《动手学机器人学》第一节：数学基础--矩阵

最新推荐文章于 2022-11-06 11:37:34 发布

鱼香ROS

最新推荐文章于 2022-11-06 11:37:34 发布

阅读量949

点赞数

分类专栏：动手学机器人学动手学ROS2 ROS2 文章标签：线性代数机器人学矩阵

本文链接：https://blog.csdn.net/qq_27865227/article/details/120779843

版权

ROS2 同时被 3 个专栏收录

71 篇文章 196 订阅

订阅专栏

动手学ROS2

17 篇文章 35 订阅

订阅专栏

动手学机器人学

12 篇文章 25 订阅

订阅专栏

本系列教程作者：小鱼
公众号：鱼香ROS
QQ交流群：139707339
教学视频地址：小鱼的B站
完整文档地址：鱼香ROS官网
版权声明：如非允许禁止转载与商业用途。

第一节：数学基础–矩阵

大家好，我是小鱼。本节我们来学习一下线性代数的基础中的矩阵部分，矩阵作为我们学习机器人学中最常用的基础知识，后面学习过程中我们会经常遇到，比如：表示旋转的旋转矩阵、坐标变换中的齐次矩阵、关节速度映射雅可比矩阵、仿真中的惯性矩阵等等。所以很有必要在正式学习之前，了解一下矩阵的概念及常用的矩阵定义。

1.矩阵介绍

1.1 矩阵定义

由 $m * n$ 个数 $a_{ij}(i=1,2,..,m;j=1,2...,n)$ 排成的m行n列的矩阵表格
$\begin{bmatrix} {a_{11}}&{a_{12}}&{\cdots}&{a_{1n}}\\ {a_{21}}&{a_{22}}&{\cdots}&{a_{2n}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {a_{m1}}&{a_{m2}}&{\cdots}&{a_{mn}}\\ \end{bmatrix}$
称为一个 $m * n$ 的矩阵,记为为 $A$ 或 $a_{ij})_{m*n}(i=1,2,..,m;j=1,2...,n)$ ，当 $m = n$ 时称 $A$ 为 $n$ 阶方阵.

矩阵就是一堆可能存在着某种联系数的组合，编号规则也很简单，第一行第一列的数编号为 $a_{11}$ ,第二行第一列叫做 $a_{21}$ ，以此类推

如果两个矩阵都是m*n个数组成，则称两个矩阵为同型矩阵。

1.2 零矩阵

所谓零矩阵，就是矩阵中每个数都是 $0$ ,比如一个 $3 * 3$ 的 $0$ 矩阵（零矩阵常用 $O$ 来表示）
$O_{3*3} =\begin{bmatrix}{0}&{0}&{0}\\{0}&{0}&{0}\\{0}&{0}&{0}\\\end{bmatrix}$

零矩阵是不是和自然数零一样神奇呢？

根据矩阵的运算法则，零矩阵有以下性质，下一节我们会来动手验证。

任何矩阵（前提符合运算法则）与零矩阵相加、减结果都是其本身
$\\ A+O=A$
零矩阵与任何矩阵的相乘结果都是零矩阵（注意，矩阵型号可能会变）

1.3 单位矩阵

主对角线上的元素都为 $1$ ，其余元素全为 $0$ 的 $n$ 阶矩阵称为 $n$ 阶单位矩阵,常用符号 $I$ 表示，如 $I 3$
$I_{3} =\begin{bmatrix}{1}&{0}&{0}\\{0}&{1}&{0}\\{0}&{0}&{1}\\\end{bmatrix}$

单位矩阵的性质与自然数1相似

根据矩阵的运算法则，单位矩阵有以下性质：

任何矩阵与单位矩阵的乘积结果为其本身
$AI_n = A\\ I_nB = B$

2.矩阵的运算

2.1加减法运算

两个矩阵相加减，即其对应元素相加减。

设矩阵
$A=\begin{bmatrix} {a_{11}}&{a_{12}}&{\cdots}&{a_{1n}}\\ {a_{21}}&{a_{22}}&{\cdots}&{a_{2n}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {a_{m1}}&{a_{m2}}&{\cdots}&{a_{mn}}\\ \end{bmatrix},B=\begin{bmatrix} {b_{11}}&{b_{12}}&{\cdots}&{b_{1n}}\\ {b_{21}}&{b_{22}}&{\cdots}&{b_{2n}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {b_{m1}}&{b_{m2}}&{\cdots}&{b_{mn}}\\ \end{bmatrix}$
有
$A\pm\;B=\begin{bmatrix} {a_{11}\pm\;b_{11}}&{a_{12}\pm\;b_{12}}&{\cdots}&{a_{1n}\pm\;b_{1n}}\\ {a_{21}\pm\;b_{21}}&{a_{22}\pm\;b_{22}}&{\cdots}&{a_{2n}\pm\;b_{2n}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {a_{m1}\pm\;b_{m1}}&{a_{m2}\pm\;b_{m2}}&{\cdots}&{a_{mn}\pm\;b_{mn}}\\ \end{bmatrix}$

只有两个矩阵为同型矩阵时才能进行加减运算。

运算性质

交换律： $A + B = B + A$
结合律： $(A + B) + C = A + (B + C)$

栗子：
$A=\begin{bmatrix}{1}&{0}&{1}\\{1}&{0}&{0}\\{0}&{0}&{1}\\\end{bmatrix},B=\begin{bmatrix}{0}&{0}&{1}\\{1}&{0}&{0}\\{0}&{0}&{1}\\\end{bmatrix}\\ A+B= B+A =\begin{bmatrix}{1}&{0}&{2}\\{2}&{0}&{0}\\{0}&{0}&{2}\\\end{bmatrix}$

2.2乘法运算

乘法运算分为两种，一种是标量乘法，一种是矩阵乘法。

2.2.1 标量乘法

标量乘法即一个矩阵和一个数相乘。运算法则：将矩阵的每一个元素都乘上这个数即可

栗子：
$\begin{bmatrix}{1}&{2}\\{3}&{4}\\\end{bmatrix}\\ 2\times A= 2\times \begin{bmatrix}{1}&{2}\\{3}&{4}\\\end{bmatrix} = \begin{bmatrix}{2 \times 1}&{2 \times 2}\\{2 \times 3}&{2 \times 4}\\\end{bmatrix} =\begin{bmatrix}{2}&{4}\\{6}&{8}\\\end{bmatrix}$

2.2.2 矩阵运算

运算法则

设矩阵 $A\times B = C = (c_{ij})_{m*n}$ ，则 $C$ 的第 $i$ 行第 $j$ 列的元素 $c_{ij}$ 的值等于矩阵A的第 $i$ 行元素和矩阵B的第 $j$ 列元素两两乘积之和。

栗子：

设：
$\begin{bmatrix}{1}&{2}\\{3}&{4}\\\end{bmatrix}, B = \begin{bmatrix}{1}&{0}\\{0}&{3}\\\end{bmatrix} \\$
则
$\times B = C = \begin{bmatrix}{c_{11}}&{c_{12}}\\{c_{21}}&{c_{22}}\\\end{bmatrix} \\ c_{11} =1*1+2*0 = 1 \\ c_{12} =1*0+2*3 = 6 \\ c_{21} = 3*1+4*0 = 3 \\ c_{22} = 3+0 + 4*3 = 12 \\ C = \begin{bmatrix}{1}&{6}\\{3}&{12}\\\end{bmatrix}$

乘积之和其实就是点乘运算，比如栗子：
$[0,1,2]\\ a\cdot b =1*0+2*1+3*2 = 8$
放一张摘抄的图片形象图片：

在这里插入图片描述

矩阵的乘法的意义是非常有意思的，这里放一个链接，欢迎大家阅读：矩阵乘法的本质是什么？

运算性质

尝试计算下上面栗子中的 $B\times A$ 的值，得到的结果依然是上面栗子中的 $C$ 吗?

答案：并不是，一般情况下，矩阵的乘法并不满足交换律

矩阵的运算规律：

结合律
$(A\times B)\times C = A \times(B\times C)$
分配律
$A\times(B+C) = A\times B + A\times C$

2.4转置运算

转置运算定义非常简单，将矩阵的对应行列元素互换(左上角加 ${T}$ 表示）
$\begin{bmatrix}{c_{11}}&{c_{12}}\\{c_{21}}&{c_{22}}\\\end{bmatrix} ,C^{T} = \begin{bmatrix}{c_{11}}&{c_{21}}\\{c_{12}}&{c_{22}}\\\end{bmatrix} \\$
栗子：
$\begin{bmatrix}{1}&{2}\\{3}&{4}\\\end{bmatrix},A^T = \begin{bmatrix}{1}&{3}\\{2}&{4}\\\end{bmatrix}$
运算规律
$A^T)^T = A \\ (A+B)^T = A^T + B^T \\ (AB)^T = B^TA^T$