1、向量
概念
- 通常写作 a ⃗ \vec{a} a 或加粗的 a
- A B ⃗ \vec{AB} AB = B ⃗ − A ⃗ \vec{B} - \vec{A} B−A
- 有方向和长度
- 没有绝对的起始位置
归一化
- 向量的长度(模长)写作 ∣ ∣ a ⃗ ∣ ∣ ||\vec{a}|| ∣∣a∣∣
- 单位向量
- 模长为1
- 一个向量的单位向量(归一化): a ^ = a ⃗ / ∣ ∣ a ⃗ ∣ ∣ \widehat{a} =\vec{a}/||\vec{a}|| a =a/∣∣a∣∣
- 用来表示方向
加法
- 几何意义上:平行四边形法则、三角形法则
- 代数意义上:将坐标简单地相加
笛卡尔坐标系
x
x
x和
y
y
y可以是任意向量(通常是正交的单位向量)
A
=
(
x
y
)
A=\left( \begin{matrix} x\\ y \end{matrix} \right)
A=(xy)
A
T
=
(
x
,
y
)
A^{T}=(x,y)
AT=(x,y)
∣
∣
A
∣
∣
=
x
2
+
y
2
||A|| = \sqrt{x^{2}+y^{2}}
∣∣A∣∣=x2+y2
乘法
点积
- 写法
a ⃗ ⋅ b ⃗ = ∣ ∣ a ⃗ ∣ ∣ ∣ ∣ b ⃗ ∣ ∣ c o s ( θ ) \vec{a} \cdot \vec{b}=|| \vec{a}|||| \vec{b}||cos(\theta) a⋅b=∣∣a∣∣∣∣b∣∣cos(θ)
c o s ( θ ) = a ⃗ ⋅ b ⃗ ∣ ∣ a ⃗ ∣ ∣ ∣ ∣ b ⃗ ∣ ∣ cos(\theta)=\frac{\vec{a} \cdot \vec{b}}{|| \vec{a}|| || \vec{b}||} cos(θ)=∣∣a∣∣∣∣b∣∣a⋅b
对于单位向量: c o s ( θ ) = a ⃗ ⋅ b ⃗ cos(\theta)= \vec{a} \cdot \vec{b} cos(θ)=a⋅b - 性质
- 点积在笛卡尔坐标系中的表示
- 点积在图形学中的应用
1、得到两个向量之间的夹角
2、得到一个向量在另一个向量上的投影
b ⃗ ⊥ \vec{b}_{\bot} b⊥: b ⃗ \vec{b} b在 a ⃗ \vec{a} a上的投影
b ⃗ ⊥ \vec{b}_{\bot} b⊥一定与 a ⃗ \vec{a} a方向相同
b ⃗ ⊥ = k a ⃗ \vec{b}_{\bot}=k\vec{a} b⊥=ka
k = ∣ ∣ b ⃗ ⊥ ∣ ∣ = ∣ ∣ b ⃗ ∣ ∣ c o s ( θ ) k=||\vec{b}_{\bot}||=||\vec{b}||cos(\theta) k=∣∣b⊥∣∣=∣∣b∣∣cos(θ)
3、测量两个向量有多近
4、 分解向量
5、决定是前面还是后面
叉积
- 概念
- 叉积的结果是垂直于两个初始向量
- 方向由右手定理决定
- 可以用来构建坐标系
- 属性
- 在图形学中的应用
- 决定左右
- 决定里外
正交基和坐标系
- 对于表示点、方位、位置方面很重要
- 多种坐标系统
- 关键问题在于如何在不同系统/基之间的转换
2、矩阵
相关操作
矩阵相乘、矩阵与向量相乘、 矩阵的转置、 单位阵和逆、 矩阵形式的向量相乘
3、参考
来自bilibili:GAMES101-现代计算机图形学入门-闫令琪
来自向量与线性代数.pdf
来自知乎:GAMES101-02 向量与线性代数
来自CSDN:Game101课程笔记_lecture02_线性代数(图形学)