オーディオとビデオの研究ノート - ベクトルの理解

免責事項:この記事はブロガーオリジナル記事ですが、許可ブロガーなく再生してはなりません。https://blog.csdn.net/shengpeng3344/article/details/91450197

大学は、線形代数を学ぶことがなかったが、唯一再び確認することができます。
「3D数学の基礎。:グラフィックスとゲームの開発」の本をお勧めします

ベクトル

数学的な定義

数学者のために、ベクターは、プログラマのため、番号のリストである他の同様の概念である- アレイ

ベクトルとスカラー

ベクトルとスカラー数学区別し、「速度」および「変位」ベクトルであり、「速度」と「長さ」はスカラーです。

ベクトルの次元

次元ベクトルは、一次元、二次元、三次元、四次元ベクトルに含まれるベクトルの「数個」の数です。それぞれ、以下の図表す:
ここに画像を挿入説明
ここに画像を挿入説明
ここに画像を挿入説明
図4 C ワット C_w 画像は、OpenGLでレンダリング、スケーリング係数を表し

位置と変位

ベクターには、位置、サイズのみと向きを持っていません。
例えば:

  • 変位:「フォワード3つのステップを取る」、この文は、音の位置についてであるが、実際には文で使用される量ではなく、絶対位置よりも、相対変位を示します。相対変位の大きさは、(三段階)及び方向(前方)からなるので、ベクトルで表現することができます。
  • 速度:「我々は、毎時50マイルの速度で北に走行し、」フレーズがどのサイズ(毎時50マイル)と方向(北)、ない特定の位置量を記載しています。「毎時50マイルの速度北」ベクターを発現させることができます。
    注:変位、速度及び距離は、速度は完全に異なる定義があります。任意の方向を指定しない変位及び速度は、方向と距離と速度を含むベクターは、スカラーです。
    ここに画像を挿入説明
    だから、覚えている:ベクトル図、長さだけ矢印の方向が重要である、それは場所が含まれていません。

ベクトル演算

ここに画像を挿入説明

負のベクトル

負の量、元のベクトルと等しくかつ反対のベクトルを取得します
ここに画像を挿入説明

アルゴリズム:

-[x,y] = [-x,-y]
-[x,y,z] = [-x,-y,-z]
-[x,y,z,w] = [-x,-y,-z,-w]

向量大小

ここに画像を挿入説明

运算法则

加法

ここに画像を挿入説明
向量a和向量b相加的几何解释为,平移向量,使得向量a的头指向向量b的尾,接着从a的尾向b的头画一个向量。这就是向量加法的“三角形法则”。
ここに画像を挿入説明

点乘

A B = A バツ b x + a y b y ( a b 2 D ) a\cdot b = a_x b_x + a_y b_y (a和b是2D向量)
a b = a x b x + a y b y + a z b z ( a b 3 D ) a\cdot b = a_x b_x + a_y b_y + a_z b_z(a和b是3D向量) ここに画像を挿入説明
从上述公式中可以看出,点乘满足交换率。
点乘是得到的标量,并满足交换律,所以我们在OpenGL中需要矩阵效果叠加不能使用点乘。

几何解释

ここに画像を挿入説明
点乘等于向量大小与向量夹角的cos值的乘积

a b = a b cos θ a·b =|a||b|\cos \theta

ベクトルプロジェクション

投影点によれば、上記なす角を算出することができます
ここに画像を挿入説明

ベクトルの外積

得られたクロス積は、法線ベクトルと呼ばれる、元の2つのベクトルに垂直なベクトルであります

ここに画像を挿入説明

図平面において、A、B、 a × b \回B AとBに垂直直接平面上の点、

ここに画像を挿入説明

ここに画像を挿入説明
切り出し平行四辺形組成正方形算出部によって
ここに画像を挿入説明
、B場合並行して、0またはいずれか a × b = 0 \回B = 0 ので、零ベクトル外積の定義がある:それは、他のベクトルに平行です。
それは証明されてい a × b \回B に対して垂直に、Bが、Aに対して垂直に、Bは二つの方向、どのように判断するのか?Bに時計方向または反時計方向頭部と尾部Bの、およびチェックを接続することにより、あなたは法線の方向を決定することができるであろう。
aとbが法線ベクトルあなたから離れて、次に反時計回りであった場合は左手座標系では、時計回りで、bは、次いで、法線ベクトルはあなたを指している場合。
右手座標系において、もしBの反時計回り、次に法線ベクトル点もし、あなたから離れて時計回りにおよびbは、法線ベクトル場合。

ここに画像を挿入説明

おすすめ

転載: blog.csdn.net/shengpeng3344/article/details/91450197