计算机图形学必备的数学知识

1、3D空间中的向量

向量的起点不重要

讨论vector时可独立于具体的坐标系，即与具体坐标系无关

计算机图形学中的坐标系和数学中的坐标系不太一样：左手坐标系和右手坐标系

UE4中使用左手坐标系

当某一向量的起始端与坐标原点重合时，称该向量处于标准位置

对于处于标准位置的向量，我们可用向量的终点坐标来描该向量。用于描述向量的坐标称为分量(component)

注意区分点和向量

四个特殊的3D向量：

• 1、零向量(zero vecotr)：
• 2、3D空间的标准基向量：

长度为1的向量称为单位向量(unit vector)

在3D图形学中会使用2D、3D和4D向量。D3DX库提供了类D3DXVECTOR2和D3DXVECTOR4分别用于表示2D和4D向量

维数不同的向量都具有相同的属性，即长度和方向，只是维数不同。此外，向量的数学运算除了cross product外都可以推广至任意维数的向量，cross product只在3D空间中有定义

---

1.1、向量相等

可以直接使用类中的已重载的比较运算符来进行比较操作。该比较运算符已经处理好了浮点值比较所存在的问题

1.2、计算向量的长度

使用下面这个函数来计算向量的模

FLOAT D3DXVec3Length(CONST D3DXVECTOR3 *pV);

1.3、向量的规范化

向量的规范化(normalizing)就是使向量的模变为1

使用下面的函数对向量进行规范化

D3DXVECTOR3 *D3DXVec3Normalize(D3DXVECTOR3 *pOut, CONST D3DXVECTOR3 *pV);

在大部分情况下，除非特别声明，一个D3DX数学函数均返回一个指向结果的指针

1.4、向量加法

使用重载后的加法运算符

1.5、向量减法

使用重载后的减法运算符

1.6、数乘

使用重载后的数乘运算符

1.7、点积

点积(dot product)就是向量的对应分量相乘后相加，也可以表示为两个向量的模和夹角余弦值的乘积

正交(orthogonal)，垂直(perpendicular)

1.8、叉积

两个向量叉积(cross product)的结果还是一个向量

叉积不具备交换性；交换后，结果反向。

对于向量的叉积运算，使用什么坐标系，就用哪一个手来判断结果向量的方向

---

2、矩阵

有时一个矩阵仅包含单行或单列。这样的矩阵称为行向量或列向量

2.1、矩阵相等、矩阵数乘和矩阵加法

如你所想

2.2、矩阵乘法

矩阵乘法是矩阵在3D图形学中最重要的运算。借助矩阵乘法，我们能够对向量实施变换，也可将几个变换进行组合

为了计算矩阵乘积AB，矩阵A的列数必须等于矩阵B的行数

矩阵乘法一般不具有交换性

2.3、单位矩阵

单位矩阵(Identity Matrix)的特点是除了主对角线上元素为1外，其余元素均为0，而且是方阵(square matrix)

单位矩阵对于标量可认为是矩阵中的1

2.4、逆矩阵

逆矩阵(inverse matrix)：

• 1、只有方阵才可能有逆矩阵
• 2、并非所有的方阵都有逆矩阵
• 3、一个矩阵与其逆矩阵的乘积为单位阵。当一个矩阵与其单位阵相乘时，可交换相乘次序

逆矩阵在求矩阵方程中的其他矩阵时非常有用

$(AB{)}^{-1}=B^{-1}{A}^{-1}$，该性质的前提时，矩阵A和B均可逆，且均为维数相同的方阵

2.5、矩阵的转置

矩阵的转置(transpose)可通过交换矩阵的行和列来实现

2.6、D3DX矩阵

编写Direct3D应用程序时，我们通常只使用4x4的矩阵和1x4的行向量：

• 1、向量-矩阵乘法
• 2、矩阵-矩阵乘法：矩阵乘法不具有交换性

对于矩阵，可使用括号运算符(parenthesis operator)来访问矩阵中的每一个元素，索引从零开始，使用圆括号

//基础矩阵
typedef struct D3DMATRIX{
   
	union {
   
		struct {
   
			float 11, 12, 13, 14;
			float 21, 22, 23, 24;
			float 31, 32, 33, 34;
			float 41, 42, 43, 44;
		};
		float m[4][4];
	};
} D3DMATRIX;

关于Union的用法已忘记

单位矩阵、取转置以及求逆都有相应的Direct3D函数来实现

---

3、基本变换

在3D图形学中，用向量-矩阵乘法来实现各种变换

使用Direct3D编程时，我们使用4x4的矩阵表示一个变换

我们之所以使用4x4矩阵是因为这种特定维数的矩阵有能力表征我们所需要的所有变换

3x3矩阵无法描述平移(translation)、透视投影(perspective)以及反射(reflection，对称变换或镜像变换)

为了使向量-矩阵乘积有意义，我们必须将3D的点或向量扩展为4D行向量，因为1x3的行向量和一个4x4的矩阵是无法定义乘法运算的

为了保证点的平移变换能够正确进行，在将点放入1x4的行向量时，我们将w分量设为1；为了防止对向量进行平移变换，在我们将向量放入1x4的行向量时，将w分量置为0

扩展后的4D向量称为齐次(homogenous)向量

如果经过变换后的向量的w分量不为0也不为1，则称该向量处于齐次空间(homogenous space)中，以区别于3D空间

将处于齐次空间中的向量映射回3D空间的方法是：用w分量去除该齐次向量的每一个分量

进行3D图形编程时，如果涉及到透视投影，则经常需要将向量由齐次空间映射到3D空间p20

3.1、平移矩阵

Translation matrix

要想对点$\left(\begin{array}{cccc}x,& y,& z,& 1\end{array}\right)$分别沿坐标轴平移$p_x、p_y、p_z$个单位，则只需要将该向量与下面的平移矩阵相乘即可(p为平移向量)：

$T(p)=[\begin{array}{cc}1& 0\\ 0& 1\\ 0& 0\\ p_x& p_y\end{array}$