【GAMES101现代计算机图形学入门笔记】Lec02 线性代数回顾

二蝉Asher

已于 2022-03-20 16:11:57 修改

阅读量176

点赞数

分类专栏： GAMES101现代计算机图形学入门笔记文章标签：图形渲染

于 2021-02-14 11:31:23 首次发布

本文链接：https://blog.csdn.net/erchan/article/details/113806708

版权

GAMES101现代计算机图形学入门笔记专栏收录该内容

7 篇文章 2 订阅

订阅专栏

这篇博客回顾了线性代数中的基本概念，包括向量的模、单位向量、点乘及其应用，如求夹角、投影和分解向量。还介绍了叉乘的概念，用于构建坐标系，并讨论了其在判断方向和确定点的位置关系中的应用。此外，矩阵与向量的乘法也有所提及。

摘要由CSDN通过智能技术生成

Lec02 线性代数回顾

向量（vector）

向量的模： $||\vec{a}||$

单位向量（a-hat）： $\hat{a}=\frac{\vec{a}}{||\vec{a}||}$

点乘（dot product）

笛卡尔坐标运算：
$\vec{a}\cdot\vec{b}= \begin{pmatrix} x_a\\y_a\\z_a \end{pmatrix} \cdot \begin{pmatrix} x_b\\y_b\\z_b \end{pmatrix}= x_ax_b+y_ay_b+z_az_b$
点乘的作用一，求夹角： $\cos\theta=\frac{\vec{a}\cdot\vec{b}}{||\vec{a}||||\vec{b}||}$
点乘的作用二，找投影（b-perp）： $\vec{b}$ 在 $\vec{a}$ 上的投影
$\vec{b_{\perp}}=k\hat{a}\\ k=||\vec{b}||\cos\theta=\vec{b}\cdot\hat{a}$
点乘的应用：
- 分解向量（为互相垂直的两个）
- 计算两单位向量有多接近（点乘积：1到0）
- 确定前后方向（点乘积大于或小于0）

点乘计算笛卡尔坐标（投影）：
$\vec{p}=(\vec{p}\cdot\vec{u})\vec{u}+(\vec{p}\cdot\vec{v})\vec{v}+(\vec{p}\cdot\vec{w})\vec{w}$

叉乘（cross product）

叉乘对构建坐标系很有帮助。

本课程采用右手系（OpenGL是左手系）。

右手坐标系满足： $\vec{z}=\vec{x}\times\vec{y}$ （或 $\vec{w}=\vec{u}\times\vec{v}$ ）

$\vec{a}\times\vec{b}= \begin{pmatrix} y_az_b-y_bz_a\\ z_ax_b-z_bx_a\\ x_ay_b-x_by_b \end{pmatrix}= \bold{A}\vec{b}= \begin{pmatrix} 0 & -z_a & y_a\\ z_a & 0 & -x_a\\ -y_a & x_a & 0 \end{pmatrix} \begin{pmatrix} x_b\\y_b\\z_b \end{pmatrix}$
叉乘的应用：

判断左右（叉乘结果的正负）： $\vec{x}\times\vec{y}=\vec{z}$ ， $\vec{y}\times\vec{x}=\vec{-z}$
内外（P点一直在三条边的左边/右边）: $\vec{AP}\times\vec{AB}$ 、 $\vec{BP}\times\vec{BC}$ 、 $\vec{CP}\times\vec{CA}$ 同号，即意味着P在三角形内部

矩阵（matrix）

Matrix-Vector Multipulication:
$\vec{a}\cdot\vec{b}=\vec{a}^\top\vec{b}= \begin{pmatrix} x_a & y_a & z_a \end{pmatrix} \begin{pmatrix} x_b \\ y_b \\ z_b \end{pmatrix}$