计算机图形学必备数学基础：Computer Graphics from Scratch线性代数指南
项目地址: https://gitcode.com/gh_mirrors/co/computer-graphics-from-scratch 计算机图形学的核心在于将数学理论转化为视觉效果，而线性代数正是连接抽象概念与图形渲染的桥梁。本文基于开源项目Computer Graphics from Scratch的附录A0-linear-algebra.md，为初学者提供一套系统的线性代数入门指南，帮助你掌握图形编程中必备的数学工具。
坐标系统：图形世界的基石
所有图形操作都始于坐标系统。在计算机屏幕上，我们通常使用二维笛卡尔坐标系定位像素位置。
图1：屏幕坐标系统示例，原点(0,0)位于左上角，X轴向右延伸，Y轴向下延伸
而在3D图形计算中，我们会将屏幕坐标转换为以中心为原点的标准化设备坐标：
图2：中心原点坐标系统，X轴范围[-960,960]，Y轴范围[-540,540]，适用于3D投影计算
点与向量：构建空间的基本元素
点：位置的数字化表示
点(Point)是空间中的位置标记，用坐标值表示。在2D空间中，点P表示为(Pₓ, Pᵧ)；在3D空间中则为(Pₓ, Pᵧ, P_z)。
图3：点P(4,3)在二维坐标系中的表示，x坐标为4，y坐标为3
向量：方向与大小的数学描述
向量(Vector)代表两点之间的位移，包含方向和大小两个属性。与点不同，向量没有固定位置，仅表示相对位移。
图4：向量A和向量B尽管起点不同，但因方向和大小相同而相等
向量的关键运算包括：
- 向量减法：两点相减得到向量（P-Q=V）
- 向量加法：向量叠加形成新向量（V+W=R）
- 标量乘法：改变向量长度或方向（k·V）
图5：向量V是点P与点Q的差，表示从Q到P的位移
图6：点Q加上向量V得到新的点P，体现向量的位移特性
图7：向量加法的平行四边形法则，V+W与W+V结果相同
图8：向量V乘以不同标量得到的结果，正数改变长度，负数同时改变方向
向量乘法：图形计算的核心工具
点积：角度与投影的计算
点积(Dot Product)是两个向量的乘积运算，结果为标量：
V·W = VₓWₓ + VᵧWᵧ + V_zW_z = |V||W|cosθ
点积可用于计算向量夹角、判断方向关系以及实现光照计算中的漫反射效果。
叉积：法向量与方向判断
叉积(Cross Product)仅适用于3D向量，结果是垂直于两个输入向量的新向量：
V×W = (VᵧW_z - V_zWᵧ, V_zWₓ - VₓW_z, VₓWᵧ - VᵧWₓ)
图9：向量V和W的叉积结果是垂直于两者的向量V×W
叉积在图形学中用于计算平面法向量、判断点的位置关系以及构建3D坐标系。
矩阵：变换的数学表示
矩阵(Matrix)是图形变换的基础工具，可表示旋转、缩放、平移等操作。在计算机图形学中，4×4矩阵被广泛用于3D变换，通过矩阵乘法将点和向量从一个坐标系转换到另一个坐标系。
矩阵乘法遵循"行乘列"规则，这一操作是实现3D模型视图变换、投影变换的核心。通过组合不同变换矩阵，我们可以实现复杂的物体运动和视角变化。
实用技巧：从理论到实践
- 向量归一化：将向量除以其模长得到单位向量，用于表示方向
- 法向量计算：通过叉积获取平面法线，用于光照计算
- 矩阵组合：按顺序组合缩放、旋转、平移矩阵实现复杂变换
- 坐标转换：掌握世界坐标、相机坐标、屏幕坐标之间的转换关系
通过A0-linear-algebra.md中的详细公式和推导，你可以系统学习这些概念的数学原理，为深入图形编程打下坚实基础。
掌握这些线性代数工具后，你将能够理解3D渲染 pipeline 的工作原理，实现从简单的线条绘制到复杂的光照效果，真正体验从数学公式到视觉效果的神奇转化！
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
