矩阵论——三维图形应用

合集下载

矩阵论若干分析及应用

矩阵论若干分析及应用

目录1、介绍 (2)2、现实应用 (2)2.1、图像处理 (3)2.1.1、背景 (3)2.1.2、理论基础 (3)2.1.3、应用 (3)2.2电路分析 (4)2.2.1、背景 (4)2.2.2、理论基础 (4)2.2.3、应用 (5)2.3、谱分析 (5)2.3.1、背景 (5)2.3.2、理论基础 (5)2.3.3、应用 (6)3、结论 (6)参考文献 (7)矩阵论若干分析及应用摘要:矩阵论不仅是数学学科,也是理工学科重要的数学工具。

许多学科新的理论和方法的产生和发展就是矩阵论创造性应用和推广的结果,毫无夸张地说,矩阵理论在物理力学、信号与信息处理、通信、电子、图像处理、大数据分析、控制系统等众多领域最具创造性和灵活性,并起着不可代替作用的数学工具。

本文列举矩阵论若干相关知识点分别在图像处理、电路分析、谱分析法中的应用,相信在相关介绍和分析之后,大家会意识到矩阵论在现实应用中的强大之处。

关键词:矩阵论数学工具应用1、介绍矩阵这个词是由西尔维斯特首先使用的,他是为了将数字的矩形阵列区别于行列式而发明了这个述语。

而实际上,矩阵这个课题在诞生之前就已经发展的很好了。

从行列式的大量工作中明显的表现出来,为了很多目的,不管行列式的值是否与问题有关,方阵本身都可以研究和使用,矩阵的许多基本性质也是在行列式的发展中建立起来的。

在逻辑上,矩阵的概念应先于行列式的概念,然而在历史上次序正好相反。

先把矩阵作为一个独立的数学概念提出来,并首先发表了关于这个题目的一系列文章。

凯莱同研究线性变换下的不变量相结合,首先引进矩阵以简化记号。

1858年,他发表了关于这一课题的第一篇论文《矩阵论的研究报告》,系统地阐述了关于矩阵的理论。

文中他定义了矩阵的相等、矩阵的运算法则、矩阵的转置以及矩阵的逆等一系列基本概念,指出了矩阵加法的可交换性与可结合性。

另外,凯莱还给出了方阵的特征方程和特征根(特征值)以及有关矩阵的一些基本结果。

矩阵扰动分析方法及对三维重构误差分析的应用

矩阵扰动分析方法及对三维重构误差分析的应用

2 2 . 9
3 3 . 1
则称 , ' 是C … 上的一个矩 阵范数 。 2 . 矩阵逆的扰动 设A e R … 是非奇异阵, 又设 是一个 具有小元素的 r l x n 矩 阵, 则我 们要考虑的问题是 E必须是 多小 时, 扰动矩 阵A + E也是非奇异 阵, 此 时 + D 和A 。 。 的差又是多少 。这里我们可以利用前面 已经介绍过的矩阵
I I V l l ≤
可得
参 考 文 献
可以看 出上式左边是 + E ) 的相对误 差 , 如果 E充分小 , 那么右
【 1 】 徐树方 . 矩 阵计算的理论 与方法. 北京: 北京大学 出 版 社, 1 9 9 5 . [ 2 】 孙继广 . 矩 阵扰 动分析. 北京: 科学 出版社, 2 0 0 2 . [ 3 】 夏科 蕊. 三维重构精度 的矩 阵分析方法研究. 中南大学, 2 0 1 0 . ( 4 】 党诵诗 . 矩阵论及 其在测绘 中的应用, 北京: 测绘 出版社, 1 9 8 .
矩阵扰动分析方法及对三维重构误差分析的应用
尚 钦 明
1 . 青 岛科技 大学 山东 青 岛 2 6 6 0 4 2 ;2 . 青 岛黄海学院 山东
青岛 2 6 6 4 2 7
【 摘 要 】三维重构 问题是一个由二维图像获取 三维信 息的逆 问题 ,由成像模型的复杂性所决定,其数据很容 易受到各方面 因素的影响,本文是利 用矩 阵扰动理论 来研 究研 究矩阵元 素的变化对 于矩阵间题 的解的影 响。由于在测量数据 处理 中, 经常要利用矩阵方法对 测量观测数据 进行分析和解 算, 因此我们便可通过矩 阵扰动分析的方法分析其解算结果, 从而对 成像的数据进行 处理 并有效 的评价 。

矩阵论_精品文档

矩阵论_精品文档

矩阵论矩阵论是线性代数的一个重要分支,它研究的是矩阵的性质、运算和应用。

在现代科学和工程领域中,矩阵论被广泛应用于各种数学模型的建立、数据处理和优化问题的求解等。

一、矩阵的定义与性质矩阵是由数个数值排列成矩形形状的数组。

在矩阵论中,通常用大写字母表示矩阵,如A、B、C等。

一个矩阵由m行n列的数值组成,可以表示为A = [aij],其中i表示行的编号,j表示列的编号,aij表示矩阵A中第i行第j列的元素。

在矩阵论中,还有一些基本的运算符号和性质。

如矩阵的转置、加法、乘法等。

矩阵转置是指将矩阵的行列互换得到的新矩阵。

矩阵加法是指将两个具有相同维数的矩阵对应元素相加得到新矩阵。

矩阵乘法是指对矩阵的每个元素进行乘积运算,最终得到的新矩阵的元素是原矩阵对应行与对应列的乘积之和。

矩阵还有一些重要的性质。

如矩阵的对称性、零矩阵、单位矩阵等。

对称矩阵是指元素关于主对角线对称的矩阵,即a[i][j] = a[j][i]。

零矩阵是每个元素都为0的矩阵。

单位矩阵是指主对角线上元素都为1,其它元素都为0的矩阵。

单位矩阵在矩阵乘法运算中起到类似于数1的作用。

二、矩阵的运算与法则1. 矩阵的转置法则:(AB)T = BTAT。

即两个矩阵的乘积的转置等于这两个矩阵分别转置后的乘积。

这个法则在矩阵运算中经常被使用,可以简化复杂矩阵乘法的计算。

2. 矩阵的加法法则:矩阵加法满足交换律和结合律。

即A + B = B + A,(A + B) + C = A + (B + C)。

这些法则使得矩阵的加法运算可以像普通的数的加法一样直观和易于计算。

3. 矩阵的乘法法则:矩阵乘法满足结合律,但一般不满足交换律。

即(AB)C = A(BC),但一般来说,AB ≠ BA。

这是因为矩阵乘法涉及到对矩阵的行和列进行运算,行和列的次序不同会导致运算结果的差异。

4. 零矩阵的性质:对于任意矩阵A,都有A + 0 = A,0A = 0。

即任何矩阵与零矩阵相加或相乘都不改变原矩阵。

三维矩阵几何意义

三维矩阵几何意义

三维矩阵几何意义三维矩阵是一个具有三个维度的矩阵,每个维度可以理解为空间中的一个方向或轴。

三维矩阵在数学和计算机图形学中广泛应用,为了更好地理解三维矩阵的几何意义,我们需要对几何向量以及线性变换有一定的了解。

首先,我们来了解一下几何向量。

在三维空间中,几何向量可以表示为一个有序的数组或者一个列矩阵,如V=[x,y,z]或者V=[x;y;z]。

每个元素代表向量在x、y和z轴上的分量。

几何向量具有长度和方向,并且可以表示为从原点到其中一点的有向线段。

向量的长度可以通过欧几里得范数来计算,即:,V,=√(x^2+y^2+z^2)。

三维空间中的一个点可以表示为一个位置向量,也就是从原点(0,0,0)到该点的向量。

两个点之间的距离可以通过计算这两个点的位置向量的差值来得到。

在矩阵和线性代数中,我们可以使用三维矩阵来表示各种线性变换。

线性变换可以将一个向量转换为另一个向量,同时保持线性关系和向量运算的性质。

三维空间中的线性变换可以通过矩阵向量乘法来实现。

例如,一个三维矩阵A可以将一个向量V转换为另一个向量W,即W=AV。

这里A是一个3×3的矩阵。

矩阵A的每一列代表了新的坐标轴的方向,向量V的分量在这些新的坐标轴上进行了组合,得到了向量W。

三维矩阵的几何意义可以通过以下几个方面来理解:1.缩放:一个三维矩阵可以用来实现空间中的缩放变换。

在矩阵A中,对角线上的元素决定了在每个坐标轴上的缩放比例。

当一个向量与该矩阵相乘时,这个向量的每个分量都会按照相应的缩放比例进行拉伸或压缩。

这可以用来实现三维模型的放缩效果。

2.旋转:三维矩阵还可以用来实现空间中的旋转变换。

在矩阵A中,每一列代表了新的坐标轴的方向。

当一个向量与矩阵A相乘时,这个向量的分量按照新的坐标轴进行重新组合,从而实现旋转效果。

通过调整矩阵A中的元素,可以实现不同的旋转角度和方向。

3.平移:三维矩阵还可以用来实现空间中的平移变换。

在矩阵A中,除了对角线上的元素外,还有最后一列(或者行)表示将原来的位置向量移动到的目标位置向量。

线性代数中的矩阵理论及其应用

线性代数中的矩阵理论及其应用

线性代数中的矩阵理论及其应用线性代数是近年来非常热门的学科,它广泛应用于物理和工程等领域,包括机器学习、图像和信号处理、网络分析和优化,数学建模等等。

而矩阵理论是线性代数中的重要分支,是许多应用的基础。

本文将介绍矩阵理论的基本概念和应用,以及其中一些重要的定理和算法。

一、矩阵的基本概念在矩阵理论中,矩阵是指一个由m行n列元素组成的矩形阵列,通常用A=[aij]表示,其中i代表行号,j代表列号,aij代表矩阵A中的第i行第j列的元素。

当m=n时,矩阵A称为方阵,元素aij对应于A的第i个行向量和第j个列向量的内积。

对于矩阵A和B,它们的和C=A+B是一个矩阵,其中C的每个元素都等于对应位置上A和B的元素之和。

同样地,矩阵的差和数乘分别为D=A-B和E=kA,其中D的每个元素都等于对应位置上A和B的元素之差,E的每个元素都等于A的对应元素乘以k。

此外,矩阵的转置AT是一个矩阵,其中AT的第i行第j列的元素等于A的第j行第i列的元素。

二、矩阵的应用矩阵理论的应用非常广泛,以下介绍一些常见的应用。

1.线性方程组的求解线性方程组的求解是矩阵理论的基础应用之一。

对于一个n元线性方程组Ax=b,其中A是一个n行n列的矩阵,x和b都是n 维列向量,x的每个元素都代表方程组的一个未知数,b的每个元素都代表方程组的一个常数项。

则方程组的解为x=A-1b,其中A-1是矩阵A的逆矩阵。

若A没有逆矩阵,则方程组无解或有无穷解。

2.特征值和特征向量特征值和特征向量也是矩阵理论中的重要概念之一。

对于一个n阶方阵A,若存在一个非零向量x,以及一个标量λ,使得Ax=λx,则λ是矩阵A的一个特征值,x是对应的特征向量。

特征值和特征向量可以用来描述矩阵的几何特性和运动轨迹,以及在状态空间中的扭曲和伸缩等现象。

3.奇异值分解奇异值分解(SVD)是矩阵理论中的另一个重要概念,可以用来分析矩阵的结构和性质。

对于一个m行n列的矩阵A,它的奇异值分解为A=UΣVT,其中U是一个m行m列的正交矩阵,VT是一个n行n列的正交矩阵,Σ是一个m行n列的矩形对角矩阵。

矩阵论在Direct3D中三维坐标变换的运用

矩阵论在Direct3D中三维坐标变换的运用
旋转(Rotate):改变物体的姿态。
将图形绕x轴旋转角α的变换矩阵为:
将图形绕y轴旋转角α的变换矩阵为:
c)放缩(Scale)
放缩(Scale):改变物体的大小。
对图形作比较变换矩阵为:
a,e,i分别表示x,y,z的放大率,其坐标关系为:
当a,e,i均等于1时,则变换矩阵为:
这时T产生全比例变换,其中s为整个图形的放大率,当s﹤1时整个图形放大,当s﹥1时整个图形缩小。
上式便为视平面坐标系到屏幕坐标系的变换方程。
五、
通过系统地学习矩阵论的相关知识,本人结合计算机中的Direct3D技术的具体应用,分析了矩阵论在实际计算机图形学应用中的作用。通过学习我发现,矩阵论在计算机图形学中有非常广泛的应用,在二维、三维图形学应用有具有举足轻重的作用。矩阵论中前人总结的一些数学算法为计算机图形学的发展打下了基础。
);
绕Z轴旋转:
D3DXMATRIX *D3DXMatrixRotationZ(
D3DXMATRIX* pOut, //返回的结果
FLOAT Angle //旋转的弧度
);
绕指定轴旋转:
D3DXMATRIX *D3DXMatrixRotationAxis(
D3DXMATRIX *pOut,//返回的结果
CONST D3DXVECTOR3* pUp//设置方向“上”
);
可以看出,试图矩阵定义了摄像机在世界空间中的位置、观察点、方向“上”等信息。
定义投影矩阵:
D3DXMATRIX *D3DXMatrixPerspectiveFovLH(
D3DXMATRIX* pOut,//返回投影矩阵指针
FLOAT fovY,//定义镜头垂直观察范围,以弧度为单位

三维模型中矩阵应用

三维模型中矩阵应用

三维模型中矩阵应用
三维模型中的矩阵应用非常广泛,它们在图形学、计算机动画、游戏开发和计算机辅助设计等领域发挥着重要作用。

下面我将从几
个方面来介绍三维模型中矩阵的应用。

1. 变换,矩阵在三维模型中常用于表示平移、旋转、缩放等变换。

通过矩阵乘法,可以将一个点或者一个向量进行各种变换。

例如,对于一个三维点(x, y, z),通过矩阵乘法可以将其进行平移、
旋转或缩放操作,从而实现模型的变换和动画效果。

2. 投影,在三维图形学中,投影是将三维空间中的点或者物体
投影到二维平面上的过程。

矩阵在投影过程中起着重要作用,例如
透视投影和正交投影都可以通过矩阵运算来实现。

3. 骨骼动画,在计算机动画中,骨骼动画是一种常用的技术,
它可以使模型实现逼真的动作。

在骨骼动画中,每个骨骼都可以通
过矩阵来表示其变换关系,通过矩阵运算可以实现骨骼的变换和动
画效果。

4. 光照和阴影,在渲染三维模型时,光照和阴影效果的实现需
要对模型表面的法向量进行变换和计算。

这涉及到矩阵的转置和逆运算,通过这些运算可以得到表面法向量的正确变换和光照计算,从而实现逼真的渲染效果。

总的来说,矩阵在三维模型中扮演着至关重要的角色,它们是实现模型变换、动画效果、渲染效果等的基础。

通过对矩阵的合理运用,可以实现更加复杂和逼真的三维模型效果。

数学中的矩阵理论及其应用

数学中的矩阵理论及其应用

数学中的矩阵理论及其应用矩阵是线性代数中最基本的概念之一,是一个由数构成的矩形阵列,可以用于表示线性变换、运动状态、网络流量等多种实际问题。

矩阵理论作为一门数学分支,在现代自然科学与工程技术中得到了广泛的应用。

本文将探讨矩阵理论的基本概念、运算规律以及其应用领域。

一、矩阵的基本概念矩阵是由m×n个数按一定顺序排列成的矩形阵列,记为A=[a(i,j)]m×n ,其中aij表示矩阵A的第i行第j列元素。

若它是一个m阶的矩阵,则有m行,n列。

这里我们将默认矩阵的元素是实数。

在矩阵中,如果行数与列数相等,则称其为方阵,并且可以用A=(a(i,j))表示,其中i, j = 1,2,3,…,n。

矩阵可以用列向量表示,列向量是一个列阵列,例如:$$ a = \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} $$二、矩阵的运算1. 矩阵的加减法设A、B是同型矩阵,即具有相同的行数和列数,那么它们的和与差是指相应元素之和与之差的矩阵:$$ A + B = \begin{bmatrix} a_{11}+b_{11} & a_{12}+b_{12} & \cdots & a_{1n}+b_{1n} \\ a_{21}+b_{21} & a_{22}+b_{22} &\cdots & a_{2n}+b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\a_{m1}+b_{m1} & a_{m2}+b_{m2} & \cdots & a_{mn}+b_{mn}\end{bmatrix} $$$$ A - B = \begin{bmatrix} a_{11}-b_{11} & a_{12}-b_{12} &\cdots & a_{1n}-b_{1n} \\ a_{21}-b_{21} & a_{22}-b_{22} & \cdots & a_{2n}-b_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{m1}-b_{m1} & a_{m2}-b_{m2} & \cdots & a_{mn}-b_{mn} \end{bmatrix} $$2. 矩阵与标量乘法设A为m×n矩阵,k为标量,则称kA为矩阵A的数乘,它等于把A的每一元素都乘以k。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

矩阵在计算机三维图形变换中的应用
矩阵在计算机三维图形变换中的应用
摘要:论述如何利用矩阵的变换性质实现计算机的三维图形变换,主要是通过平移、缩放和旋转三种基本变换的组合来实现的,利用矩阵可以是图形处理高速化。

关键词:平移、缩放、旋转
1 引言
三维图形图像的处理,显示和形体构造需要使用三维几何变换,这些变换是通过基本的平移,缩放和旋转组合而成的,每一个变化都可以表示为矩阵变换的形式,通过矩阵的相乘或连续可以构造复杂的变换。

2 矩阵与图形变换
计算机对图形的处理,经常用到各种变换,若用解析式表示坐标变换,计算过程和缩放程序都很复杂,用矩阵表示图形的坐标变换,特别是复合变换就显得比较简单,利用矩阵进行计算,可使图形处理高速化。

事实上,对于一个空间图形,图形上每一个点都对应着唯一的坐标(x,y,z),它的标准化齐次坐标为一个四维的向量。

设T为4 X 4变换矩阵:
其个元素的性质为:a,b,c,d,e,f,g,h,i产生比例,反射,旋转,错位变换,l,m,n
产生沿x轴,y轴,z轴的平等移动。

P,q,r产生透视变换,s产生全比例变换。

利用变换矩阵T可以对三维坐标进行各种变换,其基本关系式为:
一般地,对图形对平移变换的变换矩阵为:
其中l,m,n分别沿x轴,y轴,z轴的方向的平移量,其坐标关系式为:
对图形做比例变换矩阵为:
a,e,i分别表示坐标x,y,z的放大率,其坐标关系为:
当a,e,i均等于1时,则变换矩阵为:
T=
1000 0100 0010 000s ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭
这时T产生全比例变换,其中S为整个图形的放大率,当s>1时整个图形缩小,当s<1时整个图形放大。

对图形作错移变换的变换矩阵为:
T=
10
10
10 000
d g
b h
c f
s ⎛⎫ ⎪ ⎪ ⎪ ⎪⎝⎭
对图形作关于xoy平面的反射变换的变换矩阵为:
T=
1000 0100 0010 0001⎛⎫ ⎪ ⎪ ⎪
-
⎪⎝⎭
将图形绕x轴旋转角α的变换矩阵为:
T=
1000 0cos sin0 0sin cos0 0001⎛⎫ ⎪
αα
⎪ ⎪-αα
⎪⎝⎭
将图形绕y轴旋转角α的变换矩阵为:
T=
cos0sin0
0100 sin0cos0
0001
α-α
⎛⎫ ⎪ ⎪ ⎪αα
⎪⎝⎭
如果要对图形连续施行几种变换,则它的变换矩阵就是几个相应变换后矩阵的乘积,如对点A(x,y,z)先作比例变换,然后再绕y轴旋转角α,则新旧坐标关系为:
(x,y,z,1)
000
000
000
0001
a
e
i
⎛⎫




⎝⎭
cos0sin0
0100
sin0cos0
0001
α-α
⎛⎫



αα

⎝⎭
=()
*
**1
y
x z
3 利用矩阵进行三维图形变换
设三维孔家那种任意一点的齐次坐标p(x,y,z,1),作三维图形得打的点的齐次坐标为p’(x’,y’,z’,1)可得下面三维图形集合变换矩阵。

3.1 平移变换
平移变换课将指定形体从当前位置移到一个新的位置,而不改变其方向和大小。

式中,D x,D y,D z分别是沿x轴,y轴,z轴方向上的平移量,图1是三维平移变换示意图。

3.2 比例变换
比例缩放变换指定形体的大小,该比例变换以坐标原点为参考点,上式中的分别是沿x轴,y轴,z轴方向上的缩放比例,图2是以坐标原点为参考点的三维比例变换示意图。

如果要以三维空间中的任意一点(x0,y0,z0)为参考点作比例变换,先平移至原点作比例变换后再平移回到点(x0,y0,z0),比例变换矩阵为:
3.3 旋转变换
三维旋转变换是指空间形体绕坐标轴旋转角,旋转的正方向通常按右手定则确定,即右手拇指指向转轴方向,其余四指指向便是旋转角θ的正交(如图3)。

旋转变换后形体的大小和形状不发生变化,只是空间位置相对原位置发生了变化。

绕x轴旋转:
,其中θ为图形绕x轴旋转的角度;
绕y轴旋转:
其中θ为图形绕y轴旋转的角度;
绕z轴旋转:
其中θ为图形绕z轴旋转的角度。

4 旋转矩阵
设o-x 1y 1z 1和o-x k y k z k 是以o 为同一原点的不同坐标系,对应的基向量分别为l e

k
e
,则同一矢量可以用两种不同的基表示出来。

,其中
为向

的坐标阵列,右边等式的两边用1e 点乘,得到:,其中A lk
为3X3标量矩阵,定义为:由此式可
以判断,相同元素之间的选择矩阵为三阶单位矩阵,即A ll (A kk )=E ,并且于实际
情况
符合。

我们用以下算例来实现旋转阵的应用:
5 三维图形变换的统一矩阵面
计算机绘制物体的投影图,是将三维空间的物体用二维平面上的图形来表示,因此,需要进行图形变换,而进行图形变换行之有效的方法是矩阵机器运算。

常用的三维图形变换矩阵有绕z轴的旋转矩阵S1,绕x轴的旋转矩阵S2,平移矩阵S3,向y面的正投影矩阵S4,它们分别为
其中, φ分别为绕z轴和x轴旋转的角度,l,m,n为平移参数
6 计算机三维变换使用矩阵
Direct 3D使用矩阵来执行3—D变换,解释了矩阵是如何来建立三维变换。

描述了一些变换的基本用法以及如何通过矩阵合并来完成复杂的变换,平移Translation旋转Rotation,缩放Scaling。

在Direct 3D程序中,平移矩阵也可以使用D3dutil.cpp矩阵中的Translate辅助函数来创建此矩阵,下面的例子展示了Translate函数的源码:D3DMATRIX Translate(canst float dx. Const float dy. Const float dz)
{
D3DMTR x ret=identity Matrix();
Ret(3. 0)=dx;
Ret(3. 1)=dy;
Ret(3. 2)=dz;
Return=ret;
} end of Translate()
使用D3dutil.cpp 文件中的Rotate x 和Rotate y 和Rotate z 辅助函数来创建放置矩阵,下面是Rotate x
函数的代码:
D3DMATRIX.Rotatex(const float rads)
{ floatconst sine;
const =cos(rads);
sine =sin(rads);
07127011 余章权D3DMATRIX ret=identity Matrix();
Ret(1 .1)=consine;
Ret(2 .2)=consine;
Ret(1 .2)=-sine;
Ret(2 .1)=sine;
Rerurn ret;
}//end of Rotatx()
7 结语
上述推导出的计算机三维图形变换,怎样利用矩阵的变换性质,可以通过平移比例变化和旋转
三种基本变换的组合来实现,尤其是它的旋转变换需要知道旋转角和旋转轴。

参考文献:
[1]王汝传.计算机图形学[M].北京:人民邮电出版社,2002.180~189
[2]何援军.计算机图形学[M].北京:机械工业出版社,2006.87~91
[3]焦永广.计算机图形学教程[M].北京:理工大学出版社,2001.109~114
[4]孙家广.计算机图形[M].北京:清华演出版社,1998
[5]李新友.计算机图像综合技术[M].北京:机械工业出版社,1997
[6]杨钟藩.微型计算机绘图及其程序设计[M],1987
[7]上海交通大学.计算机制图[J].北京:高等教育出版, 1985.138~166
10。

相关文档
最新文档