跳到主要内容

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 R3\mathbb{R}^3 里的三元组 (x,y,z)(x,y,z),但语义完全不同:

  • 点在平移下会变化:P+t=P′P + t = P'
  • 方向在平移下不变:v⃗+t=v⃗\vec{v} + t = \vec{v}

这个区别在齐次坐标里显式化了——点写成 (x,y,z,1)(x,y,z,1),方向写成 (x,y,z,0)(x,y,z,0),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​

∥v⃗∥=x2+y2+z2,v^=v⃗∥v⃗∥\|\vec{v}\| = \sqrt{x^2+y^2+z^2}, \quad \hat{v} = \frac{\vec{v}}{\|\vec{v}\|}

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 ∥v⃗∥2\|\vec{v}\|^2 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​

a⃗⋅b⃗=axbx+ayby+azbz=∥a⃗∥∥b⃗∥cos⁡θ\vec{a}\cdot\vec{b} = a_xb_x+a_yb_y+a_zb_z = \|\vec{a}\|\|\vec{b}\|\cos\theta

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a⃗⋅b⃗>0\vec{a}\cdot\vec{b} > 0夹角小于 90°
光照强度max⁡(0,n⃗⋅l⃗)\max(0, \vec{n}\cdot\vec{l})Lambert 漫反射
投影长度a⃗⋅b^\vec{a}\cdot\hat{b}a⃗\vec{a} 在 b⃗\vec{b} 上的分量
点到平面距离n⃗⋅p⃗+d\vec{n}\cdot\vec{p}+d平面方程 n⃗⋅x⃗+d=0\vec{n}\cdot\vec{x}+d=0
反射向量r⃗=d⃗−2(d⃗⋅n⃗)n⃗\vec{r}=\vec{d}-2(\vec{d}\cdot\vec{n})\vec{n}镜面反射
视锥剔除顶点对每个面 n⃗⋅p⃗+d\vec{n}\cdot\vec{p}+d 的符号六个平面同号则可见

Lambert 定律最能体现点积的物理含义。表面法线 n⃗\vec{n} 和光源方向 l⃗\vec{l} 都单位化以后,n⃗⋅l⃗\vec{n}\cdot\vec{l} 直接就是入射光的余弦——这正是 BRDF 里能量守恒的核心。

3. 叉积:构造正交向量的机器​

a⃗×b⃗=∣i⃗j⃗k⃗axayazbxbybz∣=[aybz−azbyazbx−axbzaxby−aybx]\vec{a}\times\vec{b} = \begin{vmatrix}\vec{i}&\vec{j}&\vec{k}\\a_x&a_y&a_z\\b_x&b_y&b_z\end{vmatrix} = \begin{bmatrix}a_yb_z-a_zb_y\\a_zb_x-a_xb_z\\a_xb_y-a_yb_x\end{bmatrix}

叉积产生一个同时垂直于 a⃗\vec{a} 和 b⃗\vec{b} 的向量,方向由右手定则决定,长度 ∥a⃗∥∥b⃗∥sin⁡θ\|\vec{a}\|\|\vec{b}\|\sin\theta 等于两向量张成的平行四边形面积。

图形学里的典型用途:

  • 计算三角形法线:n⃗=(v⃗1−v⃗0)×(v⃗2−v⃗0)\vec{n}=(\vec{v}_1-\vec{v}_0)\times(\vec{v}_2-\vec{v}_0)
  • 构造切线空间:法线贴图需要 TBN(Tangent-Bitangent-Normal)三元组,B 通常由 T 和 N 的叉积得到
  • 判断顶点绕序(CCW/CW):三角形面积的符号决定了背面剔除
  • 计算力矩、角动量:物理仿真里的核心

叉积不满足交换律(a⃗×b⃗=−b⃗×a⃗\vec{a}\times\vec{b}=-\vec{b}\times\vec{a}),这正是"绕序"这个概念的数学根源。OpenGL 默认逆时针为正面,DirectX 默认顺时针,底层都是叉积符号的约定差异。

      ^ b×a (指向屏幕外)
│
│
└─────> a
╱
╱
↙ a×b (指向屏幕内)

4. 矩阵:线性变换的表格化​

一个 n×nn\times n 矩阵编码了一个 Rn→Rn\mathbb{R}^n\to\mathbb{R}^n 的线性变换。列向量就是基向量变换后的位置——这是理解矩阵最直观的方式。

M=[∣∣∣Me⃗1Me⃗2Me⃗3∣∣∣]M = \begin{bmatrix}|&|&|\\M\vec{e}_1&M\vec{e}_2&M\vec{e}_3\\|&|&|\end{bmatrix}

标准正交基 e⃗1,e⃗2,e⃗3\vec{e}_1,\vec{e}_2,\vec{e}_3 被 MM 送到哪里,矩阵的列就是什么。看到一个矩阵,先看它的三列——你就知道它对空间做了什么。

4.1 常用 3x3 变换​

缩放:

S=[sx000sy000sz]S = \begin{bmatrix}s_x&0&0\\0&s_y&0\\0&0&s_z\end{bmatrix}

绕 z 轴旋转:

Rz(θ)=[cos⁡θ−sin⁡θ0sin⁡θcos⁡θ0001]R_z(\theta) = \begin{bmatrix}\cos\theta&-\sin\theta&0\\\sin\theta&\cos\theta&0\\0&0&1\end{bmatrix}

绕 x/y 的旋转矩阵结构对称。任意轴旋转有 Rodrigues 公式——但真到工程里几乎没人手写 Rodrigues,直接用四元数或从两个正交向量构造(见第 6 节)。

切变(shear)、投影、反射也都是 3x3 矩阵。它们的共同特征:保留原点。这就是"线性"变换的定义——原点不动。想让原点动,必须升维。

4.2 平移为什么必须齐次​

平移 p⃗→p⃗+t⃗\vec{p}\to\vec{p}+\vec{t} 不是线性变换(原点动了),所以在 3x3 里表达不出来。解决办法是加一维,把点写成 (x,y,z,1)(x,y,z,1):

T=[100tx010ty001tz0001],T[xyz1]=[x+txy+tyz+tz1]T = \begin{bmatrix}1&0&0&t_x\\0&1&0&t_y\\0&0&1&t_z\\0&0&0&1\end{bmatrix}, \quad T\begin{bmatrix}x\\y\\z\\1\end{bmatrix} = \begin{bmatrix}x+t_x\\y+t_y\\z+t_z\\1\end{bmatrix}

方向向量的 w=0w=0,所以 Tv⃗=v⃗T\vec{v}=\vec{v}——方向不受平移影响,正好符合物理直觉。齐次坐标不只是一个技巧,而是射影几何的原生表达。透视投影里 ww 会变成有意义的非零值,除以 ww 才回到欧氏空间——这是坐标空间变换的核心。

5. 矩阵组合与顺序​

(AB)v⃗=A(Bv⃗)(AB)\vec{v} = A(B\vec{v})

从右往左读:先应用 BB,再应用 AA。图形学里典型的 MVP 变换:

v⃗clip=P⋅V⋅M⋅v⃗local\vec{v}_{\text{clip}} = P\cdot V\cdot M\cdot\vec{v}_{\text{local}}

从右到左:模型矩阵 MM 把物体从局部空间搬到世界,视图 VV 搬到相机,投影 PP 搬到裁剪空间。

矩阵乘法不满足交换律——先转再平移和先平移再转结果完全不同:

先旋转再平移(绕原点转,然后走到新位置):
╱→ P'
╱
* P

先平移再旋转(先走到新位置,再绕原点转):
↗ P'
╱
*────────>P

图形学里 90% 的"物体位置不对"的 bug 都是矩阵顺序写反。经验:先想清楚"这个变换在什么坐标系里做",再决定乘的位置。

5.1 逆矩阵与转置​

  • 正交矩阵(旋转矩阵):R−1=RTR^{-1}=R^T,极快
  • 齐次变换(旋转 + 平移):T−1T^{-1} 可以显式写出,不用 LU 分解
  • 一般 4x4:才需要真求逆

法线向量的变换很微妙:如果模型矩阵含非均匀缩放,法线不能直接用模型矩阵变换,否则会不再垂直于表面。正确做法是用 (M−1)T(M^{-1})^T——法线矩阵。推导:切向量 t⃗\vec{t} 变换为 Mt⃗M\vec{t},法线要保持 n⃗⋅t⃗=0\vec{n}\cdot\vec{t}=0,即 n⃗′⋅(Mt⃗)=0\vec{n}'\cdot(M\vec{t})=0,得 n⃗′=(M−1)Tn⃗\vec{n}'=(M^{-1})^T\vec{n}。

6. 四元数:旋转的最佳表示​

三种旋转表示:

表示存储组合插值万向锁
欧拉角3 值麻烦逐分量,不平滑有
3x3 矩阵9 值矩阵乘不能直接插值无
四元数4 值四元数乘slerp 平滑无

四元数 q=w+xi+yj+zkq=w+xi+yj+zk,四个实数,虚部满足 i2=j2=k2=ijk=−1i^2=j^2=k^2=ijk=-1。单位四元数(w2+x2+y2+z2=1w^2+x^2+y^2+z^2=1)可以表示旋转:绕单位轴 u⃗\vec{u} 旋转 θ\theta 对应

q=cos⁡θ2+sin⁡θ2(uxi+uyj+uzk)q = \cos\frac{\theta}{2} + \sin\frac{\theta}{2}(u_xi+u_yj+u_zk)

关键运算:

  • 组合两次旋转:q2q1q_2 q_1(四元数乘,右侧先做)
  • 旋转向量:v⃗′=qv⃗q−1\vec{v}' = q\vec{v}q^{-1}(把 v⃗\vec{v} 视为纯虚四元数)
  • 求逆:单位四元数 q−1=q∗=w−xi−yj−zkq^{-1}=q^*=w-xi-yj-zk

为什么四元数是骨骼动画的标配:关键帧之间的插值。矩阵直接线性插值会得到非旋转矩阵(变形),欧拉角插值会走弯路且遇万向锁,只有四元数的球面线性插值(slerp)沿最短弧,速度均匀:

slerp(q0,q1,t)=sin⁡((1−t)Ω)sin⁡Ωq0+sin⁡(tΩ)sin⁡Ωq1\text{slerp}(q_0,q_1,t) = \frac{\sin((1-t)\Omega)}{\sin\Omega}q_0 + \frac{\sin(t\Omega)}{\sin\Omega}q_1

Ω\Omega 是两四元数的夹角。qq 和 −q-q 表示同一个旋转,插值前要选点积正的那个,不然会走"长路"。

6.1 万向锁到底是什么​

欧拉角用三个绕轴旋转组合表示任意旋转:R=Rz(γ)Ry(β)Rx(α)R=R_z(\gamma)R_y(\beta)R_x(\alpha)。当 β=±90°\beta=\pm 90° 时,RxR_x 和 RzR_z 变成同一个轴——原本三个自由度塌成两个。物理上表现为陀螺仪的两个环重合,失去一个转动自由度,故名"gimbal lock"。四元数用四维表示三维旋转本身就是过参数化(单位约束占掉一维),没有奇异点。

7. 应用:构造一个"看向"矩阵​

给定相机位置 e⃗\vec{e}、目标点 t⃗\vec{t}、上方向 u⃗up\vec{u}_{\text{up}},构造视图矩阵。这个例子把上面的东西全部串起来。

1. 前向:  f = normalize(t - e)      // 单位化
2. 右向: r = normalize(f × u_up) // 叉积构造正交
3. 上向: u = r × f // 再叉积,得完美正交基
4. 组装矩阵:
┌ r.x r.y r.z -r·e ┐
│ u.x u.y u.z -u·e │
V = │-f.x -f.y -f.z f·e │
└ 0 0 0 1 ┘

第 4 步的负号来自"视图矩阵是相机变换的逆"——相机在世界坐标是 e⃗\vec{e},视图空间里相机在原点,所以整个世界要往反方向平移。旋转部分正交,逆等于转置,所以直接写行向量为原基向量。这就是 gluLookAt 的全部内容。

8. 图形学数学的工程化经验​

  • 列主序 vs 行主序:OpenGL、GLSL、Eigen 是列主序,DirectX、Unity 内部是行主序。同一个矩阵内存布局不同,乘顺序也可能反过来。跨引擎移植时先搞清楚这个再谈其他。
  • 精度:GPU 主要用 float32,近处物体没问题,但世界很大时(月球、太阳系尺度)会出现 z-fighting、抖动。行星级渲染要做相对相机的坐标,把大数减掉。
  • SIMD 友好:向量按 16 字节对齐,矩阵按 4x4 存(哪怕只用 3x3),便于 SSE/NEON 单指令处理。
  • 不要手推:GLM、Eigen、DirectXMath 已经把常用变换写好且测过。除非你在做数学推导,否则不要自己实现矩阵求逆。

这些不是可选项而是工程默认——图形学里的 bug 一半来自数学错,另一半来自数学对了但数值精度不够。

9. 通向下一站​

有了向量矩阵这套语言,下一步就是把它组织成流水线——顶点数据从模型空间一路走到屏幕像素,每一步都是一次矩阵乘或除法。这个流程在坐标空间变换和渲染管线概览里逐段展开。而几何本身的表达——点线面、隐式曲面、参数曲面——则是几何基础的主题。