基础线代公式汇总

Jaihk662

已于 2022-09-04 02:28:01 修改

阅读量7.3k

点赞数 8

分类专栏： # 数论 # 渲染道法文章标签：线代

于 2020-01-02 21:21:55 首次发布

本文链接：https://blog.csdn.net/Jaihk662/article/details/103811465

版权

数论同时被 2 个专栏收录

71 篇文章 1 订阅

订阅专栏

渲染道法

8 篇文章 8 订阅

订阅专栏

相关专业大学时都学过线代，然而等到真正需要用的时候，已经过去好久了导致很多东西都忘了，所以需要专门开一贴记录一下，这里就当是个汇总吧

1)：向量点乘与其向量夹角之间的关系：

$\mathrm{a} \bullet b=\|a\| b \| \cos \theta$

2)：向量b在向量a上的投影（其中 $\theta$ 为向量ab之间的夹角）：

$b_{1} = {|b|}\frac a{|a|}\cos\theta$
3)：向量a和b的叉乘（积）：

${\mathbf{a}} \times {\mathbf{b}} = \left| \begin{array}{ccc} {\mathbf{i}} & {\mathbf{j}} & {\mathbf{k}} \\ {a_{1}} & {a_{2}} & {a_{3}} \\ {b_{1}} & {b_{2}} & {b_{3}} \end{array} \right|$ ，其中i, j, k为基向量

a和b的向量积同时垂直于这两个向量
$n(n>3)$ 维向量不存在向量积
计算二维向量的向量积时，第三维补0，同上公式

4)：转置矩阵、标准伴随矩阵、代数余子式、逆矩阵与正交矩阵

设矩阵 $M = \left[ \begin{array}{lll} {4} & {5} & {8} \\ {6} & {5} & {9} \\ {7} & {3} & {1} \end{array} \right]$ ，这个M必须为方阵，不然就是换维操作，没有下面的东西

转置矩阵：行列翻转， $M^{T} = \left[ \begin{array}{lll} {4} & {6} & {7} \\ {5} & {5} & {3} \\ {8} & {9} & {1} \end{array} \right]$ ， $(A B)^T=B^T A^T$
余子式：矩阵对应行列式去掉某一行某一列后的新行列式： $M_{23} = \left[ \begin{array}{ll} {4} & {6} \\ {8} & {9} \end{array} \right]$
代数余子式矩阵：显然一个 $n*n$ 的行列式共有 $n*n$ 个余子式，这 $n*n$ 个余子式的值（代数余子式）构成的矩阵即代数余子式矩阵，代数余子式与余子式之间的关系： $A_{i j}=(-1)^{i+j} M_{i j}$
标准伴随矩阵：接上，即代数余子式构成的方阵进行转置后得到： $M^* = \left[ \begin{array}{lll} {A_{11}} & {A_{21}} & {A_{31}} \\ {A_{12}} & {A_{22}} & {A_{32}} \\ {A_{13}} & {A_{23}} & {A_{33}} \end{array} \right]$
逆矩阵：矩阵本质上就是对空间的线性变换，而逆矩阵的意义就是将进行了对应线性变换后的空间再“变回去”，即满足 $MM^{-1} = E$ ，其中 $E$ 为单位矩阵，标准求法： $M^{-1}=\frac{1}{|M|} M^{*}$ ，其中 $|M|$ 为矩阵 $M$ 对应行列式的值（当然了，这个行列式的值不可为0，值为0就意味着不存在可逆矩阵）
正交矩阵：满足 $MM^T = E$ 的矩阵，矩阵中任意两个向量两两正交，且长度为1

5)：4x4 齐次矩阵

齐次坐标：将一个原本是 n 维的向量用一个 n+1 维向量来表示，对于 3d 图形，只有 4x4 的齐次矩阵才能满足其各种操作（平移、旋转、透视、小孔成像等），对于这个 4x4 矩阵的第四维 $w$ ，我们一般称其为齐次坐标

6)：向量缩放与位移

缩放：设有向量 $(x,y,z)$ ，缩放变量为 $(S_1,S_2,S_3)$ ，则对应的缩放矩阵为 $\left[\begin{array}{cccc} S_{1} & 0 & 0 & 0 \\ 0 & S_{2} & 0 & 0 \\ 0 & 0 & S_{3} & 0 \\ 0 & 0 & 0 & 1 \end{array}\right] \cdot\left(\begin{array}{c} x \\ y \\ z \\ 1 \end{array}\right)=\left(\begin{array}{c} S_{1} \cdot x \\ S_{2} \cdot y \\ S_{3} \cdot z \\ 1 \end{array}\right)$
位移：非线性变换，设有向量 $(x,y,z)$ ，位移向量为 $(S_x,S_y,S_z)$ ，则对应的位移矩阵为 $\left[\begin{array}{cccc} 1 & 0 & 0 & S_{x} \\ 0 & 1 & 0 & S_{y} \\ 0 & 0 & 1 & S_{z} \\ 0 & 0 & 0 & 1 \end{array}\right] \cdot\left(\begin{array}{c} x \\ y \\ z \\ 1 \end{array}\right)=\left(\begin{array}{c} x+S_{x} \\ y+S_{y} \\ z+S_{z} \\ 1 \end{array}\right)$ ，如果向量 $(x,y,z)$ 仅表示方向，那么位移向量应该对其无效，此时需要将向量 $(x,y,z)$ 的 $w$ 分量设为 0

7)：欧拉角旋转

注：以下的所有旋转轴 $(R_x,R_y,R_z)$ 一定为单位向量，其中围绕着x, y, z轴的旋转即第一种情况的特例

旋转：设有向量 $(x,y,z)$ ，围绕着轴 $(R_x,R_y,R_z)$ 旋转 $\theta$ 度，则对应的缩放矩阵为 $\left[\begin{array}{cccc} \cos \theta+R_{x}^{2}(1-\cos \theta) & R_{x} R_{y}(1-\cos \theta)-R_{z} \sin \theta & R_{x} R_{z}(1-\cos \theta)+R_{y} \sin \theta & 0 \\ R_{y} R_{x}(1-\cos \theta)+R_{z} \sin \theta & \cos \theta+R_{y}^{2}(1-\cos \theta) & R_{y} R_{z}(1-\cos \theta)-R_{x} \sin \theta & 0 \\ R_{z} R_{x}(1-\cos \theta)-R_{y} \sin \theta & R_{z} R_{y}(1-\cos \theta)+R_{x} \sin \theta & \cos \theta+R_{z}^{2}(1-\cos \theta) & 0 \\ 0 & 0 & 0 & 1 \end{array}\right]$
围绕着轴x旋转： $\left[\begin{array}{cccc} 1 & 0 & 0 & 0 \\ 0 & \cos \theta & -\sin \theta & 0 \\ 0 & \sin \theta & \cos \theta & 0 \\ 0 & 0 & 0 & 1 \end{array}\right] \cdot\left(\begin{array}{c} x \\ y \\ z \\ 1 \end{array}\right)=\left(\begin{array}{c} x \\ \cos \theta \cdot y-\sin \theta \cdot z \\ \sin \theta \cdot y+\cos \theta \cdot z \\ 1 \end{array}\right)$
围绕着轴y旋转： $\left[\begin{array}{cccc} \cos \theta & 0 & \sin \theta & 0 \\ 0 & 1 & 0 & 0 \\ -\sin \theta & 0 & \cos \theta & 0 \\ 0 & 0 & 0 & 1 \end{array}\right] \cdot\left(\begin{array}{c} x \\ y \\ z \\ 1 \end{array}\right)=\left(\begin{array}{c} \cos \theta \cdot x+\sin \theta \cdot z \\ y \\ -\sin \theta \cdot x+\cos \theta \cdot z \\ 1 \end{array}\right)$
围绕着轴z旋转： $\left[\begin{array}{cccc} \cos \theta & -\sin \theta & 0 & 0 \\ \sin \theta & \cos \theta & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{array}\right] \cdot\left(\begin{array}{c} x \\ y \\ z \\ 1 \end{array}\right)=\left(\begin{array}{c} \cos \theta \cdot x-\sin \theta \cdot y \\ \sin \theta \cdot x+\cos \theta \cdot y \\ z \\ 1 \end{array}\right)$

欧拉角旋转远比上述计算要复杂，更多关于欧拉角旋转的知识可以参考：OpenGL基础16：视角_Jaihk662的博客-CSDN博客_opengl视角

Jaihk662

关注

8
点赞
踩
19

收藏

觉得还不错? 一键收藏
2
评论
基础线代公式汇总

相关专业大学时都学过线代，然而等到真正需要用的时候，已经过去好久了导致很多东西都忘了，所以需要专门开一贴记录一下，这里就当是个汇总吧1)：向量点乘与其向量夹角之间的关系：2)：向量b在向量a上的投影（其中为向量ab之间的夹角）：3)：向量a和b的叉乘（积）：，其中i, j, k为基向量a和b的向量积同时垂直于这两个向量维向量不存在向量积计算二维向量的向量...
复制链接

扫一扫