二维笛卡尔坐标系：可以通过将自身设置为原点，找到目标离自己的距离和方向
三维笛卡尔坐标系：定义三个坐标轴和一个原点，这三个坐标轴是该坐标系的基矢量，并且这三条坐标轴之间是互相垂直的，且长度为1，这样的基矢量被称为标准正交基。如果互相垂直但长度不为1，则被称为正交基。
三维可分成左手坐标系和右手坐标系，二维坐标系可以通过旋转使两个坐标系方向重合，但是三维坐标系可能会有如何旋转都无法方向完全重合的情况，就比如以下两个坐标系。
用两种坐标系去描述下列图片的话：
因此在左手坐标系中，首先向x轴正方向平移1个单位，然后再向z轴负方向移动4个单位，最后朝旋转的正方向旋转60°。而在右手坐标系中，首先向x轴正方向平移1个单位，然后再向z轴正方向移动4个单位，最后朝旋转的负方向旋转60°。
对于模型空间来说，Unity使用的是左手坐标系。
对于观察空间（以摄像机为原点的坐标系）来说，Unity使用的是右手坐标系，摄像机的前向是z轴的负方向，也就是说，z轴坐标的减少意味着场景深度的增加。
一些练习题：
个人解答：
（1）右手坐标系
（2）旋转后的坐标为（1，0，0），第二个旋转坐标为（1，0，0）
（3）观察空间下为-10，模型空间下为10
标量和向量的乘除：（注意除法只能是向量被标量除）
向量的加法和减法：
向量的模：对于二维向量模的几何意义就是使用了勾股定理，向量的两个分量的绝对值对应了三角形两个直角边的长度，而斜边的长度就是向量的模。
单位向量：当我们只关心向量的方向而不是模时，就需要计算单位向量，它一般指那些模为1的向量，也被称为归一化的向量。（零向量不可被归一化，因为做除法运算时分母不能为0）
点积：
公式一：
点积的几何意义：投影，也可以知道两个向量的方向关系（前后）
可以得到以下的性质，性质三代表着我们可以直接用点积来求向量的模，只要对结果进行开平方即可，不过大部分情况下，我们只是想比较两个向量的长度大小，因此可以直接使用点积的结果。
公式二：
根据公式二我们可以得到两个向量之间的夹角（在0°~180°）
叉乘：叉乘得出来的仍然是一个向量，它的几何意义是可以得到一个同时垂直于这两个向量的新向量，这个新向量的模是a和b的模的乘积再乘以他们之间夹角的正弦值，这个新向量的方向就代表了b在a的左侧或者右侧。
矩阵：
矩阵和向量都是数组，那么就可以将两者联系起来，向量可以看成nx1的列矩阵或者1xn的行矩阵，比如向量v=(3,8,6)
标量和矩阵的乘法：
矩阵和矩阵的乘法 ：即对于每个元素cij找到A中的第i行和B中的第j列，然后把他们对应的元素相乘然后在加起来。
因此，矩阵乘法不满足交换律，但是满足结合律。
一些特殊的矩阵
方块矩阵：简称方阵，指那些行和列数目相等的矩阵。在三维渲染里，最常用的就是3x3和4x4的方阵。方阵的对角元素是指行号和列号相等的元素，如果一个矩阵除了对角元素外所有元素都为零，那么这个矩阵就叫做对角矩阵。
单位矩阵：任何矩阵和他相乘的结果还是原来的矩阵，即MI=IM=M
转置矩阵：是对原矩阵的一种运算，即转置运算。给定一个rxc的矩阵M，她的转置可以表示成
，这是一个cxr的矩阵，计算只需要把原矩阵翻转一下即可，也就是说原矩阵的第i行变成了第i列，而第j列变成了第j行。
逆矩阵：不是所有矩阵都有逆矩阵，第一个前提就是该矩阵必须是一个方阵。逆矩阵最重要的性质就是
如何判断一个矩阵是否可逆，简单来说就是如果一个矩阵的行列式不为0，那它就是可逆的。
逆矩阵的几何意义：矩阵可以表示一个变换，而逆矩阵允许我们还原这个变换
正交矩阵：正交是矩阵的一种属性，如果一个方阵M和他的转置矩阵的乘积是单位矩阵的话，我们就说这个矩阵是正交的
根据正交矩阵的定义：如下图可得，矩阵的每一行，即c1,c2,c3使单位矢量，因为只有这样它们与自己的点积才能是1，且他们三个之间互相垂直，这样他们之间的点积才能是0
