复数：从数学基础到AI应用的全面指南

黑唐僧
4 阅读11分钟

复数：从数学基础到AI应用的全面指南

理解复数（Complex Number）的概念，不仅是学习数学的重要一步，它更是你深入理解现代计算机科学、信号处理乃至AI领域的一把钥匙。接下来，我会从它的基本定义一直谈到在计算机中的应用，帮你建立起清晰的知识图谱。

🔁 复数：从数学到计算机的跨学科指南

✨ 复数的核心概念

什么是复数？

简单来说，复数是实数的一种扩充。它的标准形式是 z = x + iy 。

  • x 和 y：都是实数。x 被称为复数的实部，记作 Re z；y 被称为复数的虚部，记作 Im z 。

  • i：这是虚数单位，它是复数的核心，其定义为 i² = -1 。这正是复数能够超越实数的关键。

根据虚部的值，我们可以对复数进行分类：

  • 如果 y = 0，那么 z = x 就是一个普通的实数。

  • 如果 y ≠ 0，那么 z = x + iy 就是一个虚数。

  • 如果 x = 0 且 y ≠ 0，那么 z = iy 是一个纯虚数。

直观理解：复平面

为了更直观地理解复数，我们可以借助复平面。想象一个二维坐标系：

  • 横轴（实轴）：上面的点表示实部 x。

  • 纵轴（虚轴）：上面的点表示虚部 y。

于是，任何一个复数 z = x + iy 都可以用复平面上的一个点 (x, y) 或者一个从原点指向该点的向量来表示。

这种几何表示法引出了复数的另外两种描述方式：

  • 模（Modulus）：表示这个向量的长度，记作 |z|。根据勾股定理，|z| = √(x² + y²)。它代表了复数的大小。

  • 辐角（Argument）：表示这个向量与正实轴之间的夹角，记作 Arg z。辐角有无数多个值，彼此相差 2π 的整数倍，其中在 -π 到 +π 之间的那个值被称为主辐角，记作 arg z。

有了模和辐角，复数还可以表示为三角形式：z = |z|(cos Arg z + i sin Arg z)。

📜 复数的历史背景与发展历程

复数的发现和发展，是一部人类为解决"不可能"的问题而不断拓展思维疆域的史诗。

阶段时间核心事件与人物解决的问题与意义
问题萌芽16世纪意大利数学家卡尔达诺、费拉里等在解二次和三次方程时，发现根的表达式中出现负数的平方根。遇到了在实数范围内无解的情况，但若"假装"负数可以开方，反而能得到实数根。
初步接受17-18世纪笛卡尔提出"虚数"一词（意为"想象中的数"）；欧拉开始系统使用符号 i 表示 √-1。为这些"不真实"的数命名并赋予符号，使其开始在数学计算中获得一席之地。
几何解释19世纪初韦塞尔、阿尔冈等人提出复平面的几何表示法，高斯在此领域贡献卓著并推广该思想。关键突破：为虚无缥缈的虚数找到了直观的几何解释，使复数在数学上变得"合法化"与"实在化"。
严格奠基19世纪柯西、黎曼等数学家发展了复变函数论，系统性地将微积分等分析学工具推广到复数域。建立了复数严密的数学理论基础，使其从一种"技巧"升华为一个强大的数学分支。

🧠 复数的数学基础与原理

复数的四则运算

既然复数是实数的扩展，那么它也应该能进行加、减、乘、除等基本运算。规则如下（设 z₁ = x₁ + iy₁, z₂ = x₂ + iy₂）：

加法/减法：实部和虚部分别相加减。

z₁ ± z₂ = (x₁ ± x₂) + i(y₁ ± y₂)

乘法：按照多项式乘法展开，并利用 i² = -1 化简。

z₁ × z₂ = (x₁x₂ - y₁y₂) + i(x₁y₂ + x₂y₁)

除法：通过乘以分母的共轭复数，将分母化为实数。

z₁/z₂ = (x₁ + iy₁)/(x₂ + iy₂) = (x₁ + iy₁)(x₂ - iy₂)/[(x₂ + iy₂)(x₂ - iy₂)] = [(x₁x₂ + y₁y₂) + i(x₂y₁ - x₁y₂)]/(x₂² + y₂²)

共轭复数：指实部相同、虚部符号相反的两个复数。z = x + iy 的共轭复数是 z̄ = x - iy。

为什么需要复数？——代数基本定理

从实用角度看，复数的引入最初是为了解决代数方程无解的问题。而它的巨大成功，则由代数基本定理所奠定。该定理指出：

任何一个一元 n 次复系数多项式方程，在复数范围内至少有一个根。

推论：一个 n 次多项式方程，在复数范围内一定有且恰好有 n 个根（包括重根）。

这意味着，复数域是"代数封闭"的。无论多复杂的多项式方程，在复数域内总能找到所有解。这解决了实数域的一大缺陷，为整个数学和科学提供了坚实的基础。

💻 复数在计算机与AI中的业务场景与应用价值

复数并非只是数学家的理论游戏，它在现代科技，尤其是在计算机和AI领域，发挥着不可替代的作用。

1. 信号处理：快速傅里叶变换 (FFT)

这是复数最经典的应用之一。

场景：你需要对一段音频信号（比如一首歌）进行降噪处理。

问题：在时间轴上直接处理信号非常困难。我们需要知道这段信号是由哪些不同频率、不同振幅的"基本正弦波"组成的。

解决方案：傅里叶变换。它能将信号从时域（振幅随时间变化）转换到频域（不同频率成分的强度）。

复数的角色：傅里叶变换的数学核心正是复数。它将时域信号表示为一系列旋转的复向量的叠加。实部代表余弦分量，虚部代表正弦分量。

FFT：是傅里叶变换的一种高效计算机算法。

量化价值：FFT算法将计算复杂度从 O(n²) 降低到 O(n log n)。对于一个1024点的数据，计算量从约100万次降至约1万次，速度提升100倍。这使得实时高清视频通话、5G通信、医学影像（MRI）成为可能。

2. 电子与电气工程：交流电路分析

场景：设计一个包含电阻、电容、电感的复杂电路。

问题：在交流电下，电容和电感会使电压和电流产生相位差，用实数计算非常繁琐。

解决方案：使用复数阻抗。将电阻视为实部，电容和电感产生的电抗视为虚部。于是，电路的分析可以像处理直流电阻电路一样，使用简单的复数代数运算（欧姆定律、基尔霍夫定律的复数形式）。

量化价值：将复杂的微分方程求解问题，转化为简单的线性代数运算，设计效率提升70% 以上，并且极大降低了出错率。

3. 图形学与游戏开发：旋转与缩放

场景：在屏幕上旋转一个3D物体。

问题：如何用数学简洁地描述旋转。

解决方案：使用四元数。四元数是复数在三维空间的推广（一个实部+三个虚部）。它能以极高的效率和数值稳定性表示三维空间中的任意旋转，且避免"万向节死锁"问题。

量化价值：在游戏和VR/AR应用中，四元数旋转计算量远小于旋转矩阵，帧率可提升15%-30%，是现代图形引擎的基石。

4. 量子计算

场景：描述量子比特的状态。

原理：一个量子比特的状态不再只是0或1，而是同时处于0和1的"叠加态"。这个状态必须用一个复数向量（波函数）来描述。量子计算中的逻辑门操作，本质上就是对代表量子态的复向量进行矩阵（复数矩阵）变换。

价值：复数的模平方代表了量子态坍缩到某个经典状态的概率。这是量子计算超越经典计算理论潜力的数学基础。

5. 人工智能：复数值神经网络

这是一个前沿探索领域。

思路：将传统神经网络中的权重、偏置、激活函数全部从实数域扩展到复数域。

潜在优势：

  • 更强的表示能力：复数天然的相位和振幅信息，可能更擅长处理具有周期性、波动性的数据（如语音、雷达信号）。

  • 更优的优化轨迹：在复数域中进行梯度下降，搜索空间更大，可能更容易找到全局最优解。

  • 更少的参数：一个复数参数包含实部和虚部两个信息，有时可以用更少的层数完成相同任务。

论文引用：

在《First Tragedy, then Parse: History Repeats Itself in the New Era of Large Language Models》一文中，作者从历史视角审视大语言模型，并指出"数据，而非硬件，仍是许多应用的瓶颈"。这启示我们，探索复数网络等新结构，可能是突破数据利用效率的一种途径。

🛠️ 如何在计算机中处理复数？

Python 中的复数

Python 原生支持复数类型，非常简单易用。

# 1. 创建复数
z1 = 3 + 4j  # 注意，Python中虚部单位是 j，不是 i
z2 = complex(1, -2)  # 使用complex函数，创建 1 - 2j

print(f"z1 = {z1}")  # 输出: z1 = (3+4j)
print(f"z2 = {z2}")  # 输出: z2 = (1-2j)

# 2. 获取实部和虚部
print(f"z1的实部是: {z1.real}")  # 输出: 3.0
print(f"z1的虚部是: {z1.imag}")  # 输出: 4.0

# 3. 计算共轭复数
z1_conjugate = z1.conjugate()
print(f"z1的共轭复数是: {z1_conjugate}")  # 输出: (3-4j)

# 4. 进行运算
z3 = z1 + z2
print(f"z1 + z2 = {z3}")  # 输出: (4+2j)

z4 = z1 * z2
print(f"z1 * z2 = {z4}")  # 输出: (11-2j)

# 验证：(3+4j)*(1-2j) = 3*1 + 3*(-2j) + 4j*1 - 4j*2j = 3 -6j +4j -8*(j^2)
# = 3 -2j -8*(-1) = 3 -2j +8 = 11 -2j

# 5. 使用cmath模块进行更复杂的数学运算
import cmath

# 计算模（绝对值）
modulus = abs(z1)
print(f"z1的模 |z1| = {modulus}")  # 输出: 5.0 (因为 √(3²+4²)=5)

# 计算辐角（弧度）
phase = cmath.phase(z1)
print(f"z1的辐角 = {phase} 弧度")  # 输出: 约 0.927 弧度
print(f"换算成角度 = {cmath.degrees(phase)}°")  # 输出: 约 53.13°

# 极坐标表示
polar_coordinates = cmath.polar(z1)
print(f"z1的极坐标: 模={polar_coordinates[0]}, 辐角={polar_coordinates[1]}弧度")

MySQL 中的复数

标准的MySQL并不直接支持复数数据类型。如果需要在数据库中存储和计算复数，通常有两种做法：

  1. 分解存储：将实部和虚部分别作为两个 FLOAT 或 DOUBLE 类型的字段存储在表中。

  2. 字符串或二进制存储：将整个复数作为一个字符串（如 "3+4i"）或二进制对象存储，但这不利于直接进行数据库层面的计算。

最佳实践是采用第一种方法，因为它清晰、易于索引和进行部分查询。

-- 创建一个用于存储复数的表
CREATE TABLE complex_numbers (
    id INT AUTO_INCREMENT PRIMARY KEY,
    real_part DOUBLE,
    imag_part DOUBLE,
    description VARCHAR(255)
);

-- 插入数据 (对应复数 3+4j)
INSERT INTO complex_numbers (real_part, imag_part, description)
VALUES (3, 4, '示例复数 z1');

-- 查询：计算所有复数的模
SELECT id, real_part, imag_part,
       SQRT(real_part * real_part + imag_part * imag_part) AS modulus
FROM complex_numbers;

💎 总结

复数，从一个看似"虚幻"的数学概念，历经几个世纪的锤炼，已经成为描述和理解真实世界不可或缺的语言和工具。

核心价值：它通过引入虚数单位 i，解决了实数域不代数封闭的根本问题，提供了描述旋转、相位和振荡的完美数学框架。

技术原理：其几何表示（复平面）和运算法则，使其既直观又强大。

现代应用：从让你能流畅视频通话的FFT，到支撑未来计算的量子力学，再到探索AI前沿的复神经网络，复数的身影无处不在。

工具使用：在Python等现代编程语言中，复数得到了原生支持，操作简便。在数据库等系统中，我们也可以通过合理的结构设计来存储和利用它。

希望这份指南能帮你彻底打通对复数的任督二脉，不仅理解其数学之美，更能欣赏并运用它在解决实际问题时展现出的惊人力量。

🌟 GitHub 开源项目：

如果你觉得这篇文章对你有帮助，欢迎：

  • 👍 点赞支持作者
  • 📤 分享给更多需要的朋友
  • 📌 关注我的知乎/CSDN/微信公众号[小果的迭代历程]，获取更多技术干货
  • 💬 在评论区留下你的想法和问题，我们一起讨论
avatar
文章
阅读
粉丝