图形学数学笔记-01向量

向量

向量性质

$n$维向量表示为$\mathbf{V}=⟨V_1,V_2,\cdots ,V_n⟩$

向量$V$也可表示成仅有一列$n$行矩阵
$$\mathbf{v}=\left[\begin{array}{c}{V}_1\\ V_2\\ ⋮\\ V_n\end{array}\right]$$
$${\mathbf{v}}^T=\left[\begin{array}{llll}{V}_1& V_2& \cdots & V_n\end{array}\right]$$
$n$维向量的绝对值是标量
$$\Vert \mathbf{V}\Vert =\sum _{i=1}^n{V}_i^2$$

内积

两个$n$维向量$P$和$Q$的内积是一个标量，定义：
$$\mathbf{P}\cdot \mathbf{Q}=\sum _{i=1}^n{P}_i{Q}_i=P_1{Q}_1+P_2{Q}_2+\cdots +P_n{Q}_n$$
向量$P$和$Q$的内积$\mathbf{P}\cdot \mathbf{Q}$的矩阵乘法：
$${\mathbf{P}}^{\mathrm{T}}\cdot \mathbf{Q}=\left[\begin{array}{llll}{P}_1& P_2& \cdots & P_n\end{array}\right]\left[\begin{array}{c}{P}_1\\ P_2\\ ⋮\\ P_n\end{array}\right]$$
内积与向量$P$和$Q$的夹角有关
$$\mathbf{P}\cdot \mathbf{Q}=\Vert \mathbf{P}\Vert \Vert \mathbf{Q}\Vert \cos \alpha$$

Cauchy-Schwarz不等式

$$\Vert \mathbf{P}\cdot \mathbf{Q}\Vert \le \Vert \mathbf{P}\Vert \Vert \mathbf{Q}\Vert$$

向量投影

向量$P$在向量$Q$上的投影${\text{proj}}_Q\mathbf{P}$可表示为
$${\text{proj}}_Q\mathbf{P}=\frac{\mathbf{P}\cdot \mathbf{Q}}{\Vert \mathbf{Q}{\Vert }^2}\mathbf{Q}$$
向量$P$相对于向量$Q$上的垂直分量${\text{prep}}_Q\mathbf{P}$可表示为
$$\begin{array}{rl}{\text{perp}}_{\mathrm{Q}}\mathbf{P}& =\mathbf{P}-\text{ proje }\mathbf{P}\\ & =\mathbf{P}-\frac{\mathbf{P}\cdot \mathbf{Q}}{\Vert \mathbf{Q}{\Vert }^2}\mathbf{Q}\end{array}$$
向量$P$在向量$Q$上的投影是向量$P$的线性变换，可以表示成矩阵向量乘积。在三维情况下${\text{proj}}_Q$计算为
$${\text{proj}}_Q\mathbf{P}=\frac{1}{\Vert \mathbf{Q}{\Vert }^2}\left[\begin{array}{ccc}{Q}_x^2& Q_x{Q}_y& Q_x{Q}_z\\ Q_x{Q}_y& Q_y^2& Q_y{Q}_z\\ Q_x{Q}_z& Q_y{Q}_z& Q_z^2\end{array}\right]\left[\begin{array}{c}{P}_x\\ P_y\\ P_z\end{array}\right]$$

外积

两个三维向量$P$和$Q$的外积仍是一个三维向量，定义：
$$\mathbf{P}\times \mathbf{Q}=⟨P_y{Q}_z-P_z{Q}_y,P_z{Q}_x-P_x{Q}_z,P_x{Q}_y-P_y{Q}_x)$$
伪行列式计算向量外积：
$$\begin{array}{rl}\mathbf{P}\times \mathbf{Q}& =\left|\begin{array}{ccc}\mathbf{i}& \mathbf{j}& \mathbf{k}\\ P_x& P_y& P_z\\ Q_x& Q_y& Q_z\end{array}\right|\\ & =\mathbf{i}\left(P_y{Q}_z-P_z{Q}_y\right)-\mathbf{j}\left(P_x{Q}_z-P_z{Q}_x\right)+\mathbf{k}\left(P_x{Q}_y-P_y{Q}_x\right)\end{array}$$
外积$\mathbf{P}\times \mathbf{Q}$也写成矩阵与向量乘积的形式：
$$\mathbf{P}\times \mathbf{Q}=\left[\begin{array}{ccc}0& -P_z& P_y\\ P_z& 0& -P_x\\ -P_y& P_x& 0\end{array}\right]\left[\begin{array}{l}{Q}_x\\ Q_y\\ Q_z\end{array}\right]$$
令两个向量$P$和$Q$为三维向量，则$(\mathbf{P}\times \mathbf{Q})\cdot \mathbf{P}=0$，而且$(\mathbf{P}\times \mathbf{Q})\cdot \mathbf{Q}=0$。

$(\mathbf{P}\times \mathbf{Q})\cdot \mathbf{R}$的值计算方式：
$$(\mathbf{P}\times \mathbf{Q})\cdot \mathbf{R}=\left|\begin{array}{lll}{P}_x& P_y& P_z\\ Q_x& Q_y& Q_x\\ R_x& R_y& R_x\end{array}\right|$$

向量的外积不满足交换律$\mathbf{P}\times \mathbf{Q}=-(\mathbf{Q}\times \mathbf{P})$

外积$\mathbf{P}\times \mathbf{Q}$的大小与向量$P$和$Q$的夹角$\alpha$之间的关系如下：
$$\Vert \mathbf{P}\times \mathbf{Q}\Vert =\Vert \mathbf{P}\Vert \Vert \mathbf{Q}\Vert \sin \alpha$$

向量空间

向量属于一个被称为向量空间的集合。
定义 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，则以下性质成立。

1. 集合$V$对加法运算封闭，即集合$V$中的任意向量$P$和$Q$，他们的和$P+Q$也是集合$V$的向量。
2. 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$P$，他们的积$aP$也是集合$V$的向量。
3. 集合$V$中存在$0$向量，对于集合$V$中的任意向量$P$，$P+0=0+P=P$成立。
4. 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。
5. 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$R$，$(P+Q)+R=P+(Q+R)$。
6. 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。
7. 标量与向量和的乘法满足分配律，即对于任意实数$a$，以及集合$V$中的任意向量$P$和$Q$，$a(P+Q)=aP+aQ$成立。
8. 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。

由实数组成的$n$元组形式的向量都满足这些性质。包含全部$n$元组形式的向量的向量空间表示为${\mathbb{R}}^n$，例如，包含所有三维向量的向量空间可表示为${\mathbb{R}}^3$。

Gram-Schmidt 正交化

$n$维向量空间的基 B = { e 1 , e 2 , ⋯   , e n } \mathcal{B}=\left\{\mathbf{e}_{1}, \mathbf{e}_{2}, \cdots, \mathbf{e}_{n}\right\} B={e1​,e2​,⋯,en​}通过以下等式可构造一个新的正交向量集合 B ′ = { e 1 ′ , e 2 ′ , ⋯   , e n ′ } \mathcal{B}'=\left\{\mathbf{e}_{1}', \mathbf{e}_{2}', \cdots, \mathbf{e}_{n}'\right\} B′={e1′​,e2′​,⋯,en′​}而正交化。

1. 令${\mathbf{e}}_1^{\prime }={\mathbf{e}}_1$
2. 令$i=2$
3. 从向量${\mathbf{e}}_i$中减去${\mathbf{e}}_i$在向量${\mathbf{e}}_1^{\prime },{\mathbf{e}}_2^{\prime },\cdots ,{\mathbf{e}}_{i-1}^{\prime }$上的投影，结果保存在${\mathbf{e}}_i^{\prime }$中，即
   $${\mathbf{e}}_i^{\prime }={\mathbf{e}}_i-\sum _{k=1}^{i-1}\frac{{\mathbf{e}}_i\cdot {\mathbf{e}}_k^{\prime }}{{\mathbf{e}}_k^{\prime 2}}{\mathbf{e}}_k^{\prime }$$
4. 如果$i<n$，$i$加一，转到步骤(3)。