坐标旋转矩阵转化坐标矩阵
对称变换矩阵怎么做？
对称变换矩阵怎么做？
我说一个,对任意一个直线ymx c对称的变换矩阵吧.1）通过下面的变换矩阵移动作为对称轴的直线,使其通过坐标原点：T1[1 0 0,0 1 -c,0 0 1](注：逗号是是分行符,所以T1为三行三列的矩阵,一下皆同)2）通过下面的矩阵旋转坐标系,使X轴与移动后的重合：T2[cos(-a) -sin(-a) 0,sin(-a) cos(-a) 0,0 0 1] (其中a为x轴正向与直线的夹角：aartan（m）
)3）通过下面的变换矩阵是对象相对于X轴对称：R[1 0 0,0 -1 0,0 0 1]4)通过下面的矩阵将坐标系反方向旋转a度,回到原来的状态：T3[cos(b) -sin(b) 0,sin(b) cos(b) 0,0 0 1](其中b-a)所以变换矩阵就是：CT3*R*T2*T1 以上都是我一点点敲出来的.
二维点坐标怎么用矩阵表示？
确定矩阵原点的真实坐标值，然后使用行列号的形式在原点坐标上加减固定的数值即可。
关于直线反射变换的坐标公式？
直线反射变换公式：ykx(ktana)。
任取正交于该直线的向量a，σ(a)-a，任取该直线上的向量b，σ(b)b，则σ就是关于这条直线的反射。这个应该是3维空间的反射，如果看矩阵的话，那么σ关于含这条直线的方向向量（记为第一个想）的基的矩阵。
三维坐标系求变换矩阵？
假设在两个坐标系中的两组坐标，分别为（x1，y1，z1）（x2，y2，z2）（x3，y3，z3）(a1,b1,c1)(a2,b2,c2)(a3,b3,c3)则设变换矩阵为A，有（x1y1z1）ε1（x2y2z2）ε2（x3y3z3）ε3(a1,b1,c1)η1(a2,b2,c2)η2(a3,b3,c3)η3（x1y1z1）（x2y2z2）（x3y3z3）*A*η1η2η3则A（x1y1z1）1（x2y2z2）（x3y3z3）*(a1,b1,c1)(a2,b2,c2)(a3,b3,c3)
矩阵的秩和矩阵范数的关系？
1、矩阵的维数和矩阵的秩两者范围不同：维度，是数学中独立参数的数目；而秩表示的是其生成的子空间的维度。如果还考虑m× n矩阵，将A的秩定义为向量组F的秩，则可以看到如此定义的A的秩就是矩阵 A的线性无关纵列的极大数目。
2、矩阵的维数和矩阵的秩两者用途不同：“点基于点是0维、点基于直线是1维、点基于平面是2维、点基于体是3维”。再进一步解释，在点上描述（定位）一个点就是点本身，不需要参数；在直线上描述（定位）一个点，需要1个参数（坐标值）。 在平面上描述（定位）一个点，需要2个参数（坐标值）；在体上描述（定位）一个点，需要3个参数（坐标值）。 而矩阵的秩的一个有用应用是计算线性方程组解的数目。
3、矩阵的维数和矩阵的秩两者对应关系不同：矩阵的维数没有固定的对应关系。 而对于每个矩阵A，fA都是一个线性映射，同时，对每个的 线性映射f，都存在矩阵A使得 f fA。也就是说，映射是一个同构映射。所以一个矩阵 A的秩还可定义为fA的像的维度。矩阵 A称为 fA的变换矩阵。 来源：-维度 来源：- 秩（线性代数术语）