento a12 es 2+i. Su conjugado es 2-i. Este valor debe aparecer en la posición simétrica a21. Efectivamente, a21 es 2-i. De manera similar, a21 es 2-i, su conjugado es 2+i, y este valor coincide con a12. Los elementos diagonales, 3 y 5, son reales, por lo que son iguales a sus propios conjugados. Como A = AH, la matriz es hermitiana. Este ejemplo ilustra cómo las partes reales se mantienen en la diagonal mientras que las partes imaginarias se distribuyen simétricamente con signo opuesto en los off-diagonales.
¿Qué propiedades fundamentales tienen las matrices hermitianas?
Las matrices hermitianas poseen propiedades estructurales que las hacen fundamentales en álgebra lineal y física cuántica. Su definición, donde una matriz es igual a su transpuesta conjugada, impone restricciones estrictas que garantizan comportamientos predecibles y útiles. Estas características no son meras curiosidades matemáticas, sino herramientas esenciales para simplificar sistemas complejos.
Elementos diagonales y realidad de los autovalores
Un rasgo inmediato de cualquier matriz hermitiana es que todos sus elementos en la diagonal principal deben ser números reales. Esto se deduce directamente de la definición. Si llamamos A a la matriz y aii a un elemento diagonal, la condición de hermiticidad exige que aii sea igual a su propio conjugado complejo. La única manera de que un número complejo sea igual a su conjugado es que su parte imaginaria sea cero. Por lo tanto, la diagonal contiene exclusivamente valores reales.
Sabías que: Esta propiedad es la base para medir observables en mecánica cuántica. Si el operador que representa una magnitud física (como la energía o el momento) es hermitiano, los resultados de las mediciones (los autovalores) siempre serán números reales, eliminando la incertidumbre de tener valores complejos.
La propiedad más destacada es que todos los autovalores de una matriz hermitiana son reales. Esto contrasta con las matrices generales, cuyos autovalores pueden ser complejos. La demostración se basa en la definición del producto interno en el espacio complejo. Si Av = λv, al calcular el producto interno ⟨v, Av⟩ y usar la propiedad de que A es igual a su adjunta, se demuestra que λ debe ser igual a su conjugado λ*. La consecuencia es directa: la realidad de los autovalores asegura que las escalas de transformación sean físicas y medibles.
Ortogonalidad y diagonalización unitaria
Los autovectores asociados a autovalores distintos de una matriz hermitiana son ortogonales entre sí. Esto significa que el producto interno de dos autovectores correspondientes a diferentes autovalores es cero. Esta propiedad permite construir una base ortonormal completa del espacio vectorial. Incluso si hay autovalores repetidos, se pueden elegir autovectores ortogonales entre sí dentro del mismo subespacio propio.
Esta estructura conduce al teorema espectral para matrices hermitianas. Afirma que toda matriz hermitiana A es diagonalizable mediante una matriz unitaria U. Es decir, existe una matriz unitaria U (donde U-1 = U*) tal que:
A=UDU∗Aquí, D es una matriz diagonal cuyos elementos son los autovalores reales de A. Las columnas de U son los autovectores ortonormales de A. Esta descomposición espectral es poderosa porque descompone la transformación lineal en escaladas simples a lo largo de ejes ortogonales. Simplifica cálculos como potencias de matrices o la exponencial de una matriz, ya que operar con D es mucho más sencillo que con A.
La diagonalización unitaria preserva la longitud de los vectores, lo que es crucial en aplicaciones donde la norma del vector tiene significado físico o geométrico. Esto distingue a las matrices hermitianas de otras clases, como las matrices normales no hermitianas, donde la diagonalización puede requerir una base ortonormal pero los autovalores pueden ser complejos. La combinación de autovalores reales y base ortonormal hace de las matrices hermitianas una clase única y extremadamente útil en el análisis de sistemas lineales.
Historia y contexto matemático
El concepto de matriz hermitiana no surgió de la nada, sino que es el resultado de una evolución matemática que conectó el álgebra lineal clásica con el análisis funcional moderno. Su nombre rinde homenaje al matemático francés Charles Hermite, quien a finales del siglo XIX estudió intensamente las formas cuadráticas complejas. En ese contexto, Hermite analizaba expresiones donde las variables y sus conjugadas interactuaban para producir resultados reales, una propiedad fundamental que definiría a estas matrices décadas después.
De las formas cuadráticas a los operadores
La transición de las formas cuadráticas a las matrices fue crucial. Una forma cuadrática compleja puede escribirse como x∗Ax, donde A es la matriz y x el vector. Para que el resultado sea siempre un número real para cualquier vector x, la matriz debe cumplir la condición A=A∗. Esta igualdad, donde la matriz es igual a su transpuesta conjugada, es la definición moderna de matriz hermitiana.
Dato curioso: Aunque Hermite identificó la propiedad algebraica, fue David Hilbert quien, a principios del siglo XX, elevó estas matrices a la categoría de operadores autoadjuntos en espacios de dimensión infinita, sentando las bases del análisis funcional.
Hilbert demostró que los valores propios de estos operadores eran reales y que sus vectores propios formaban una base completa. Esto resolvió problemas centrales en la teoría de ecuaciones integrales. Sin embargo, la verdadera revolución llegó cuando la física necesitaba un lenguaje preciso para describir el mundo microscópico.
La revolución cuántica
En la década de 1920, la mecánica cuántica emergió como la teoría dominante para explicar el comportamiento de las partículas subatómicas. Paul Dirac y John von Neumann fueron figuras clave en la formalización matemática de esta nueva física. Se dieron cuenta de que las cantidades físicas medibles, llamadas "observables", debían representarse mediante operadores hermitianos.
La razón era práctica y profunda: al medir una propiedad física, como la energía o el momento lineal, el resultado es un número real. Si el operador correspondiente no fuera hermitiano, los valores propios podrían ser complejos, lo que introduciría una "imaginaria" en las mediciones físicas. Por ejemplo, el operador Hamiltoniano, que representa la energía total del sistema, debe ser hermitiano para garantizar que los niveles de energía sean reales. Esta conexión entre la estructura algebraica de las matrices y la realidad física consolidó el papel central de las matrices hermitianas en la ciencia moderna.
¿Cómo se distinguen de otras matrices especiales?
Las matrices hermitianas no existen en el vacío; su definición precisa surge de generalizar conceptos familiares del álgebra lineal real hacia los números complejos. Entender qué las distingue de otras clases de matrices es fundamental para aplicarlas correctamente en mecánica cuántica o análisis de señales. La clave reside en cómo se relacionan con su propia traspuesta conjugada.
Relación con matrices simétricas y antisimétricas
La conexión más directa es con las matrices simétricas reales. Una matriz real es hermitiana si y solo si es simétrica, es decir, si coincide con su traspuesta. Esto ocurre porque el conjugado de un número real es él mismo. Sin embargo, la inversa no siempre se cumple de forma inmediata si no se especifica el campo. Toda matriz simétrica real es hermitiana, pero una matriz hermitiana general puede tener elementos complejos no nulos en la parte imaginaria, siempre que cumplan la condición de simetría conjugada.
Las matrices antisimétricas reales tienen su análogo complejo en las matrices antihermitianas (o skew-hermitianas). Mientras que en una matriz hermitiana los elementos diagonales son reales, en una antihermitiana son puramente imaginarios. Esta distinción es crucial en la descomposición de matrices generales en partes simétricas y antisimétricas.
Matrices unitarias y normales
Las matrices unitarias son análogas a las matrices ortogonales en el campo real. Una matriz U es unitaria si su inversa es igual a su traspuesta conjugada. Las matrices hermitianas, por otro lado, son iguales a su traspuesta conjugada. Esto implica que una matriz hermitiana es su propia inversa solo si es involutiva, lo cual no es la regla general. La confusión entre estas dos clases es común, pero sus propiedades espectrales difieren: los valores propios de una matriz hermitiana son reales, mientras que los de una matriz unitaria tienen módulo uno.
Debate actual: En la enseñanza del álgebra lineal, a menudo se introduce la matriz hermitiana después de la simétrica. Sin embargo, algunos autores argumentan que comenzar con la forma cuadrática compleja ofrece una intuición más profunda sobre la positividad definida, un concepto central en optimización y física.
Tabla comparativa de propiedades
La siguiente tabla resume las definiciones y propiedades clave de estas matrices especiales, asumiendo que A es una matriz cuadrada y A∗ denota su traspuesta conjugada.
| Tipo de Matriz | Definición | Valores Propios | Ejemplo Típico |
|---|---|---|---|
| Hermitiana | A=A∗ | Reales | Operadores en mecánica cuántica |
| Simétrica Real | A=AT (y A real) | Reales | Matriz de covarianza |
| Unitaria | A−1=A∗ | Módulo 1 (complejos) | Rotaciones en espacio complejo |
| Normal | AA∗=A∗A | Varían (depende de A) | Cualquier matriz diagonalizable por base ortonormal |
El caso de las matrices normales
Las matrices hermitianas son un subconjunto de las matrices normales. Una matriz A es normal si conmuta con su traspuesta conjugada. Esto significa que toda matriz hermitiana es normal, pero no toda matriz normal es hermitiana. Un ejemplo claro es una matriz diagonal con entradas complejas distintas de sus conjugadas. Por ejemplo, la matriz D=(i0amp;0amp;2i) es normal porque es diagonal, pero no es hermitiana porque sus elementos diagonales no son reales (son puramente imaginarios). Esta distinción es vital: la normalidad garantiza la diagonalización unitaria, mientras que la hermiticidad garantiza que los valores propios sean reales.
La consecuencia es directa: si necesitas valores propios reales para interpretar magnitudes físicas, buscas hermiticidad. Si solo necesitas una base ortonormal de vectores propios, con normalidad basta.
Aplicaciones en física e ingeniería
Las matrices hermitianas constituyen el lenguaje algebraico fundamental de la mecánica cuántica. En este marco teórico, cada magnitud física medible, conocida como observable, se representa mediante un operador lineal actuando sobre un espacio de Hilbert. La condición de hermiticidad garantiza que los valores propios de estos operadores sean números reales, lo cual es esencial para interpretar las mediciones experimentales. Sin esta propiedad, los resultados de una medición de energía o posición podrían ser complejos, complicando su interpretación física directa.
El Hamiltoniano y la evolución temporal
El operador más significativo en la dinámica cuántica es el Hamiltoniano, denotado habitualmente como H. Este operador representa la energía total del sistema. La ecuación de Schrödinger dependiente del tiempo establece la relación entre la evolución del estado cuántico y el Hamiltoniano:
iℏ∂t∂∣ψ(t)⟩=H^∣ψ(t)⟩Donde i es la unidad imaginaria, ℏ es la constante de Planck reducida y |ψ(t)⟩ es el vector de estado. La hermiticidad del Hamiltoniano asegura que la evolución temporal sea unitaria, preservando la probabilidad total del sistema. Esto significa que si se normaliza el estado inicial, permanecerá normalizado indefinidamente. La conservación de la probabilidad es una consecuencia directa de la estructura matemática del operador.
Dato curioso: El concepto de operador autoadjunto (hermitiano en espacios de dimensión finita) fue crucial en la disputa histórica entre Max Born y Pascual Jordan sobre la interpretación matemática de la mecánica cuántica a finales de los años 1920.
Procesamiento de señales y estadística
Más allá de la física fundamental, estas matrices son herramientas esenciales en ingeniería de señales. Al analizar señales complejas, como las ondas electromagnéticas en telecomunicaciones, se utiliza la matriz de covarianza para cuantificar las relaciones entre diferentes componentes de señal. Esta matriz es siempre hermitiana por definición algebraica. Su estructura permite descomponer la señal en componentes independientes mediante técnicas como el análisis de componentes principales (PCA). Esta descomposición facilita la compresión de datos y la reducción de ruido en sistemas de comunicación modernos.
Teoría de grafos complejos
En teoría de grafos, las matrices hermitianas aparecen al estudiar redes con pesos complejos. La matriz de adyacencia de un grafo dirigido donde las aristas tienen pesos complejos puede ser hermitiana si el peso de la arista de A a B es el conjugado del peso de B a A. Esto modela sistemas donde la interacción no es simétrica en magnitud pero mantiene una relación de fase específica. Tales modelos son útiles en el estudio de redes de osciladores acoplados y en la topología de redes eléctricas trifásicas.
La aplicación práctica de estas estructuras matemáticas demuestra que la abstracción de la hermiticidad trasciende la pura teoría. Proporciona un marco robusto para predecir comportamientos físicos y procesar información en sistemas complejos. La precisión en el cálculo de valores propios hermitianos sigue siendo un desafío computacional activo en 2026, especialmente en sistemas de alta dimensión.
Ejercicios resueltos
Verificación de la propiedad hermitiana
El primer paso para trabajar con estas matrices es confirmar que cumplen su definición básica. Una matriz A es hermitiana si es igual a su transpuesta conjugada (A=A†). Esto implica que los elementos en la diagonal principal deben ser números reales y los elementos simétricos respecto a la diagonal deben ser conjugados complejos entre sí.
Consideremos la siguiente matriz de orden 2x2:
A=(31−iamp;1+iamp;5)Para verificar la propiedad, calculamos la transpuesta conjugada A†. Primero, tomamos la transpuesta, intercambiando filas por columnas:
AT=(31+iamp;1−iamp;5)Luego, aplicamos el conjugado complejo a cada elemento (cambiando el signo de la parte imaginaria):
A†=AT=(31+iamp;1−iamp;5)=(31−iamp;1+iamp;5)Al comparar A y A†, observamos que son idénticas. La matriz A es, por tanto, hermitiana. Este ejercicio demuestra la importancia de revisar la diagonal principal (3 y 5 son reales) y la simetría conjugada (1+i y 1-i).
Cálculo de autovalores reales
Una propiedad fundamental de las matrices hermitianas es que todos sus autovalores son números reales. Demostrémoslo calculando los autovalores de una matriz simple.
Tomemos la matriz:
B=(2−iamp;iamp;2)Para hallar los autovalores λ, resolvemos la ecuación característica det(B−λI)=0:
det(2−λ−iamp;iamp;2−λ)=(2−λ)(2−λ)−(i)(−i)=0Desarrollamos la expresión. Recuerda que i⋅(−i)=−i2=−(−1)=1:
(2−λ)2−1=0Esto lleva a:
(2−λ)2=1⟹2−λ=±1Las soluciones son:
λ1=2−1=1yλ2=2+1=3Ambos autovalores (1 y 3) son números reales. Esto confirma la teoría: a pesar de que la matriz contiene números complejos (i y −i), sus valores propios no tienen parte imaginaria. Esta característica es crucial en mecánica cuántica, donde los resultados de medición deben ser reales.
Descomposición espectral
La descomposición espectral permite expresar una matriz hermitiana como una suma de productos de sus autovalores y sus vectores propios normalizados. Esto simplifica cálculos como potencias de matrices.
Usaremos la matriz B del ejercicio anterior, cuyos autovalores son λ1=1 y λ2=3. Necesitamos encontrar los vectores propios correspondientes.
Para λ1=1, resolvemos (B−1I)v1=0:
(1−iamp;iamp;1)(xy)=(00)Esto da la ecuación x+iy=0, por lo que x=−iy. Elegimos y=1, entonces x=−i. El vector es v1=(−i1). Para normalizarlo, calculamos su norma: ∥v1∥=∣−i∣2+∣1∣2=1+1=2. El vector propio normalizado es u1=21(−i1).
Para λ2=3, resolvemos (B−3I)v2=0:
(−1−iamp;iamp;−1)(xy)=(00)La ecuación es −x+iy=0, o x=iy. Elegimos y=1, entonces x=i. El vector es v2=(i1). Su norma también es 2. El vector propio normalizado es u2=21(i1).
La descomposición espectral de B es:
B=λ1u1u1†+λ2u2u2†Calculamos las matrices proyección u1u1† y u2u2†:
u1u1†=21(−i1)(iamp;1)=21(1iamp;−iamp;1) u2u2†=21(i1)(−iamp;1)=21(1−iamp;iamp;1)Sustituyendo en la fórmula:
B=1⋅21(1iamp;−iamp;1)+3⋅21(1−iamp;iamp;1)=21(1+3i−3iamp;−i+3iamp;1+3)=21(4−2iamp;2iamp;4)=(2−iamp;iamp;2)El resultado coincide con la matriz original B. La descomposición espectral descompone la matriz en componentes más simples, facilitando el análisis de operadores lineales en espacios complejos.
Dato curioso: En mecánica cuántica, el operador Hamiltoniano es hermitiano. Esto garantiza que la energía de un sistema cuántico (los autovalores del Hamiltoniano) siempre sea un número real, algo esencial para las mediciones experimentales.
Generalizaciones y extensiones
Las matrices hermitianas constituyen una base sólida para conceptos más complejos en álgebra lineal y análisis funcional. Dos extensiones fundamentales son las matrices de Hermitiano positivo y semidefinido positivo. Estas clasificaciones dependen directamente de los valores propios de la matriz. Una matriz hermitiana es definida positiva si todos sus valores propios son estrictamente mayores que cero. Esto implica que para cualquier vector no nulo x, el producto escalar hermitiano satisface:
x^* A x > 0">La condición de semidefinida positiva es ligeramente más laxa. Requiere que los valores propios sean mayores o iguales a cero. En este caso, el producto escalar hermitiano cumple:
x∗Ax≥0Estas propiedades son esenciales en optimización y mecánica cuántica. Permiten garantizar la existencia de soluciones únicas o la estabilidad de sistemas dinámicos. La diferencia entre "definida" y "semidefinida" radica en la posibilidad de que el producto escalar sea exactamente cero para vectores no nulos.
Operadores autoadjuntos en espacios de Hilbert
Cuando se pasa de matrices finitas a espacios de dimensión infinita, el concepto de matriz hermitiana se generaliza a operadores autoadjuntos. Un espacio de Hilbert es un espacio vectorial completo con un producto interno. Los operadores lineales en estos espacios juegan un papel análogo al de las matrices en espacios de dimensión finita. Un operador T es autoadjunto si es igual a su adjunto T∗. Esto significa que para todos los vectores x e y del espacio:
⟨Tx,y⟩=⟨x,Ty⟩Esta definición es más sutil que en el caso finito. En espacios infinitos, no todos los operadores simétricos son autoadjuntos. La diferencia técnica reside en el dominio del operador. Un operador simétrico tiene un dominio D(T), y su adjunto T∗ tiene un dominio D(T∗). Para que T sea autoadjunto, se requiere que T=T∗ y que D(T)=D(T∗). Esta distinción es crucial en mecánica cuántica, donde los observables físicos se representan mediante operadores autoadjuntos. El teorema espectral para operadores autoadjuntos garantiza que su espectro es real, lo que corresponde a los posibles resultados de una medida física.
Dato curioso: En mecánica cuántica, la diferencia entre un operador simétrico y uno autoadjunto puede determinar si el tiempo de evolución de un sistema es unitario. Esto afecta directamente a la conservación de la probabilidad total.
Matrices de Toeplitz hermitianas
Las matrices de Toeplitz son matrices cuadradas donde cada diagonal paralela a la diagonal principal es constante. Cuando una matriz de Toeplitz es también hermitiana, presenta propiedades interesantes en análisis funcional. Estas matrices aparecen frecuentemente en el estudio de procesos estacionarios y en la teoría de señales. Una matriz de Toeplitz hermitiana Tn de tamaño n×n tiene la forma:
Tn=a0a1⋮an−1amp;a−1amp;a0amp;⋮amp;an−2amp;⋯amp;⋯amp;⋱amp;⋯amp;a−(n−1)amp;a−(n−2)amp;⋮amp;a0Donde a−k=ak para garantizar la propiedad hermitiana. El estudio de estas matrices permite analizar el comportamiento asintótico de los valores propios. Esto es relevante en compresión de datos y en la resolución de ecuaciones integrales. La estructura constante de las diagonales facilita cálculos eficientes en comparación con matrices hermitianas genéricas. Estas herramientas matemáticas conectan el álgebra lineal con el análisis de Fourier.
Preguntas frecuentes
¿Por qué los valores propios de una matriz hermitiana son siempre reales?
Esto se debe a que, al aplicar la definición de valor propio y utilizar la propiedad de la transpuesta conjugada, la parte imaginaria del resultado se anula matemáticamente, dejando solo componentes reales.
¿Toda matriz simétrica es hermitiana?
Sí, toda matriz simétrica con entradas reales es un caso particular de matriz hermitiana, ya que el conjugado de un número real es él mismo.
¿Cómo se calcula la transpuesta conjugada de una matriz?
Primero se calcula la transpuesta de la matriz (intercambiando filas por columnas) y luego se toma el conjugado complejo de cada elemento (cambiando el signo de la parte imaginaria).
¿Qué relación tienen con la mecánica cuántica?
En mecánica cuántica, los operadores que representan observables físicos (como la energía o el momento) deben ser hermitianos para asegurar que las mediciones resulten en valores reales.
¿Pueden tener valores propios negativos?
Sí, a diferencia de las matrices definidas positivas, las matrices hermitianas pueden tener valores propios positivos, negativos o nulos, siempre que sean números reales.
Resumen
Las matrices hermitianas son matrices cuadradas complejas iguales a su transpuesta conjugada, caracterizadas por tener valores propios reales y vectores propios ortogonales. Estas propiedades las hacen esenciales en física cuántica y análisis de datos, permitiendo la descomposición espectral y garantizando resultados medibles en sistemas complejos.
Comprender su estructura permite distinguir entre casos reales (matrices simétricas) y complejos, facilitando el análisis de estabilidad en ingeniería y la interpretación de operadores físicos en la ciencia moderna.