MIT 线性代数 Linear Algebra 26:复矩阵，傅里叶矩阵, 快速傅里叶变换 FFT

这一讲我们来讲一下复矩阵。线性代数中，复矩阵是避免不了的话题，因为一个简单实矩阵都有可能有复数特征值。

复矩阵

我们着重看一下复矩阵和实矩阵在运算上的区别。

1. 距离

首先，一个复数向量的的距离求法发生了变化
$${\mathbf{x}}^{\top }\mathbf{x}\to {\mathbf{x}}^H\mathbf{x}$$

其中，${\mathbf{x}}^H$ 指的是共轭转置。

相应的，内积也发生了变化

2. 内积
   $${\mathbf{x}}^{\top }\mathbf{y}\to {\mathbf{x}}^H\mathbf{y}$$

3. 对称矩阵 symmetric matrix $\to$ 厄米矩阵 Hermitian matrix

之前讲到对阵矩阵时说过，对称矩阵很好的性质在复数矩阵的情况下应该变为
$${\mathbf{A}}^{\top }=\mathbf{A}\to {\mathbf{A}}^H=\mathbf{A}$$

4. 正交矩阵 orthogonal matrix $\to$ 酉矩阵 Unitary matrix

$${\mathbf{Q}}^{\top }\mathbf{Q}=I\to {\mathbf{Q}}^H=\mathbf{Q}$$

傅里叶矩阵

下面我们讲一下目前为止最重要的复数矩阵: 傅里叶矩阵 Fourier Matrix. 它实际上是傅里叶变换的矩阵形式。

定义

我们来看看什么是傅里叶矩阵
F n = [ 1 1 1 ⋯ 1 1 W 1 W 2