Skip to main content
 首页 » 编程设计

python之numpy中Hermitian矩阵的IFFT

2024年10月24日18bluestorm

我读了 paper Hermitian 矩阵的 IFFT 是所有实数的矩阵。但是我无法使用 numpy 在 Python 中重现它。

# Hermitian matrix: https://en.wikipedia.org/wiki/Hermitian_matrix 
m = [[2     , 2 + 1j, 4      ], 
     [2 - 1j, 3     , 0  + 1j], 
     [4     , 0 - 1j, 1      ]] 
m = numpy.matrix(m) 
im = numpy.fft.ifft2(m) 
print im 

这给出了以下不仅仅是实数的:

[[ 2.00000000+0.j         0.42955838-0.16666667j  0.23710829-0.16666667j] 
[ 0.23710829+0.16666667j -0.66666667-0.57735027j  0.38490018+0.j        ] 
[ 0.42955838+0.16666667j -0.38490018+0.j         -0.66666667+0.57735027j]] 

我对 Hermitian 矩阵的理解有问题吗?还是我用错了 numpy?

请您参考如下方法:

我认为这篇论文提到的内容略有不同。厄米特矩阵等于其复共轭转置。但是,实际输入的 fft 是“Hermite 对称的”。它等于它的复共轭,但不等于它的复共轭转置。

附带说明一下,我可能对这些术语有点困惑,因为我唯一一次听说过“hermite 对称”矩阵是在实值 fft 的上下文中。尽管如此,我 90% 确定这就是这篇论文所指的内容。

您确实有一个 Hermitian 矩阵作为输入:

In [4]: np.allclose(m, np.conj(m).T) 
Out[4]: True 

但它不是“hermite 对称的”:

In [5]: np.allclose(m, np.conj(m)) 
Out[5]: False 

但是,让我们看看当我们对真实值进行 fft 时会发生什么:

In [6]: data = np.arange(9).reshape(3, 3) 
 
In [7]: result = np.fft.fft2(data) 

请注意,生成的 fft(几乎)与其复共轭相同(我不理解的一个术语的符号有所不同。如果有人知道,我将不胜感激!):

In [8]: result 
Out[8]:  
array([[ 36.0+0.j ,  -4.5+2.6j,  -4.5-2.6j], 
       [-13.5+7.8j,   0.0+0.j ,   0.0+0.j ], 
       [-13.5-7.8j,   0.0+0.j ,   0.0+0.j ]]) 
 
In [9]: np.conj(result) 
Out[9]:  
array([[ 36.0-0.j ,  -4.5-2.6j,  -4.5+2.6j], 
       [-13.5-7.8j,   0.0-0.j ,   0.0-0.j ], 
       [-13.5+7.8j,   0.0-0.j ,   0.0-0.j ]]) 

但它不是 Hermitian,因为它不等于它的复共轭转置:

In [10]: np.conj(result).T 
Out[10]:  
array([[ 36.0-0.j , -13.5-7.8j, -13.5+7.8j], 
       [ -4.5-2.6j,   0.0-0.j ,   0.0-0.j ], 
       [ -4.5+2.6j,   0.0-0.j ,   0.0-0.j ]]) 

无论如何,这可能不是完整的答案,但希望它能让您朝着正确的方向迈出一步。

在实践中,如果您正在处理真实输入,并且只想获得真实输出,请使用 np.fft.rfft和 np.fft.irff (和 irfft2 版本,在这个 2D 案例中)。同样,当您计算 Hermitian 矩阵的特征值/向量并且只需要实数输出时,请查看 eigh 和 eigvalsh。