《3D游戏与计算机图形学中的数学方法》学习笔记 第二章

第二章 向量

该章主要讲述向量的基本概念和性质，并且给出了性质的证明。
证明笔记这里就不给出了，毕竟向量的基本性质都是印在脑子里的东西了，要看证明的话可以翻小、初、高课本…

2.1向量性质

定理2.1：

• P + Q = Q + P
• (P + Q) + R = P + (Q + R)
• (ab)P = a(bP)
• a(P + Q) = aP + aQ
• (a + b)P = aP + bP

定理2.2：

• ||P|| >= 0 (||P|| 为 向量的模 即 向量长度)
• 当且仅当 P = (0, 0, …, 0), ||P|| = 0
• ||aP|| = |a| ||P||
• ||P + Q|| <= ||P|| + ||Q||

2.2 内积(点乘)

定理2.3：

• $P\cdot Q=\sum P_i{Q}_i$

定理2.4：

• $P\cdot Q$ = ||P|| ||Q|| cosα

内积的矩阵表示：
$P\cdot Q=P^T\cdot Q=[P_1,P_2,...,P_n]\left[\begin{array}{c}{Q}_1\\ Q_2\\ ...\\ Q_n\end{array}\right]$

定理2.5：

• $P\cdot Q=Q\cdot P$
• $(aP)\cdot Q=a(P\cdot Q)$
• $P\cdot (Q+R)=P\cdot Q+P\cdot R$
• $P\cdot P=||P|{|}^2$
• $|P\cdot Q|\le ||P||||Q||$

2.3 外积(叉乘)

定理2.6：

• $P\times Q=(P_y{Q}_z-P_z{Q}_y,P_z{Q}_x-P_x{Q}_z,P_x{Q}_y-P_y{Q}_x)$

定理2.7：

• $(P\times Q)\cdot P=(P/timesQ)\cdot Q=0$

定理2.8：

• $||P\times Q||=||P||||Q||sin\alpha$

定理2.9：

• $Q\times P=-(P/timesQ)$
• $(aP)\times Q=a(P\times Q)$
• $P\times (Q+R)=P\times Q+P\times R$
• $P\times P=0$(零向量)
• $(P\times Q)\cdot R=(R\times P)\cdot Q=(Q\times R)\cdot P$
• $P\times (Q\times P)=P\times Q\times P=P^{2}Q-(P\times Q)P$

向量空间

定义2.10：

• 向量空间是一个集合 V，该集合的元素都是向量，定义了加法和标量乘法，则有以下性质成立：
  • 集合 V 对加法运算封闭，即 集合V 中任意的向量 P 和 Q，它们的和 $P+Q$ 也是集合V的向量。
  • 集合V 对标量乘法运算封闭，即对于任意实数a 和 集合V中的任意向量P，它们的积 $aP$ 也是集合V的向量。
  • 集合V中存在零向量，在集合V中的任意向量 P，$P+0=0+P+P$ 成立
  • 对于集合V中的任意向量P，在集合V中存在向量Q，使 $P+Q=0$ 成立
  • 集合V中的向量满足结合律，即对于集合V中的任意向量 P、Q 和 R，$(P+Q)+R=P+(Q+R)$成立
  • 标量乘法满足结合律，即对于任意实数 a 和 b，以及集合V中的任意向量P，(ab)P = a(bP) 成立
  • 标量与向量和的乘法满足分配律，即对于任意实数 a 和 b，以及集合V中任意向量 P 和 Q，$a(P+Q)=aP+aQ$成立
  • 标量与向量的乘法满足分配律，即对于任意实数 a 和 b，以及集合V中的任意向量P，$(a+b)P=aP+bP$ 成立

定义2.11：

• 对于含有 n个 向量的集合 { e 1 , e 2 , e 3 , . . . , e n } \{e_1, e_2, e_3, ... , e_n\} {e1​,e2​,e3​,...,en​}，有该式 $a_1{e}_1+a_2{e}_2+...+a_n{e}_n=0$，如果不存在不全为0的数 $a_1,a_2,...,a_n$ 使该式成立，则向量集合线性无关。反之，则集合线性相关。

一个 n维向量空间 可由 n个线性无关向量的集合生成，生成向量空间的向量集合称为 向量空间的基：
定义2.12：

• 向量空间$V$ 的基 $B$ 是 n个线性无关向量的集合， B = { e 1 , e 2 , . . . , e n } B = \{e_1, e_2, ... , e_n\} B={e1​,e2​,...,en​}，对于向量空间$V$中的任意向量$P$，存在一组实数$a_1,a_2,...,a_n$， 使得该式 $P=a_1{e}_1+a_2{e}_2+...+a_n{e}_n$ 成立。
  一个n维向量空间的每个基中有且仅有n个向量，如 三维坐标系的三个轴 x、y、z 对应的单位向量就是 3维向量空间的一个基

定义2.13:

• 在向量空间的基$B$ 中，如果任意两个向量 $e_i$ 和 $e_j$, $i\ne j$，且 $e_i\cdot e_j=0$，则基$B$称为向量空间的正交基

定理2.14：

• 给定任意两个向量 $e_1$ 和 $e_2$，如果 $e_1\cdot e_2=0$，则$e_1$ 和 $e_2$ 两个向量线性无关

对于向量空间的正交基，如果其中每个向量的长度均为1，则称为规范正交基。为了方便表示，引入 克罗内克符号：
$${\delta }_{ij}=\{\begin{array}{ll}1& \text{如果}i=j\\ 0& \text{如果}i\ne j\end{array}$$
定义2.15

• 在向量空间的基 B = { e 1 , e 2 , . . . , e n } B = \{e_1, e_2, ... , e_n\} B={e1​,e2​,...,en​} 中，如果任意两个向量 $e_i$ 和 $e_j$，$e_i\cdot e_j={\delta }_{ij}$，则基$B$称为向量空间的规范正交基
  如 $(1,0,0),(0,1,0),(0,0,1)$ 就是三维向量空间的规范正交基

算法2.16：

• Gram-Schmidt 正交化算法。给的 n 个线性无关向量组成的集合$B$， B = { e 1 , e 2 , . . . , e n } B=\{e_1, e_2, ..., e_n\} B={e1​,e2​,...,en​}，该算法可计算出向量集合 B ′ = { e 1 ′ , e 2 ′ , . . . , e n ′ } B' = \{e'_1, e'_2, ... , e'_n\} B′={e1′​,e2′​,...,en′​}，当 $i\ne j$ 时，$e_i^{\prime }\cdot e_j^{\prime }=0$ 算法步骤如下：
  (a) 令 $e_1^{\prime }=e_1$
  (b) 之后考虑 $i=2$ 以后的情况
  © 从向量 $e_i$ 中减去 $e_i$ 在 向量$e_1^{\prime },e_2^{\prime },...,e_{i-1}^{\prime }$ 上的投影，结果保存到 $e_i^{\prime }$ 中，即：
  $$e_i^{\prime }=e_i-\sum _{k=1}^{i-1}\frac{e_i\cdot e_k^{\prime }}{{e_k^{\prime }}^2}{e}_k^{\prime }$$
  (d) 如果 $i<n$，i++，转到步骤 ©