我認為這篇文章提到了一些稍微不同的東西。厄米矩陣等于它的複共轭轉置。然而，實際輸入的fft是“Hermite對稱的”。它等于它的複共轭，但不是它的複共轭轉置。在
順便說一句，我可能把這些術語搞混了，因為我唯一聽說過的“hermite對稱”矩陣是在實值的fft上下文中。盡管如此，我90%肯定這就是報紙所指的。在
你确實有一個埃爾米特矩陣作為輸入：In [4]: np.allclose(m, np.conj(m).T)
Out[4]: True
但它不是“赫米特對稱的”：
^{pr2}$
但是，讓我們看看當我們對實值進行fft時會發生什麼：
^{3}$
注意，得到的fft(幾乎)與它的複共轭(有一個項的符号不同，我不明白)。如果有人知道的話，我将非常感謝你的解釋！)公司名稱：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 ]])
但它不是厄米，因為它不等于它的複共轭轉置：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 ]])
無論如何，這也許不是完整的答案，但希望它能讓你朝着正确的方向邁出一步。在
實際上，如果您使用的是實數輸入，并且隻想得到實際的輸出，請使用^{}和{a2}(在本例中是irfft2版本)。類似地，當你計算厄米特矩陣的特征值/向量時，看看eigh和{}，隻需要實際輸出。在