三角学,向量,矩阵和四元数(上)

辣鸡楼主之前高中空间几何马马虎虎,所以基础的几何知识就不会再阐述了

2D坐标系

1.2D笛卡尔坐标系较为简单就没mark了

2.2D极坐标

使用两个变量定义一个点到原点(极点)的距离r,方向θ(与X轴正方向夹角),这里有个注意点左手坐标系中顺时针方向角度为正,而右手坐标系中逆时针方向角度为负。

右图θ可以使用arcsin或者arccos来计算

主要应用:弹道,瞄准,导航方面

3D坐标系

1.3D笛卡尔也较为简单没mark

2.3D柱面坐标系


其实3D柱面坐标完全是由2D极坐标或者2D笛卡尔坐标转化而来,左图先根据2D极坐标知识确定p‘点再往屏幕外平移z个单位即可,而右图也同理

2.3D球面坐标系

用两个角度和到原点距离确定顶点P(ρ,?,θ)ρ为到原点距离

一图胜千言,由ρ确定圆锥,由?确定1,2,3,4点(最终点就是其中一个),由θ确定5,6,7,8点然后对应上去找到1,2,3,4其中某点即为所要的点

三角形:

1.直角也叫做底角

2.1弧度 = 57.296°

注意点:计算sin cos tan慢,arc更加慢,应当确认是否确实需要知道角度值,若需要则可以用到查找表插值

3.三角恒等变化

4.

I.有如下向量P1(x1,y1) P2(x2,y2)

U = P1  -  P2 = (x2-x1,y2-y2) = <ux,uy>  (ux,uy为分量)

(terminal point   -   initial point)

II.向量长度即为范数||U||表示

III.计算单位向量 n‘ = n / ||n||

IV.向量加法用平行四边形法则

V.向量减法

5.dot production

可以看出向量点乘是一个标量

应用:使用点乘可以计算出物体A运动轨迹a,物体B运动轨迹b,ab上投影:

要求:一看到这种式子就应马上想到投影

6.cross production

nuv构成平面的单位法向量,θ为uv两向量夹角)

计算n方法

等号右边为行列式,它的值即为n向量(i,j,k为x,y,z轴上的单位向量)

                          今天内容就到这里,还有下集,欢迎指正和吐槽!XDDD

时间: 2024-11-05 19:34:56

三角学,向量,矩阵和四元数(上)的相关文章

3D图形学在游戏开发中的,矩阵,四元数,欧拉角之间的底层转换算法。

在游戏开发的过程中难免会遇到欧拉角和四元数直接的转换问题,如果有些过shader的朋友,肯定也遇到过四元数,欧拉角和矩阵直接的转换问题,这里我把这几种格式直接的转换算法写在这里有需要的朋友可以拿去有,别忘了,点赞关注.废话不多说,直接上代码. 四元数转矩阵的底层算法: public Quaternion QuaternionMatrix(float w, float x, float y, float z) { Matrix4x4 matrix = new Matrix4x4(); matrix

【BZOJ2406】矩阵 二分+有上下界的可行流

[BZOJ2406]矩阵 Description Input 第一行两个数n.m,表示矩阵的大小. 接下来n行,每行m列,描述矩阵A. 最后一行两个数L,R. Output 第一行,输出最小的答案: Sample Input 2 2 0 1 2 1 0 1 Sample Output 1 HINT 对于100%的数据满足N,M<=200,0<=L<=R<=1000,0<=Aij<=1000 题解:容易想到二分,并且这个和式可以拆成$\sum A_{ij}-\sum B_

【bzoj2406】矩阵 二分+有上下界可行流

题目描述 输入 第一行两个数n.m,表示矩阵的大小. 接下来n行,每行m列,描述矩阵A. 最后一行两个数L,R. 输出 第一行,输出最小的答案: 样例输入 2 2 0 1 2 1 0 1 样例输出 1 题解 二分+有上下界可行流 题目一眼二分,问题转化为判断是否存在一种填数方式满足行之和的差与列之和的差都不超过mid. 然后原来的和式就可以转化为$|\sum\limits_{i=1}^na_i-\sum\limits_{i=1}^nb_i|\le mid$,即可得到$\sum\limits_{i

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)

  对于任意一个矩阵,不同特征值对应的特征向量线性无关. 对于实对称矩阵或埃尔米特矩阵来说,不同特征值对应的特征向量必定正交(相互垂直).   一.特征值和特征向量的几何意义 特征值和特征向量确实有很明确的几何意义,矩阵(既然讨论特征向量的问题,当然是方阵,这里不讨论广义特征向量的概念,就是一般的特征向量)乘以一个向量的结果仍是同维数的一个向量.因此,矩阵乘法对应了一个变换,把一个向量变成同维数的另一个向量. 那么变换的效果是什么呢?这当然与方阵的构造有密切的关系,比如可以取适当的二维方阵,使得

opengl矩阵向量

如何创建一个物体.着色.加入纹理,给它们一些细节的表现,但因为它们都还是静态的物体,仍是不够有趣.我们可以尝试着在每一帧改变物体的顶点并且重配置缓冲区从而使它们移动,但这太繁琐了,而且会消耗很多的处理时间.我们现在有一个更好的解决方案,使用(多个)矩阵(Matrix)对象可以更好的变换(Transform)一个物体. 向量 向量最基本的定义就是一个方向.或者更正式的说,向量有一个方向(Direction)和大小(Magnitude,也叫做强度或长度).你可以把向量想像成一个藏宝图上的指示:"向左

向量与矩阵

*/--> 向量与矩阵 Table of Contents 1. 前言 2. 向量运算 2.1. 向量概述 2.2. 向量相加 2.3. 点积 dot product 2.3.1. 说明 2.3.2. 应用 2.3.3. 投影举例 2.4. 叉积 cross product 2.4.1. 说明 2.4.2. 应用 3. 矩阵 4. ref: 4.1. berkeley computer graphics resources 1 前言 本文主要会叙述向量和矩阵基本的数学运算及在图形学中的简单运用.

将句子表示为向量(上):无监督句子表示学习(sentence embedding)

1. 引言 word emedding技术如word2vec,glove等已经广泛应用于NLP,极大地推动了NLP的发展.既然词可以embedding,句子也应该可以(其实,万物皆可embedding,Embedding is All You Need ^_^).近年来(2014-2018),许多研究者在研究如何进行句子表示学习,从而获得质量较高的句子向量(sentence embedding).事实上,sentence embedding在信息检索,句子匹配,句子分类等任务上均有广泛应用,并且

机器学习中的矩阵向量求导(三) 矩阵向量求导之微分法

在机器学习中的矩阵向量求导(二) 矩阵向量求导之定义法中,我们讨论了定义法求解矩阵向量求导的方法,但是这个方法对于比较复杂的求导式子,中间运算会很复杂,同时排列求导出的结果也很麻烦.因此我们需要其他的一些求导方法.本文我们讨论使用微分法来求解标量对向量的求导,以及标量对矩阵的求导. 本文的标量对向量的求导,以及标量对矩阵的求导使用分母布局.如果遇到其他资料求导结果不同,请先确认布局是否一样. 1. 矩阵微分 在高数里面我们学习过标量的导数和微分,他们之间有这样的关系:$df =f'(x)dx$.

矩阵操作(数据,数组向量,表格)

一.矩阵的表示在MATLAB中创建矩阵有以下规则: a.矩阵元素必须在”[ ]”内: b.矩阵的同行元素之间用空格(或”,”)隔开: c.矩阵的行与行之间用”;”(或回车符)隔开: A=[1 2 3 4 5; 12 12 14 56 657; 23 46 34 67 56 ]; d.矩阵的元素可以是数值.变量.表达式或函数: e.矩阵的尺寸不必预先定义. 二,矩阵的创建: 1.直接输入法 最简单的建立矩阵的方法是从键盘直接输入矩阵的元素,输入的方法按照上面的规则.建立向量的时候可以利用冒号表达式