# 3D 数学基础

## 矢量

### 点积

![](/files/-MMJ8IzyAse3EoWoU_0W) ![](/files/-MMJ8J-0lC0snSgeBDwv)

### 叉积

![](/files/-MMJ8J-1hqn6-6e935or) 将右手食指指向 a 的方向、中指指向 b 的方向，则此时拇指的方向即为 a x b 的方向

## 矩阵

### 线性变换

#### 旋转

在二维中，只会针对某一点进行旋转。在三维中，会针对某一个轴进行旋转。旋转仅具有一个参数：旋转角度 θ ，它定义了旋转量。 在二维或者三维空间中对某一个点做旋转，可以分解为各个方向基矢量的旋转。

![](/files/-MMJ8J-2UNPUI9a4k-S0) ![](/files/-MMJ8J-3wbQnCI5q47kS) ![](/files/-MMJ8J-55oA3hnh_j4bF)

[任意轴三维旋转](https://zhuanlan.zhihu.com/p/56587491)

#### 缩放

任意方向的缩放 设 n 为平行于缩放方向的单位向量，k 为缩放因子，缩放沿着穿过原点的并平行于 n 的直线（2D 中）或平面（3D 中）进行。 先讨论 2D 中的推导过程。我们需要推导一个表达式，给定向量 v，可以通过 v,n 和 k 来计算 v`。将v和v`分解为平行和垂直于 n 的分向量 ![](/files/-MMJ8J-7cpqY2wGbvcpd) v||是 v 在 n 上的投影 ![](/files/-MMJ8J-8sDOvTBU8PQ1C) v⊥ 垂直于 n，不会受缩放影响

![](/files/-MMJ8J-Bs9MkiM4lXePW) v\`||受缩放因子影响 ![](/files/-MMJ8J-CL0xvHsxYXeK-) 推导得到 v\`

![](/files/-MMJ8J-Dx3-o-hBHwXNC) 通过表达式来推导基向量

![](/files/-MMJ8J-EcQUrmTCH2vhE) 通过基向量构建矩阵，得到以单位向量 n 为缩放方向，以 k 为缩放因子的缩放矩阵 ![](/files/-MMJ8J-FUfMg1k9tkmdL) 同样的原理运用在 3D 中 ![](/files/-MMJ8J-GJjagFSwEdnhw) 是 scale(缩放)的缩写 S(n,k)表示缩放矩阵 ![](/files/-MMJ8J-HQjFLyOZokFwg)

#### 投影

投影到任意线和平面

#### 反射

围绕任意轴反射的二维矩阵 围绕任意平面反射的二维矩阵

#### 错切

错切是一种倾斜坐标空间的变换，它将不均匀地拉伸坐标空间，不保留角度，但是保留体积和面积。一个基本的思路是将一个坐标的倍数添加到另一个坐标上。

### 变换的类型

![](/files/-MMJ8J-IjBF2S9jdSjVf)

### 行列式

对于方形矩阵，存在一个特殊的标量：行列式。

#### 矩阵的行列式

![](/files/-MMJ8J-Jh4_0vJa-D7VG)

#### 行列式一些比较重要的特征

* 任何维度的单位矩阵行列式为 1
* 矩阵乘积的行列式等于行列式的乘积
* 矩阵转置的行列式等于原始矩阵的行列式
* 如果矩阵的一行或者一列都为 0，那么行列式为 0
* 交换任意行或者任意列会让行列式变负
* 将行（列）的任意倍数添加到另一行（列）上，行列式不变

#### 行列式的几何解释

二维中，行列式等于两个矢量作为两条边的平行四边形面积 三维中，行列式是平行六面体的体积。 如果行列式为 0，则矩阵包含投影，如果行列式为负，则矩阵包含反射。

### 逆矩阵

一般情况下，奇异矩阵的行列式为 0，非奇异矩阵的行列式不为 0。特殊情况：具有基矢量的极端错切矩阵，构成具有单位体积的非常长的薄平行六面体，行列式为 0，矩阵几乎是奇异的。

#### 伴随矩阵

![](/files/-MMJ8J-K1jF_mH_9Dsvi)

#### 计算逆矩阵--正式线性代数规则

![](/files/-MMJ8J-MYqmI7uQppSQn)

#### 矩阵求逆的重要特征

* 矩阵的逆矩阵的逆是原始矩阵
* 矩阵转置的逆矩阵是矩阵逆的转置
* 逆矩阵的行列式是原始矩阵行列式的倒数

#### 逆矩阵的几何解释

撤销一个变换

### 正交矩阵

#### 正交矩阵--正式线性代数规则

* 当且仅当矩阵及其转置的乘积是单位矩阵时，方阵 M 是正交的。
* 如果矩阵是正交的，那么矩阵的转置等于矩阵的逆

#### 正交矩阵的几何解释

* 如果变换矩阵仅包含旋转和/或反射，那么得到的变换矩阵是正交矩阵

  要使矩阵正交，需要满足：
* 矩阵的每一行是单位矢量
* 矩阵的行必须相互垂直

#### 矩阵的正交化

* 三维基矢量的 Gram-Schmidt 正交化
* 无偏差的递增正交化

### 齐次矩阵

#### 齐次空间

考虑二维中的齐次坐标 (x, y, w)，可以通过 (x/w, y/w) 将三维的一个点映射到 w=1 的平面之上。 三维中的情况也相同，三维空间的点可以认为是存在于四维 w=1 的超平面上。 使用齐次坐标主要有两方面的考虑：

1. 表示上的方便，可以将线性变换与平移变换，先旋转再平移。需要着重理解的是平移变换实际上是更高维度的线性变换，即在四维空间中应用错切变换，在三维空间中的效果是被平移了。
2. w 取适当的值，齐次除法将导致透视投影。

#### 一般性的仿射变换

由于使用了 4x4 的齐次矩阵，增加了三维上的平移操作，因此之前的变换可以更加一般化。 之前的多数要求都是要基于原点进行，例如旋转和缩放等。引入了齐次矩阵后我们可以不必基于原点。使用平移先进行变换到原点上，然后应用线性变换，再平移回去。 透视投影矩阵 投影到在 z=d 的平面的投影矩阵： ![](/files/-MMJ8J-NiQKmMEoZP14J)

## 极坐标

### 二维

二维中的极坐标使用 (r, ⍬)进行表示，角度\[-π, π]使用弧度而非度数进行表示。

### 三维

三维空间的极坐标使用三个参数描述，第三个的参数既可以是一个距离，也可以是一个角度。 当第三个参数是距离时，使用的是圆柱坐标；第三个参数是角度时，使用的是球面坐标。 使用球面坐标会使第三个参数为 0 时陷入万向节死锁。

## 三维旋转

### 定向

对于一个矢量而言，如果沿着矢量的方向对矢量进行旋转，那么矢量是不会变化的。但是考虑一个具有具体形态的物体例如飞机，沿着飞行方向对飞机进行旋转，飞机会发生变化。 使用球面坐标来描述，方向可以使用两个数来表示，即球面坐标的两个角度。但是定向需要三个数字（欧拉角）。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://xiaobaiha.gitbook.io/tech-share/ke-shi-hua/3d-shu-xue-ji-chu.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.