Unity三渲二：数学基础

目录

一、矢量

1.什么是矢量

2.矢量的运算

2.1.矢量的加减

2.2.矢量和标量的乘除

2.3.矢量的模、单位矢量和归一化

2.3.1.矢量的模：

2.3.2.矢量的单位矢量：

2.3.3.矢量的归一化（normalization）：

2.3.4.为什么要归一化？

2.4.矢量和矢量的乘法

2.4.1.点积（Dot product）

2.4.2.叉积（Cross product）

2.4.3.叉积的模

二、矩阵（Matrix）

1.什么是矩阵

2.矩阵的运算

2.1.矩阵和矩阵的加减

2.2.矩阵和标量的乘法

2.3.矩阵和矩阵的乘法

3.特殊矩阵

3.1.方块矩阵

3.3.对角矩阵

3.4.单位矩阵

3.5.转置矩阵

3.6.逆矩阵

3.7.正交矩阵

4.矩阵的几何意义：变换

4.1.什么是变换

4.2.变换类型

4.2.1.线性变换

4.2.2.仿射变换

齐次坐标

4.3分解基础变换矩阵

4.4平移矩阵

4.5缩放矩阵

4.6旋转矩阵

4.7复合变换

---

一、矢量

1.什么是矢量

矢量是一种既有大小又有方向的量，又称向量。

2.矢量的运算

2.1.矢量的加减

矢量的加减法遵循三角形定则

矢量的加法：a+b=（ax+bx，ay+by，az+bz）

矢量的减法：a-b=（ax-bx，ay-by，az-bz）

2.2.矢量和标量的乘除

即是矢量的每一个分量乘或者除以标量，可以乘除负数，则方向相反

矢量和标量的乘法：ab=（bax，bay，baz）

矢量和标量的除法：a/b=（ax/b，ay/b，az/b）

2.3.矢量的模、单位矢量和归一化

2.3.1.矢量的模：

矢量的模是一个标量，是矢量在空间的长度

二维矢量的模：a²+b²=c²

三维矢量的模：

2.3.2.矢量的单位矢量：

单位矢量就是归一化后模为1的矢量

二维空间：半径为1的单位圆，单位矢量从圆心出发，到圆边界的矢量

三维空间：单位矢量就是从一个半径为1的球心出发、到达球面的矢量

2.3.3.矢量的归一化（normalization）：

把非零矢量转换为单位矢量的过程就是归一化（矢量）

矢量除以矢量的模

2.3.4.为什么要归一化？

归一化其实就是数据缩放，一种线性变换。为了数据处理方便，也能加快程序的运行。  在计算光照模型的时候我们往往关心的只是矢量的方向而不是模。

2.4.矢量和矢量的乘法

2.4.1.点积（Dot product）

又称内积，结果是一个标量，可能是负数也可能是零，经常用于计算光照模型,即对应分量相乘再求和。点积的几何意义很重要，其中一个几何意义就是投影

a.b=axbx+ayby+azbz

当两个矢量方向相同（即夹角<90°）时，点积大于0。

当两个矢量方向垂直（即夹角=90°）时，点积等于0。

当两个矢量方向相反（即夹角》90°）时，点积小于0。

两个矢量的点积也可以用模相乘乘以夹角的余弦，即：a.b=|a||b|cos夹角。

2.4.2.叉积（Cross product）

又称外积，结果会得到同时垂直于两个矢量的新矢量。常用于计算一个面的法线，也可以用来判断面是正面还是反面。

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

注意：叉积不满足交换律和结合律，但满足反交换律，即a*b=-（b*a）。

2.4.3.叉积的模

叉积的长度等于两个矢量模相乘再乘以夹角的正弦值，即|a*b|=|a||b|sin夹角

注意：叉积不管是用左手坐标系还是右手坐标系，对于计算结果是不会产生影响的，只会影响在三维空间的视觉表现（比如当右手坐标系转换为左手坐标系时，计算结果不变，但是在渲染到屏幕上时，图像可能相反）

二、矩阵（Matrix）

1.什么是矩阵

一个矩阵可以把一个矢量从一个坐标空间转换到另一个坐标空间，从外观上就是一个长方形的网格，每个格子都放有一个数字。它是由m*n个标量组成的长方形数组。

只有一行的成为行矩阵，只有一列的成为列矩阵。

2.矩阵的运算

2.1.矩阵和矩阵的加减

前提：两个矩阵的行数和列数必须相同

对应位相加减

2.2.矩阵和标量的乘法

矩阵每一位都乘以标量

2.3.矩阵和矩阵的乘法

前提：矩阵和矩阵相乘时，只有满足第一个矩阵的列数和第二个矩阵的行数相等的条件时，才可以相乘。即r×n矩阵，才能和n×c矩阵相乘，得到的结果是一个r×c矩阵

相乘得到的结果矩阵的行数是第一个矩阵的行数，而列数是第二个矩阵的列数

注意：矩阵乘法一般不满足交换律，但一些特殊情况会存在，但满足结合律

3.特殊矩阵

3.1.方块矩阵

简称方阵，即行数和列数都相等的矩阵。

3.2.对角元素

方阵的对角元素指的是行号和列号相等的元素，比如M11、M22、M33

3.3.对角矩阵

如果一个方阵除对角元素外所有元素都为0，则这个矩阵叫做对角矩阵

3.4.单位矩阵

一个特殊的对角矩阵是单位矩阵，其对角元素都为1，且任何矩阵和它相乘结果都是原来的矩阵

即MI=IM=M

3.5.转置矩阵

实际上是对原矩阵的一种运算，即转置运算。即将同号数的行转换为同号数的列

转置矩阵的一些性质：

3.6.逆矩阵

前提：该矩阵必须是一个方阵，但不是所有方阵都有逆矩阵（比如所有元素都为0的方阵）

最重要的性质：矩阵和矩阵的逆矩阵相乘为一个单位矩阵

如果一个矩阵有对应的逆矩阵，则说这个矩阵是可逆的，或者说是非奇异的。反之就是不可逆的，或者说是奇异的

3.7.正交矩阵

正交矩阵是一种特殊的方阵，如果一个方阵和它的转置矩阵的乘积是一个单位矩阵，则称这个矩阵是正交的。

即如果一个矩阵是正交的，那么它的转置矩阵和逆矩阵是一样的。          

4.矩阵的几何意义：变换

4.1.什么是变换

变换，指的是我们把一些数据（如点、方向矢量甚至是颜色等）通过某种方式进行转换的过程

4.2.变换类型

4.2.1.线性变换

线性变换指的是那些可以保留矢量和标量的变换（即可以保留矢量加和标量乘的变换），如缩放、旋转、错切、镜像、正交投影

对于所以的线性变换都可以用3x3的矩阵来表示

4.2.2.仿射变换

仿射变换就是合并线性变换和平移变换的变换类型，因为平移变换不包含于线性变换中，仿射变换就诞生了。

仿射变换可以用一个4x4矩阵来表示

为此，我们需要把矢量扩展到四维空间下，也就是齐次坐标空间下

齐次坐标

3x3矩阵不能表示平移操作，就必须扩展到4x4矩阵，那么就必须三维矢量转换到四维矢量。

对于点，三维坐标转换为齐次坐标系，w分量设为1  

对于方向矢量，其w分量设为0

4.3分解基础变换矩阵

我们可以使用一个4x4的矩阵来表示平移、旋转和缩放，我们把表示纯平移、纯旋转和纯缩放的变换矩阵叫做基础变换矩阵。

我们可以将这个基础变换矩阵分解成4个组成部分：

其中， 左上角的矩阵M 3 x 3 用于表示旋转和缩放， t 3x1 用于表示平移，0 1x3 是零矩阵， 即0 1 x 3 =[0, 0, 0]，右下角的元素就是标量 1。

4.4平移矩阵

我们可以用矩阵乘法来表示对一个点进行平移变换

而向量没有位置属性，平移向量不应该对向量产生影响

平移矩阵的逆矩阵就是反向平移得到的矩阵，即

4.5缩放矩阵

我们可以对一个模型沿空间的x轴，y轴和z轴进行缩放，同样我们可以使用矩阵乘法来表示一个缩放变换。

对方向矢量可以使用同样的矩阵进行缩放，即

如果kx=ky=kz，则这样的缩放称为统一缩放，否则称为非统一缩放

缩放矩阵一般不是正交矩阵

4.6旋转矩阵

绕x轴旋转：

绕y轴旋转

绕z轴旋转

旋转矩阵的逆矩阵是旋转相反角度得到的变换矩阵，旋转矩阵是正交矩阵，而且多个旋转矩阵间的串联同样正交

4.7复合变换

我们可以把平移、旋转和缩放组合起来，形成一个复杂的变换过程。复合变换可以通过矩阵的串联来实现，且变换的结果是依赖于变换顺序的，又因为矩阵乘法不满足交换律，因此变换顺序很重要。

注意：大多数情况下，先进行缩放，再旋转，然后才是平移