DirectX12 3D龙书（1线性代数）

森龙安

已于 2024-09-19 14:02:16 修改

阅读量825

点赞数 13

分类专栏： DirectX12 3D 数学，物理文章标签：线性代数

于 2024-08-12 23:03:58 首次发布

本文链接：https://blog.csdn.net/sengyongan/article/details/141141931

版权

数学，物理同时被 2 个专栏收录

6 篇文章 0 订阅

订阅专栏

DirectX12 3D

1 篇文章 0 订阅

订阅专栏

向量代数

为什么用向量，而不用坐标点（标量）表示位置？因为向量有大小，方向，不仅有更多的操作，而且除了表示位置，还可以表示力（物理），方向（视角，攻击，光线，多边形……），位移，速度……
注意：向量仅有两个属性，只要大小和方向相同，那么向量就是相同的，位移不影响向量的属性
为什么引入坐标系？因为计算机无法直接处理向量，需要2d | 3d的坐标-系
向量和坐标系：将向量的起点移到坐标原点，因而可以确定向量v(x,y,z)
directX采用左手坐标系，与opengl右手坐标系不同，意味着z轴的正方向相反
//
正交投影：
一个向量v可以分解为两个互相正交的向量，为向量加法的逆运算
proj n(v)：v在n上的投影,n为单位向量（仅考虑方向），那么投影的大小p：
p = kn = k; k = ||v|| cos $\theta$ ;所以 p = ||v ||cos $\theta$ n = (||v|| ||n|| cos $\theta$ ）n = （v n)n
prep n(v) ：v在n上投影的正交分量，：向量 w = v - p; w + p = v;
//
规范正交：如果向量集每个向量都相互正交，且都为单位向量，则集合为规范正交
正交化：将非规范正交，变为正交
2D：向量v0平行n轴，使v正交化：v - proj n (v):向量v - v在n上投影 = 向量相减 = prep n(v)
3D：向量可能依次减去多个方向的投影

矩阵代数

余子式：A为n*n的矩阵，- 上标Aij，表示去除i行j列的(n-1)(n-1)矩阵
行列式：detA（A的行列式） = $n\sum f=1$ （求和） Aij （某元素） (-1)^i + f （符号） det -上标Aij（余子式的行列式）
Aij元素的代数余子式Cij：（-1）i+j(符号） det -上标Aij（余子式的行列式）：
代数余子式矩阵CA：右Cij构成的矩阵
伴随矩阵A^*：CA^T 矩阵的转置矩阵
逆矩阵A^-1：几何意义为矩阵除法（倒数），A^* / detA
//
线性组合：
向量 * 矩阵：可以写为线性的形式：行向量 * 矩阵的每一列，移项后，u A = xA1. + yA2. + zA3. （这里 n. 表示第n行），相当于向量u的标量系数，和矩阵A的每行线性组合

变换

线性变换:
输入输出都是向量，且满足如下两个性质，则T为线性变换
T(u + v) = T(u) + T(V); T(ku) = k T(u) ;k为标量
线性性质推论：T(au,bv,cw) = T(au + (bv + cw)) = aT(u) = T(bv + cw) = aT(u) + bT(v) + cT(w)
//
矩阵表示法
T（u）如何用矩阵表示？填入ijk标准基向量：坐标轴的3个单位向量
根据线性变换性质：T(xi+yj+zk) = xT(i) + yT(j) + zT(k)，根据线性组合可以推导为矩阵A的形式
//
缩放：
证明S变换为线性变换：通过带入两个性质，符合等式
计算缩放矩阵：根据矩阵表示法，我们已经知道了S（T），和ijk，：S(i) ,S(j) S(k)……
//
旋转：
对于想要计算v绕n旋转 $\theta$ 后的 Rn(v)向量，我们首先表示proj n(v)的投影，和v^T = prep n(v) = v - proj n(v) 正交于n的投影，并且发现，只有v^T被v的旋转影响，而另一个投影分量不变化
接着表示v^T 和 proj n(v)的叉积，可以获得正交于两个向量的第3个向量 n * v^T = ||n|| ||v^T||sina(a为n与v^T的夹角 = 90） = v^T，
最后表示 Rn(v)和轴n的连线，Rn(v^T) ,因为在一个圆周Rn(v^T)的长度 = v^T的长度，上条的叉积也==v^T,3个向量长度相等，Rn(v^T) = cos $\theta$ v^T + sin $\theta$ (n*v)
Rn(v) = proj n(v) + Rn(v^T)
计算旋转矩阵：……需要根据上述公式推导旋转矩阵Rn( $\theta$ )，包括单位矩阵，反对称矩阵等
计算了Rn( $\theta$ )，可以通过控制n向量的方向，带入旋转矩阵的n(x,y,z）中，从而获得以x轴或y轴或z轴旋转的旋转矩阵
旋转矩阵的行向量都是规范正交的，则逆矩阵和转置矩阵相同
//
放射变换
线性变换T(u) + 平移变换b
矩阵表示法：v(x.y,z) A(3*3) b(x,y,z)
对于顶点，引入了齐次坐标w，因为我们知道向量没有位置的概念，所以平移仅适用于点（x,y,z,1),而向量表示为(x,y,z,0）
如果引入w表示仿射变换：v(x.y,z) A(4*4)
//
平移
恒等变换：直接返回输入参数的线性变换，
对于仿射变换中的T(u)就是恒等变换
我们可以直接用仿射变换表示旋转和缩放矩阵，方法使b=0
刚体变换：保形变换，保长性，保角性，可以用仿射变换表示
//
复合变换：
SRT：缩放旋转位移，注意顺序不能变
//
向量坐标转换：
向量p位于标架A中，如何求出在标架B中对于的p坐标呢？
2D：如果知道pA(x,y),并且知道uv（即A的坐标系）,在B标架中对应的坐标向量，则pB = xub + yvb,
这种推导：将p分解为xy的两个正交投影，分别*ub ,vb变换到B空间的向量方向（标量*向量的方向为向量方向），这样p就可以由两个分量获得，两个正交投影向量的加法，为p向量
3D同理：pB = xub + yvb + zwb
点的坐标转换：
点和向量有区别，点有位置属性，必须考虑到它的位移
pB = xub + yvb + zwb + Q（Q为uvw的原点，即需要相对于Q的点，+Q的偏移量）