[Games101] Lecture 02 Review of Linear Algebra

Review of Linear Algebra

点乘

图形学中默认使用列向量

• 二维

$$\vec{a}\cdot \vec{b}=\left(\begin{array}{l}{x}_a\\ y_a\end{array}\right)\cdot \left(\begin{array}{l}{x}_b\\ y_b\end{array}\right)=x_a{x}_b+y_a{y}_b$$

• 三维

$$\vec{a}\cdot \vec{b}=\left(\begin{array}{c}{x}_a\\ y_a\\ z_a\end{array}\right)\cdot \left(\begin{array}{l}{x}_b\\ y_b\\ z_b\end{array}\right)=x_a{x}_b+y_a{y}_b+z_a{z}_b$$

• 作用
  • 找到两个向量间的夹角
  • 找到一个向量在另一个向量上的投影
  • 分解向量
  • 方向性：根据点乘的值 （$[-1,1]$）

叉积

$$\vec{a}\times \vec{b}=\left(\begin{array}{c}{y}_a{z}_b-y_b{z}_a\\ z_a{x}_b-x_a{z}_b\\ x_a{y}_b-y_a{x}_b\end{array}\right)$$

• Later in this lecture

$$\vec{a}\times \vec{b}=A^{\ast }b=\left(\begin{array}{ccc}0& -z_a& y_a\\ z_a& 0& -x_a\\ -y_a& x_a& 0\end{array}\right)\left(\begin{array}{l}{x}_b\\ y_b\\ z_b\end{array}\right)$$

• 作用
  • 判断向量的左右关系：
    • 叉积为正在左侧，否则在右侧
  • 判断一个点是否在三角形内：$P$ 点在三条边的同侧（正负号相同）
    • Corner Case：结果为0，自己定义在内侧还是外侧

正交坐标系

Any set of 3 vectors (in 3D) that
$$\begin{array}{rl}& \Vert \vec{u}\Vert =\Vert \vec{v}\Vert =\Vert \vec{w}\Vert =1\\ & \vec{u}\cdot \vec{v}=\vec{v}\cdot \vec{w}=\vec{u}\cdot \vec{w}=0\\ & \vec{w}=\vec{u}\times \vec{v}\text{ (right-handed) }\end{array}$$

• 可以将任意一个向量分析到这三个轴上：投影方法

$$\vec{p}=(\vec{p}\cdot \vec{u})\vec{u}+(\vec{p}\cdot \vec{v})\vec{v}+(\vec{p}\cdot \vec{w})\vec{w}$$

矩阵

• 矩阵乘法：需要算第几行第几列，就去找第几行第几列，把两个向量点乘起来

  • Element $(i,j)$ in the product is the dot product of row $i$ from $A$ and column $j$ from $B$

  • 没有交换率

  • 有以下规律

    • $(AB)C=A(BC)$
    • $A(B+C)=AB+AC$
    • $(A+B)C=AC+BC$

  • 向量可以当作列矩阵

• 矩阵转置

  • 交换行和列 $(ij\to ji)$

  $${\left(\begin{array}{ll}1& 2\\ 3& 4\\ 5& 6\end{array}\right)}^T=\left(\begin{array}{lll}1& 3& 5\\ 2& 4& 6\end{array}\right)$$

  • 性质： $(AB{)}^T=B^T{A}^T$

• 单位矩阵

  • 是一个对角阵，只有对角线上有非0元素

  • 来定义矩阵的逆
    $$I_{3\times 3}=\left(\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right)$$

• 矩阵的逆

  • $A{A}^{-1}=A^{-1}A=I$
  • $(AB{)}^{-1}=B^{-1}{A}^{-1}$

矩阵形式的向量点乘&叉乘操作

• Dot product

$$\begin{array}{rl}& \vec{a}\cdot \vec{b}={\vec{a}}^T\vec{b}\\ =& \left(\begin{array}{lll}{x}_a& y_a& z_a\end{array}\right)\left(\begin{array}{l}{x}_b\\ y_b\\ z_b\end{array}\right)=\left(x_a{x}_b+y_a{y}_b+z_a{z}_b\right)\end{array}$$

• Cross product

$$\vec{a}\times \vec{b}=A^{\ast }b=\left(\begin{array}{ccc}0& -z_a& y_a\\ z_a& 0& -x_a\\ -y_a& x_a& 0\end{array}\right)\left(\begin{array}{l}{x}_b\\ y_b\\ z_b\end{array}\right)$$

PS：$A^{\ast }$ ：dual matrix of vector $\vec{a}$