机器学习第三课第一部分(矩阵方向变换,正交矩阵)
2017-08-11 15:09
316 查看
矩阵变换:沿任意轴旋转及其推导
1. 2D中绕原点旋转
设基向量p,q和r分别是朝向+x,+y和+z方向的单位向量。
旋转角度为θ,基向量p,q绕原点旋转,得到新的基向量p`和q`

即旋转矩阵R(θ)为

2. 3d中绕坐标轴旋转
01. 绕x轴旋转,基向量q和r旋转θ,得到新的基向量q`和r`

即旋转矩阵Rx(θ)为:

02. 绕y轴旋转,基向量p和r旋转θ,得到新的基向量p`和r`

即旋转矩阵Ry(θ)为:

03. 绕z轴旋转,基向量p和q旋转θ,得到新的基向量p`和q`

即旋转矩阵Rz(θ)为:

3. 绕任意轴旋转
这里不考虑平移,所以是过原点的任意轴。
任意轴用单位向量n表示,绕n旋转θ角度的矩阵表示为R(n,θ),v`是向量v绕轴n旋转后的向量
v` = VR(n,θ)
我们的目标是用v,n和θ来表示v`,具体步骤如下:
将v分解为平行于n的分向量v||和垂直于n的分向量v⊥。v`⊥是v`垂直于n的分向量。

01.根据向量投影公式有

02.根据v||算出v⊥,w是v⊥与n叉剩的结果

03.根据w算出v`⊥

04.最后算出v`

05.现在已经得到了v`与v,n和θ的关系公式,用它来计算变换后的基向量并构造矩阵,基向量p`为

06.其余基向量类推,这里纠正上式中列向量的写法

07.合并为矩阵后:

更多内容参见:3d数学基础
两个向量正交:正交的向量内积为0



1. 2D中绕原点旋转
设基向量p,q和r分别是朝向+x,+y和+z方向的单位向量。
旋转角度为θ,基向量p,q绕原点旋转,得到新的基向量p`和q`

即旋转矩阵R(θ)为

2. 3d中绕坐标轴旋转
01. 绕x轴旋转,基向量q和r旋转θ,得到新的基向量q`和r`

即旋转矩阵Rx(θ)为:

02. 绕y轴旋转,基向量p和r旋转θ,得到新的基向量p`和r`

即旋转矩阵Ry(θ)为:

03. 绕z轴旋转,基向量p和q旋转θ,得到新的基向量p`和q`

即旋转矩阵Rz(θ)为:

3. 绕任意轴旋转
这里不考虑平移,所以是过原点的任意轴。
任意轴用单位向量n表示,绕n旋转θ角度的矩阵表示为R(n,θ),v`是向量v绕轴n旋转后的向量
v` = VR(n,θ)
我们的目标是用v,n和θ来表示v`,具体步骤如下:
将v分解为平行于n的分向量v||和垂直于n的分向量v⊥。v`⊥是v`垂直于n的分向量。

01.根据向量投影公式有

02.根据v||算出v⊥,w是v⊥与n叉剩的结果

03.根据w算出v`⊥

04.最后算出v`

05.现在已经得到了v`与v,n和θ的关系公式,用它来计算变换后的基向量并构造矩阵,基向量p`为

06.其余基向量类推,这里纠正上式中列向量的写法

07.合并为矩阵后:

更多内容参见:3d数学基础
两个向量正交:正交的向量内积为0
相关文章推荐
- 机器学习第三课第三部分(矩阵求导数)
- 机器学习中的矩阵方法02:正交
- 机器学习中的矩阵方法02:正交
- 【H.264/AVC视频编解码技术详解】十四、H.264的变换编码(一)——矩阵运算与正交变换基本概念
- 十四、H.264的变换编码(一)——矩阵运算与正交变换基本概念
- 【ML学习笔记】6:机器学习中的数学基础6(对角矩阵,对称矩阵,正交矩阵,特征分解)
- 特征值和特征向量的几何意义、计算及其性质(一个变换(或者说矩阵)的特征向量就是这样一种向量,它经过这种特定的变换后保持方向不变,只是进行长度上的伸缩而已)
- 【转】 CATransform3D 矩阵变换之立方体旋转实现细节
- 矩阵变换:矩阵是怎样变换向量的
- 基于MATLAB求解矩阵的正交补矩阵
- 矩阵是怎样变换向量的
- 机器学习中的常用矩阵求导
- OpenGL 矩阵及变换概念
- 关注机器学习的最新热点方向
- 字谜游戏,寻找字符矩阵中行、列、对角线方向的包含的所有单词
- 图像处理之矩阵变换Matrix,ColorMatrix
- 矩阵的变换。包括缩放、平移、错切
- 图形变换的矩阵方法
- 摄像机模型 坐标变换 单应矩阵资料
- 机器学习 深度学习用到的数学基础知识 标量、向量、矩阵和张量