不确定性原理的前世今生 · 数学篇（完）

不确定性原理系列全篇

到二十世纪末，人们对「信号」这个词的理解已经发生了微妙的变化。如果在二十世纪上半叶的时候提到一个信号，人们还倾向于将它理解为一个连续的函数。而到下半叶，信号已经越来越多地对应于一个离散的数组。毫无疑问，这是电子计算机革命的后果。

在这样的情形下，「不确定性原理」也有了新的形式。在连续情形下，我们可以讨论一个信号是否集中在某个区域内。而在离散情形下，重要的问题变成了信号是否集中在某些离散的位置上，而在其余位置上是零。数学家给出了这样有趣的定理：

也就是说一个信号和它的傅立叶变换中的非零元素不能都太少。毫无疑问，这也是某种新形式的「不确定性原理」。

在上面的定理中，如果已知 N 是素数，那么我们甚至还有强得多的结论（它是 N. Chebotarev 在 1926 年证明的一个定理的自然推论）：

不幸的是这里「素数」的条件是必须的。对于非素数来说，第二条命题很容易找到反例，这时第一条命题已经是能够达到的最好结果了。

这些定理有什么用呢？如果它仅仅是能用来说明某些事情做不到，就像它字面意思所反映出的那样，那它的用处当然相对有限。可是——这无疑是辩证法的一个好例证——这样一系列宣称「不确定」的定理，事实上是能够用来推出某些「确定」的事实的。

设想这样一种情况：假定我们知道一个信号总长度为 N，已知其中有很大一部分值是零，但是不知道是哪一部分（这是很常见的情形，大多数信号都是如此），于此同时，我们测量出了这个信号在频域空间中的 K 个频率值，但是 K<N （也就是我们的测量由于某些原因并不完整，漏掉了一部分频域信息）。有没有可能把这个信号还原出来呢？

按照传统的信号处理理论，这是不可能的，因为正如前面所说的那样，频域空间和原本的时空域相比，信息量是一样多的，所以要还原出全部信号，必须知道全部的频域信息，就象是要解出多少个未知数就需要多少个方程一样。如果只知道一部分频域信息，就像是只知道 K 个方程，却要解出 N 个未知数来，任何一个学过初等代数的人都知道，既然 K<N，解一定是不唯一的。

但是借助不确定性原理，却正可以做到这一点！原因是我们关于原信号有一个「很多位置是零」的假设。那么，假如有两个不同的信号碰巧具有相同的 K 个频率值，那么这两个信号的差的傅立叶变换在这 K 个频率位置上就是零。另一方面，因为两个不同的信号在原本的时空域都有很多值是零，它们的差必然在时空域也包含很多零。不确定性原理（一个函数不能在频域和时空域都包含很多零）告诉我们，这是不可能的。于是，原信号事实上是唯一确定的！

这当然是一个非常违反直觉的结论。它说明在特定的情况下，我们可以用较少的方程解出较多的未知数来。这件事情在应用上极为重要。一个简单的例子是医学核磁共振技术（很多家里有重病患者的朋友应该都听说过这种技术）。核磁共振成像本质上就是采集身体图像的频域信息来还原空间信息。由于采集成本很高，所以核磁共振成像很昂贵，也很消耗资源。但是上述推理说明，事实上核磁共振可以只采集一少部分频域信息（这样成本更低速度也更快），就能完好还原出全部身体图像来，这在医学上的价值是不可估量的。

在今天，类似的思想已经被应用到极多不同领域，从医学上的核磁共振和 X 光断层扫描到石油勘测和卫星遥感。简而言之：不确定性可以让测量的成本更低效果更好，虽然这听起来很自相矛盾。

糟糕的是，本篇开头所描述的那个不确定性定理还不够强，所能带来的对频域测量的节省程度还不够大。但是数学上它又是不可改进的。这一僵局在本世纪初被打破了。E. Candès 和陶哲轩等人证明了一系列新的不确定性原理，大大提高了不等式的强度，付出的代价是……随机性。他们的定理可以粗略叙述为：

这里的「极大概率」并不是一个生活用语，而是一个关于具体概率的精确的数学描述。换言之，虽然在最倒霉的情况下不确定性可以比较小，但是这种情况很罕见。一般来说，不确定性总是很大。于是可以带来的测量上的节约也很大。

这当然也是一种「不确定性原理」，而且因为引入了随机性，所以在某种意义上来说比原先的定理更「不确定」。在他们的工作的基础上，一种被称为「压缩感知」的技术在最近的五六年内如火如荼地发展起来，已经成为涵盖信号处理、信息提取、医学成像等等多个工程领域的最重要的新兴工程技术之一。

不过，这些后续的发展估计是远远超出海森堡的本意了。

（完）