向量叉乘与叉乘矩阵

最新推荐文章于 2024-07-17 08:29:57 发布

转载

最新推荐文章于 2024-07-17 08:29:57 发布 · 5.9k 阅读

35 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/monoSLAM/p/5349497.html

文章标签：

#matlab

本文详细介绍了三维向量的叉乘计算原理，通过引入单位坐标向量将几何概念转换为代数表达式。进一步阐述了叉乘矩阵的求取方法，包括二维和三维向量的特殊情况，探讨了反对称矩阵在表示叉乘矩阵中的作用，并扩展讨论了点乘和四元数乘法的类似推导。

本文以三维向量来说明向量的叉乘计算原理以及叉乘矩阵如何求取

1、向量叉乘的计算原理

a、b分别为三维向量：

$a=({a_1},{a_2},{a_3})$

$b=({b_1},{b_2},{b_3})$

a叉乘b一般定义为：

$a{\times}b$ 或 $a{\otimes}b$

可是这只是一个符号的定义啊，具体怎么得到代数值呢

关键方法就是引入单位坐标向量，

这里用i j k来表示三维坐标轴，这里只是举例，可以扩展到更多维，只是比较抽象

a、通过引入单位向量，向量就可以转化为代数形式：

$a{\rm{=}}{a_1}i+{a_2}j+{a_3}k$

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

dok22260

关注关注

4
点赞
踩
35

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【图形学】向量叉乘（向量积）的几何意义与应用

qq_35635374的博客

02-09

2661

矢量是有量值（长度）和方向。两个矢量的叉积 a × b 是与这两个矢量垂直的矢量。

向量的叉乘与行列式

weixin_49376454的博客

05-30

2153

向量的叉乘与行列式向量的叉乘与行列式

参与评论您还未登录，请先登录后发表或查看评论

向量积的坐标表示及矩阵表示.pdf

07-27

对于运动学逆解或者姿态求解过程中存在的矩阵的计算的一部分内容点，斜对称阵，叉乘

向量和矩阵的点乘、叉乘

AndrewPerfect的博客

06-22

3万+

本科学习的全都还回去了-_-

矩阵和矢量的叉乘推导和简单实用

Soso

02-26

2万+

矩阵的叉乘二维矩阵假设a（a1,a2） b（b1,b2） aXb = a1b2 - a2b1 几何意义就是 aXb是a b组成的平行四边形的面积接下来来证明 S(a,b) = ab*Sin<a,b> = b X a = a2b1 - a1b2 Sin<a,b> = Sin(α - β) = SinαCosβ - CosαSinβ =* -* =...

向量和矩阵的点乘和叉乘

热门推荐

小白一直白

05-24

7万+

向量定义：向量是由N个实数组成的一行N列或N行一列的的数组。点乘：又叫做点积、内积、数量积、标量积，向量a[a1,a2,...,an]和向量b[b1,b2b...,bn]点乘的结果是一个标量，记作a.b；几何解释：a.b = |a| |b|，故而点乘可以计算出两个向量的夹角，且向量垂直，点乘结果为零。叉乘：又叫向量积、外积、叉积，叉乘，向量a[x1,y1,z1]和向量b[x2,y2,z2]叉乘的运算结果是一个向量，并且两个向量的叉积与这两个向量组成的坐标平面垂直，记作axb；计算方式：.

向量叉乘矩阵表示_向量点乘叉乘、矩阵、OpenGL变化

weixin_35857807的博客

12-31

2577

向量：向量就是在3D笛卡尔坐标中的一个顶点。单位向量就是长度为1的向量、标量：标量是一个只有数值大小没有方向，部分有征服之分。通俗来说标量只有大小没有方向的量。向量和标量的区别就是向量是有方向的。标量是没有方向的。向量的点乘叉乘：点乘又叫向量的内积，叉乘又叫向量的外积。点乘计算得到的结果是一个标量；叉乘得到的结果是一个垂直于原向量构成平面的向量。点乘：只能存在于2个向量之间的相乘。2个三维单元...

向量叉乘转为反对称矩阵相乘

栾金鹿

06-20

4042

向量叉乘转反对称矩阵乘

图形变换中涉及到的数学知识（向量叉乘、矩阵相乘、齐次坐标）

xyh的博客

11-04

5944

文章目录1. 向量1.1 点乘1.2 叉乘2. 矩阵3. 齐次坐标 1. 向量 1.1 点乘两个n维向量点乘：二维向量的点乘：向量的模长相乘再乘以夹角余弦值。点乘的结果是一个数值（标量）。几何意义：b向量再a向量上的投影长度。 1.2 叉乘结果：是一个向量（矢量）。几何意义：向量a和向量b叉乘的 2. 矩阵 2.1 矩阵乘法 n维矩阵的乘法运算。举例： 3. 齐次...

矩阵和向量的点乘与叉乘

顺其自然~专栏

07-17

6370

与向量点乘不同，向量叉乘的运算结果是一个向量而不是一个标量。两个向量叉乘所得向量与这两个向量垂直，如下图所示。哈达玛积在书写时用⊙表示，向量可以看做是一维矩阵，也可进行哈达玛积。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。排成的m行n列的数表称为m行n列的矩阵，简称m×n矩阵。当矩阵A和矩阵B的维度相同时，矩阵点乘即为。矩阵对应二维数组（array）。点积、内积、数量积、标量积。与这两个向量所在的平面垂直。向量积、矢积、外积、叉积。向量是由N个实数组成的。

【向量的叉乘】

m0_56871268的博客

03-09

4万+

一、二维向量叉乘公式：a（x1，y1），b（x2，y2），则a×b=（x1y2-x2y1）二、a×b=|a||b|sinθ 三、矩阵形式给定直角坐标系的单位向量 i，j，k满足下列等式： i ×j=k；j ×k = i ；k ×i =j ；通过这些规则，两个向量的叉积的坐标可以方便地计算出来，不需要考虑任何角度：设 a = [a1, a2, a3] =a1 i+ a2j+ a3k b= [b1,b2,b3]=b1i+ b2j+ b3k ; 则 a × b= [a2b3-a3b2,a3..

叉乘在图形学中的几何意义 ---- 判断一个点是否在三角形内

newchenxf的专栏

05-15

5893

讨论叉乘的几何意义，以及在图形学的一种使用例子

数学基础 —— 向量运算（叉乘）

Wind_bow的博客

12-21

4万+

向量的叉乘，即求同时垂直两个向量的向量，即c垂直于a，同时c垂直于b（a与c的夹角为90°，b与c的夹角为90°） c = a×b = （a.y*b.z-b.y*a.z , b.x*a.z-a.x*b.z , a.x*b.y-b.x*a.y）以上图为例a(1,0,0),b(0,1,0),c=a×b = (0,0,1) 叉乘的几何意义 |c|=|a×b|=|a| |b|sinα ...

图形学基础（一）点乘叉乘的意义

landing_guy_的博客

11-27

4874

一些杂谈，主要介绍叉乘和点乘的意义

谈谈MATLAB中的相机Extrinsics

随便写写

10-22

1563

通过estimateCameraParameters函数求出的RotationMatrices和TranslationVectors表示了世界坐标系相对于相机的位姿，而求取相机相对于世界坐标系的位姿还需要通过extrinsicsToCameraPose函数。通常，齐次变换矩阵可以写为[Rt01]\left[\begin{matrix}R & t \\ 0 & 1\end{matrix}\right][R0t1]的形式。但是如果将之前求出的RotationMatrices和Transla

三维向量叉乘推导

15 年专注游戏引擎与游戏开发，分享实用方案、经验与干货教程！

05-09

1万+

三维向量叉乘推导一直以来，我都记不住向量叉乘的结果，每次都要查询。其根本原因在于，我没有去研究过叉乘是如何推导出来的。于是，这次想彻底解决一下。首先要感谢维基百科，它已经把所有问题都描述清楚了。 http://en.wikipedia.org/wiki/Cross_product 而下面的文字，只是我的读书笔记，以加深自己的印象。 ...

向量点乘\叉乘，矩阵向量乘法

Mr_DaYang的博客

03-29

1万+

向量点乘公式：a ·b = |a| * |b| * cosθ 点乘又叫向量的内积、数量积，是一个向量和它在另一个向量上的投影的长度的乘积；是标量。点乘反映着两个向量的“相似度”，两个向量越“相似”，它们的点乘越大。例：若向量a=(a1,b1,c1),向量b=(a2,b2,c2) 向量a·向量b=a1a2+b1b2+c1c2 叉乘公式：a × b = |a| * |b| * sinθ 叉...

向量叉乘矩阵

最新发布

03-27

### 向量叉乘与矩阵运算实现方法 #### 1. 向量叉乘的定义向量叉乘的结果是一个垂直于原两向量所在平面的新向量。对于三维空间中的两个向量 $\vec{a} = (a_x, a_y, a_z)$ 和 $\vec{b} = (b_x, b_y, b_z)$，其叉乘可以表示为： $$ \vec{c} = \vec{a} \times \vec{b} = \begin{vmatrix} \hat{i} & \hat{j} & \hat{k} \\ a_x & a_y & a_z \\ b_x & b_y & b_z \end{vmatrix} = ((a_y b_z - a_z b_y), -(a_x b_z - a_z b_x), (a_x b_y - a_y b_x)) $$ 其中，$\hat{i}, \hat{j}, \hat{k}$ 是标准正交基[^5]。 #### 2. 使用矩阵形式表达向量叉乘为了简化计算过程，可以通过构建一个反对称矩阵 $[\vec{a}]_\times$ 来表示向量 $\vec{a}$ 的叉乘操作。具体来说， $$ [\vec{a}]_\times = \begin{bmatrix} 0 & -a_z & a_y \\ a_z & 0 & -a_x \\ -a_y & a_x & 0 \end{bmatrix}. $$ 因此，向量叉乘可以用矩阵乘法的形式写成： $$ \vec{c} = [\vec{a}]_\times \cdot \vec{b}. $$ 这表明，任何向量叉乘都可以转化为矩阵乘法的操作。 #### 3. Python 中的实现以下是基于 NumPy 库的一个简单实现示例： ```python import numpy as np def cross_product_matrix(vector): """ 将向量转换为其对应的叉乘矩阵 """ vector = np.array(vector).reshape(3,) skew_symmetric_matrix = np.array([ [0, -vector[2], vector[1]], [vector[2], 0, -vector[0]], [-vector[1], vector[0], 0] ]) return skew_symmetric_matrix def compute_cross_product(a, b): """ 计算两个向量的叉乘 """ matrix_a = cross_product_matrix(a) result_vector = np.dot(matrix_a, b) return result_vector # 测试数据 a = [1, 2, 3] b = [4, 5, 6] result = compute_cross_product(a, b) print(result) # 输出应为 [-3, 6, -3] ``` 上述代码展示了如何利用矩阵形式完成向量叉乘的计算。 #### 4. 矩阵点乘与叉乘的区别 - **点乘**：也称为内积或数量积，结果是一个标量值。对于两个相同维度的向量 $\vec{a}$ 和 $\vec{b}$，点乘公式如下： $$ \text{dot\_product}(\vec{a}, \vec{b}) = a_x b_x + a_y b_y + a_z b_z. $$ - **叉乘**：又称外积或矢量积，结果是一个新向量，且该向量垂直于原始两向量所在的平面[^4]。 #### 5. 特殊情况下的矩阵变换当基向量恰好是特征向量时，变换后的矩阵会呈现对角化特性。此时，矩阵仅在某些特定方向上缩放坐标网格尺寸，而不涉及旋转或其他复杂变形[^3]。 --- ###