Unity Shader入门精要 笔记三（基础篇--学习Shader所需的数学基础）

1 笛卡尔坐标系

1.1 二维笛卡尔坐标系

一个二维笛卡尔坐标系包含了两部分信息：

• 一个特殊的位置，即原点，他是整个坐标系的中心。
• 两条过原点的互相垂直的矢量，即x轴和y轴，这些坐标轴也被称为是该坐标系的基矢量。
  

这里，Unity WorldToScreenPoint默认左下角为原点。

1.2 三维笛卡尔坐标系

对于二维笛卡尔坐标系，例如上面OpenGL和DirectX两个坐标系，进行翻转操作后，坐标轴的指向就完全相同了，从这种意义上来说，所有的二维笛卡尔坐标系都是等价的。

但是对于三维笛卡尔，会更复杂一点，和二维一样，它的坐标轴方向也是不固定的，但是，靠旋转有时并不能是两个不同朝向的坐标系重合，也就有了两种不同种类的坐标系：左手坐标系和右手坐标系。

除了坐标轴朝向不同之外，左手坐标系和右手坐标系对于正向旋转的定义也不同，即在初高中物理中学到的左手法则（left-hand rule） 和右手法则（right-hand rule）。

在左手坐标系中，举起左手，握拳，伸出大拇指，让它指向旋转轴的正方向，那么旋转的正方向就是剩下4个手指的弯曲方向。右手坐标系，使用右手法则对旋转正方向的判断类似。

1.3 Unity使用的坐标系

对于模型空间和世界空间，Unity使用的是左手坐标系，这可以从Scene视图的坐标轴显示看出来。

但对于观察空间来说，Unity使用的是右手坐标系。观察空间，就是以摄像机为原点的坐标系，在这个坐标系中，摄像机的前向是z轴的负方向，这与在模型空间和世界空间中的定义相反。

2 点和矢量

2.1 点

点（Point）是n维空间中的一个位置，它没有大小、宽度这类概念。

2.2 矢量

矢量（vector），也被称为向量，矢量是指n维空间中一种包含了模（magnitude）和方向（direction）的有向线段，例如速度。而标量只有模没有方向，例如距离。

• 矢量的模指的是这个矢量的长度，可以使任意非负数。
• 矢量的方向则描述了这个矢量在空间中的指向。

矢量通常被用于表示相对于某个点的偏移（displacenment），也就是说它是一个相对量，只要矢量的模和方向保持不变，无论放在哪里都是用一个矢量。

2.3 矢量运算

2.3.1 矢量和标量的乘法/除法

标量是没有方向的，所以不能与矢量相加减，但可以进行乘法运算，结果会得到一个长度不同，方向相同或者相反的新的矢量。

公式： kv = (kv_x, kv_y, kv_z)

2.3.2 矢量的加法/减法

a + b = (a_x+b_x, a_y+b_y, a_z+b_z)
a - b = (a_x-b_x, a_y-b_y, a_z-b_z)

2.3.3 矢量的模

∣v∣ = √(v_x²+v_y²+v_z²)

2.3.4 单位矢量

单位矢量是指模为1的矢量，也被称为归一化的矢量（normalized vector），对任何给定的非零矢量，转化成单位矢量的过程叫做归一化（normalization），零矢量是不能被归一化的。

v的单位矢量 = v/∣v∣。

2.3.5 矢量的乘法

矢量的乘法有两种常用的种类：

• 点积（dot product），也被称为内积（inner product）；
• 叉积（cross product），也被称为外积（outer product）。

对比：

名称	标积/内积/数量积/点积	矢积/外积/向量积/叉积
运算式（a，b和c粗体字，表示向量）	运算式（a，b和c粗体字，表示向量）	a×b=c，其中|c|=|a|b|·sinθ，c的方向遵守右手定则
几何意义	向量a在向量b方向上的投影与向量b的模的乘积	c是垂直a、b所在平面，且以|b|·sinθ为高、|a|为底的平行四边形的面积
运算结果的区别	标量（常用于物理）/数量（常用于数学）	矢量（常用于物理）/向量（常用于数学）

2.3.5.1 点积

点积的几何意义：
投影（projection），一个单位矢量a和一个长度与不限的矢量b的点积，就是矢量b在a方向上的有符号的投影。

点积的计算公式：
（1）a·b = (a_x, a_ya_z)·(b_x, b_yb_z) = a_xb_x+a_yb_y+a_zb_z
（2）a·b = |a||b|cosθ

点积的性质：

• 点积可结合标量乘法：(ka)·b = a·(kb) = k(a·b)
• 点积可结合适量的加减法：a·(b+c) = a·b+a·c
• 一个矢量和本身进行点积的结果是该矢量模的平方

2.3.5.2 叉积

叉积的几何意义：
（1）计算平行六面体的体积

向量H是垂直于底面的向量，|H|是六面体的高，可看作向量A在H方向上的分量，分量可以用点积表示，这在上一篇中叙述过。如果令u是H方向的单位向量：

（2）判断点是否在同一个平面
空间内的三点可以确定一个平面，P1，P2，P3是空间中的三个点，另有一点P，如何判断P是否在平面内？

可以借助向量通过上一节中平行六面体体积的知识判断，如下图所示：

这样形成了三个向量，|P1P3×P1P2| 是这两个向量围成的平行四边形的面积，P1P·|P1P3×P1P2| 表示平行六面体的体积，如果体积是0，那么P就在平面内。

（3）计算法向量
也可以用另一种方法求解上面的问题，这需要法向量的帮助。一个与平面垂直的向量称为该平面的法向量，一个平面有无数条法向量，法向量与一个常数的乘积还是法向量。

N是平面的法向量，如果N⊥P1P，则P在平面内。根据点积的知识，N·P1P = 0，则N⊥P1P。如何计算N呢？实际上，N就是P1P3与P1P2的叉积。

如果P在平面内，则体积 = P1P·（P1P3×P1P2）= 0；由于N⊥P1P，N·P1P = 0，结合二者：

P1P·（P1P3×P1P2）= P1P· N = 0

=> N = P1P3×P1P2

叉积的计算公式：
a×b = (a_x, a_y, a_z)×(b_x, b_y, b_z) = (a_yb_z-a_zb_y, a_zb_x-a_xb_z, a_zb_y-a_yb_x)

叉积的性质：

• 结果是一个矢量，遵循右手法则。

• 不满足交换律和结合律
  a×b = -(b×a)
  (a×b)×c ≠ a×(b×c)

3、矩阵

3.1 矩阵的定义

矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合。
由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。这m×n 个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i,j)元，以数 aij为(i,j)元的矩阵可记为(a_ij)或(a_ij)m × n，m×n矩阵A也记作A_mn。
元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。

3.2 矩阵和矢量

矢量是一个数组，二矩阵也是一个数组，我们用矩阵表示矢量，则矢量可看成是1×n的行矩阵（row matrix）或者n×1的列矩阵（column matrix）。

3.3 矩阵的运算

3.3.1 加法

矩阵的加法满足下列运算律(A，B，C都是同型矩阵，只有同型矩阵之间才可以进行加法)：
A+B = B+A
(A+B)+C = A+(B+C)

3.3.2 减法

减法和加法一样：

3.3.3 数乘

矩阵的数乘满足以下运算律：
λ(μA) = μ(λA)
λ(μA) = (λμ)A
(λ+μ)A = λA+μA
λ(A+B) = λA+λB