第 2 章向量 (Vectors)

核心结论

向量有数学与几何两套等价定义：数学上 = 数字的有序列表，几何上 = 有向线段（只有大小与方向，没有位置）；3D 数学侧重几何解释。
向量与点的根本区别：向量描述位移（"从这里到那里"），点描述 绝对位置；向量相等只看大小与方向不看起点。
基本运算：取反、数乘、加减——都按分量独立运算，几何上对应方向翻转 / 拉伸 / 平移拼接；平行四边形与三角形法则是几何直觉来源。
大小与单位向量：magnitude \(\|\mathbf{v}\|\) 用毕达哥拉斯推广；单位向量 \(\hat{\mathbf{v}} = \mathbf{v} / \|\mathbf{v}\|\) 是"只保留方向"的工具，规范化 (normalize) 是后续投影 / 光照 / 物理单位化的前置步骤。
点积 (dot product)：把两个向量的"对齐程度"折成标量；几何意义 = 一个向量在另一个向量上的 有符号投影长度；代数实现 = 对应分量乘积之和。点积是光照、夹角、相似性、矩阵乘法的源头。
叉积 (cross product)：仅限 3D；结果是同时垂直于两个输入向量的向量；大小 = 平行四边形面积、方向 = 由手性决定（左手系顺时针朝你 / 右手系逆时针朝你）；叉积是法向量与"判断顺逆时针"的核心工具。

本章主旨

本章是 3D 数学的"积木章"——把上一章的笛卡尔坐标系具象化为可运算的对象。围绕 6 个核心概念：向量本身、向量 vs 点、基本运算、长度 / 单位向量、点积、叉积。点积与叉积是后续矩阵乘法、变换、旋转、光照、碰撞检测的几何底座，所有 3D 引擎 API 都把这两个运算暴露为内建函数。

一、核心概念

本章围绕 6 个核心概念展开：从向量的两套等价定义出发，明确"向量 ≠ 点"，建立基本运算，再深入到大小 / 单位向量，最后是点积与叉积这两个核心几何算子。

概念定义 + 重要性实现提示

概念	定义 + 重要性	实现提示
向量的两套定义	数学：有序列表 `v = [vx, vy, vz]`；几何：有向线段（大小 + 方向，无位置）。3D 数学侧重几何解释，但代码实现落到分量数组。	C++ 用 `float[3]` 或 `std::array<float,3>`；向量库如 glm / Eigen 把分量打包 + 重载运算符。
向量 vs 点	向量描述相对位移，没有绝对位置；点描述绝对位置，没有方向。两者都用 `(x, y, z)` 表示，但语义完全不同。	把点的位置当向量用会产生"为何这里也能正确计算方向"的混淆；明确区分通常用类型 `Vec3` vs `Point3`。
基本运算：取反 / 数乘 / 加减	取反 `−v` 翻转方向；数乘 `kv` 缩放（`k<0` 含翻转）；加减按分量独立，几何上是"平移拼接"。	§2.7 加减；§2.6 数乘；§2.5 取反。三角形法则 / 平行四边形法则是几何直觉；C++ 中用重载 `operator+/operator−`。
大小与单位向量	magnitude `‖v‖ = sqrt(vx² + vy² + vz²)`；单位向量 `v̂ = v / ‖v‖`，长度 1、只表方向。单位向量是法线、光照方向、相机正交基的必备形式。	§2.8 大小；§2.9 单位向量；§2.10 距离公式 `‖a − b‖`。规范化前必须检查 `‖v‖ > 0` 避免除零。
点积 (dot product)	代数 `a · b = axbx + ayby + azbz`，结果为标量；几何 = 一个向量在另一个向量上的有符号投影长度。交换律、结合律、对数乘结合均成立。	§2.11；点积的几何意义比公式更重要（"印在手背上"）。点积是判定方向一致 / 相反 / 垂直的最快工具，也是 Lambert 光照 `n·l`、距离平方 `‖a−b‖² = ‖a‖² + ‖b‖² − 2a·b` 的源头。
叉积 (cross product)	仅 3D；结果向量同时垂直于两个输入；大小 `‖a×b‖ = ‖a‖‖b‖sinθ = 平行四边形面积`；方向由手性决定，左手系顺时针朝你、右手系逆时针朝你；反交换律 `a×b = −(b×a)`。	§2.12；叉积是求三角形 / 多边形法向的唯一通用方法（无 4D 版本）。手性差异决定叉积的"朝向"——跨引擎时务必先校准。

向量的两套定义

数学：有序列表 v = [vx, vy, vz]；几何：有向线段（大小 + 方向，无位置）。3D 数学侧重几何解释，但代码实现落到分量数组。

C++ 用 float[3] 或 std::array<float,3>；向量库如 glm / Eigen 把分量打包 + 重载运算符。

向量 vs 点

向量描述相对位移，没有绝对位置；点描述绝对位置，没有方向。两者都用 (x, y, z) 表示，但语义完全不同。

把点的位置当向量用会产生"为何这里也能正确计算方向"的混淆；明确区分通常用类型 Vec3 vs Point3。

基本运算：取反 / 数乘 / 加减

取反 −v 翻转方向；数乘 kv 缩放（k<0 含翻转）；加减按分量独立，几何上是"平移拼接"。

§2.7 加减；§2.6 数乘；§2.5 取反。三角形法则 / 平行四边形法则是几何直觉；C++ 中用重载 operator+/operator−。

大小与单位向量

magnitude ‖v‖ = sqrt(vx² + vy² + vz²)；单位向量 v̂ = v / ‖v‖，长度 1、只表方向。单位向量是法线、光照方向、相机正交基的必备形式。

§2.8 大小；§2.9 单位向量；§2.10 距离公式 ‖a − b‖。规范化前必须检查 ‖v‖ > 0 避免除零。

点积 (dot product)

代数 a · b = axbx + ayby + azbz，结果为标量；几何 = 一个向量在另一个向量上的 有符号投影长度。交换律、结合律、对数乘结合均成立。

§2.11；点积的几何意义比公式更重要（"印在手背上"）。点积是判定方向一致 / 相反 / 垂直的最快工具，也是 Lambert 光照 n·l、距离平方 ‖a−b‖² = ‖a‖² + ‖b‖² − 2a·b 的源头。

叉积 (cross product)

仅 3D；结果向量同时垂直于两个输入；大小 ‖a×b‖ = ‖a‖‖b‖sinθ = 平行四边形面积；方向由手性决定，左手系顺时针朝你、右手系逆时针朝你；反交换律 a×b = −(b×a)。

§2.12；叉积是求三角形 / 多边形法向的唯一通用方法（无 4D 版本）。手性差异决定叉积的"朝向"——跨引擎时务必先校准。

二、详细笔记

2.1 向量的两套定义 (Mathematical & Geometric Vectors)

What：数学上向量是有序数字列表，几何上向量是有向线段（箭头）。

Why：3D 数学必须在两种视角间切换——代码写的是分量运算，几何想的是箭头与方向；不理解两者的等价性，会卡在"为什么这条公式对应那个图"。

How：

数学定义：向量是 \(n\) 元有序列表 \(\mathbf{v} = [v_x, v_y, \ldots, v_n\)]，可写成行向量或列向量（行 vs 列在 §4.1.7 才显出差异）。标量 = 1D 向量。
几何定义：向量 = 有向线段 = 大小（长度） + 方向；可以画在图上任意位置（"平移不改变向量"），但没有绝对位置。
约定记号：本书用粗体小写 \(\mathbf{a}, \mathbf{b}, \mathbf{u}, \mathbf{v}\)；标量用斜体小写 a, b, x, θ, α；矩阵用粗体大写 \(\mathbf{A}, \mathbf{B}, \mathbf{M}, \mathbf{R}\)。

向量库对记号的映射

3D 编程时建议用类型区分：标量 float，向量 Vec3 = std::array<float,3>，点 Point3 = Vec3（仅类型不同）或 struct Point3 { float x,y,z; }（编译期防止把点当向量用）。手写矢量类型切忌"向量 + 点 = 同一类型"——后期需要"位置无关的方向"时无法区分。

When：所有 3D 几何问题；不适合用向量表示"颜色 / 索引 / 概率"等非几何量。

Example：位移 \("向东 3 步"\) = \(\mathbf{d} = [3, 0\)]；速度 \("东北 50 mph"\) = \(\mathbf{v} = (50/\sqrt{2}, 50/\sqrt{2})\)。两者都没有位置，只有方向与大小。

2.2 向量 vs 点 (Vectors vs Points)

What：向量描述相对位移，点描述绝对位置；两者数值表示相同但语义不同。

Why：把点当向量用会丢失"位置"语义；把向量当点用会丢失"位移"语义——例如 PointA + VectorAB = PointB 合理，但 Vector + Vector = Vector（相对位移叠加），而 Point + Point 无意义。

How：

向量：唯一刻画"相对位移"，可在图上平移而不改变身份。比较两个向量只看大小 + 方向，与起点无关。
点：唯一刻画"绝对位置"，坐标系一变就失效。
关联：点 \(\mathbf{P}\) 与向量 \(\mathbf{v}\) 的"分量相同"是巧合——向量可在任意位置画出，点是固定的位置。
运算合法性：仅 Point + Vector = Point / Point − Point = Vector / Vector ± Vector = Vector / Vector · Scalar = Vector 是合法的；Point + Point 与 Vector + Point 均 无意义。

When：建模"刚体位置"用 Point3（带父变换）；建模"速度 / 加速度 / 方向"用 Vec3；动画系统中两者频繁互转（"从父空间位移 = 子空间位置 − 父空间位置"）。

Example：P + v = Q 表示"在 P 点出发，沿 v 移动到达 Q 点"；若把 P 当向量而 v 是点，则该公式在几何上无意义。

2.3 基本运算 (Negation, Scalar Multiplication, Addition, Subtraction)

What：四种基本运算——取反、数乘、加法、减法——按分量独立执行，几何上分别对应方向翻转、长度缩放、平移拼接、相对位移。

Why：所有后续高级运算（点积、叉积、矩阵乘法）都是这些基本运算的组合；理解几何直觉可避免"公式对结果反"的常见错误。

How：

取反（§2.5）：

\[-\mathbf{v} = [-v_x, -v_y, -v_z]\]

几何上：方向反向、大小不变。

数乘（§2.6）：

\[k\mathbf{v} = [kv_x, kv_y, kv_z]\]

k > 0：方向不变、大小乘 |k|；k < 0：方向反向 + 大小乘 |k|；k = 0：零向量。

加减（§2.7）：

\[\mathbf{a} \pm \mathbf{b} = [a_x \pm b_x,\ a_y \pm b_y,\ a_z \pm b_z]\]

几何上：三角形法则（首尾相接）或 平行四边形法则（同起点）；a − b = a 末端到 b 末端的位移。

几何法则的速记

三角形法则：把 b 的尾接到 a 的头，结果是从 a 的尾到 b 的头；适合"链式位移"场景。
平行四边形法则：a + b 与 a − b 是平行四边形的两条对角线；适合"求合速度 / 合力"场景。

When：位移叠加、合力 / 合速度计算、参数化曲线（§13 章 Bezier 等）；所有"多个量合成为一个量"的场景都从加减出发。

Example：向量 a = [3, 1]、b = [−1, 2]，则 a + b = [2, 3]、a − b = [4, −1]。

2.4 大小与单位向量 (Magnitude & Unit Vectors)

What：向量的"长度"由 magnitude 给出，单位向量是 magnitude = 1 的"纯方向"向量。

Why：法线 / 光照方向 / 相机正交基必须用单位向量；规范化 (normalize) 是几乎所有 GPU 着色器、刚体动力学、相机控制的前置步骤。

How：

magnitude（§2.8）：

\[\|\mathbf{v}\| = \sqrt{v_x^2 + v_y^2 + v_z^2}\]

即 3D 毕达哥拉斯定理。

距离公式（§2.10）：

\[\|\mathbf{a} - \mathbf{b}\| = \sqrt{(a_x-b_x)^2 + (a_y-b_y)^2 + (a_z-b_z)^2}\]

几何意义：两点间直线长度。

单位向量（§2.9）：

\[\hat{\mathbf{v}} = \frac{\mathbf{v}}{\|\mathbf{v}\|}, \quad \|\hat{\mathbf{v}}\| = 1\]

规范化前置检查：必须 ‖v‖ > 0，否则除零。

零向量既不正交也不平行

点积把零向量视为"与所有向量垂直"，叉积把零向量视为"与所有向量平行"。两者都仅是 运算结果 的一种解释，零向量本身既无方向也谈不上垂直 / 平行。

When：法线 (surface normal)、光照方向 (n · l)、相机正交基（forward / right / up）、旋转矩阵的列向量。

Example：v = [3, 0, 4] ⇒ ‖v‖ = 5 ⇒ v̂ = [0.6, 0, 0.8]。GPU 着色器通常用 normalize(v) 内建函数自动除零保护。

2.5 点积 (Dot Product)

What：点积 a · b 把两个向量的"对齐程度"折成标量；代数上是分量乘积之和，几何上是 有符号投影长度。

Why：点积是 3D 数学的"万金油"——夹角余弦、光照、距离平方、相似度、矩阵乘法的几何底座；理解几何意义比记公式重要。

How：

代数定义（§2.11.1）：

\[\mathbf{a} \cdot \mathbf{b} = a_x b_x + a_y b_y + a_z b_z = \sum_{i=1}^{n} a_i b_i\]

结果为标量。

几何定义（§2.11.2）：Dot product as projection：a · b = b 在 a 方向上的 有符号投影长度 × ‖a‖。

几何等价形式：

\[\mathbf{a} \cdot \mathbf{b} = \|\mathbf{a}\| \|\mathbf{b}\| \cos\theta\]

其中 θ = 两向量夹角（0 ≤ θ ≤ π）。

关键性质：

交换律：\(\mathbf{a} \cdot \mathbf{b} = \mathbf{b} \cdot \mathbf{a}\)
结合律（与数乘）：\((k\mathbf{a}) \cdot \mathbf{b} = k(\mathbf{a} \cdot \mathbf{b}) = \mathbf{a} \cdot (k\mathbf{b})\)
零向量点积：\(\mathbf{0} \cdot \mathbf{v} = 0\)
符号判定：a · b > 0 ⇒ 同向（夹角 < 90°）；= 0 ⇒ 正交；< 0 ⇒ 反向（夹角 > 90°）。

When：夹角余弦 cosθ = (a · b) / (‖a‖‖b‖)；Lambert 光照 intensity = max(0, n · l)；距离平方 ‖a − b‖² = ‖a‖² + ‖b‖² − 2(a · b)；点积矩阵 C = AᵀB 的元素。

Example：a = [1, 3, 4]、b = [2, −5, 8] ⇒ a · b = 1×2 + 3×(−5) + 4×8 = 2 − 15 + 32 = 19。

2.6 叉积 (Cross Product)

What：叉积 a × b 仅在 3D 中定义；结果向量同时垂直于 a 与 b；大小 = ‖a‖‖b‖sinθ（平行四边形面积），方向由手性决定。

Why：叉积是构造平面 / 三角形 / 多边形法向量的唯一通用方法，也是判断"顺时针 vs 逆时针"的工具，在背面剔除、法线光照、三角形朝向中无处不在。

How：

代数定义（§2.12.1）：

\[\mathbf{a} \times \mathbf{b} = \begin{bmatrix} a_y b_z - a_z b_y \\ a_z b_x - a_x b_z \\ a_x b_y - a_y b_x \end{bmatrix}\]

几何解释（§2.12.2）：

大小：\(\|\mathbf{a} \times \mathbf{b}\| = \|\mathbf{a}\| \|\mathbf{b}\| \sin\theta\) = a, b 张成的平行四边形面积。
方向：垂直于 a, b 所在平面；由手性 + 顺逆时针决定：
- 左手系（本书）：把 b 尾接到 a 头，若为 顺时针 转弯则 a × b 朝向你。
- 右手系：若为 逆时针 转弯则 a × b 朝向你。

关键性质：

反交换律：\(\mathbf{a} \times \mathbf{b} = -(\mathbf{b} \times \mathbf{a})\)
不结合：\((\mathbf{a} \times \mathbf{b}) \times \mathbf{c} \neq \mathbf{a} \times (\mathbf{b} \times \mathbf{c})\)
平行 / 零向量：\(\mathbf{a} \times \mathbf{b} = \mathbf{0}\) 当 a ∥ b 或其一为零向量。
卡迪尔轴叉积（式 2-1 形式）：

\hat{x} \times \hat{y} = \hat{z},\quad \hat{y} \times \hat{z} = \hat{x},\quad \hat{z} \times \hat{x} = \hat{y}

叉积的方向快速判定

沿"x → y → z → x"循环，"后一个叉前一个"得"第三个"（左手 / 右手都成立，只是 +z 朝向不同）。逆向则取负。记忆法：cyclic permutation。

When：求三角形 / 多边形 / 平面法向量；背面剔除的方向判定；torque 公式 \(\boldsymbol{\tau} = \mathbf{r} \times \mathbf{F}\)；生成与已知向量垂直的向量（取 up 与 forward 叉积得 right）。

Example：a = [1, 3, 4]、b = [2, −5, 8] ⇒ a × b = [(3)(8) − (4)(−5), (4)(2) − (1)(8), (1)(−5) − (3)(2)] = [44, 0, −11]。

三、关键图表

视觉图表

Figure 1. 图 2-1：2D 向量示意

Figure 2. 图 2-2：向量的头与尾

Figure 3. 图 2-3：用笛卡尔坐标指定向量（每分量是有符号位移）

Figure 4. 图 2-4：2D 向量示例

Figure 5. 图 2-5：向量与点的位置无关性

Figure 6. 图 2-6：定位点 vs 指定向量

Figure 7. 图 2-7：点 (x, y) 与向量 [x, y] 的关系

Figure 8. 图 2-8：向量及其取反

Figure 9. 图 2-9：数乘的几何效果

Figure 10. 图 2-10：向量加法的几何证据（平行四边形法则）

Figure 11. 图 2-11：向量加法（三角形法则）

Figure 12. 图 2-12：图 2-5 复刻（强调"向量与位置无关"）

Figure 13. 图 2-13：向量减法的几何解释

Figure 14. 图 2-14：向量减法（"末端到末端"）

Figure 15. 图 2-15：单位向量的几何意义

Figure 16. 图 2-16：规范化（任意长度 → 单位长度）

Figure 17. 图 2-17：点积作为投影

Figure 18. 图 2-18：点积的符号（同向 / 正交 / 反向）

Figure 19. 图 2-19：点积符号给出的"半空间"信息

Figure 20. 图 2-20：对点积的一个操作数缩放

Figure 21. 图 2-21：点积的另一几何解释（向量分解）

Figure 22. 图 2-22：距离平方与点积的关系

Figure 23. 图 2-23：点积的"半空间"用法

Figure 24. 图 2-24：点积与夹角余弦

Figure 25. 图 2-25：向量投影的几何构造

Figure 26. 图 2-26：测量两向量夹角的正确对齐（尾对尾）

Figure 27. 图 2-27：叉积的几何解释（垂直于两向量）

Figure 28. 图 2-28：以 a, b 为边的平行四边形

Figure 29. 图 2-29：平行四边形面积的几何证明

Figure 30. 图 2-30：判断顺时针 vs 逆时针（头尾相接）

非可视化条目

非可视化条目（表 / 算法）

编号内容摘要

式 2-1

向量下标记号：2D 用 x, y；3D 用 x, y, z；4D 用 x, y, z, w（注意 w 排在字母表外）。

表 2.1

隐式涵盖：常见角度的三角函数值（与第 1 章表 1.2 共享）。

表 2.2

向量代数恒等式全集：加法交换律 a + b = b + a、减法定义 a − b = a + (−b)、数乘结合律、与点积 / 叉积相关的恒等式（点积交换律、叉积反交换律、三重积公式等）。

式 2-2

卡迪尔轴叉积组：x̂ × ŷ = ẑ，ŷ × ẑ = x̂，ẑ × x̂ = ŷ，反向取负。

核心公式对照表

式号

公式

magnitude

\(|\mathbf{v}| = \sqrt{v_x^2 + v_y^2 + v_z^2}\)

距离公式

\(|\mathbf{a} - \mathbf{b}| = \sqrt{(a_x-b_x)^2 + (a_y-b_y)^2 + (a_z-b_z)^2}\)

单位向量

\(\hat{\mathbf{v}} = \frac{\mathbf{v}}{|\mathbf{v}|}\)

点积（代数）

\(\mathbf{a} \cdot \mathbf{b} = a_x b_x + a_y b_y + a_z b_z\)

点积（几何）

\(\mathbf{a} \cdot \mathbf{b} = |\mathbf{a}| |\mathbf{b}| \cos\theta\)

叉积

\(\mathbf{a} \times \mathbf{b} = \begin{bmatrix} a_y b_z - a_z b_y \\ a_z b_x - a_x b_z \\ a_x b_y - a_y b_x \end{bmatrix}\)

叉积大小

\(|\mathbf{a} \times \mathbf{b}| = |\mathbf{a}| |\mathbf{b}| \sin\theta\)（= 平行四边形面积）

卡迪尔轴叉积

\(\hat{x} \times \hat{y} = \hat{z},\quad \hat{y} \times \hat{z} = \hat{x},\quad \hat{z} \times \hat{x} = \hat{y}\)

四、思维导图

mindmap
  root((第 2 章 向量))
    向量定义
      数学有序列表
      几何有向线段
      与位置无关
    向量与点
      向量相对位移
      点绝对位置
      类型区分
    基本运算
      取反翻向
      数乘伸缩
      加减平移拼接
    大小与单位向量
      magnitude
      normalize
      距离公式
    点积
      分量乘积之和
      投影几何
      交换律数乘结合
    叉积
      仅限3D
      平行四边形面积
      手性决定方向
      反交换律

五、重点与易错点

向量 ≠ 点：数值可以相同，但语义不同——向量是位移、点是位置；C++ 中用 Vec3 vs Point3 类型区分，否则会在 Point + Point 这种无意义运算上编译通过、运行崩溃。
点积几何意义优先于公式：把 a · b = ‖a‖‖b‖cosθ 与 "投影"印在手背上，代码里只需调 dot(a, b)；3D 引擎 90% 的"两个向量对齐度"问题靠它解决。
点积符号 = 半空间判定：>0 同向、<0 反向、=0 正交；做光照时 max(0, n·l) 是 Lambert 模型的核心公式。
点积 vs 叉积的几何差异：点积把零向量视为"与所有向量垂直"，叉积把零向量视为"与所有向量平行"——两者都是 运算结果 的解释，零向量本身既无方向也无垂直 / 平行可言。
叉积仅 3D：没有 4D 叉积；要在 4D 中构造法向量，必须借助"两向量叉积 + Gram-Schmidt"或"对偶四元数"。
叉积方向取决于手性：左手系顺时针朝你、右手系逆时针朝你；跨引擎复用叉积代码时第一件事是验证朝向（Unity 左手、Unreal / OpenGL 右手）。
叉积反交换律：a × b = −(b × a)；不要写 b × a 期望得到 a × b。
向量大小必非负：‖v‖ ≥ 0，‖v‖ = 0 当且仅当 v = 0；规范化前必须检查 ‖v‖ > 0 避免除零崩溃。
数乘 k < 0 同时翻向：方向取反 + 大小乘 |k|，不要分开写成两步。
向量没有绝对位置：v = [3, 1] 既可画在原点也可画在 (5, 5)；相等判定只看大小与方向，与起点无关——这与"平移整个向量不改变身份"等价。
跨章衔接：第 3 章在笛卡尔坐标系 + 向量之上引入"多个坐标空间"与基向量；第 4 章把向量扩展为矩阵；第 5 章起把点积 / 叉积用于投影 / 法向量 / 旋转矩阵构造。

第 2 章 向量 (Vectors)

核心结论

一、核心概念

二、详细笔记

2.1 向量的两套定义 (Mathematical & Geometric Vectors)

2.2 向量 vs 点 (Vectors vs Points)

2.3 基本运算 (Negation, Scalar Multiplication, Addition, Subtraction)

2.4 大小与单位向量 (Magnitude & Unit Vectors)

2.5 点积 (Dot Product)

2.6 叉积 (Cross Product)

三、关键图表

视觉图表

非可视化条目

核心公式对照表

四、思维导图

五、重点与易错点

第 2 章向量 (Vectors)