共轭复数，共轭根式，共轭矩阵，共轭方向，共轭方向法，共轭梯度法，共轭分布，共轭函数，傅里叶变换的共轭对称

您所在的位置：网站首页 › carry的复数是什么 › 共轭复数，共轭根式，共轭矩阵，共轭方向，共轭方向法，共轭梯度法，共轭分布，共轭函数，傅里叶变换的共轭对称

共轭复数，共轭根式，共轭矩阵，共轭方向，共轭方向法，共轭梯度法，共轭分布，共轭函数，傅里叶变换的共轭对称

2023-11-23 17:29| 来源: 网络整理| 查看: 265

1. 共轭复数

2. 傅里叶变换的共轭对称性

3. 共轭根式(radical conjugates)

4. 共轭矩阵（自共轭矩阵、Hermitian（埃尔米特）矩阵）

5. 共轭方向

6. 共轭方向法

7. 共轭梯度法

8. 共轭分布(conjugacy)

9. 共轭函数（对偶函数、极化函数）

共轭（conjugate ）的概念在数学、物理、化学、地理等学科中都有出现。本意：两头牛背上的架子称为轭，轭使两头牛同步行走。扩展到数学等领域，共轭即为按一定的规律相配的一对或一组。

在数学中常见的共轭有：共轭复数，共轭根式，共轭矩阵，共轭转置，共轭分布，共轭先验，共轭函数, 共轭方向，共轭方向法，共轭梯度

法。

我们在关注共轭时，主要关注共轭的配对规律，共轭的性质，以及取共轭可以带来什么样的数学或应用优势。

1. 共轭复数

配对规律：在复数中，实部相等，虚部互为相反数的两个复数互为共轭复数。

公式描述： $z=a+ib$ 与 $\widetilde{z}=a-ib$ 互为复数

共轭性质：1）加和为实数

2）在复平面上，共轭复数所对应的点关于实轴对称

2. 傅里叶变换的共轭对称性

说明：这里的共轭就是上面介绍的复数共轭，不是指傅里叶变换与傅里叶反变换是一对共轭。

定义：

3. 共轭根式(radical conjugates)

配对规律：两个不等于零的根式A、B，若它们的积AB不含根式，则称A、B互为共轭根式。

共轭性质：通过相乘能把根式去掉。

描述：对根式的模式没有要求，只要满足配对规律的就都是共轭根式。

4. 共轭矩阵（自共轭矩阵、Hermitian（埃尔米特）矩阵）

描述：一般共轭矩阵是一个复数矩阵，实对称阵是Hermite阵的特例。

配对规律：矩阵中第 $i$ 行第 $j$ 列的元素与第 $j$ 行第 $i$ 列的元素互为共轭复数，的矩阵称为共轭矩阵。

公式描述：对于一个复数矩阵 $A=(a_{ij})$ ,如果 $a_{ij}=\widetilde{a_{ji}}$ ,则称 $A$ 为共轭矩阵。

若用 $H$ 表示矩阵的旋转取共轭操作（称为共轭转置操作），则满足 $A^{H}=A$ 的矩阵是共轭矩阵。

性质：1）主对角线上的元素全是实数。

2）若A 和B 是Hermite阵，那么它们的和A+B 也是Hermite阵

3）若A 和B 是Hermite阵，如果满足AB=BA，那么AB与BA也是Hermite阵

4）更多性质可参考《矩阵分析与应用（张贤达第2版）》第101页。拥有很多很好的性质。

5. 共轭方向

组配对规律：对于一组 $n$ 维的非零(列)向量 $\{v_1,v_2,v_3,...v_i,...v_j,...\}$ 和一个 $n*n$ 的对称正定矩阵 $Q$ ，若 $v_{i}^{T}Qv_j=0$ ，则称这组向量关于矩阵 $Q$ 是互相共轭的。因为每个向量都可以表示一个方向，所以称为共轭方向。

描述：由定义可知，在高维空间中，一个方向向量的共轭方向不是唯一的，而是一组。

特例：当 $Q$ 为单位矩阵时， $v_{i}^{T}v_j=0$ ，此时这组向量是正交的。由此可见，正交是共轭的一种特殊情况，共轭是正交的推广。

性质：1）互为共轭的一组向量，线性无关

2） $n$ 维空间中，关于任何一个 $n*n$ 的对称正定矩阵 $Q$ ，非零的共轭向量个数不超过 $n$ 。

6. 共轭方向法

描述：共轭方向法(conjugate direction method)一种沿着共轭方向寻找无约束最优化问题极小点的一类方法。

对于一个二次型函数 $f(\vec{x})=\frac{1}{2}\vec{x}^TG\vec{x} + \vec{b} ^T\vec{x} + c$ , 其中 $\vec{x}\in R^n$ , $Q$ 是一个正定对称矩阵，

给定关于 $Q$ 的一组包含 $k(k=n)$ 个共轭向量的共轭向量组 $\{ \vec{d^1},\vec{d^2},...,\vec{d^i},...,\vec{d^k} \}$ ,与一个初始搜索点 $\vec{x}^{(1)}$ ，可以通过k次迭代，在 $\vec{x}^{(1)}$ 与 $\{ \vec{d^1},\vec{d^2},...,\vec{d^i},...,\vec{d^k} \}$ 张成的k维子空间中找到 $f(\vec{x})$ 的极小值。每一次迭代都沿着一个新的共轭方向更新，沿该共轭方向的更新步长是一个解析解。