3D数学基础：图形与游戏开发第5章笔记

向量运算

线性代数与几何

符号约定

• 标量，用斜体的小写罗马或希腊字母表示，如a, b, x, y, z, $\theta$, $\gamma$, $\lambda$.
• 向量，用小写黑粗体字母表示，如a, b, u, v, q, r.
• 矩阵，用大写黑粗体字母表示，如A, B, M, R.
• 注意，不用的文档有不用的符号约定。一种常用的手写约定是，用符号$\vec{a}$表示向量

零向量

• 任何集合都存在加性单位元x，对集合中任意元素y，满足y+x=y.
• 零向量是唯一一个没有方向的向量.
• 零向量表示的是”没有位移”.

负向量

对于任何集合，元素x的加性逆元为-x，其与x相加等于加性单位元，也就是x+(-x)=0.

运算法则

• $-[x, y, z] = [-x, -y, -z]$.

几何解释

• 向量变负，将得到一个和原向量大小相等，方向相反的向量.

向量大小（长度或模）

运算法则

• 向量的大小用向量两边家双竖线表示，如$\|\vec{v}\|=\sqrt{\sum_{i=1}^n{v}_i^2}$.
• 向量的大小就是向量个分量平方和的平方根，$\|\vec{v}\|=\sqrt{{v}_x^2+{v}_y^2+{v}_z^2}$.
• 向量的大小就是一个非负标量.

几何解释

• 对2D中的任意向量$\vec{v}$，能构造一个以$\vec{v}$为斜边的直角三角形.
• $|\vec{x}|^2={\vec{x}}^2$.

标量与向量的乘法

标量与向量相乘，结果将得到一个向量，与原向量平行，但长度不同或方向相反.

运算法则

• 将向量的每个分量都与标量相乘即可,
  $$\frac{\vec{v}}{k}=(\frac{1}{k})\vec{v}=[{v}_x/k, {v}_y/k, {v}_z/k]$$
• 标量与向量相乘时，不需要写乘号.
• 标量与向量的乘法与除法优先级高于加法与减法.
• 标量不能除以向量，且向量不能除以另一个向量.
• 负向量能被认为是乘法的特殊情况，乘以标量-1.

几何解释

• 向量乘以标量k的效果是以因子|k|缩放向量的长度，如果k<0则向量的方向被反转.

标准化向量

单位向量就是大小为1的向量，单位向量也被称作标准化向量或者更简单的称为“法线”.

运算法则

• 对于任意非零向量，都能计算出一个和$\vec{v}$方向相同的单位向量$\vec{v}_{norm}=\frac{\vec{v}}{\|\vec{v}\|}, \vec{v}\neq\vec{0}$.
• 零向量不能被标准化.

几何解释

• 2D平面中，如果以原点为尾画一个单位向量，那么向量的头将位于圆心在原点的单位圆上.3D空间中，单位向量的头将位于单位球上.

向量的加法和减法

如果两个向量的维数相同，那么它们能相加、或相减，结果向量的维数与原向量相同.

运算法则

• 两个向量相加，将对应分量相加即可.
• 减法解释为加负向量，$\vec{a}-\vec{b}=\vec{a}+(-\vec{b})$.
• 向量不能与标量或维数不同的向量相加减.
• 向量的加法满足交换律，但向量减法不满足交换律.

几何解释

• 加法：平移向量，使$\vec{a}$的头连接$\vec{b}$的尾，接着从$\vec{a}$的尾向$\vec{b}$的头画一个向量，这就是向量加法的“三角形法则”.
• 减法：平移向量，使$\vec{a}$的尾连接$\vec{b}$的尾，接着从$\vec{b}$的头向$\vec{a}$的头画一个向量，这就是$\vec{a}-\vec{b}$的结果向量.

一个点到另一个点的向量

• 减法$\vec{a}-\vec{b}$代表了从$\vec{b}$到$\vec{a}$的向量.

距离公式

• $\vec{d}=\vec{a}-\vec{b}$, $\vec{a}到\vec{b}$的距离等于$\vec{d}$的长度.
• 距离$(\vec{a},\vec{b})=\|\vec{a}-\vec{b}\|=\sqrt{({a}_x-{b}_x)^2+({a}_y-{b}_y)^2+({a}_z-{b}_z)^2}$.

向量点乘(内积)

运算法则

• 向量点乘中不能省略点乘号.
• 向量点乘就是对应分量乘积的和，其结果是一个标量：
  $\vec{a}\cdot\vec{b}=\sum{_{i=1}^n}{a}_i{b}_i$
• 点乘满足交换律，$\vec{a}\cdot\vec{b}=\vec{b}\cdot\vec{a}$.

几何解释

• 点乘描述了两个向量的“相似”程度，点乘结果越大，两向量越相近.
• 点乘等于向量大小与向量夹角的cos值的积：$\vec{a}\cdot\vec{b}=\|\vec{a}\|\cdot\|\vec{b}\|\cdot cos\theta$.
• $$\theta=arccos(\frac{\vec{a}\cdot\vec{b}}{\|\vec{a}\|\cdot\|\vec{b}\|})$$ .
• 零向量和任意其他向量都垂直.
• 点乘结果的符号可大致确定$\theta$的类型：
  

$\vec{a}\cdot\vec{b}$	$\theta$	$\vec{a}$和$\vec{b}$
$>0$	$0^。\le\theta<90^。$	方向基本相同
$=0$	$\theta=90^。$	正交
<0 <script type="math/tex" id="MathJax-Element-44"><0</script>	$90^。\lt\theta\le180^。$	方向基本相反

向量投影

• 给定两个向量$\vec{v}$和$\vec{n}$，能将$\vec{v}$分解成两个向量：$\vec{v}_\|$和$\vec{v}_\bot$.它们分别与$\vec{n}$平行和垂直，并且满足$\vec{v}=\vec{v}_\|+\vec{v}_\bot$.一般称平行分量$\vec{v}_\|$为$\vec{v}$在$\vec{n}$上的投影.
• 下面求证$\vec{v}_\|$:
  $$\vec{v}\cdot\vec{n}=\|\vec{v}\|\cdot\|\vec{n}\|\cdot cos\theta\tag1$$
  $$\vec{v}_\|=\vec{n} \frac{\|\vec{v}_{\|}\|}{\|\vec{n}\|}\tag{2}$$
  $$cos\theta=\frac{\|\vec{v}_{\|}\|}{\|\vec{v}\|}\tag{3}$$
  变形为
  $$cos\theta\|\vec{v\|}=\|\vec{v}_{\|}\|\tag{4}$$
  (4)式代入(2)式得
  $$\vec{v}_\|=\vec{n} \frac{\|\vec{v\|}\cdot cos\theta}{\|\vec{n}\|}\tag{5}$$
  右边同时乘以$\|\vec{n}\|$
  $$\vec{v}_\|=\vec{n} \frac{\|\vec{v\|}\cdot\|\vec{n}\|\cdot cos\theta}{{\|\vec{n}\|}^2}\tag{6}$$
  (1)式代入(6)式得
  $$\vec{v}_\|=\vec{n} \frac{\vec{v}\cdot\vec{n}}{{\|\vec{n}\|}^2}\tag{6}$$
• 由$\vec{v}=\vec{v}_\|+\vec{v}_\bot$知：
  $$\vec{v}_\bot=\vec{v}-\vec{n} \frac{\vec{v}\cdot\vec{n}}{{\|\vec{n}\|}^2}$$

向量叉乘(叉积)

向量叉乘结果是向量，并且叉乘不满足交换律

运算法则

• 叉乘公式：
  $$\left[ \begin{matrix} x_1 \\ y_1 \\ z_1 \\ \end{matrix} \right] × \left[ \begin{matrix} x_2 \\ y_2 \\ z_2 \\ \end{matrix} \right]= \left[ \begin{matrix} y_1z_2-z_1y_2 \\ z_1x_2-x_1z_2 \\ x_1y_2-y_1x_2 \\ \end{matrix} \right]$$
• 叉乘的乘法优先于加减法之前计算，当点乘和叉乘在一起时，叉乘优先计算，$\vec{a}\cdot \vec{b}×\vec{c}=\vec{a} \cdot (\vec{b}×\vec{c})$(三重积).
• 叉乘满足反交换律：$\vec{a}×\vec{b}=-(\vec{b}×\vec{a})$.
• 叉乘也不满足结合律：$(\vec{a}×\vec{b})×\vec{c}\neq\vec{a} ×(\vec{b}×\vec{c})$

几何解释

• 叉乘的得到的向量垂直于原来的两个向量.
• $\vec{a}×\vec{b}$的长度等于向量的大小与向量夹角sin值的积，如：$\|\vec{a}×\vec{b}\|=\|\vec{a}\|\cdot\|\vec{b}\|\cdot sin\theta$(以$\vec{a}$和$\vec{b}$为边的平行四边形面积).
• 叉乘对零向量的解释为：它平行于任意其他向量.
• 在左手坐标系中，让$\vec{a}$和$\vec{b}$的尾部相连，如果$\vec{a}$和$\vec{b}$呈顺时钟，那么$\vec{a}×\vec{b}$垂直于$\vec{a}$和$\vec{b}$所在平面且方向向上.

线性代数公式

• 向量加法的交换律：$\vec{a}+\vec{b}=\vec{b}+\vec{a}$
• 向量减法的定义：$\vec{a}-\vec{b}=\vec{a}+(-\vec{b})$
• 向量加法的结合律：$(\vec{a}+\vec{b})+\vec{c}=\vec{a}+(\vec{b}+\vec{c})$
• 标量乘法的结合律：$s(t\vec{a})=(st)\vec{a}$
• 标量乘法对向量加法的分配律：$k(\vec{a}+\vec{b})=k\vec{a}+k\vec{b}$
• 向量乘以标量相当于以标量的绝对值为因子缩放向量：$\|k\vec{a}\|=|k|\|\vec{a}\|$
• 向量的模非负：$\|\vec{a}\|\ge0$
• 勾股定理在向量中的应用：若$\vec{a}\bot\vec{b}$，则$\|\vec{a}\|^2+\|\vec{b}\|^2=\|\vec{a}+\vec{b}\|^2$
• 向量加法的三角形法则：$\|\vec{a}\|+\|\vec{b}\|\ge\|\vec{a}+\vec{b}\|$
• 点乘的交换律：$\vec{a}\cdot\vec{b}=\vec{b}\cdot\vec{a}$
• 用点乘定义向量的大小：$\|\vec{a}\|=\sqrt{\vec{a}\cdot\vec{a}}$
• 标量乘法对点乘的结合律:$k(\vec{a}\cdot\vec{b})=(k\vec{a})\cdot\vec{b}=\vec{a}\cdot(k\vec{b})$
• 点乘对向量加减法的分配律：$\vec{a}\cdot(\vec{b}+\vec{c})=\vec{a}\cdot\vec{b}+\vec{a}\cdot\vec{c}$
• 任意向量与自身的叉乘等于零向量：$\vec{a}×\vec{a}=\vec{0}$
• 叉乘逆交换律：$\vec{a}×\vec{b}=-(\vec{b}×\vec{a})$
• 叉乘的操作数同时变负得到相同的结果：$\vec{a}×\vec{b}=(-\vec{a})×(-\vec{b})$
• 标量乘法对叉乘的结合律：$k(\vec{a}×\vec{b})=(k\vec{a})×\vec{b}=\vec{a}×(k\vec{b})$
• 叉乘对向量加法的分配律：$\vec{a}×(\vec{b}+\vec{c})=\vec{a}×\vec{b}+\vec{a}×\vec{c}$
• 向量与另一向量的叉乘再点乘该向量本身等于零：$\vec{a}\cdot(\vec{a}×\vec{b})=0$

练习