1.1 基础回顾

  • 向量表示方式为 \(\vec{a}\) 或者 \(\boldsymbol{a}\)
  • 向量长度 \(\|\vec{a}\|\)
  • 单位向量表示方式为:\(\hat{a}=\vec{a} /\|\vec{a}\|\)
  • 向量表示采用笛卡尔坐标(Cartesian Coordinates),例如

\(\mathbf{A}=\left(\begin{array}{l}x \\ y\end{array}\right) \quad \mathbf{A}^{T}=(x, y) \quad\|\mathbf{A}\|=\sqrt{x^{2}+y^{2}}\)

注意,一般默认向量为列向量。

1.2 向量相乘

1.2.1 点乘

  • 定义:

\(\vec{a} \cdot \vec{b}=\|\vec{a}\|\|\vec{b}\| \cos \theta\)
\(\cos \theta=\frac{\vec{a} \cdot \vec{b}}{\|\vec{a}\|\|\vec{b}\|}\)

  • 性质

\(\vec{a} \cdot \vec{b}=\vec{b} \cdot \vec{a}\)
\(\vec{a} \cdot(\vec{b}+\vec{c})=\vec{a} \cdot \vec{b}+\vec{a} \cdot \vec{c}\)
\((k \vec{a}) \cdot \vec{b}=\vec{a} \cdot(k \vec{b})=k(\vec{a} \cdot \vec{b})\)

  • 计算示例

\(\vec{a} \cdot \vec{b}=\left(\begin{array}{l}x_{a} \\ y_{a}\end{array}\right) \cdot\left(\begin{array}{l}x_{b} \\ y_{b}\end{array}\right)=x_{a} x_{b}+y_{a} y_{b}\)

  • 用途

1) 计算投影

【GAMES101-现代计算机图形学课程笔记】Lecture 02 Review of Linear Algebra

2) 判断两个向量是否同向

点乘结果>0就表示基本同向,=1表示方向完全一致。

1.2.2 叉乘

  • 定义

\(a \times b=-b \times a\)
\(\|a \times b\|=\|a\|\|b\| \sin \phi\)

使用右手法则。

【GAMES101-现代计算机图形学课程笔记】Lecture 02 Review of Linear Algebra
叉乘不满足交换律。

  • 用途

1)生成坐标轴
\(\vec{x} \times \vec{y}=+\vec{z}\)
\(\vec{y} \times \vec{x}=-\vec{z}\)
\(\vec{y} \times \vec{z}=+\vec{x}\)
\(\vec{z} \times \vec{y}=-\vec{x}\)
\(\vec{z} \times \vec{x}=+\vec{y}\)
\(\vec{x} \times \vec{z}=-\vec{y}\)

2)判定左 / 右 或者 内 / 外

比如一直坐标系由XYZ组成,然后现在想判断向量b是在a的左边还是右边,之需要求出\(\vec{x} \times \vec{y}\)可以知道与\(\vec{z}\)同向,所以b在a左边。

\(\vec{AP}\)始终在三条有向边\(\vec{AB},\vec{BC},\vec{CA}\)的同一侧(左侧),所以p点在三角形内侧。

注意:三角形三条边的向量必须首尾相连,所以如果我们把下面三角形的三条边向量换一个方向,但是因为最后可以算出AP都在三条边的右侧,即同一侧,所以P点在三角形内侧。

【GAMES101-现代计算机图形学课程笔记】Lecture 02 Review of Linear Algebra

2. Matrix (矩阵)

矩阵在图形学里常用于表示变换(Transformations),比如 translation,rotation,shear,scale等。

矩阵相乘运算

\(\left(\begin{array}{ll}1 & 3 \\ 5 & 2 \\ 0 & 4\end{array}\right)\left(\begin{array}{llll}3 & 6 & 9 & 4 \\ 2 & 7 & 8 & 3\end{array}\right)=\left(\begin{array}{cccc}9 & ? & 33 & 13 \\ 19 & 44 & 61 & 26 \\ 8 & 28 & 32 & ?\end{array}\right)\)

以右边那个8为例,可以看到它是第三行第一列,所以直接找到左边矩阵的第三行,即 \([0\,\,4]\),和右边矩阵第一列 \([3\,\,2]^T\),然后做点积即可求得为8.

  • 性质

  • \((\mathrm{AB}) \mathrm{C}=\mathrm{A}(\mathrm{BC})\)

  • \(A(B+C)=A B+A C\)

  • \((\mathrm{A}+\mathrm{B}) \mathrm{C}=\mathrm{AC}+\mathrm{BC}\)

  • 矩阵转置:\((A B)^{T}=B^{T} A^{T}\)

  • 对角矩阵:只有对角线上有非零元素

  • 单位矩阵:对角线上全为1的对角矩阵

  • 矩阵的逆:

    • \(A A^{-1}=A^{-1} A=I\)
    • \((A B)^{-1}=B^{-1} A^{-1}\)

矩阵乘法转化成矩阵形式

  • 点积

\[\begin{aligned} & \vec{a} \cdot \vec{b}=\vec{a}^{T} \vec{b} \\=\left(\begin{array}{lll}x_{a} & y_{a} & z_{a}\end{array}\right)\left(\begin{array}{l}x_{b} \\ y_{b} \\ z_{b}\end{array}\right)=\left(x_{a} x_{b}+y_{a} y_{b}+z_{a} z_{b}\right) \end{aligned} \]

  • 叉乘

\(\vec{a} \times \vec{b}=A^{*} b=\left(\begin{array}{ccc}0 & -z_{a} & y_{a} \\ z_{a} & 0 & -x_{a} \\ -y_{a} & x_{a} & 0\end{array}\right)\left(\begin{array}{l}x_{b} \\ y_{b} \\ z_{b}\end{array}\right)\)

注意 : A*b的*不表示乘法




微信公众号:AutoML机器学习
【GAMES101-现代计算机图形学课程笔记】Lecture 02 Review of Linear Algebra
MARSGGBO原创
如有意合作或学术讨论欢迎私戳联系~
邮箱:marsggbo@foxmail.com



2020-04-24 23:32:12



分类:

技术点:

相关文章: