线性代数 复矩阵

一.复向量与复矩阵
1.复向量的模长:

设列向量 z ∈ C n z∈C^n zCn,则 ∣ z ∣ = z ˉ T ⋅ z |z|=\bar z^T·z z=zˉTz,记为 ∣ z ∣ = z H ⋅ z |z|=z^H·z z=zHz
注:z.bar表示取z的共轭;^H表示取共轭并转置

2.复向量的内积:

设列向量 x , y ∈ C n x,y∈C^n x,yCn,则 < x , y > = x H ⋅ y <x,y>=x^H·y <x,y>=xHy
#当x=y,内积就是x的模长
特别地,若 < x , y > = x H ⋅ y = 0 <x,y>=x^H·y=0 <x,y>=xHy=0,则复列向量 x , y x,y x,y正交

3.埃尔米特矩阵(Hermite Matrix):

如果复矩阵 A A A满足 A H = A A^H=A AH=A,则称 A A A为埃尔米特矩阵
#(实)对称矩阵是埃尔米特矩阵中元素全为实数时的特殊情况

性质:
1.埃尔米特矩阵对角线上的元素一定是实数
2.特征值均为实数,可以找到1组特征向量两两正交
3.埃尔米塔矩阵是方阵

4.酉矩阵(Unitary Matrix):

若复矩阵 Q Q Q满足 Q H ⋅ Q = I Q^H·Q=I QHQ=I,则称 Q Q Q为酉矩阵
注:(实)正交矩阵是酉矩阵中元素全为实数时的特殊情况

性质:
1.酉矩阵的列向量组为单位正交复向量组
2.酉矩阵是方阵

二.傅里叶矩阵
1.傅里叶矩阵(Fourier Matrix):

n n n阶傅里叶矩阵记为 F n F_n Fn
F n = [ 1 1 1 . . . 1 1 W W 2 . . . W n − 1 1 W 2 W 4 . . . W 2 ( n − 1 ) . . . . . . . . . . . . . . . 1 W n − 1 W 2 ( n − 1 ) . . . W ( n − 1 ) 2 ]    = ( W i j ) n   ( i , j = 1 , 2... n − 1 , W n = e i 2 Π n ) F_n=\left[\begin{matrix}1&1&1&...&1\\1&W&W^2&...&W^{n-1}\\1&W^2&W^4&...&W^{2(n-1)}\\...&...&...&...&...\\1&W^{n-1}&W^{2(n-1)}&...&W^{(n-1)^2}\end{matrix}\right]\\\quad\:\:=(W_{ij})_n\,(i,j=1,2...n-1,W_n=e^{i\frac{2Π}{n}}) Fn=111...11WW2...Wn11W2W4...W2(n1)...............1Wn1W2(n1)...W(n1)2=(Wij)n(i,j=1,2...n1,Wn=ein2Π)

性质:
1.傅里叶矩阵是1种特殊的酉矩阵,故其列向量组正交
注: F n n \frac{F_n}{\sqrt{n}} n Fn的列向量是单位正交向量组
2. W k W^k Wk的几何意义见下图
3. F n − 1 = F H F_n^{-1}=F^H Fn1=FH

以4阶傅里叶矩阵为例:
F 4 = [ 1 1 1 1 1 i i 2 i 3 1 i 2 i 4 i 6 1 i 3 i 6 i 9 ]    = [ 1 1 1 1 1 i − 1 − i 1 − 1 1 − 1 1 − i − 1 i ] F_4=\left[\begin{matrix}1&1&1&1\\1&i&i^2&i^3\\1&i^2&i^4&i^6\\1&i^3&i^6&i^9\end{matrix}\right]\\\quad\:\,=\left[\begin{matrix}1&1&1&1\\1&i&-1&-i\\1&-1&1&-1\\1&-i&-1&i\end{matrix}\right] F4=11111ii2i31i2i4i61i3i6i9=11111i1i11111i1i

在这里插入图片描述
2.傅里叶变换(Fourier Transform):

对1个n维向量进行傅里叶变换相当于左乘 F n F_n Fn,进行傅里叶逆变换相当于左乘 F n − 1 F_n^{-1} Fn1

3.快速傅里叶变换(Fast Fourier Transform):

F 4 n = [ I 2 n D 2 n I 2 n − D 2 n ] [ F 2 n F 2 n ] P 2 n      = [ I 2 n D 2 n I 2 n − D 2 n ] [ I n D n I n D n I n D n I n D n ] [ F n F n F n F n ] [ P n P n ] P 2 n = . . . F_{4n}=\left[\begin{matrix}I_{2n}&D_{2n}\\I_{2n}&-D_{2n}\end{matrix}\right]\left[\begin{matrix}F_{2n}\\&F_{2n}\end{matrix}\right]P_{2n}\\\quad\:\:\:\,=\left[\begin{matrix}I_{2n}&D_{2n}\\I_{2n}&-D_{2n}\end{matrix}\right]\left[\begin{matrix}I_n&D_n\\I_n&D_n\\&&I_n&D_n\\&&I_n&D_n\end{matrix}\right]\left[\begin{matrix}F_n\\&F_n\\&&F_n\\&&&F_n\end{matrix}\right]\left[\begin{matrix}P_n\\&P_n\end{matrix}\right]P_{2n}\\\qquad=... F4n=[I2nI2nD2nD2n][F2nF2n]P2n=[I2nI2nD2nD2n]InInDnDnInInDnDnFnFnFnFn[PnPn]P2n=...

注:①两个修正项分别为:
   1 2 3 4 . . . P 2 n = [ 1 1 . . . 1 1 1 . . . 1 ] 1 2 . . . 2 n 2 n + 1 2 n + 2 . . . 4 n \qquad\quad\:\:\begin{matrix}1&2&3&4&\quad&...&\end{matrix}\\P_{2n}=\left[\begin{matrix}1\\&&1\\&&&&...\\&&&&&&1\\&1\\&&&1\\&&&&&...\\&&&&&&&1\end{matrix}\right]\begin{matrix}1\\2\\...\\2n\\2n+1\\2n+2\\...\\4n\end{matrix} 1234...P2n=1111......1112...2n2n+12n+2...4n
D 2 n = [ 1 W W 2 . . . W 2 n − 1 ] D_{2n}=\left[\begin{matrix}1\\&W\\&&W^2\\&&&...\\&&&&W^{2n-1}\end{matrix}\right] D2n=1WW2...W2n1
②将1个 n n n阶傅里叶矩阵完全分解后,计算次数将从 n 2 n^2 n2降低到 n 2 l o g 2 n \frac{n}{2}log_2n 2nlog2n

  • 0
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值