三维向量的简单运算(点积、叉积及点到直线的距离)

本文详细介绍了向量的点乘和叉乘概念,包括它们的定义、几何意义以及在计算夹角、求距离等方面的应用。点乘结果为标量,可用于计算夹角;叉乘结果为垂直于原向量的新向量,常用于构建坐标系。此外,文中还讨论了点到线和点到面的距离计算方法。
摘要由CSDN通过智能技术生成

目录

1. 前言

2. 点乘(dot product)

3. 叉乘(cross product)

3.1 叉乘意义

4. 点到线的距离

5. 点到面的距离


1. 前言

      先摘录几个对点乘、叉乘写的比较好的文章:

  1. 向量点乘与叉乘的概念及几何意义 - 知乎 (zhihu.com)

2. 点乘(dot product)

      点乘比较简单,是相应元素的乘积的和:  

 V1( x1, y1, z1)·V2(x2, y2, z2) = x1*x2 + y1*y2 + z1*z2

 注意结果不是一个向量,而是一个标量(Scalar)。点乘有什么用呢,我们有:

   A·B = |A||B|Cos(θ)

       θ是向量A和向量B间的夹角,这个公式是怎么推导出来的,请参考上面我摘录的文章1,用到了余弦定理推出上述公式。这里|A|我们称为向量A的模(norm)。这样我们就和容易计算两条线的夹角:  

  Cos(θ) = A·B / (|A|*|B|)

3. 叉乘(cross product)

      首先我们知道 ,对于向量a和b, a x b的结果,是得到一个既垂直于a又垂直于b的向量,假设记作n.则有下面公式

n = a x b

a x b的长度等于向量a大小和向量b大小和它们之间夹角正弦乘积,即a、b向量构成的平行四边形的面积,即如下:

|axb| = |a||b| sin(θ)

而n的方向,根据使用的是右手坐标系还是左手坐标系而定。以右手坐标系为例: 即伸出右手,四个手指方向从a绕到b, 此时,大姆指方向,就是n的方向。 我们通常叫做右向量。也可以通过如下方法判断:

引用一下维基百科的图来说明问题,有兴趣的兄弟可以照图比划一下。 (注:图中向量是用的a x b来表示)

        如果只是为了应用的话,走到这一步就可以停下了。后面的知识,只是为了满足一下好奇心。那我们就来看看,这个结论是怎么来的呢? 我们接着来推导。为了更好地推导,我们需要加入三个轴对齐的单位向量。i,j,k.i,j,k满足以下特点:

i = j x k; j = k x i; k = i x j;

k x j = –i; i x k = –j; j x i = –k;

i x i = j x j = k x k = 0; (0是指0向量)

由此可知,i,j,k是三个相互垂直的向量。它们刚好可以构成一个坐标系。这三个向量的特例就是:

i = (1,0,0) 
j = (0,1,0) 
k = (0,0,1)

好,那对于处于i,j,k构成的坐标系中的向量u,v我们可以如下表示:

u = Xu*i + Yu*j + Zu*k;
v = Xv*i + Yv*j + Zv*k;

那么:

u x v = (Xu*i + Yu*j + Zu*k) x (Xv*i + Yv*j + Zv*k)
= Xu*Xv*(ixi) + Xu*Yv*(i x j) + Xu*Zv*(i x k) + Yu*Xv*(j x i) + Yu*Yv*(j x j) + Yu*Zv*(j x k) + Zu*Xv*( k x i ) + Zu*Yv(k x j) + Zu*Zv(k x k)

由于上面的i,j,k三个向量的特点,所以,最后的结果可以简化为:

u x v = (Yu*Zv – Zu*Yv)*i + (Zu*Xv – Xu*Zv)j + (Xu*Yv – Yu*Xv)k

       于是,在i,j,k构成的坐标系中。集就是上面的结果。当i = (1,0,0) j = (0,1,0) k = (0,0,1)时,我们通常省略i,j,k的写法。最终也就得到了我们的右向量。

3.1 叉乘意义

        叉乘表示垂直于uxv的右向量。可以通过叉乘,修正向量关系,从而构建坐标系。 常见的有 摄相机矩阵和TBN空间转换矩阵的构建。

4. 点到线的距离

       找出一个点和一条线间的距离是经常遇见的几何问题之一。假设给出三个点,A,B和C,你想找出点C到点A、B定出的直线间距离。第一步是找出A到B的向量AB和A到C的向量AC,现在我们用该两向量的叉积除以|AB|,这就是我们要找的的距离了(下图中的红线)。
    d = (AB x AC)/|AB| 
(AB X AC)/2是三角形ABC的面积,这个三角形的底是|AB|,高就是C到AB的距离。有时叉积得到的是一个负值,这种情况下距离就是上述结果的绝对值。
当我们要找点到线段的距离时,情况变得稍稍复杂一些。这时线段与点的最短距离可能是点到线段的某一端点,而不是点到直线的垂线。例如上图中点C到线段AB的最短距离应该是线段BC。我们有集中不同的方法来判断这种特殊情况。第一种情况是计算点积AB Bc来判定两线段间夹角。如果点积大于等于零,那么表示AB到BC是在-90到90度间,也就是说C到AB的垂线在AB外,那么AB上到C距离最近的点就是B。同样,如果BAAC大于等于零,那么点A就是距离C最近的点。如果两者均小于零,那么距离最近的点就在线段AB中的某一点。

5. 点到面的距离

设某三维平面表达式为:

a*x+b*y+c*z+d = 0

则其法向量即为:

(a,b,c)

 任意一点:

 p = (x1, y1, z1)

到该平面的距离为:

|a*x1 + b*y1 + c*z1+d| / √(a*a + b*b +c*c)

其中√表示开平方。上述公式怎么算出来的,请参考:解析几何中的4个距离公式:点与点、点到直线、直线间、点到平面

  • 9
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值