【Game101】Lecture02 线性代数 整理

视频&图片来源：【B站】GAMES101-现代计算机图形学入门-闫令琪

1.零碎的概念

• 实时：从CG的角度说，≥30fps的情况可以称作实时（Real-time）；否则，则称为离线（Offline）。

2.向量

• $\overrightarrow{AB}=B-A$
• 向量的长度：$\Vert \overrightarrow{a}\Vert$
• 单位向量：$\hat{a}=\frac{\overrightarrow{a}}{\Vert \overrightarrow{a}\Vert }$. 其中，$\Vert \hat{a}\Vert =1$.
• 向量求和：左图平行四边形法则；右图三角法则
• 笛卡尔坐标系下的描述：
  $A=\left(\begin{array}{c}x\\ y\end{array}\right)$ ，$A^T=\left(x,y\right)$，$\Vert A\Vert =\sqrt{x^2+y^2}$

3.向量的点乘

3.1 概念

• 向量的点乘：可以帮助快速得到两个向量之间的夹角
  
  $\overrightarrow{a}\cdot \overrightarrow{b}=\Vert \overrightarrow{a}\Vert \Vert \overrightarrow{b}\Vert \cos \theta$. 其中，$\cos \theta =\frac{\overrightarrow{a}\cdot \overrightarrow{b}}{\Vert \overrightarrow{a}\Vert \Vert \overrightarrow{b}\Vert }$
  对于单位向量：$\cos \theta =\hat{a}\cdot \hat{b}$.
• 向量点乘的性质：
  $\overrightarrow{a}\cdot \overrightarrow{b}=\overrightarrow{b}\cdot \overrightarrow{a}$
  $\overrightarrow{a}\cdot (\overrightarrow{b}+\overrightarrow{c})=\overrightarrow{a}\cdot \overrightarrow{b}+\overrightarrow{a}\cdot \overrightarrow{c}$
  $(k\overrightarrow{a})\cdot \overrightarrow{b}=\overrightarrow{a}\cdot (k\overrightarrow{b})=k(\overrightarrow{a}\cdot \overrightarrow{b})$

3.2 笛卡尔坐标系下的向量点乘

• 2D环境
  $\overrightarrow{a}\cdot \overrightarrow{b}=\left(\begin{array}{c}{x}_a\\ y_a\end{array}\right)\cdot \left(\begin{array}{c}{x}_b\\ y_b\end{array}\right)=x_a{x}_b+y_a{y}_b$.
• 3D环境
  $\overrightarrow{a}\cdot \overrightarrow{b}=\left(\begin{array}{c}{x}_a\\ y_a\\ z_a\end{array}\right)\cdot \left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)=x_a{x}_b+y_a{y}_b+z_a{z}_b$.

3.3 点乘在图形学中的作用

• 快速找到两个向量之间的夹角
• 找到一个向量到另一个向量上的投影
  
  e.g. ${\overrightarrow{b}}_{\perp }$是$\overrightarrow{b}$在$\overrightarrow{a}$上的投影
  • ${\overrightarrow{b}}_{\perp }$必须沿着$\overrightarrow{a}$或者$\hat{a}$的方向，即${\overrightarrow{b}}_{\perp }=k\hat{a}$
  • 系数$k$：$k=\Vert {\overrightarrow{b}}_{\perp }\Vert =\Vert \overrightarrow{b}\Vert \cos \theta$. 算长度用的。
    
• 测量两个方向上的距离
• 向量分解
• 确认向量前（forward）与后（backward）的信息：在方向上有多接近
  

4.向量的叉乘

4.1 概念

• 叉乘计算得出的向量必然和原始的两个向量垂直（不在一个平面内）
  即：$\overrightarrow{a}\times \overrightarrow{b}=\overrightarrow{c}$，其中，$\overrightarrow{a}\perp \overrightarrow{b}$且$\overrightarrow{b}\perp \overrightarrow{c}$，遵循右手螺旋定则。
• 性质：
  $\overrightarrow{a}\times \overrightarrow{b}=-\overrightarrow{b}\times \overrightarrow{a}$
  $\Vert \overrightarrow{a}\times \overrightarrow{b}\Vert =\Vert \overrightarrow{a}\Vert \Vert \overrightarrow{b}\Vert \sin \theta$
  $\overrightarrow{a}\times \overrightarrow{a}=\overrightarrow{0}$. 强调：得到的是一个长度为0的向量
  $\overrightarrow{a}\times (\overrightarrow{b}+\overrightarrow{c})=\overrightarrow{a}\times \overrightarrow{b}+\overrightarrow{a}\times \overrightarrow{c}$
  $\overrightarrow{a}\times (k\overrightarrow{b})=k(\overrightarrow{a}\times \overrightarrow{b})$

4.2 笛卡尔坐标系下的叉乘

$\overrightarrow{a}\times \overrightarrow{b}=\left(\begin{array}{c}{y}_a{z}_b-y_b{z}_a\\ z_a{x}_b-x_a{z}_b\\ x_a{y}_b-y_a{x}_b\end{array}\right)$

• 矩阵表示形式
  $\overrightarrow{a}\times \overrightarrow{b}=A^{\ast }b=\left(\begin{array}{ccc}0& -z_a& y_a\\ z_a& 0& -x_a\\ -y_a& x_a& 0\end{array}\right)\left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)$

4.3 叉乘在图形学中的作用

• 判定左右：为正，在左；为负，在右。
• 判定内外：多边形的每个顶点和这个点的连线叉乘多边形的每一条边，在边的左侧还是边的右侧，判断是不是同在左or同在右。得到0向量的话up to you…
  

5. 正交坐标系内的表示

• 3D，其中$\overrightarrow{u}，\overrightarrow{v}，\overrightarrow{w}$互相垂直，且都是单位向量
  $\Vert \overrightarrow{u}\Vert =\Vert \overrightarrow{v}\Vert =\Vert \overrightarrow{w}\Vert =1$
  $\overrightarrow{u}\cdot \overrightarrow{v}=\overrightarrow{v}\cdot \overrightarrow{w}=\overrightarrow{u}\cdot \overrightarrow{w}=0$
  $\overrightarrow{w}=\overrightarrow{u}\times \overrightarrow{v}$ 右手螺旋定则
• $\overrightarrow{p}$分解到三个方向上：
  $\overrightarrow{p}=(\overrightarrow{p}\cdot \overrightarrow{u})\overrightarrow{u}+(\overrightarrow{p}\cdot \overrightarrow{v})\overrightarrow{v}+(\overrightarrow{p}\cdot \overrightarrow{w})\overrightarrow{w}$

6.矩阵

6.1 矩阵乘法

• 成立条件：对于$A\times B=C$，乘法成立的条件是矩阵A的列数=矩阵B的行数
  大概这种感觉：$A_{m\times n}\times B_{n\times p}=C_{m\times p}$
• 性质： 交换律不成立，结合律和分配律成立。
  $(AB)C=A(BC)$
  $A(B+C)=AB+AC$
  $(A+B)C=AC+BC$
• 矩阵和向量的乘法：把向量看作$m\times 1$的列矩阵，是变换的核心

6.2 矩阵形式的向量乘法

• 点乘：$\overrightarrow{a}\cdot \overrightarrow{b}={\overrightarrow{a}}^T\overrightarrow{b}=(\begin{array}{ccc}{x}_a& y_a& z_a\end{array})\left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)=(x_a{x}_b+y_a{y}_b+z_a{z}_b)$
• 叉乘：$\overrightarrow{a}\times \overrightarrow{b}=A^{\ast }b=\left(\begin{array}{ccc}0& -z_a& y_a\\ z_a& 0& -x_a\\ -y_a& x_a& 0\end{array}\right)\left(\begin{array}{c}{x}_b\\ y_b\\ z_b\end{array}\right)$
  其中，$A^{\ast }$是$\overrightarrow{a}$的对偶矩阵（dual matrix）

6.3 矩阵的其他操作

• 转置：${\left(\begin{array}{cc}1& 2\\ 3& 4\\ 5& 6\end{array}\right)}^T=\left(\begin{array}{ccc}1& 3& 5\\ 2& 4& 6\end{array}\right)$
  转置的性质：$(AB{)}^T=B^T{A}^T$

• 单位矩阵及其逆矩阵
  单位矩阵：$I_{3\times 3}=\left(\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right)$
  $A{A}^{-1}=A^{-1}A=I$
  $(AB{)}^{-1}=B^{-1}{A}^{-1}$