9.2 埃尔米特矩阵和酉矩阵

一、复向量的长度

本节的主要内容可概括为:当对一个复向量 z\pmb zz 或复矩阵 A\pmb AA 转置后,还要取复共轭。 不能在 zTz^TzT 或 ATA^TAT 时就停下来,还要对所有的虚部取相反的符号。对于一个分量为 zj=aj+ibjz_j=a_j+ib_jzj=aj+ibj 的列向量,其共轭转置(conjugate transpose)是分量为 aj−ibja_j-ib_jaj−ibj 的行向量 z‾T\overline z^TzT:共轭转置 Conjugate transposez‾T=[z‾1z‾2⋯z‾n]=[a1−ib1a2−ib2⋯an−ibn](9.2.1)\pmb{共轭转置\,\textrm{Conjugate transpose}}\kern 15pt\pmb{\overline z^T}=\begin{bmatrix}\overline z_1&\overline z_2&\cdots&\overline z_n\end{bmatrix}=\begin{bmatrix}a_1-ib_1&a_2-ib_2&\cdots&a_n-ib_n\end{bmatrix}\kern 15pt(9.2.1)共轭转置Conjugate transposezT=[z1z2⋯zn]=[a1−ib1a2−ib2⋯an−ibn](9.2.1)下面给出取共轭的一个原因。实向量长度的平方是 x12+x22+⋯+xn2x_1^2+x_2^2+\cdots+x_n^2x12+x22+⋯+xn2,而复向量长度的平方并不是 z12+z22+⋯+zn2z_1^2+z_2^2+\cdots+z_n^2z12+z22+⋯+zn2,这是一个错误的定义,因为这样会导致 (1,i)(1,i)(1,i) 长度的平方是 12+i2=01^2+i^2=012+i2=0,即一个非零的向量其长度为零。而且还会有其它向量出现长度为复数的情况。我们需要绝对值的平方 a2+b2a^2+b^2a2+b2 而不是 (a+bi)2(a+bi)^2(a+bi)2,这个就是 (a+bi)(a+bi)(a+bi) 乘 (a−bi)(a-bi)(a−bi).

对于每个分量我们都想要 zjz_jzj 乘 z‾j\overline z_jzj,即 ∣zj∣2=aj2+bj2|z_j|^2=a_j^2+b_j^2∣zj∣2=aj2+bj2. 这是由 zzz 的分量乘 z‾\overline zz 的分量得到的:长度平方[z‾1z‾2⋯z‾n][z1z2⋮zn]=∣z1∣2+∣z2∣2+⋯+∣zn∣2.即是z‾Tz=∣∣z∣∣2(9.2.2)\pmb{长度平方}\kern 10pt\begin{bmatrix}\overline z_1&\overline z_2&\cdots&\overline z_n\end{bmatrix}\begin{bmatrix}z_1\\z_2\\\vdots\\z_n\end{bmatrix}=|z_1|^2+|z_2|^2+\cdots+|z_n|^2.\kern 5pt\pmb{即是\kern 5pt\overline z^Tz=||z||^2}\kern 15pt(9.2.2)长度平方[z1z2⋯zn] z1z2⋮zn =∣z1∣2+∣z2∣2+⋯+∣zn∣2.即是zTz=∣∣z∣∣2(9.2.2)这样 (1,i)(1,i)(1,i) 长度的平方就是 12+∣i∣2=21^2+|i|^2=212+∣i∣2=2,其长度为 2\sqrt22 ,(1+i,1−i)(1+i,1-i)(1+i,1−i) 长度的平方是 444. 唯一的零长度向量就是零向量。

长度 ∣∣z∣∣ 是z‾Tz=zHz=∣z1∣2+∣z2∣2+⋯+∣zn∣2的平方根\pmb{长度\,||z||\,是}\kern 5pt{\color{blue}\pmb{\overline z^Tz=z^Hz}=|z_1|^2+|z_2|^2+\cdots+|z_n|^2}\kern 5pt\pmb{的平方根}长度∣∣z∣∣是zTz=zHz=∣z1∣2+∣z2∣2+⋯+∣zn∣2的平方根

后面我们会用一个符号来代替两个符号:我们只使用一个上标 H\textrm HH 来代表共轭的横线和转置的上标 T\textrm TT,即 z‾T=zH\pmb{\overline z^T=z^H}zT=zH. 这就是 "zzz 的共轭转置",称为 "z  Hermitianz\,\,\textrm{Hermitian}zHermitian". 这个符号也可以用在矩阵上:矩阵 AAA 的共轭转置就是 AHA^HAH.

另外一个表示共轭转置的常见符号是 A∗A^*A∗. MATLAB 中的命令 ′'′ 会自动取复共轭(z′z'z′ 就是 zH=z‾Tz^H=\overline z^TzH=zT,而 A′A'A′ 是 AH=A‾HA^H=\overline A^HAH=AH).AH 是 "A 的共轭转置".如果 A=[1i01+i],则 AH=[10−i1−i]\pmb{A^H\,是\,"A\,的共轭转置".}\kern 5pt如果\,A=\begin{bmatrix}1&i\\0&1+i\end{bmatrix},则\,A^H=\begin{bmatrix}1&0\\-i&1-i\end{bmatrix}AH是"A的共轭转置".如果A=[10i1+i],则AH=[1−i01−i]

二、复内积

对于实向量,其长度的平方是 xTx\boldsymbol x^T\boldsymbol xxTx,即 x\boldsymbol xx 和它自己的内积。对于复向量,其长度的平方是 zHz\boldsymbol z^H\boldsymbol zzHz,如果 zHz\boldsymbol z^H\boldsymbol zzHz 也是 z\boldsymbol zz 和它自己的内积,则这个就与实向量的情形一致。因此,复内积(complex inner product)是取共轭转置(不仅仅是转置),而共轭对实向量没有影响。

定义 \kern 10pt 实向量或复向量 u\boldsymbol uu 和 v\boldsymbol vv 的内积是 uHv\boldsymbol u^H\boldsymbol vuHv:uHv=[u‾1u‾2⋯u‾n][v1v2⋮vn]=u‾1v1+u‾2v2+⋯+u‾nvn(9.2.3){\color{blue}\boldsymbol u^H\boldsymbol v}=\begin{bmatrix}\overline u_1&\overline u_2&\cdots&\overline u_n\end{bmatrix}\begin{bmatrix}v_1\\v_2\\\vdots\\v_n\end{bmatrix}={\color{blue}\overline u_1v_1+\overline u_2v_2+\cdots+\overline u_nv_n}\kern 20pt(9.2.3)uHv=[u1u2⋯un] v1v2⋮vn =u1v1+u2v2+⋯+unvn(9.2.3)

对于复向量,uHv\boldsymbol u^H\boldsymbol vuHv 和 vHu\boldsymbol v^H\boldsymbol uvHu 并不相等,此时向量的顺序就变得很重要了。实际上 vHu=v‾1u1+v‾2u2+⋯+v‾nun\boldsymbol v^H\boldsymbol u=\overline v_1u_1+\overline v_2u_2+\cdots+\overline v_nu_nvHu=v1u1+v2u2+⋯+vnun,它是 uHv\boldsymbol u^H\boldsymbol vuHv 的复共轭。为了使得其同时适用于实向量和复向量,我们不得不容忍这一点不便。

例1 】u=[1i]\boldsymbol u=\begin{bmatrix}1\\i\end{bmatrix}u=[1i] 和 v=[i1]\boldsymbol v=\begin{bmatrix}i\\1\end{bmatrix}v=[i1] 的内积是 [1−i][i1]=0\begin{bmatrix}1&-i\end{bmatrix}\begin{bmatrix}i\\1\end{bmatrix}=0[1−i][i1]=0.

例 1 给出了一个令人惊讶的结果,向量 (1,i)(1,i)(1,i) 和 (i,1)(i,1)(i,1) 看起来并不垂直,但实际上确垂直。内积为零仍然表明(复)向量正交 。类似的,向量 (1,i)(1,i)(1,i) 和 (1,−i)(1,-i)(1,−i) 也是正交的,它们的内积是 1−1=01-1=01−1=0,这样我们得到了正确的内积零,如果我们忘记取共轭,就会得到 (1,i)(1,i)(1,i) 的长度为零这样错误的结果。

注: 计算复内积时,这里我们对第一个向量 u\boldsymbol uu 取了共轭,而有些地方会对第二个向量 v\boldsymbol vv 取共轭,则复内积就是 uTv‾\boldsymbol u^T\boldsymbol {\overline v}uTv. 这两种选择都可以。

AuA\boldsymbol uAu 和 v\boldsymbol vv 的内积等于 u\boldsymbol uu 和 AHvA^H\boldsymbol vAHv 的内积: AH也称为A 的 "伴随矩阵"(Au)Hv=uH(AHv)(9.2.4)\pmb{A^H\kern 2pt也称为\kern 2ptA\,的 \,"伴随矩阵"}\kern 15pt{\color{blue}(A\boldsymbol u)^H\boldsymbol v=\boldsymbol u^H(A^H\boldsymbol v)}\kern 20pt(9.2.4)AH也称为A的"伴随矩阵"(Au)Hv=uH(AHv)(9.2.4)AuA\boldsymbol uAu 的共轭是 Au‾\overline {A\boldsymbol u}Au,再对 Au‾\overline{A\boldsymbol u}Au 取转置得到 u‾TA‾T\overline{\boldsymbol u}^T\overline A^TuTAT,这个就是 uHAH\boldsymbol u^HA^HuHAH. 这些运算都是相容的,共轭转置的运算继承自转置的运算法则。

还有一个事实,(a−ib)(c−id)(a-ib)(c-id)(a−ib)(c−id) 是 (a+ib)(c+ib)(a+ib)(c+ib)(a+ib)(c+ib) 的共轭。

AB的共轭转置是(AB)H=BHAH\pmb{AB\kern 3pt的共轭转置是\kern 10pt{\color{blue}(AB)^H=B^HA^H}}AB的共轭转置是(AB)H=BHAH

三、埃尔米特矩阵 S=SHS=S^HS=SH

在实矩阵中,对称矩阵 S=STS=S^TS=ST 是最重要的特殊类:它们有实特征值和正交的特征向量,这些特征向量可以构成正交矩阵 QQQ. 每个实对称矩阵都可以写成 S=QΛQ−1S=Q\Lambda Q^{-1}S=QΛQ−1 或 S=QΛQTS=Q\Lambda Q^TS=QΛQT(因为 Q−1=QTQ^{-1}=Q^TQ−1=QT). 所有这些结论都是因为 SSS 是实对称矩阵 ST=SS^T=SST=S.

而在复矩阵中,这个特殊类是埃尔米特矩阵(Hermitian matrices) :S=SHS=S^HS=SH,对于其中的元素就是 sij=sji‾s_{ij}=\overline{s_{ji}}sij=sji. 这种情况下我们称 "SSS 是艾尔米特矩阵"。 任意的实对称矩阵都是艾尔米特矩阵,这是因为取共轭对于实数没有影响。下例的矩阵就是一个艾尔米特矩阵:S=SHS=S^HS=SH:

例2 】矩阵 S=[23−3i3+3i5]S=\begin{bmatrix}2&3-3i\\3+3i&5\end{bmatrix}S=[23+3i3−3i5] 是艾尔米特矩阵。由于 sii=sii‾s_{ii}=\overline{s_{ii}}sii=sii,所以埃尔米特矩阵的主对角线元素一定要是实数;关于对角线对称的元素是共轭的,本例中的是 3+3i3+3i3+3i 和 3−3i3-3i3−3i. 本例会展示艾尔米特矩阵的三个关键性质:

如果 S=SH\pmb{S=S^H}S=SH 且 z\pmb zz 是任意实或复列向量,则 zHSz\pmb{z^HSz}zHSz 为实数。

简洁证明:zHSz\boldsymbol z^HS\boldsymbol zzHSz 是 1×11\times11×1 的矩阵,取它的共轭转置:(zHSz)H=zHSH(zH)H=zHSz(\boldsymbol z^HS\boldsymbol z)^H=\boldsymbol z^HS^H(\boldsymbol z^H)^H=\boldsymbol z^HS\boldsymbol z(zHSz)H=zHSH(zH)H=zHSz数值 zHSz\boldsymbol z^HS\boldsymbol zzHSz 等于它的共轭,所以一定是实数。

下面是上述 "能量(energy)" zHSz\boldsymbol z^HS\boldsymbol zzHSz:[z‾1z‾2][23−3i3+3i5][z1z2]=2z‾1z1+5z‾2z2+(3−3i)z‾1z2+(3+3i)z1z‾2对角元素非对角元素\begin{bmatrix}\overline z_1&\overline{z}_2\end{bmatrix}\begin{bmatrix}2&3-3i\\3+3i&5\end{bmatrix}\begin{bmatrix}z_1\\z_2\end{bmatrix}\begin{array}{l}=2\overline z_1z_1+5\overline z_2z_2+(3-3i)\overline z_1z_2+(3+3i)z_1\overline z_2\\\kern 22pt对角元素\kern 57pt非对角元素\end{array}[z1z2][23+3i3−3i5][z1z2]=2z1z1+5z2z2+(3−3i)z1z2+(3+3i)z1z2对角元素非对角元素上式中 2∣z1∣22|z_1|^22∣z1∣2 和 5∣z2∣25|z_2|^25∣z2∣2 这两项对应对角元素。非对角元素对应的项互为共轭 ------ 所以它们的和是实数。(当它们相加时,虚部抵消掉了。)整个表达式 zHSz\boldsymbol z^HS\boldsymbol zzHSz 是实数,而这可以推出特征值 λ\lambdaλ 是实数。

埃尔米特矩阵的每一个特征值都是实数。

证明: 假设 Sz=λzS\boldsymbol z=\lambda\boldsymbol zSz=λz,两边同时左乘 zH\boldsymbol z^HzH 得 zHSz=λzHz\boldsymbol z^HS\boldsymbol z=\lambda \boldsymbol z^H\boldsymbol zzHSz=λzHz. 由前面的结论,左边 zHSz\boldsymbol z^HS\boldsymbol zzHSz 是实数;右边 zHz\boldsymbol z^H\boldsymbol zzHz 是长度的平方,它是正实数。所以比值 λ=zHSzzHz\lambda=\dfrac{\boldsymbol z^HS\boldsymbol z}{\boldsymbol z^H\boldsymbol z}λ=zHzzHSz 是一个实数。

由于 S=SHS=S^HS=SH,可以得到例 2 的特征值是 λ=8\lambda=8λ=8 和 λ=−1\lambda =-1λ=−1:∣2−λ3−3i3+3i5−λ∣=λ2−7λ+10−∣3+3i∣2=λ2−7λ+10−18=(λ−8)(λ+1)\begin{vmatrix}2-\lambda&3-3i\\3+3i&5-\lambda\end{vmatrix}=\lambda^2-7\lambda+10-|3+3i|^2=\lambda^2-7\lambda+10-18=(\lambda-8)(\lambda+1) 2−λ3+3i3−3i5−λ =λ2−7λ+10−∣3+3i∣2=λ2−7λ+10−18=(λ−8)(λ+1)

埃尔米特矩阵的特征向量是正交的 (当它们对应不同的特征值)。
如果 Sz=λz 且 Sy=βy,则 yHz=0\color{blue}如果\,S\boldsymbol z=\lambda \boldsymbol z\,且\,S\boldsymbol y=\beta\boldsymbol y,则\,\boldsymbol y^H\boldsymbol z=0如果Sz=λz且Sy=βy,则yHz=0

证明: Sz=λzS\boldsymbol z=\lambda\boldsymbol zSz=λz 两边同时左乘 yH\boldsymbol y^HyH;Sy=βyS\boldsymbol y=\beta\boldsymbol ySy=βy 两边同时取共轭转置,且两边右乘 z\boldsymbol zz,得到:yHSz=λyHz,yHSHz=βyHz(9.2.5)\boldsymbol y^HS\boldsymbol z=\lambda\boldsymbol y^H\boldsymbol z,\kern 10pt\boldsymbol y^HS^H\boldsymbol z=\beta\boldsymbol y^H\boldsymbol z\kern 20pt(9.2.5)yHSz=λyHz,yHSHz=βyHz(9.2.5)由于 S=SHS=S^HS=SH,所以上面两式左边相等,则 λyHz=βyHz\lambda\boldsymbol y^H\boldsymbol z=\beta\boldsymbol y^H\boldsymbol zλyHz=βyHz,故 yHz\boldsymbol y^H\boldsymbol zyHz 一定为零

例 222 中特征值 λ=8\lambda=8λ=8 和 β=−1\beta=-1β=−1 对应的特征向量正交:(S−8I)z=[−63−3i3+3i−3][z1z2]=[00]得z=[11+i](S+I)y=[33−3i3+3i6][y1y2]=[00]得y=[1−i−1]\begin{array}{r}(S-8I)\boldsymbol z=\begin{bmatrix}-6&3-3i\\3+3i&-3\end{bmatrix}\begin{bmatrix}z_1\\z_2\end{bmatrix}=\begin{bmatrix}0\\0\end{bmatrix}&得&\boldsymbol z=\begin{bmatrix}1\\1+i\end{bmatrix}\\[3ex](S+I)\boldsymbol y=\begin{bmatrix}3&3-3i\\3+3i&6\end{bmatrix}\begin{bmatrix}y_1\\y_2\end{bmatrix}=\begin{bmatrix}0\\0\end{bmatrix}&得&\boldsymbol y=\begin{bmatrix}1-i\\-1\end{bmatrix}\end{array}(S−8I)z=[−63+3i3−3i−3][z1z2]=[00](S+I)y=[33+3i3−3i6][y1y2]=[00]得得z=[11+i]y=[1−i−1]正交特征向量 Orthogonal eigenvectorsyHz=[1+i−1][11+i]=0\pmb{正交特征向量\,\textrm{Orthogonal eigenvectors}}\kern 20pt\boldsymbol y^H\boldsymbol z=\begin{bmatrix}1+i&-1\end{bmatrix}\begin{bmatrix}1\\1+i\end{bmatrix}=0正交特征向量Orthogonal eigenvectorsyHz=[1+i−1][11+i]=0这些特征向量长度的平方是 12+12+12=31^2+1^2+1^2=312+12+12=3,除以 3\sqrt33 得到单位向量,这样它们现在就是标准正交向量 。以这些向量为列向量的特征向量矩阵 XXX,可以对角化 SSS.

当 SSS 是实对称矩阵时,XXX 是 QQQ,它是正交矩阵。现在 SSS 是复矩阵且为埃尔米特矩阵,它的特征向量可以取复的标准正交向量。特征向量矩阵 X\pmb XX 就像 Q\pmb QQ,但它是复矩阵,且有:QHQ=I\pmb{Q^HQ=I}QHQ=I. 我们给 QQQ 去一个新的名字 "酉矩阵(unitary)",但是仍记为 QQQ.

四、酉矩阵

酉矩阵(unitary matrix) Q\pmb QQ 是具有标准正交列的 (复)方阵。酉矩阵对角化上述矩阵 S:Q=13[11−i1+i−1]\pmb{酉矩阵对角化上述矩阵\,S:}\kern 15ptQ=\dfrac{1}{\sqrt3}\begin{bmatrix}1&1-i\\1+i&-1\end{bmatrix}酉矩阵对角化上述矩阵S:Q=3 1[11+i1−i−1]这个 QQQ 也是一个埃尔米特矩阵,这个有些出人意料!这个例子太完美了,一般情况下这是不成立的。还可以确定的是这个 QQQ 的特征值一定是 111 和 −1-1−1.

对于实矩阵要检验是不是标准正交列的条件是 QTQ=IQ^TQ=IQTQ=I,非对角元素的内积为零。而对于复矩阵的情况,QTQ^TQT 变成了 QHQ^HQH,当 QHQ^HQH 左乘 QQQ 时,我们就可以看出其列向量是不是标准正交的。任意两个列向量的内积都对应着 QHQ=I\pmb{Q^HQ=I}QHQ=I:

每个具有标准正交列的矩阵 Q\pmb QQ 都有 QHQ=I\pmb{Q^HQ=I}QHQ=I.
如果 Q\pmb QQ 还是方阵,则它是一个酉矩阵,则有 QH=Q−1\color{blue}\pmb{Q^H=Q^{-1}}QH=Q−1.

如果 QQQ(具有标准正交列)左乘任意向量 z\boldsymbol zz,那么向量的长度保持不变,这是因为 zHQHQz=zHz\boldsymbol z^HQ^HQ\boldsymbol z=\boldsymbol z^H\boldsymbol zzHQHQz=zHz. 如果 z\boldsymbol zz 是 QQQ 的特征向量,那么我们还能够得到更多信息:酉矩阵(和正交矩阵)QQQ 的特征值的绝对值都满足 ∣λ∣=1|\lambda|=1∣λ∣=1.

如果 QQQ 是酉矩阵则 ∣∣Qz∣∣=∣∣z∣∣\color{blue}||Q\boldsymbol z||=||\boldsymbol z||∣∣Qz∣∣=∣∣z∣∣,因此 Qz=λzQ\boldsymbol z=\lambda \boldsymbol zQz=λz 可以推出 ∣λ∣=1\color{blue}|\lambda|=1∣λ∣=1.

上面的 2×22\times22×2 的矩阵既是埃尔米特矩阵(Q=QHQ=Q^HQ=QH)又是酉矩阵(Q−1=QHQ^{-1}=Q^HQ−1=QH). 这意味着它的特征值是实数且 ∣λ∣=1|\lambda|=1∣λ∣=1,而实数中满足 ∣λ∣=1|\lambda|=1∣λ∣=1 的只有两种可能,所以特征值是 111 或 −1-1−1,再根据 QQQ 的迹为零可以推出 λ=1\lambda=1λ=1 和 λ=−1\lambda=-1λ=−1.

例3 】Figure 9.3 中是 3×33\times33×3 的傅里叶矩阵 ,它是埃尔米特矩阵吗?它是酉矩阵吗?F3F_3F3 肯定是对称矩阵,因为它等于它的转置。但是却不等于它自身的共轭转置,所以它不是埃尔米特矩阵。如果将 iii 改成 −i-i−i,会得到一个不同的矩阵。


FFF 是酉矩阵?答案是是的。每一个列向量长度的平方都是 13(1+1+1)\dfrac{1}{3}(1+1+1)31(1+1+1),所以它们都是单位向量。而 1+e2πi/3+e4πi/3=01+e^{2\pi i/3}+e^{4πi/3}=01+e2πi/3+e4πi/3=0,所以第一个列向量与第二个列向量正交,这就是 Figure 9.3 中所标注的三个数之和。

注意图中的对称性,如果将其旋转 120°120°120°,这三个点与原先的三个点是重合的,因此它们的和 SSS 也不变,即 S=0S=0S=0.
FFF 的列 222 与列 333 正交吗?它们的点积看起来是13(1+e6πi/3+e6πi/3)=13(1+1+1)\dfrac{1}{3}(1+e^{6πi/3}+e^{6πi/3})=\dfrac{1}{3}(1+1+1)31(1+e6πi/3+e6πi/3)=31(1+1+1)这个并不是零。但是这个答案是错误的,因为计算时没有取复共轭。复内积使用的是共轭转置 H\textrm HH 而不仅仅是转置 T\textrm TT:(column 2)H(column 3)=13(1⋅1+e−2πi/3e4πi/3+e−4πi/3e2πi/3)=13(1+e2πi/3+e−2πi/3)=0(\textrm{column\,2})^H(\textrm{column\,3})=\dfrac{1}{3}(1\cdot1+e^{-2πi/3}e^{4πi/3}+e^{-4πi/3}e^{2πi/3})=\dfrac{1}{3}(1+e^{2\pi i/3}+e^{-2πi/3})=0(column2)H(column3)=31(1⋅1+e−2πi/3e4πi/3+e−4πi/3e2πi/3)=31(1+e2πi/3+e−2πi/3)=0因此,我们验证了正交性。结论:FFF 是一个酉矩阵。
n×nn\times nn×n 的傅里叶矩阵也是酉矩阵,而所有的酉矩阵中,它们是最重要的矩阵。如果用矩阵 FFF 左乘一个向量,我们就是在计算它的离散傅里叶变换(Discrete Fourier Transform) ;如果用矩阵 F−1F^{-1}F−1 左乘一个向量,就是在求其逆变换。酉矩阵的特殊性质是 F−1=FHF^{-1}=F^HF−1=FH,逆变换的不同之处就是仅仅将 iii 变为 −i-i−i:将 i 变为 −iF−1=FH=13[1111e−2πi/3e−4πi/31e−4πi/3e−2πi/3]\pmb{将\,i\,变为\,-i}\kern 20ptF^{-1}=F^H=\frac{1}{\sqrt3}\begin{bmatrix}1&1&1\\1&e^{-2πi/3}&e^{-4πi/3}\\1&e^{-4πi/3}&e^{-2πi/3}\end{bmatrix}将i变为−iF−1=FH=3 1 1111e−2πi/3e−4πi/31e−4πi/3e−2πi/3 所有使用傅里叶矩阵 FFF 的人都会认识到其价值。快速傅里叶变换 FFT 中融合了傅里叶分析、复数和线性代数。

相关推荐
无风听海5 小时前
线性代数之深入理解旋转矩阵
线性代数·机器学习·矩阵·旋转矩阵
时空无限1 天前
大模型知识点之矩阵乘以向量
线性代数·语言模型·矩阵
时空无限1 天前
为什么矩阵乘以向量要求矩阵列数等于向量维度
机器学习·语言模型·矩阵
构建的乐趣1 天前
矩阵微积分的链式法则(chain rule)
线性代数·机器学习·矩阵
汤姆爱耗儿药1 天前
矩阵初等变换的几何含义
线性代数·矩阵
天选之女wow1 天前
【LeetCode】动态规划——542.01 矩阵
leetcode·矩阵·动态规划
小星星爱分享2 天前
抖音多账号运营新范式:巨推AI如何解锁流量矩阵的商业密码
人工智能·线性代数·矩阵
和花折月丶2 天前
Visual Studio 2022调试Eigen库查看矩阵与向量的值
矩阵·visual studio·eigen库
德先生&赛先生3 天前
LeetCode-542. 01 矩阵
算法·leetcode·矩阵
ScilogyHunter4 天前
深入理解3x3矩阵
线性代数·矩阵