跳到主要内容

复数运算

1. 复数定义​

任意一个复数 z∈Cz \in \mathbb{C} 都可以表示为

z=a+bi,a,b∈R,i2=−1(1.1)z = a + bi, \quad a, b \in \mathbb{R}, \quad i^2 = -1 \tag{1.1}

的形式。其中 aa 称为这个复数的实部(Real Part),bb 称为它的虚部(Imaginary Part),分别记作 Re⁡(z)=a\operatorname{Re}(z) = a、Im⁡(z)=b\operatorname{Im}(z) = b。

因为 z=a+biz = a + bi 其实就是对于 {1,i}\{1, i\} 这个基(Basis)的线性组合(Linear Combination),我们也可以用向量来表示一个复数:

z=[ab](1.2)z = \begin{bmatrix} a \\ b \end{bmatrix} \tag{1.2}

因为这个向量有两个元素,我们可以使用复平面上的一个点来表示一个复数。复平面的横坐标 Re⁡\operatorname{Re} 代表它的实部,纵坐标 Im⁡\operatorname{Im} 代表它的虚部:

ReImOabz = a + bi

1.1 复数加减法​

两个复数的和就是分量相加的结果,即

z1+z2=(a1+a2)+(b1+b2)iz_1 + z_2 = (a_1 + a_2) + (b_1 + b_2)i

同样,对于减法也是:

z1−z2=(a1−a2)+(b1−b2)iz_1 - z_2 = (a_1 - a_2) + (b_1 - b_2)i

在机器人学中更多关心复数的乘法。所以本节往后再补充。

1.2 复数乘法​

可以使用分配律展开:

z1z2=(a1+b1i)(a2+b2i)=a1a2+a1b2i+b1ia2+b1ib2i2z_1 z_2 = (a_1 + b_1 i)(a_2 + b_2 i) = a_1 a_2 + a_1 b_2 i + b_1 i a_2 + b_1 i b_2 i^2

因为 i2=−1i^2 = -1,所以:

z1z2=a1a2+a1b2i+b1ia2−b1b2z_1 z_2 = a_1 a_2 + a_1 b_2 i + b_1 i a_2 - b_1 b_2=(a1a2−b1b2)+(a1b2+b1a2)i= (a_1 a_2 - b_1 b_2) + (a_1 b_2 + b_1 a_2)i

此时仔细观察,可以把复数 z1z_1 乘以 z2z_2 看作矩阵与向量相乘:

[a1−b1b1a1][a2b2]=[a1a2−b1b2a1b2+b1a2]\begin{bmatrix} a_1 & -b_1 \\ b_1 & a_1 \end{bmatrix} \begin{bmatrix} a_2 \\ b_2 \end{bmatrix} = \begin{bmatrix} a_1a_2-b_1b_2 \\ a_1b_2+b_1a_2 \end{bmatrix}

这里需要区分复数的两种表示:

  • 向量 (a2,b2)T\left(a_2,b_2\right)^\mathsf T 是复数 z2z_2 在基 {1,i}\{1,i\} 下的坐标;
  • 矩阵 [a1−b1b1a1]\begin{bmatrix}a_1&-b_1\\b_1&a_1\end{bmatrix} 表示“乘以 z1z_1”这一线性变换,而不只是 z1z_1 的坐标。

这个矩阵的两列可以由该线性变换对基 {1,i}\{1,i\} 的作用得到:

z1⋅1=a1+b1i,z1⋅i=−b1+a1i.z_1\cdot 1=a_1+b_1i,\qquad z_1\cdot i=-b_1+a_1i.

因此,也可以把任意复数 z=a+biz=a+bi 与一个实矩阵对应起来:

M(z)=[a−bba].M(z)= \begin{bmatrix} a&-b\\ b&a \end{bmatrix}.

设 z1=a+biz_1=a+bi、z2=c+diz_2=c+di,则复数乘法对应于矩阵乘法:

M(z1)M(z2)=[a−bba][c−ddc]=[ac−bd−(ad+bc)ad+bcac−bd]=M(z1z2).\begin{aligned} M(z_1)M(z_2) &= \begin{bmatrix} a&-b\\ b&a \end{bmatrix} \begin{bmatrix} c&-d\\ d&c \end{bmatrix} \\[4pt] &= \begin{bmatrix} ac-bd&-(ad+bc)\\ ad+bc&ac-bd \end{bmatrix} \\ &=M(z_1z_2). \end{aligned}

所以,复数乘法既可以看作矩阵与向量相乘,也可以看作对应矩阵之间的乘法。由于这类矩阵满足

M(z1)M(z2)=M(z2)M(z1),M(z_1)M(z_2)=M(z_2)M(z_1),

因此也能从矩阵表示中看出复数乘法满足交换律,即 z1z2=z2z1z_1z_2=z_2z_1。需要注意的是,一般的矩阵乘法并不满足交换律;这是上述特殊形式的矩阵所具有的性质。

特殊复数的矩阵形式

根据 M(a+bi)=[a−bba]M(a+bi)=\begin{bmatrix}a&-b\\b&a\end{bmatrix},实数单位 11 对应单位矩阵:

M(1)=[1001]=I(a=1, b=0).M(1)= \begin{bmatrix} 1&0\\ 0&1 \end{bmatrix} =I \qquad (a=1,\ b=0).

虚数单位 ii 对应逆时针旋转 90∘90^\circ 的矩阵:

M(i)=[0−110](a=0, b=1).M(i)= \begin{bmatrix} 0&-1\\ 1&0 \end{bmatrix} \qquad (a=0,\ b=1).

这也解释了 i2=−1i^2=-1:

M(i)2=[−100−1]=−I=M(−1).M(i)^2= \begin{bmatrix} -1&0\\ 0&-1 \end{bmatrix} =-I=M(-1).

1.3 复数乘法的几何意义​

注意,复数除法理论上不存在,你不能除以一个复数,除非上下同时乘以一个虚数i

既然乘以复数 z=a+biz=a+bi 可以表示为线性变换

M(z)=[a−bba],M(z)= \begin{bmatrix} a&-b\\ b&a \end{bmatrix},

那么这个变换在几何上意味着什么?

当 z≠0z\neq 0 时,它的模长为

r=∣z∣=a2+b2,r=|z|=\sqrt{a^2+b^2},

因此可以从矩阵中提出公因子 rr:

M(z)=a2+b2[a/r−b/rb/ra/r].\begin{aligned} M(z) &= \sqrt{a^2+b^2} \begin{bmatrix} a/r&-b/r\\ b/r&a/r \end{bmatrix}. \end{aligned}

设复数 zz 的辐角为

θ=arg⁡z=atan2⁡(b,a).\theta=\arg z=\operatorname{atan2}(b,a).

在复平面中,aa 和 bb 分别是直角三角形的两条直角边,而 ∣z∣|z| 是斜边,因此

cos⁡θ=a/r,sin⁡θ=b/r.\cos\theta=a/r, \qquad \sin\theta=b/r.

z = a + bi 的模长与辐角

ReImabθ|z| = √(a²+b²)z = (a,b)

标准基经过 M(z) 后的像

ReIme₁e₂θM(z)e₁ = (a,b)M(z)e₂ = (−b,a)

两个基向量均旋转 θ,并将长度缩放 |z| 倍

代回原矩阵可得

M(z)=∣z∣[cos⁡θ−sin⁡θsin⁡θcos⁡θ]=[∣z∣00∣z∣][cos⁡θ−sin⁡θsin⁡θcos⁡θ].\begin{aligned} M(z) &= |z| \begin{bmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{bmatrix}\\[4pt] &= \begin{bmatrix} |z|&0\\ 0&|z| \end{bmatrix} \begin{bmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{bmatrix}. \end{aligned}

这个分解包含两个几何变换:

  1. 右边的旋转矩阵将向量逆时针旋转 θ\theta;
  2. 左边的缩放矩阵将向量的长度放大为原来的 ∣z∣|z| 倍。

所以,乘以复数 zz,等价于先旋转 arg⁡z\arg z,再缩放 ∣z∣|z| 倍。由于均匀缩放和旋转可以交换顺序,也可以理解为先缩放再旋转。

从标准基观察变换​

即使暂时不熟悉二维旋转矩阵,也可以观察它对标准基向量

e1=[10],e2=[01]\boldsymbol e_1= \begin{bmatrix} 1\\ 0 \end{bmatrix}, \qquad \boldsymbol e_2= \begin{bmatrix} 0\\ 1 \end{bmatrix}

的作用。对于 e1\boldsymbol e_1,有

M(z)e1=∣z∣[cos⁡θ−sin⁡θsin⁡θcos⁡θ][10]=∣z∣[cos⁡θsin⁡θ]=[ab].\begin{aligned} M(z)\boldsymbol e_1 &= |z| \begin{bmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{bmatrix} \begin{bmatrix} 1\\ 0 \end{bmatrix}\\ &= |z| \begin{bmatrix} \cos\theta\\ \sin\theta \end{bmatrix} = \begin{bmatrix} a\\ b \end{bmatrix}. \end{aligned}

这表示 e1\boldsymbol e_1 先逆时针旋转 θ\theta,再将长度缩放为原来的 ∣z∣|z| 倍。对于 e2\boldsymbol e_2,同理可得

M(z)e2=∣z∣[−sin⁡θcos⁡θ]=[−ba].\begin{aligned} M(z)\boldsymbol e_2 &= |z| \begin{bmatrix} -\sin\theta\\ \cos\theta \end{bmatrix} = \begin{bmatrix} -b\\ a \end{bmatrix}. \end{aligned}

e2\boldsymbol e_2 同样逆时针旋转了 θ\theta,并缩放了 ∣z∣|z| 倍。由于线性变换由它对一组基的作用唯一确定,所以整个复平面中的向量都会进行相同的旋转和缩放。

单位复数与二维旋转​

如果 ∣z∣=1|z|=1,那么 a2+b2=1a^2+b^2=1,此时

z=cos⁡θ+isin⁡θ,z=\cos\theta+i\sin\theta,

对应矩阵中不再包含缩放,只剩下纯旋转:

M(z)=R(θ)=[cos⁡θ−sin⁡θsin⁡θcos⁡θ].M(z)=R(\theta)= \begin{bmatrix} \cos\theta&-\sin\theta\\ \sin\theta&\cos\theta \end{bmatrix}.

因此,二维向量 v=(x,y)T\boldsymbol v=\left(x,y\right)^\mathsf T 逆时针旋转 θ\theta 后为

v′=R(θ)v=[xcos⁡θ−ysin⁡θxsin⁡θ+ycos⁡θ].\boldsymbol v' =R(\theta)\boldsymbol v = \begin{bmatrix} x\cos\theta-y\sin\theta\\ x\sin\theta+y\cos\theta \end{bmatrix}.

特别地,当 z=0z=0 时,M(z)M(z) 是零矩阵,会把所有向量映射到原点,此时辐角没有定义。