《计算机视觉中的数学方法》笔记1 向量叉积的反对称矩阵表示

最新推荐文章于 2024-06-10 22:20:44 发布

Javong

最新推荐文章于 2024-06-10 22:20:44 发布

阅读量3.3k

点赞数 2

分类专栏：计算机视觉数学文章标签：计算机视觉向量矩阵

本文链接：https://blog.csdn.net/Javong/article/details/44609971

版权

本文是关于《计算机视觉中的数学方法》笔记的第一部分，主要探讨了三维向量的叉积。内容指出，两个三维向量的叉积可以通过其中一个向量的反对称矩阵左乘另一个向量来表示，揭示了叉积与反对称矩阵的联系。

摘要由CSDN通过智能技术生成

三维向量的叉积
令 $\mathbf x_1$ = $\begin{pmatrix} x_1 , y_1 , t_1\end{pmatrix}^T$ , $\mathbf x_2$ = $\begin{pmatrix} x_2 , y_2 , t_2\end{pmatrix}^T$ 是两个三维向量，它们的叉积定义为

x 1 \times x

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Javong

关注关注

2
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
《计算机视觉中的数学方法》笔记1 向量叉积的反对称矩阵表示

三维向量的叉积令x1\mathbf x_1 = (x1,y1,t1)T\begin{pmatrix} x_1 , y_1 , t_1\end{pmatrix}^T , x2\mathbf x_2 = (x2,y2,t2)T\begin{pmatrix} x_2 , y_2 , t_2\end{pmatrix}^T 是两个三维向量，它们的叉积定义为 x1×x2=det⎛⎝⎜ix1x2jy1y2
复制链接

扫一扫