Python “sympy.vector.CoordSysCartesian.rotation_matrix”的校正定义是什么?

Python “sympy.vector.CoordSysCartesian.rotation_matrix”的校正定义是什么?,python,sympy,rotational-matrices,Python,Sympy,Rotational Matrices,旋转矩阵可以用两种方式编写 使用行单位向量 [ ex_0 ex_1 ex_2] [ ey_0 ey_1 ey_2] [ ez_0 ez_1 ez_2] [ ex_0 ey_0 ez_0] [ ex_1 ey_1 ez_1] [ ex_2 ey_2 ez_2] 或使用列单位向量 [ ex_0 ex_1 ex_2] [ ey_0 ey_1 ey_2] [ ez_0 ez_1 ez_2] [ ex_0 ey_0 ez_0] [ ex_1 ey_1 ez_1] [ ex_2 ey_2 ez_2]

旋转矩阵可以用两种方式编写

使用单位向量

[ ex_0 ex_1 ex_2]
[ ey_0 ey_1 ey_2]
[ ez_0 ez_1 ez_2]
[ ex_0 ey_0 ez_0]
[ ex_1 ey_1 ez_1]
[ ex_2 ey_2 ez_2]
或使用单位向量

[ ex_0 ex_1 ex_2]
[ ey_0 ey_1 ey_2]
[ ez_0 ez_1 ez_2]
[ ex_0 ey_0 ez_0]
[ ex_1 ey_1 ez_1]
[ ex_2 ey_2 ez_2]
在下面的代码中使用了哪个定义?DCM是行格式还是列格式?

from sympy.vector import CoordSysCartesian
from sympy import symbols, pi, Matrix
theta = symbols('theta')
N = CoordSysCartesian('N')
A = N.orient_new_axis('A', theta, N.k)
dcm = N.rotation_matrix(A).subs({'theta':pi/2})
产出

Matrix([
[0, -1, 0],
[1,  0, 0],
[0,  0, 1]])

你的问题更新得更清楚了。旋转矩阵的逆矩阵
R
等于它的转置
R^T
,也就是说,
R^{-1}=R^T
,它也是一个旋转矩阵,。所以
R
总是同时包含单位行和单位列向量。输出矩阵的列显示了
N
的坐标系
A
的基向量。该行将坐标系
N
矢量化为
A
的坐标。