【MIT线性代数学习-27】复数矩阵 / FFT

1. 复数矩阵

1. 对于复数向量来说，求膜长的时候要采用（根号$X^{H}X$），也就是共轭转置，这样求出来的膜长才是符合真正需求的，而不是简单的转置。求内积也是如此。
2. 对于对称的定义也变成了共轭转置。
   
3. 正交矩阵也从任意两个向量共轭相乘判断，变为了H转置。此时组成的正交矩阵也被叫为酉矩阵（Unitary）。
   

2. 傅立叶矩阵

傅立叶矩阵特点：是个全矩阵（没有零元素），并且是正交的
其中每一项都是$(F_n{)}_{ij}=w^{ij}$

其中 $w^n=1$，即 $w=e^{i\ast 2\pi /n}$， 每一个w都在单位圆上。

但是不是真的标准正交，而只是正交。因此要让$F_n=1/\sqrt{n}\ast F_n$，这样他的逆就好求了。就是共轭转置

3. FFT（快速傅立叶变换）

可以观察到傅立叶中w有一些规律，比如$w_{64}$可以写作$w_{32}^2$，因此可以简化运算。

具体的：
以n=64时为例，$F_{64}$可以被分解为两个$F_{32}$的排列。以及左右乘两个矩阵。

1. 其中右侧是一个Permutation置换矩阵，作用就是把所有的偶数项换到前边（从0开始），奇数项放后边，这个计算可以忽略。
2. 左侧的对角矩阵D，才是分解一步所需要的计算量，因为有32个元素，因此计算花销为32。

因此，一个矩阵左乘$F_{64}$所用的乘法次数就从$64^2$次变为了$2\ast (32{)}^2+32$次。

而得到的$F_{32}$又可以分解为$F_{16}$的组合。直到分解到1阶的傅立叶矩阵，因此复杂度从原先的 $n^2$ 变为了$1/2\ast n\ast logn$