1. 复数定义
任意一个复数 z∈C 都可以表示为
z=a+bi,a,b∈R,i2=−1(1.1)的形式。其中 a 称为这个复数的实部(Real Part),b 称为它的虚部(Imaginary Part),分别记作 Re(z)=a、Im(z)=b。
因为 z=a+bi 其实就是对于 {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)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 代表它的实部,纵坐标 Im 代表它的虚部:
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)i同样,对于减法也是:
z1−z2=(a1−a2)+(b1−b2)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+b1ib2i2因为 i2=−1,所以:
z1z2=a1a2+a1b2i+b1ia2−b1b2=(a1a2−b1b2)+(a1b2+b1a2)i此时仔细观察,可以把复数 z1 乘以 z2 看作矩阵与向量相乘:
[a1b1−b1a1][a2b2]=[a1a2−b1b2a1b2+b1a2]这里需要区分复数的两种表示:
- 向量 (a2,b2)T 是复数 z2 在基 {1,i} 下的坐标;
- 矩阵 [a1b1−b1a1] 表示“乘以 z1”这一线性变换,而不只是 z1 的坐标。
这个矩阵的两列可以由该线性变换对基 {1,i} 的作用得到:
z1⋅1=a1+b1i,z1⋅i=−b1+a1i.因此,也可以把任意复数 z=a+bi 与一个实矩阵对应起来:
M(z)=[ab−ba].设 z1=a+bi、z2=c+di,则复数乘法对应于矩阵乘法:
M(z1)M(z2)=[ab−ba][cd−dc]=[ac−bdad+bc−(ad+bc)ac−bd]=M(z1z2).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),因此也能从矩阵表示中看出复数乘法满足交换律,即 z1z2=z2z1。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。
根据 M(a+bi)=[ab−ba],实数单位 1 对应单位矩阵:
M(1)=[1001]=I(a=1, b=0).虚数单位 i 对应逆时针旋转 90∘ 的矩阵:
M(i)=[01−10](a=0, b=1).这也解释了 i2=−1:
M(i)2=[−100−1]=−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+bi 可以表示为线性变换
M(z)=[ab−ba],那么这个变换在几何上意味着什么?
当 z=0 时,它的模长为
r=∣z∣=a2+b2,因此可以从矩阵中提出公因子 r:
M(z)=a2+b2[a/rb/r−b/ra/r].设复数 z 的辐角为
θ=argz=atan2(b,a).在复平面中,a 和 b 分别是直角三角形的两条直角边,而 ∣z∣ 是斜边,因此
cosθ=a/r,sinθ=b/r.代回原矩阵可得
M(z)=∣z∣[cosθsinθ−sinθcosθ]=[∣z∣00∣z∣][cosθsinθ−sinθcosθ].这个分解包含两个几何变换:
- 右边的旋转矩阵将向量逆时针旋转 θ;
- 左边的缩放矩阵将向量的长度放大为原来的 ∣z∣ 倍。
所以,乘以复数 z,等价于先旋转 argz,再缩放 ∣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