矩阵及矩阵运算坐标变换

合集下载

齐次坐标和矩阵变换

齐次坐标和矩阵变换

齐次坐标和矩阵变换⼀直对齐次坐标这个概念的理解不够彻底,只见⼤部分的书中说道“齐次坐标在仿射变换中⾮常的⽅便”,然后就没有了后⽂,今天在⼀个叫做“三百年重⽣”的博客上看到⼀篇关于透视投影变换的探讨的⽂章,其中有对齐次坐标有⾮常精辟的说明,特别是针对这样⼀句话进⾏了有⼒的证明:“齐次坐标表⽰是计算机图形学的重要⼿段之⼀,它既能够⽤来明确区分向量和点,同时也更易⽤于进⾏仿射(线性)⼏何变换。

”—— F.S. Hill, JR。

由于作者对齐次坐标真的解释的不错,我就原封不动的摘抄过来:对于⼀个向量v以及基oabc,可以找到⼀组坐标(v1,v2,v3),使得v = v1 a + v2 b + v3 c (1)⽽对于⼀个点p,则可以找到⼀组坐标(p1,p2,p3),使得 p – o = p1 a + p2 b + p3 c (2),从上⾯对向量和点的表达,我们可以看出为了在坐标系中表⽰⼀个点(如p),我们把点的位置看作是对这个基的原点o所进⾏的⼀个位移,即⼀个向量——p – o(有的书中把这样的向量叫做位置向量——起始于坐标原点的特殊向量),我们在表达这个向量的同时⽤等价的⽅式表达出了点p:p = o + p1 a + p2 b + p3 c (3)(1)(3)是坐标系下表达⼀个向量和点的不同表达⽅式。

这⾥可以看出,虽然都是⽤代数分量的形式表达向量和点,但表达⼀个点⽐⼀个向量需要额外的信息。

如果我写出⼀个代数分量表达(1, 4, 7),谁知道它是个向量还是个点!我们现在把(1)(3)写成矩阵的形式:v = (v1 v2 v3 0) X (a b c o)p = (p1 p2 p3 1) X (a b c o),这⾥(a,b,c,o)是坐标基矩阵,右边的列向量分别是向量v和点p在基下的坐标。

这样,向量和点在同⼀个基下就有了不同的表达:3D向量的第4个代数分量是0,⽽3D点的第4个代数分量是1。

像这种这种⽤4个代数分量表⽰3D⼏何概念的⽅式是⼀种齐次坐标表⽰。

ue 矩阵 切换坐标系

ue 矩阵 切换坐标系

ue 矩阵切换坐标系UE4矩阵——切换坐标系概述:在UE4中,矩阵是一种被广泛应用于坐标系变换和几何变换的数学工具。

在游戏开发中,我们经常需要进行不同坐标系之间的转换,比如从世界坐标系到局部坐标系的转换,或者从局部坐标系到相机视图空间的转换。

本文将介绍UE4中的矩阵及其使用方法,以及如何使用矩阵来进行不同坐标系之间的切换。

1. 了解矩阵矩阵是一个二维数组,由若干个行和列组成。

在UE4中,常用的矩阵类型有四种:FMatrix、FMatrix2x2、FMatrix3x3和FMatrix4x4。

其中,FMatrix 是最常用的类型,用于进行四维空间的变换。

FMatrix2x2、FMatrix3x3和FMatrix4x4分别用于进行二维、三维和四维空间的变换。

在UE4中,矩阵使用列主序(column major)存储,即矩阵的每一列依次存储在内存中。

2. 矩阵的创建和使用在UE4中,可以使用FMatrix结构体来创建和操作矩阵。

下面是一个创建单位矩阵的示例:FMatrix Matrix = FMatrix::Identity;这样就创建了一个单位矩阵,并将其赋值给Matrix。

接下来,可以通过各种方法来修改和使用矩阵,比如平移、旋转和缩放等操作。

下面是几个常用的矩阵操作方法:- FMatrix::Translation(const FVector& InTranslation):平移矩阵,将矩阵的最后一列设置为平移向量。

- FMatrix::RotationX(float Angle):绕X轴旋转矩阵,将矩阵的第一列设置为旋转后的X轴。

- FMatrix::Scale3D(const FVector& InScale):缩放矩阵,将矩阵的对角元素设置为缩放向量。

3. 坐标系变换在UE4中,坐标系变换可以通过矩阵相乘的方式实现。

当需要将一个点从一个坐标系转换到另一个坐标系时,可以使用两个矩阵相乘的方式来进行变换。

坐标系转换矩阵

坐标系转换矩阵

坐标系转换矩阵1. 介绍坐标系转换矩阵是数学中一种常用的工具,用于将一个坐标系中的点转换到另一个坐标系中。

在二维和三维空间中,坐标系转换矩阵可以表示为一个矩阵,通过乘法运算将原始坐标转换为目标坐标。

坐标系转换矩阵在计算机图形学、机器人学、物体定位以及航空航天等领域具有广泛的应用。

2. 二维坐标系转换矩阵2.1 平移矩阵平移矩阵用于将一个点在二维平面上沿 x 轴和 y 轴方向移动一定的距离。

平移矩阵可以表示为:[1 0 dx][0 1 dy][0 0 1 ]其中 dx 和 dy 分别表示在 x 轴和 y 轴上的平移距离。

通过乘法运算,可以将原始点的坐标 (x, y) 转换为移动后的坐标 (x+dx, y+dy)。

2.2 缩放矩阵缩放矩阵用于将一个点在二维平面上沿 x 轴和 y 轴方向进行放大或缩小。

缩放矩阵可以表示为:[sx 0 0][0 sy 0][0 0 1]其中 sx 和 sy 分别表示在 x 轴和 y 轴上的缩放比例。

通过乘法运算,可以将原始点的坐标 (x, y) 转换为缩放后的坐标 (sx x, sy y)。

2.3 旋转矩阵旋转矩阵用于将一个点在二维平面上绕原点进行旋转。

旋转矩阵可以表示为:[cosθ -sinθ 0][sinθ cosθ 0][0 0 1]其中θ 表示旋转角度。

通过乘法运算,可以将原始点的坐标 (x, y) 转换为绕原点旋转后的坐标 (x cosθ - y sinθ, x sinθ + y cosθ)。

2.4 总体转换矩阵总体转换矩阵可以通过平移、缩放和旋转矩阵的乘法运算得到。

假设需要将一个点从坐标系 A 转换到坐标系 B,首先可以将点的坐标通过平移矩阵从坐标系 A 转换到原点所在的坐标系,然后通过旋转矩阵将点的坐标围绕原点进行旋转,最后通过缩放矩阵将点的坐标进行放大或缩小,得到在坐标系 B 中的新坐标。

3. 三维坐标系转换矩阵三维坐标系转换矩阵与二维类似,只是需要增加一维。

旋转矩阵和坐标变换矩阵

旋转矩阵和坐标变换矩阵

旋转矩阵和坐标变换矩阵旋转矩阵和坐标变换矩阵,这可真是个有趣的话题!想象一下,一个小球在平面上转来转去,像是在跳舞一样。

旋转矩阵就像是这个小球的舞伴,帮它在空间中旋转。

说到旋转,大家应该都知道,有时候生活也需要转个弯,看看不同的风景,对吧?旋转矩阵其实就是一种数学工具,简单来说,它能把一个点的位置通过旋转的方式转换成另一个点的位置。

想象一下你在滑冰,优雅地转身,旋转矩阵就是你优雅转身的秘诀。

通过旋转角度,能让你在不同的位置看到不同的风景,哎呀,真是妙不可言!而坐标变换矩阵则更进一步,它可以把我们心爱的点,像一个小球,放到更高的地方,或者更远的地方,甚至变得更大或更小,就像魔法一样。

在数学的世界里,旋转矩阵和坐标变换矩阵就像两个老朋友,他们一起合作,让我们在各种场景中移动。

举个例子,想象你在玩一个游戏,角色需要从一个地方移动到另一个地方。

这时候,坐标变换矩阵就出场了,它把角色的坐标从一个点变换到另一个点,就像你换了个位置,继续探索新的领域。

说到这里,有没有觉得这些矩阵像极了我们生活中的那些选择?有时候我们也需要选择不同的方向,去体验新的事物。

比如,你本来在家里舒服地追剧,突然觉得无聊了,就决定去外面散步,顺便去看看最近开了什么新店。

生活中的这种变化就像矩阵的变换,一下子让你发现了不一样的自己,真是人生的调味品!旋转矩阵和坐标变换矩阵还有一个共同点,就是它们的运算规则。

你可以想象成是在做一个拼图游戏,把不同的图形拼合在一起。

通过简单的矩阵运算,你可以得到新的图形,新的坐标,仿佛让生活充满了惊喜。

在数学的世界里,这些运算就像调料,让你的菜肴更加美味。

我记得有一次,我在图书馆看到一个关于旋转矩阵的书,里面有个例子特别有意思。

一个小车在环形轨道上转圈,利用旋转矩阵可以很简单地计算出车子在不同时间点的位置。

想象一下,小车转呀转,仿佛在玩追逐游戏。

生活中也是如此,有时候我们在忙碌中不妨停下来,看看周围的变化,享受当下的乐趣。

坐标变换的矩阵实现

坐标变换的矩阵实现

坐标变换的矩阵实现坐标变换是计算机图形学中的重要概念,它用于描述如何将一个坐标系中的点或向量转换到另一个坐标系中。

常见的坐标变换包括平移、旋转、缩放和剪切等操作。

矩阵是一种常用的表示方法,通过矩阵乘法来实现坐标变换。

在二维坐标中,一个点可以用一个二维向量表示,例如在笛卡尔坐标系中,点P的坐标表示为(Px,Py)。

为了实现坐标变换,我们可以用一个3x3的矩阵来表示,即变换矩阵。

这个矩阵中的元素对应于平移、旋转和缩放的参数。

以下是常见坐标变换的矩阵表示和实现方法:1.平移变换:平移变换表示将坐标系中的点沿着指定的方向移动一定的距离。

平移变换矩阵如下:[Tx][100][Ty]x[010][1][TxTy1]其中Tx和Ty分别是平移的距离。

假设有一个点P,通过平移变换矩阵可以得到新的点P',其坐标为(Px+Tx,Py+Ty)。

2.旋转变换:旋转变换表示将坐标系中的点围绕原点旋转一定角度。

旋转变换矩阵如下:[cosθ -sinθ 0][sinθ cosθ 0][001]其中θ表示旋转的角度。

假设有一个点P(x,y),通过旋转变换矩阵可以得到新的点P',其坐标为:Px' = x * cosθ - y * sinθPy' = x * sinθ + y * cosθ3.缩放变换:缩放变换表示将坐标系中的点沿着x轴和y轴的方向进行缩放。

缩放变换矩阵如下:[Sx00][0Sy0][001]其中Sx和Sy分别表示在x轴和y轴上的缩放比例。

假设有一个点P(x,y),通过缩放变换矩阵可以得到新的点P',其坐标为(Px*Sx,Py*Sy)。

4.剪切变换:剪切变换表示通过改变坐标系中点的坐标,使之按照指定的方式进行形变。

常见的剪切变换包括平行于x轴和y轴的剪切。

剪切变换矩阵如下:[1 Shx 0][Shy 1 0][001]其中Shx表示沿x轴的剪切比例,Shy表示沿y轴的剪切比例。

矩阵的运算及其运算规则

矩阵的运算及其运算规则

矩阵基本运算及应用令狐采学201700060牛晨晖在数学中,矩阵是一个按照长方阵列排列的复数或实数集合。

矩阵是高等代数学中的常见工具,也常见于统计分析等应用数学学科中。

在物理学中,矩阵于电路学、力学、光学和量子物理中都有应用;计算机科学中,三维动画制作也需要用到矩阵。

矩阵的运算是数值分析领域的重要问题。

将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。

在电力系统方面,矩阵知识已有广泛深入的应用,本文将在介绍矩阵基本运算和运算规则的基础上,简要介绍其在电力系统新能源领域建模方面的应用情况,并展望随机矩阵理论等相关知识与人工智能电力系统的紧密结合。

1矩阵的运算及其运算规则1.1矩阵的加法与减法1.1.1运算规则设矩阵,,则简言之,两个矩阵相加减,即它们相同位置的元素相加减!注意:只有对于两个行数、列数分别相等的矩阵(即同型矩阵),加减法运算才有意义,即加减运算是可行的.1.1.2运算性质满足交换律和结合律交换律;结合律.1.2矩阵与数的乘法1.2.1运算规则数乘矩阵A,就是将数乘矩阵A中的每一个元素,记为或.特别地,称称为的负矩阵.1.2.2运算性质满足结合律和分配律结合律:(λμ)A=λ(μA);(λ+μ)A =λA+μA.分配律:λ(A+B)=λA+λB.1.2.3典型举例已知两个矩阵满足矩阵方程,求未知矩阵.解由已知条件知1.3矩阵与矩阵的乘法1.3.1运算规则设,,则A与B的乘积是这样一个矩阵:(1) 行数与(左矩阵)A相同,列数与(右矩阵)B相同,即.(2) C的第行第列的元素由A的第行元素与B的第列元素对应相乘,再取乘积之和.1.3.2典型例题设矩阵计算解是的矩阵.设它为可得结论1:只有在下列情况下,两个矩阵的乘法才有意义,或说乘法运算是可行的:左矩阵的列数=右矩阵的行数;结论2在矩阵的乘法中,必须注意相乘的顺序.即使在与均有意义时,也未必有=成立.可见矩阵乘法不满足交换律;结论3方阵A和它同阶的单位阵作乘积,结果仍为A ,即.1.3.3运算性质(假设运算都是可行的)(1)结合律.(2)分配律(左分配律);(右分配律).(3).1.3.4方阵的幂定义:设A 是方阵,是一个正整数,规定,显然,记号表示个A的连乘积.1.4矩阵的转置1.4.1定义定义:将矩阵A的行换成同序号的列所得到的新矩阵称为矩阵A 的转置矩阵,记作或.例如,矩阵的转置矩阵为.1.4.2运算性质(假设运算都是可行的)(1)(2)(3)(4),是常数.1.4.3典型例题利用矩阵验证运算性质:解;而所以.定义:如果方阵满足,即,则称A为对称矩阵.对称矩阵的特点是:它的元素以主对角线为对称轴对应相等.1.5方阵的行列式1.5.1定义定义:由方阵A的元素所构成的行列式(各元素的位置不变),称为方阵A的行列式,记作或.1.5.2运算性质(1) (行列式的性质)(2) ,特别地:(3) (是常数,A的阶数为n)思考:设A为阶方阵,那么的行列式与A 的行列式之间的关系为什么不是,而是?不妨自行设计一个二阶方阵,计算一下和.例如,则.于是,而2光伏逆变器的建模光伏并网逆变器是将光伏组件输出的直流电转化为符合电网要求的交流点再输入电网的关键设备,是光伏系统并网环节中能量转换与控制的核心。

2 矩阵的运算

2  矩阵的运算

(3 ) 矩阵可交换的 定义4: A 与 B, 若有 AB BA, 则称A与B是可交换的
例5
a b 解: 设A与B可交换,则B应是2阶方阵,不妨记 B c d 由 AB BA 即有
1 0 a b a b 1 0 1 1 c d c d 1 1
x1 x 2 x3 x4
(三) 矩阵乘法运算律 1结合律
(AB)C A (BC)
(1)结合律
k ( AB ) (kA) B A(kB), k R
0 A E ,规定
(2)方阵 A 的 m 次幂, 记为 Am 定义为
m Am AA A
1 2 A 0 1
1 x1 x2 T 0 1 0 ,X , X x1 , x2 , x3 , x4 , x3 1 1 3 0 3 2 x4 2 0
验证 注
f ( x1, x2 , x3 , x4 ) X AX
T 2 x f ( x , x , x , x ) 且 中 a 的系数, A 是对称矩阵, ii 是 1 2 3 4 i
aij a ji i j 是 f ( x1, x2 , x3 , x4 ) 中 xi x j 系数的一半。

1 2 T X AX x1 , x2 , x3 , x4 0 1
( A B)( A B) A BA AB B A B
2 2
2
2
( A B) A AB BA B A 2 AB B
2 2 2
2
2

( A E)( A E) A2 EA AE E 2 A2 E 2 ( A E)2 A2 EA AE E 2 A2 2 A E 2

矩阵坐标变换公式

矩阵坐标变换公式

矩阵坐标变换公式矩阵坐标变换是一种重要的数学概念,它可以将一个坐标系统中的点映射到另一个坐标系统中。

这种变换在计算机图形学中尤为重要,因为它可以帮助我们更加方便地处理图形对象的位置、方向和大小等属性。

在矩阵坐标变换中,我们通常会使用一个矩阵来代表变换操作。

这个矩阵可以用来对一个点或向量进行变换,具体的操作方式包括平移、旋转、缩放、扭曲等。

假设我们要对一个二维坐标系中的点进行变换,这个点的坐标为 (x, y)。

我们可以用一个列向量表示这个点的坐标,即:p = [x][y]接下来,我们就可以对这个列向量进行变换。

假设我们有一个2x2 的矩阵 A,它代表一个变换操作。

我们可以使用下面的公式计算变换后的坐标:p' = A * p其中,p' 是变换后的点的坐标,也是一个列向量,A 是变换矩阵,p 是原始点的列向量。

这个公式可以看作是将列向量 p 做矩阵乘法 A * p 的运算,得到变换后的列向量 p'。

在对点进行变换时,我们经常需要用到的变换矩阵包括平移、旋转和缩放矩阵。

这些矩阵的定义如下:1. 平移矩阵:在二维坐标系中,平移矩阵的形式如下:T = [1 0 tx][0 1 ty][0 0 1]其中,tx 和 ty 分别表示沿 x 轴和 y 轴平移的距离。

平移矩阵的作用是将点沿 x 和 y 方向移动一定的距离,可以通过改变 tx 和 ty 的值来实现不同的平移效果。

2. 旋转矩阵:在二维坐标系中,绕原点逆时针旋转θ 角度的旋转矩阵的形式如下:R = [cos(θ) -sin(θ)][sin(θ) cos(θ)]旋转矩阵的作用是将点绕原点进行旋转,可以通过改变θ 的值控制旋转的角度。

3. 缩放矩阵:在二维坐标系中,缩放矩阵的形式如下:S = [sx 0][ 0 sy]其中,sx 和 sy 分别表示沿 x 轴和 y 轴缩放的比例。

缩放矩阵的作用是将点的坐标按比例缩放,可以通过改变 sx和 sy 的值来实现不同的缩放比例。

  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)。
矩阵及矩阵运算——坐标变换
北京化工大学 姜冬青
教学目的: 1)通过生动有趣的例子,贯穿本节引入 矩阵、矩阵乘法定义,; 2)通过课程内容的讲解,要求学生能够自己编程实现例子加深 对矩阵及其乘法运算的 理解;
教学重点、难点: 矩阵定义,矩阵乘法。
教学用时: 30 分钟。
使用建议:本例是基本的旋转变换,只要学生学习了 C 语言均可编程实现,算法简单,易于 实现,所有专业均可。该例子还可用作正交矩阵和线性空间中例子。 这里只是矩阵定义和乘法,并非完整教学内容。
0⎤
Sy
⎥ ⎦

Sx

Sy
分别为
x
轴和
y
轴的缩放比例。若二者不等,则图形形状改
变。现请将前面三角形等比例、不等比例缩放。 MatLab 源程序: % 缩放变换程序
A=[0 1 1 0;0 1 -1 0];
figure(1); plot(A(1,:),A(2,:))
%绘出初始图形
hold on S=[2 0; 0 2]; Anew=S*A;
− +
y sinθ y cosθ
可以表示为
⎡ x'⎤ ⎢⎣ y'⎥⎦
=
⎡cosθ ⎢⎣ sin θ
− sinθ ⎤⎡x⎤ cosθ ⎥⎦⎢⎣ y⎥⎦
( ) ( ) 定义 设 A = aij 是一个 m × s 矩阵,B = bij 是一个 s × n 矩阵,那末规定矩阵 A 与矩
( ) 阵 B 的乘积是一个 m × n 矩阵 C = cij ,其中
A2=Rc*A;
plot(A2(1,:),A2(2,:),'r') legend('原图','旋转后图形')
175
当连续对图形进行旋转变换,就可以得到我们开始看到的动画。
在 MATLAB 中的计算结果及源程序: 下面给出旋转动画程序,旋转 pi/6,旋转 12 次,即旋转 1 周。 % 动画制作程序
0
clf
A=[0 1 1 0;0 1 -1 0]; Rc=[cos(pi/2) -sin(pi/2); sin(pi/2) cos(pi/2)]; %变换矩阵,逆时针旋转 pi/2
figure(2)
hold on plot(A(1,:),A(2,:))
%绘出初始图形
axis([-1.5 1.5 -1.5 1.5]); %避免坐标轴改变影响图形效果
% hold on
pause
A2=Rc*A;
for i=1:12 plot(A2(1,:),A2(2,:))
%绘出旋转图形
x=A2(1,:);
y=A2(2,:);
fill(x,y,'b')
axis([-1.5 1.5 -1.5 1.5A2;
end 练习题:计算机中常用的一种基本几何变换是缩放变换。
%变换矩阵,等比例放大 2 倍 %缩放变换
176
留给学生的思考题:这种旋转变换会改变图形的形状吗? 在第四章讲完正交矩阵后给出解答
177
教学对象:大二,计算机专业、高分子材料专业
引入:
首先演示一下示例,激发学生兴趣,让学生带着问题进入课程中 。 引例
平面上一点在计算机中可以通过它的坐标进行存储,如 p 点坐标(x,y);而平面上的 一个图形可以在计算机上存储为顶点的集合,通过画出顶点,并将顶点用直线进行相连即可
得到图形。若有 n 个顶点 p1, p2 ,..., pn ,则它们对应 n 个坐标,如果将这 n 个坐标写成数表,
y
p'(x', y')
r
r
θD
φD
p(x, y)
x
x = r cosφ x'= r cos(θ + φ)
由图可知

,由三角公式可以推出:
y = r sinφ y'= r sin(θ + φ)
r cos(θ + φ) = r(cosθ cosφ − sinθ sinφ) = x cosθ − y sinθ r sin(θ + φ) = r(sinθ cosφ + cosθ sinφ) = x sinθ + y cosθ
s
∑ cij = ai1b1 j + ai2b2 j + " + aisbsj = aikbkj , k =1
(i = 1, 2,"m; j = 1, 2,", n),
记为 C = AB.
注意:左边矩阵的列数等于右边矩阵的行数才能定义乘积。 学生课堂完成:
顶点为(0,0),(1,1),(1,-1)的三角形,逆时针旋转 90 度。 该图形对应的矩阵为:

x'= x cosθ − y sinθ y'= x sinθ + y cosθ ,
若将 p 点坐标描述为 (x, y) ,将 p' 坐标描述为 (x', y'),定义旋转变换矩阵为:
174

=
⎡cosθ ⎢⎣ sin θ
− sinθ ⎤
cosθ
⎥ ⎦
则,
x'= y'=
x cosθ x sinθ
既有:
x y 1.矩阵的概念
P1
P2
x1
x2
y1
y2
。。。 pn 。。。 xn 。。。 yn
由 m × n 个数 aij (i = 1, 2,", m; j = 1, 2,", n) 排成的 m 行 n 列的数表
a11 a12 " a1n
a21 a22 " a2n
##
#
am1 am2 " amn
称为 m 行 n 列矩阵,简称 m × n 矩阵,记作
A=[0 1 1 0;0 1 -1 0]; Rc=[cos(pi/6) -sin(pi/6); sin(pi/6) cos(pi/6)]; %变换矩阵,逆时针旋转 pi/6
figure(2) plot(A(1,:),A(2,:))
%绘出初始图形
x=A(1,:);
y=A(2,:);
fill(x,y,'b') axis([-1.5 1.5 -1.5 1.5]); %避免坐标轴改变影响图形效果
缩放:指放大或缩小一个对象尺寸。缩放常量 sx 和 s y 恒为正,分别用来描述 x 轴和 y 轴方
向的长度变化。缩放常量大于 1 表示放大图形,小于 1 表示缩小图形。 p' = Ssx ,sy ( p) ,其
中, x'= sx x , y'= sy y ,变换矩阵为
SSx ,Sy
=
⎡ ⎢ ⎣
Sx 0
解决问题:
平面上图形有 n 个顶点 p1, p2 ,..., pn ,则它们对应 n 个坐标,将这 n 个坐标存储在 2×n
矩阵中,顶点的 x 坐标存储在矩阵的第一行,y 坐标存储在第二行。
即:
⎡x1 x2 " xn ⎤
⎢ ⎣
y1
y2
"
y
n
⎥ ⎦
学生课堂练习: 存储一个顶点为(0,0),(1,1),(1,-1)的三角形,给出存储矩阵:
⎛ a11 a12 " a1n ⎞
A
=
⎜ ⎜ ⎜
a21 "
a22 "
"
a2n
⎟ ⎟
" "⎟
⎜ ⎝ am1
am 2
"
⎟ amn ⎠
173
或简记为 Am×n或(aij )m×n , A 或 A = (aij ) .
aij 是第 i 行第 j 列的元素.称为 A 的 (i, j ) 元.
A 中的元素全为实数的矩阵称为实矩阵, A 中的元素是复数的矩阵称为复矩阵.
A
=
⎡0 ⎢⎣0
1 1
1 −1
0⎤ 0⎥⎦
图形封闭,所以终点也是(0,0) 2.矩阵乘法
现在我们已经会将一个平面图形存储在计算机中,下面通过改变顶点的位置,并重新绘 制图形,实现图形变换。如果变换是线性的,则可以通过矩阵乘法实现。
计算机中经常用到的一种基本几何变换为旋转变换: 旋转:对象绕着坐标原点旋转。一般,逆时针为正,顺时针为负。
变换矩阵为:
A
=
⎡0 ⎢⎣0
1 1
1 −1
0⎤ 0⎥⎦

=
⎡cos(90) ⎢⎣ sin(90)
− sin(90)⎤
cos(90)
⎥ ⎦
旋转后的图形坐标为:
A'
=

A
=
⎡0 ⎢⎣0
−1 1 11
0⎤ 0⎥⎦
在 MATLAB 中的计算结果及源程序:
A2=
0 -1.0000 1.0000
0
0 1.0000 1.0000
相关文档
最新文档