学习 3D数学基础 (矩阵1)

矩阵

一个4x3矩阵(4行，3列)

方阵

行数和列数相同的矩阵

对角矩阵

所有非对角元素为0

单位矩阵

向量作为矩阵

一个n维向量能被当做1xN矩阵或Nx1矩阵。

矩阵的转置

沿着矩阵的对角线翻转

向量的转置

标量和向量的乘法

矩阵和矩阵相乘

2x2矩阵相乘

3x3矩阵相乘

乘法定律

不满足交换率 ($AB != BA$）
满足结合律 ($(AB)C = A(BC)$ 和标量，向量相乘同样满足)

矩阵积的转置相当于先转置矩阵然后以相反的顺序相乘

向量和矩阵的乘法

1x3矩阵乘3x3矩阵

3x3矩阵乘3x1矩阵

不满足之前提到的规律

DX中使用行向量，openGL使用列向量

几何解释

一般来说，方阵能描述任意线性变换

旋转
缩放
投影
镜像
仿射

根据三角形法则可以将向量转化为以下形式

p, q, r 为 +x, +y, +z 方向的单位基向量
$v = px + qy + rz$
p, q, r 为行构建3x3矩阵

矩阵的每一行都能解释为旋转后的基向量

2D中的变换

3D中的变换

旋转

2D旋转矩阵

3D旋转

旋转需要知道方向的正负(左手法则，右手法则)

大拇指指向旋转轴的正方向，此时，四指玩去的方向就是旋转的正方形

绕X轴旋转

绕Y轴旋转

绕Z轴旋转

绕任意轴旋转

$v' = vR(n, θ)$ (n为单位向量，θ为旋转角度)

推导

将V分解为平行于n的VⅡ,和垂直于n的V⊥
$V = VⅡ+ V⊥$
$V' = VⅡ'+ V⊥'$
$∵ VⅡ' // n$
$∴ V' = VⅡ+ V⊥'$
$∵ VⅡ是V在n上的投影$
$∴ VⅡ = \frac{(nV)n}{|n|^2}$
$∵ n为单位向量$
$∴ VⅡ = (nV)n$
$∵ V = VⅡ+ V⊥$
$∴ V⊥ = V - VⅡ$
$∴ V⊥ = V - (nV)n$
$假设w为同时垂直于VⅡ，V⊥的向量，并且长度和V⊥相同，w和V⊥同时垂直于n的平面且w是V⊥绕n旋转90度的结果$
$∴ w = n×V⊥$
$= n×(V - VⅡ)$
$= n×V - n×VⅡ$
$= n×V - 0$
$= n×V$
$V⊥' = V⊥cosθ + wsinθ$
$= (V - (nV)n)cosθ+(n×V)sinθ$
$V' = V⊥' + VⅡ$
$= (V - (nV)n)cosθ+(n×V)sinθ + (nV)n$

已经得到V’与v，n，θ的关系了，所以可以求出个基向量

缩放

2D缩放

3D缩放

沿任意方向缩放

$n为缩放方向上的单位向量，k为缩放系数$
$V' = VⅡ'+ V⊥'$
$∵ V⊥' ⊥ n$
$∴ V⊥' = V⊥$
$∴ V' = VⅡ'+ V⊥$
$VⅡ' = kVⅡ$
$∴ V' = kVⅡ + V⊥$
$∵ V⊥ = V - VⅡ$
$VⅡ = (nV)n$
$∴ V' = k(nV)n + V - (nV)n$
$= V + (k - 1)(nV)n$

所以可以得出个基向量

2D缩放

3D缩放

镜像

2D镜像

3D镜像

组合变换

最常见的比如mvp矩阵

变换分类

线性变换

$F(a+b) = F(a) + F(b)$
$F(ka) = kF(a)$

仿射变换

仿射变换指线性变换后接着平移，因此仿射变换是线性变换的超集

可逆变换

如果存在一个逆变换可以撤销原变换，那么该变换可逆，除了投影变换其他基本变换均可逆，求逆矩阵等价于求矩阵的逆

等角变换

正交变换的基本思想是轴保持相互垂直，而且不进行缩放变换，平移，旋转，镜像是仅有的正交变换，正交矩阵的行列式为±1，所有正交矩阵都是仿射和可逆的

刚体变换