¡Una introducción rápida y brutal a Linnear Alfebra!
0 Dependencias de gráficos... Dependencias de gráficos
- Matemáticas Básicas
- álgebra lineal álgebra lineal
- cálculo
- Estadísticas estadísticas
- física básica
- Óptica Óptica
- Mecánica
- otro
- procesamiento de señales procesamiento de señales
- análisis numérico análisis numérico
- Un poco de estética
1 vectores vectores
1.1 Normalización vectorial de la normalización vectorial
un ^ = un ⃗ / ∣ un ∣ \hat{a} = \vec{a}/|a|a^=a/ ∣ un ∣
1.2 Suma de vectores Suma de vectores
- Comprensión de la geometría grométricamente
- Ley del paralelogramo y ley del triángulo
- algebraicamente
- 各坐标相加 Simplemente suma las coordenadas
A = 4 x + 3 y , A = ( xy ) , AT = ( x , y ) , ∣ A ∣ = x 2 + y 2 \boldsymbol{A}=4x+3y,\; \boldsymbol{A}=\begin{pmatrix}x\\y\end{pmatrix},\; \boldsymbol{A}^T=(x,y),\; |\boldsymbol{A}|=\sqrt{x^2+y^2} \quadA=4x _+3 años _A=(Xtu),AT=( X ,y ) ,∣ A ∣=X2+y2
- 各坐标相加 Simplemente suma las coordenadas
1.3 Producto punto vectorial Producto punto (escalar)
1.3.1 Definición y uso
un ⃗ ⋅ segundo ⃗ = ∣ un ⃗ ∣ ∣ segundo ⃗ ∣ porque θ , porque θ = un ⃗ ⋅ segundo ⃗ ∣ un ⃗ ∣ ∣ segundo ⃗ ∣ porque θ \vec{a}\cdot\ vec{b} =|\vec{a}||\vec{b}|\cos\theta,\; \cos\theta=\frac{\vec{a}\cdot\vec{b}}{|\vec{a}||\vec{b}|\cos\theta}a⋅b=∣a∣ ∣b∣porqueyo ,porquei=∣a∣ ∣b∣porqueia⋅b
Para vectores unitarios: cos θ = a ^ ⋅ b ^ Para vectores unitarios: \quad cos\theta=\hat{a}\cdot\hat{b}Para un vector unitario:c o s θ=a^⋅b^
1.3.2 Propiedades
un ⃗ ⋅ segundo ⃗ = segundo ⃗ ⋅ un ⃗ \vec{a}\cdot\vec{b}=\vec{b}\cdot\vec{a}a⋅b=b⋅a
un ⃗ ⋅ ( segundo ⃗ + c ⃗ ) = un ⃗ ⋅ segundo ⃗ + un ⃗ ⋅ c ⃗ \vec{a}\cdot(\vec{b}+\vec{c})=\vec{a}\cdot \vec{b}+\vec{a}\cdot\vec{c}a⋅(b+C)=a⋅b+a⋅C
( ka ⃗ ) ⋅ segundo ⃗ = un ⃗ ⋅ ( kb ⃗ ) = k ( un ⃗ ⋅ segundo ⃗ ) (k\vec{a})\cdot\vec{b}=\vec{a}\cdot(k\ vec{b})=k(\vec{a}\cdot\vec{b})( ka)⋅b=a⋅( kb)=k (a⋅b)
1.3.3 Producto escalar en coordenadas cartesianas
- En 2D
a ⃗ ⋅ segundo ⃗ = ( xaya ) ⋅ ( xbyb ) = xaxb + yayb \vec{a}\cdot\vec{b}=\begin{pmatrix} x_a \\ y_a \\ \end{pmatrix}\cdot \begin{pmatrix} x_b \\ y_b \\ \end{pmatrix}=x_ax_b+y_ay_ba⋅b=(Xunyun)⋅(Xsegundoysegundo)=XunXsegundo+yunysegundo - En 3D
a ⃗ ⋅ segundo ⃗ ⋅ c ⃗ = ( xayaza ) ⋅ ( xbybzb ) = xaxb + yayb + zazb \vec{a}\cdot\vec{b}\cdot\vec{c}=\begin{pmatrix} x_a \\ y_a \\ z_a \end{pmatrix}\cdot\begin{pmatrix} x_b \\ y_b \\ z_b\end{pmatrix}=x_ax_b+y_ay_b+z_az_ba⋅b⋅C=⎝⎛Xunyunzun⎠⎞⋅⎝⎛Xsegundoysegundozsegundo⎠⎞=XunXsegundo+yunysegundo+zunzsegundo
1.3.4 Producto escalar para gráficos
-
Encuentra el ángulo entre dos vectores (por ejemplo, el coseno del ángulo entre la fuente de luz y la superficie)
-
Encontrar la proyección de un vector sobre otro
segundo ⃗ ⊥ = a ^ , k = ∣ segundo ⃗ ⊥ ∣ = ∣ segundo ⃗ ∣ porque θ \vec{b}_\bot=k\hat{a},\;k=|\vec{b}_\ bot|=|\vec{b}|\cos\thetab⊥=ka^ ,k=∣b⊥∣=∣b∣porquei
-
Medir qué tan cerca están dos direcciones
-
Descomponer un vector Descomponer un vector
-
Juicio hacia Determinar adelante / atrás
1.4 Producto cruzado de vector Producto cruzado (vector)
1.4.1 Definición y uso
- El resultado del producto vectorial es un vector, perpendicular a los dos vectores iniciales. El producto vectorial es ortogonal a dos vectores iniciales.
- El resultado del producto vectorial está determinado por la regla de la mano derecha Dirección determinada por la regla de la mano derecha
- Útil en la construcción de sistemas de coordenadas
- El módulo del resultado del producto vectorial es igual en tamaño al área del triángulo formado por los dos vectores
∣ a ⃗ × b ⃗ ∣ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ sin θ |\vec{a}\ veces\vec{b}| =|\vec{a}||\vec{b}|\sin\theta∣a×b∣=∣a∣ ∣b∣pecadoi
1.4.2 Propiedades
un ⃗ × un ⃗ = 0 ⃗ \vec{a}\times\vec{a}=\vec{0}a×a=0
un ⃗ × segundo ⃗ = − segundo ⃗ × un ⃗ \vec{a}\times\vec{b}=-\vec{b}\times\vec{a}a×b=−b×a
un ⃗ × ( segundo ⃗ + c ⃗ ) = un ⃗ × segundo ⃗ + un ⃗ × c ⃗ \vec{a}\times(\vec{b}+\vec{c})=\vec{a}\times \vec{b}+\vec{a}\times\vec{c}a×(b+C)=a×b+a×C
un ⃗ × ( kb ⃗ ) = k ( un ⃗ × segundo ⃗ ) \vec{a}\times(k\vec{b})=k(\vec{a}\times\vec{b})a×( kb)=k (a×b)
1.4.3 Producto cruzado: fórmula cartesiana en el sistema de coordenadas cartesianas
a ⃗ × segundo ⃗ = ( yazb − ybzazaxb − xazbxayb − yaxb ) \vec{a}\times\vec{b}=\begin{pmatrix} y_az_b-y_bz_a \\ z_ax_b-x_az_b \\x_ay_b-y_ax_b \end{pmatrix }a×b=⎝⎛yunzsegundo−ysegundozunzunXsegundo−XunzsegundoXunysegundo−yunXsegundo⎠⎞
1.4.4 Producto cruzado en gráficos
-
determinar izquierda y derecha
- Como se muestra en la siguiente figura, en el sistema de coordenadas de la mano derecha, el resultado de la multiplicación cruzada del vector b por un vector es positivo, luego b está en el lado izquierdo de a
- Como se muestra en la siguiente figura, en el sistema de coordenadas de la mano derecha, el resultado de la multiplicación cruzada del vector b por un vector es positivo, luego b está en el lado izquierdo de a
-
juzgar por dentro y por fuera
- Como se muestra en la siguiente figura, si el resultado de multiplicar tres veces en orden es positivo o negativo, es interno, de lo contrario es externo.
- Como se muestra en la siguiente figura, si el resultado de multiplicar tres veces en orden es positivo o negativo, es interno, de lo contrario es externo.
1.5 Bases Ortonormales / Marcos de Coordenadas
Si hay tres vectores que satisfacen ∣ u ⃗ ∣ = ∣ v ⃗ ∣ = ∣ w ⃗ ∣ = 1 , u ⃗ ⋅ v ⃗ + v ⃗ ⋅ w ⃗ + u ⃗ ⋅ w ⃗ = 0 , w ⃗ = u ⃗ × v ⃗ Si hay tres vectores que satisfacen \quad|\vec{u}|=|\vec{v}|=|\vec{w}|=1,\;\vec{u}\cdot\vec{v}+ \vec {v}\cdot\vec{w}+\vec{u}\cdot\vec{w}=0,\;\vec{w}=\vec{u}\times\vec{v}Si hay tres vectores que satisfacen∣tu∣=∣v∣=∣w∣=1 ,tu⋅v+v⋅w+tu⋅w=0 ,w=tu×v
刪 pags ⃗ = ( pags ⃗ ⋅ tu ⃗ ) tu ⃗ + ( pags ⃗ ⋅ v ⃗ ) v ⃗ + ( pags ⃗ ⋅ w ⃗ ) w ⃗ 刪\quad \vec{p}=(\vec{p}\cdot \vec{u})\vec{u}+(\vec{p}\cdot\vec{v})\vec{v}+(\vec{p}\cdot\vec{w})\vec{w }peropag=(pag⋅tu)tu+(pag⋅v)v+(pag⋅w)w
2 Matriz Matriz
En gráficos,
se utiliza de forma generalizada para representar transformaciones.
2.1 Qué es una matriz Qué es una matriz
- Matriz de números (m × n = m filas, n columnas)
- La suma y la multiplicación por un escalar son triviales: elemento
por elemento
2.2 Multiplicación matriz-matriz
- El número de columnas en A debe ser igual al número de filas en B
( M × N ) ( N × P ) = ( M × P ) (M\times N )(N\times P)=(M\times P)( M×norte ) ( norte×pag )=( M×pag ) - El elemento (i, j) en el producto es el resultado del producto escalar de la fila i en A y la columna j en B
( 1 3 5 2 0 4 ) ( 3 6 9 4 2 7 8 3 ) = ( 9 27 33 13 19 44 61 26 8 28 32?) \ Begin {pmatrix} 1 & 3 \\ 5 & 2 \ \ \ 0 & 4 \ end {pmatrix} \ begin {pmatrix} 3 & 6 & 9 & 4 \ 8 & 8 & end {pmatrix} = \ be = \ be gin {pmatrix} 9 & 27 & 33 & 13 \\ 19 & 44 & 61 & 26 \\ 8 & 28 & 32 &? \ end {pmatrix}⎝⎛150324⎠⎞(32679843)=⎝⎛91 982 74 42 83 36 13 21 32 6?⎠⎞
? = ( 0 , 4 ) ⋅ ( 4 , 3 ) = 0 + 12 = 12 ?=(0,4)\cdot(4,3)=0+12=12?=( 0 ,4 )⋅( 4 ,3 )=0+1 2=1 2
2.3 Propiedades de la matriz
- No conmutativo (AB y BA son diferentes en general)
- Asociativo y distributivo
( AB ) C = A ( BC ) , A ( B + C ) = AB + AC (AB)C=A(BC),\;A(B+C)=AB+ AC( A B ) C=A ( BC ) , _un ( segundo+c )=un b+una c
2.4 Multiplicación matriz-vector
- Tratar el vector como una matriz de columna (m×1)
- Es el núcleo de la transformación Clave para transformar puntos
Transformación simétrica sobre el eje y: ( − 1 0 0 1 ) ( xy ) = ( − xy ) Transformación simétrica sobre el eje y:\quad\begin{pmatrix} -1&0 \\0&1\ \ \end{pmatrix}\begin{pmatrix} x \\ y \\ \end{pmatrix}=\begin{pmatrix} -x \\ y \\ \end{pmatrix}Una transformación que es simétrica con respecto al eje y:(− 1001)(Xtu)=(− xtu)
2.5 Transposición de una matriz
- Intercambiar filas y columnas de la matriz Cambiar filas y columnas (ij -> ji)
( 1 2 3 4 5 6 ) T = ( 1 3 5 2 4 6 ) \begin{pmatrix} 1&2\\3&4\\5&6 \end {pmatrix}^T=\begin{pmatrix} 1&3&5\\2&4&6\\ \end{pmatrix}⎝⎛135246⎠⎞T=(123456) - La naturaleza de la propiedad de transposición
( AB ) T = BTAT (AB)^T=B^TA^T( AB ) _T=BTA _T
2.6 Matriz identidad e inversas
- Matriz de identidad
- Las diagonales de la matriz identidad son todas 1
I 3 × 3 = ( 1 0 0 0 1 0 0 0 1 ) I_{3×3}=\begin{pmatrix} 1&0&0\\0&1&0\\0&0&1 \end{pmatrix}I3 × 3=⎝⎛100010001⎠⎞
- Las diagonales de la matriz identidad son todas 1
- Inversos de matriz inversa
- El producto de dos matrices es una matriz identidad, entonces las dos matrices son inversas
AA − 1 = A − 1 A = I AA^{-1}=A^{-1}A=Iuna _− 1=A− 1 A=I - Propiedades de la matriz inversa
( AB ) − 1 = B − 1 A − 1 (AB)^{-1}=B^{-1}A^{-1}( AB ) _− 1=B− 1 A− 1
- El producto de dos matrices es una matriz identidad, entonces las dos matrices son inversas
3 Multiplicación de vectores en forma de matriz
3.1 Producto punto
un ⃗ ⋅ segundo ⃗ = un ⃗ T segundo ⃗ = ( xayaza ) ( xbybzb ) = ( xaxbyaybzazb ) \vec{a}\cdot\vec{b}=\vec{a}^T\vec{b}=\begin {pmatrix} x_a&y_a&z_a\end{pmatrix}\begin{pmatrix} x_b\\y_b\\z_b \end{pmatrix}=\begin{pmatrix} x_ax_b&y_ay_b&z_az_b\end{pmatrix}a⋅b=aTb=(Xunyunzun)⎝⎛Xsegundoysegundozsegundo⎠⎞=(XunXsegundoyunysegundozunzsegundo)
3.2 Producto cruzado
a ⃗ × b ⃗ = A ∗ b ⃗ = ( 0 − zayaza 0 − xa − yaxa 0 ) ⏟ una matriz vectorial adjunta ( matriz dual ) ( xbybzb ) \vec{a}\times\vec{b}=A^ * \vec{b}=\underbrace{\begin{pmatrix} 0&-z_a&y_a\\z_a&0&-x_a\\-y_a&x_a&0 \end{pmatrix}}_{\rm{una matriz adjunta vectorial (doble\,matriz)} }\ comenzar{pmatrix} x_b\\y_b\\z_b \end{pmatrix}a×b=A∗b=una matriz vectorial adjunta ( d u a l _matriz ) _ _ _ _ _ ⎝⎛0zun− yun− zun0Xunyun− xun0⎠⎞⎝⎛Xsegundoysegundozsegundo⎠⎞