线性代数-酉矩阵与快速FFT-27
Linear Algebra-酉矩阵与快速FFT-27
一、知识概要
之前我们提及过复数矩阵,但并未对其运算与性质展开讨论。本节将介绍复数矩阵的运算等特征,并着重讲解一个重要的复数矩阵——傅里叶矩阵。同时,重点介绍快速傅里叶变换,它能够显著减少运算量。
二、复数矩阵
我们从最基础的向量说起,如果向量中有分量是虚数,就不能再用常规公式计算长度和内积。例如向量 ,按照以往的计算方式会得到: ,这样计算出的长度为 0,但实际上该向量模长为 ,这就产生了矛盾。所以,这里给出复向量的长度与内积计算方法。
对于复数向量,向量长度计算公式为 ,同样,复数向量的内积变为 。
接着讨论对称阵,在实矩阵中,若 ,则为对称阵。但在复矩阵中,这个定义不再适用。结合上面向量内积的处理方法,我们发现复矩阵中取共轭与取转置常常同时进行。所以,复对称矩阵定义为:若 ,则为对称阵。
例如矩阵 ,主对角线上的元素是实数,沿主对角线对称的两个元素共轭,这样的矩阵我们称为埃尔米特矩阵,即 。埃尔米特矩阵的特征值都是实数,且特征向量正交。
同理,将特征向量正交的概念推广到复矩阵中,若一组向量满足 ,它们就是一组标准正交基。由这组标准正交基可以构成一个矩阵 , (是列向量)。
此时有 (前一部分是之前的写法,后一部分是类比得出的写法),这样的矩阵称为酉矩阵。
三、傅里叶矩阵与快速傅里叶变换
3.1 傅里叶矩阵
傅里叶矩阵是一个酉矩阵,其形式为:
其中 , 。
计算时建议使用的形式,而不是的形式。在复数坐标系中,表示在单位圆上,表示将这个圆等分成部分,对应的点分别为 , , , , 。
假设 ,则对应的四阶傅里叶矩阵为:
该矩阵的列向量均正交,其逆矩阵满足 。将前乘作为新的 ,则新的逆矩阵即为。
3.2 快速傅里叶变换
快速傅里叶变换的核心在于傅里叶矩阵之间存在关联,以与为例:
直接代入公式可得,中的=(w_{64})^{2}$$ 。
构造矩阵转换公式:
下面解释这个式子,其中置换矩阵的作用是将奇偶行分开,目的是减小计算量;而前面的代表对角矩阵。
例如在 4 维时,置换矩阵 , ,矩阵的作用是将转化为 。
用傅里叶矩阵乘以一个列向量,原本计算时,因为它有 64 个元素,所以需要 次运算才能得到结果。而经过快速傅里叶变换,计算量变为次。其中 是两个的运算量,是修正项的计算量,修正项的计算量来自于中的32阶对角矩阵的运算。虽然从矩阵形式上看应该计算两次,但两次运算只是符号相反,具体值只需计算一次,两个位置上的结果改变符号即可。
如果继续这样分解下去,计算量会变为 次,原因和从到的变化一样。一共进行次分解,最后只剩下修正项的运算,变为 。所以最后的运算量变为 。推广到阶,快速傅里叶变换的运算量为 。与原本的 次运算量相比,运算量减少显著。
3.3 验证用的 Matlab 代码
1 | % 计算傅里叶矩阵 |
三、学习感悟
本节主要研究了复矩阵、复向量的计算以及性质,拓展了向量内积和向量长度的计算方法,还探讨了一种特殊的复矩阵——傅里叶矩阵。最后讲解了本章重点内容快速傅里叶变换,这部分是难点,尤其是对这一转换的理解有一定难度。个人理解是转换矩阵将向量的奇偶行分离,从而减小计算量,而的作用是实现两个傅里叶矩阵之间的转换。快速傅里叶变换(FFT)非常重要,其应用较为复杂,想要彻底理解还需要进一步深入学习这部分知识。
四、学习总结
- 埃尔米特矩阵是复数域的对称矩阵,;
- 埃尔米特矩阵的特征值都是实数,且特征向量相交;
- 酉矩阵是复数域的标准正定矩阵,;