向量与矩阵:图形学的数学基石
图形学几乎所有东西都可以归结成一句话:把一堆点乘上一堆矩阵。顶点变换是矩阵乘法,光照计算是点积,法线校正是叉积,相机旋转是四元数,物理仿真是解线性方程组。学不会向量与矩阵不能说不能做图形学,但每写一行代码都得从头推导,效率低到不能忍。
这一篇不打算像线性代数教材那样从公理开始,而是围绕图形学场景里真实用到的操作展开——每个概念都有一个具体的图形学用途。
1. 向量:位置与方向的统一语言
向量在图形学里同时承担两种角色:位置(point)和方向(direction)。数学上都是 里的三元组 ,但语义完全不同:
- 点在平移下会变化:
- 方向在平移下不变:
这个区别在齐次坐标里显式化了——点写成 ,方向写成 ,第四维决定了平移矩阵会不会影响它。这一点会在坐标空间变换里详细展开。
1.1 长度、单位化、距离
单位化几乎每帧都要做无数次——法线必须是单位向量,光照方向必须是单位向量,否则点积就不是余弦值。除法开销大,工程上常见的技巧:
- 用平方长度 比大小(比距离时不用开方)
- 快速倒数平方根(Quake III 的
0x5f3759df魔数) - SIMD 一次算 4 个分量
现代 GPU 有硬件 rsqrt 指令,开销和普通乘法差不多,魔数已经是历史,但那段代码仍然是"理解浮点位表示"的经典教材。
2. 点积:几何测量的瑞士军刀
点积是标量,但编码了角度信息。图形学里它出现在几乎所有的"测量"场景:
| 用途 | 表达式 | 说明 |
|---|---|---|
| 判断同向 | 夹角小于 90° | |
| 光照强度 | Lambert 漫反射 | |
| 投影长度 | 在 上的分量 | |
| 点到平面距离 | 平面方程 | |
| 反射向量 | 镜面反射 | |
| 视锥剔除 | 顶点对每个面 |