文章目录
向量
表示
1. 通常写为
a
⃗
\vec{a}
a 或者黑体的 a
2. 或者使用开始和结束的端点表示
A
B
→
\overrightarrow{AB}
AB = B - A
3. 向量既有大小又有方向,标量只有大小没有方向
4. 没有绝对的起始位置(向量的大小和方向与它的位置无关)
向量的归一化(vector normalization)
- 向量的大小表示为 ∣ ∣ a ⃗ ∣ ∣ ||\vec{a}|| ∣∣a∣∣
- 单位向量
- 向量的大小为 1
- 求一个向量的单位向量(向量的归一化): a ^ \hat{a} a^ = a ⃗ \vec{a} a / ∣ ∣ a ⃗ ∣ ∣ ||\vec{a}|| ∣∣a∣∣
- 单位向量的作用:用来表示方向
向量求和
图形学上默认向量是列向量: A =
(
x
y
)
\begin{pmatrix} x \\ y \end{pmatrix}
(xy)
转置之后是行向量:
A
T
A^T
AT =
(
x
,
y
)
\begin{pmatrix} x, y \end{pmatrix}
(x,y)
向量的模:
∣
∣
A
⃗
∣
∣
||\vec{A}||
∣∣A∣∣ =
x
2
+
y
2
\sqrt{x^2 + y^2}
x2+y2
向量点乘(Dot Product)
a
⃗
∗
b
⃗
\vec{a} * \vec{b}
a∗b =
∣
∣
a
⃗
∣
∣
||\vec{a}||
∣∣a∣∣
∣
∣
b
⃗
∣
∣
||\vec{b}||
∣∣b∣∣
c
o
s
θ
cos\theta
cosθ
c
o
s
θ
cos\theta
cosθ =
a
⃗
∗
b
⃗
∣
∣
a
⃗
∣
∣
∣
∣
b
⃗
∣
∣
\frac{\vec{a}*\vec{b}}{||\vec{a}||||\vec{b}||}
∣∣a∣∣∣∣b∣∣a∗b
对于单位向量就有:
c
o
s
θ
cos\theta
cosθ =
a
^
∗
b
^
\hat{a}*\hat{b}
a^∗b^
点乘的属性:
笛卡尔坐标系下的点乘运算
点乘在图形学中的作用
- 计算两个向量的夹角(比如光源和平面的夹角的 c o s cos cos 值)
- 计算一个向量到另一个向量的投影,如下图:
- 计算两个向量(方向)有多接近(计算出两个向量的 c o s cos cos值)
- 分解一个向量为两个相互垂直的向量(利用平行四边形法则)
- 判定向量是向前的还是向后的
向量的叉乘
- 两个向量叉乘的结果是垂直于这两个向量的一个新的向量
- 新向量的方向由右手定则确定
- 通常用于建立一个坐标系系统
叉乘的属性
叉乘的作用
- 判定左和右
- 判定内和外
使用 a ⃗ \vec{a} a 叉乘 b ⃗ \vec{b} b,得到的 Z 是正的,则 b ⃗ \vec{b} b 在 a ⃗ \vec{a} a 的左侧,Z 是负的,表示 b ⃗ \vec{b} b 在 a ⃗ \vec{a} a 的右侧(使用右手螺旋定则)
A B → \overrightarrow{AB} AB, B C → \overrightarrow{BC} BC, C A → \overrightarrow{CA} CA 依次叉乘 A P → \overrightarrow{AP} AP, B P → \overrightarrow{BP} BP, C P → {\overrightarrow{CP}} CP, 得到的垂直于两个向量的向量都是正的,则都依次位于三个向量的左边,则代表在三角形内部。有一个不位于左边则表明在三角形的外部。
点乘与叉乘的联系
实际应用中,可以使用叉乘建立一个直角坐标系,之后就可以将一个任意一个向量分解到坐标系的三个轴上。分解的方法就是使用投影,而计算投影的方法是使用点乘
矩阵
矩阵的乘法
矩阵的属性
- 不存在任何交换律,AB 不等于 BA
- 结合律和分配律
- (AB)C = A(BC)
- A(B + C) = AB + AC
- (A + B)C = AC + BC
矩阵与向量乘作用
将一个向量当作一个 mx1 的矩阵(列向量)
矩阵在做,向量在右,
变换的核心
比如:将一个点做按 Y 轴对称操作:
(
−
1
0
0
1
)
\begin{pmatrix} -1 & 0 \\ 0 & 1\end{pmatrix}
(−1001)
(
x
y
)
\begin{pmatrix} x \\ y \end{pmatrix}
(xy) =
(
−
x
y
)
\begin{pmatrix} -x \\ y \end{pmatrix}
(−xy)
矩阵的转置
矩阵的转置就是将矩阵的行和列互换,比如
(
1
2
3
4
5
6
)
T
\begin{pmatrix}1&2\\3&4\\5&6\end{pmatrix}^T
⎝⎛135246⎠⎞T =
(
1
3
5
2
4
6
)
\begin{pmatrix}1&3&5\\2&4&6\end{pmatrix}
(123456)
转置的性质
( A B ) T (AB)^T (AB)T = B T A T B^TA^T BTAT
单位矩阵和逆矩阵
- 对角线方向上(左上到右下)都为 1,其他全为 0,就是单位矩阵
I 3 ∗ 3 = ( 1 0 0 0 1 0 0 0 1 ) I_{3*3} = \begin{pmatrix}1&0&0\\0&1&0\\0&0&1\end{pmatrix} I3∗3=⎝⎛100010001⎠⎞ - 对一个 n 阶方阵 A ,如果存在另一个 n 阶方阵 B,它们满足:AB = BA = I(其中 I 为单位矩阵),那么两矩阵互为逆矩阵。换句话说,A 的逆矩阵为 B ,B 的逆矩阵为 A, 记为 A − 1 A^{-1} A−1
- 逆矩阵是唯一的
性质
( A B ) − 1 = B − 1 A − 1 (AB)^{-1} = B^{-1}A^{-1} (AB)−1=B−1A−1
正交矩阵
矩阵 A A A 的逆等于矩阵 A − 1 A^{-1} A−1 的转置矩阵 A T A^T AT, 那么矩阵 A A A 就是一个正交矩阵