游戏中的数学知识

游戏制作中需要用到的数学知识，核心是线性代数、三角函数、微积分和概率论，它们分别支撑着空间变换、运动模拟、物理交互和随机逻辑等关键环节。

什么是代数？
- 代数是研究数量关系、结构及其运算规律的数学分支，其核心是通过符号（如字母）抽象表示数与关系，将具体计算升华为普适的数学方法。

符号的含义

∈ 是数学中表示元素属于某个集合的专用符号，读作"属于"。
· 点乘和标量乘法
× 叉积和向量乘法

什么是归一化（Normalize）

向量归一化是将任意非零向量转换为长度（模）为1的单位向量，同时保持其原始方向不变的数学操作。其核心目的是消除向量长度的影响，仅保留方向信息，

游戏领域归一化 = 向量单位化（L2 归一化）：
- 将向量转换为长度 1 的单位向量，分量范围 [-1, 1]
- 归一化后的向量分量一定在 -1 到 1 之间（包含边界值）

📏 线性插值

Lerp

概念：线性插值是一种 通过两个已知数据点构造直线，估算其之间未知点数值的数学方法，

线性插值是用直线填补两点间的空白，它简单到极致，但也仅在线性世界中准确。

公式1：

y = A + (B - A) \cdot t

t 必须 ∈ [0, 1]

y = A + (B - A) × t

公式2：

y = y_1 + \dfrac{(y_2 - y_1)}{(x_2 - x_1)} \times (x - x_1)

应用场景

动画与角色移动
- 平滑过渡：在角色从位置A移动到位置B时，通过线性插值计算中间帧坐标。

// Unity中实现角色1秒内从startPos移动到endPos
transform.position = Vector3.Lerp(startPos, endPos, Time.time * speed);

UI动态效果
- 进度条/血条平滑变化：当玩家血量从100%降至80%，直接赋值会导致突变，而线性插值实现渐变：
图像与颜色处理
- 颜色渐变：在UI设计中，从红色 (255,0,0)(255,0,0) 渐变到绿色 (0,255,0)(0,255,0) 时，对RGB通道分别插值：

📐 三角函数

正弦、余弦和正切是描述角度与直角三角形边长比例关系的基本三角函数，其核心本质是将角度的大小转化为可计算的比值，从而将几何问题代数化。以下从直角三角形和单位圆两个层面分步解释：

一、直角三角形中的定义（初中阶段）

1. 正弦（sine）

定义：\sin \theta = \dfrac{\text{对边}}{\text{斜边}} = \dfrac{a}{c}。
关键特性：
- 角度增大时，正弦值单调递增（如 \sin 30^\circ = 0.5，\sin 60^\circ \approx 0.866）。
- 取值范围：0 < \sin \theta < 1（锐角范围内）。

2. 余弦（cosine）

定义：\cos \theta = \dfrac{\text{邻边}}{\text{斜边}} = \dfrac{b}{c}。
关键特性：
- 角度增大时，余弦值单调递减（如 \cos 30^\circ \approx 0.866，\cos 60^\circ = 0.5）。
- 取值范围：0 < \cos \theta < 1（锐角范围内）。

3. 正切（tangent）

定义：\tan \theta = \dfrac{\text{对边}}{\text{邻边}} = \dfrac{a}{b}。
关键特性：
- 角度增大时，正切值单调递增（如 \tan 30^\circ \approx 0.577，\tan 60^\circ \approx 1.732）。

二、单位圆中的扩展定义（高中阶段）

1. 单位圆定义法

正弦：\sin \theta = y（终边与单位圆交点的纵坐标）。
余弦：\cos \theta = x（终边与单位圆交点的横坐标）。

2. 关键突破

角度范围扩展：
- 直角三角形仅限 0^\circ < \theta < 90^\circ，而单位圆定义适用于任意实数角度（如 \theta = 120^\circ、\theta = -30^\circ）。
符号规律（象限法则）：
- 一全正：第一象限 \sin \theta > 0，\cos \theta > 0，\tan \theta > 0。
- 二正弦：第二象限 \sin \theta > 0，\cos \theta < 0，\tan \theta < 0。
- 三正切：第三象限 \sin \theta < 0，\cos \theta < 0，\tan \theta > 0。
- 四余弦：第四象限 \sin \theta < 0，\cos \theta > 0，\tan \theta < 0。

三、核心关系与实用意义

1. 基本恒等式

正切与正余弦关系：\tan \theta = \dfrac{\sin \theta}{\cos \theta}（需 \cos \theta \neq 0）。

2. 实际应用场景

导航定位：通过角度和距离计算水平位移 b = c \cdot \cos \theta。

总结

直观记忆技巧

直角三角形口诀：

正弦：对斜比（对边比斜边）。

余弦：邻斜比（邻边比斜边）。

正切：对邻比（对边比邻边）。

单位圆动态理解：

想象单位圆上一点绕原点旋转。

正弦、余弦、正切的本质是角度与边长比例的函数关系：直角三角形定义适用于锐角，单位圆定义可推广至任意角。
实际应用中，它们将几何问题转化为代数计算，是解决测量、物理、工程等领域周期性问题的核心工具。
关键注意：在非锐角范围内，三角函数值可能为负，需结合象限符号规则判断。

虚幻引擎旋转体变量可存储角度值

🔴 正弦（sine）在游戏中的应用

正弦函数（Sine）是游戏开发中实现“丝滑感”和“自然动态”的灵魂。它的核心数学原理在于其周期性和平滑的波动特性。

在数学上，正弦函数描述了一个在 -1 到 1 之间无限循环、平滑过渡的数值变化。在游戏引擎中，我们通常会将其扩展为一个带有物理意义的通用公式：

y(t)=A⋅sin(2πft+ϕ)+B

其中各个参数的数学与物理意义如下：

y(t) ：随时间变化的输出值（比如物体的坐标、透明度、缩放比例等）。
A (振幅 Amplitude)：控制波动的最大范围（高度）。在游戏中决定了物体“浮动得多高”或“摆动得多远”。
f (频率 Frequency)：控制波动的快慢。频率越高，周期越短，动作越快。
t (时间 Time)：通常是游戏引擎中的实时运行时间（如 Unity 中的 Time.time），让数值随着游戏进程不断变化。
ϕ (相位 Phase)：控制波形的初始偏移量。可以用来让多个同样的波动效果错开节奏。
B (垂直偏移 Offset)：将整个波形在数轴上整体抬高或降低，常用于设定物体的基准位置。

基于这个核心公式，正弦函数在游戏中的应用主要体现在以下几个方面：

🌊 周期性悬浮与呼吸动画
这是最直观的应用。如果你想让一个宝箱、道具或者 UI 图标在原地优雅地上下浮动，而不是生硬地瞬移，正弦函数是最佳选择。
💡 模拟自然界的律动与特效
除了上下浮动，任何需要模拟“有节奏的自然现象”都离不开正弦波。
- 应用场景：水面的波纹起伏、烛光的忽明忽暗（改变亮度 Alpha 值）、角色的呼吸扩胸（改变局部缩放 Scale）、甚至心跳特效。
🎥 镜头震动（Camera Shake）
当游戏中发生爆炸或受到重击时，摄像机需要快速且无序地抖动来增强打击感。
- 数学原理：利用高频的正弦波在短时间内剧烈改变摄像机的局部坐标（Local Position）。为了不让震动显得太有规律，通常会在 X 轴和 Y 轴上使用不同的频率，甚至引入随机数来干扰振幅。
- 公式体现：xshake=Random⋅sin⁡(高频⋅t)⋅震动强度

🔴余弦函数（Cosine）在游戏中的应用

余弦函数（Cosine）和正弦函数是一对密不可分的“孪生兄弟”。在数学本质上，它们都是周期性波动的三角函数，唯一的区别在于相位差了 90 度（\pi/2）。

以下是余弦函数在游戏中的几个核心应用场景：

🎞️ 丝滑的插值与平滑过渡（Cosine Interpolation）

这是余弦函数最经典、最高频的应用之一。在游戏中，我们经常需要让一个数值从 A 慢慢变到 B（比如 UI 渐隐、颜色渐变、物体淡入淡出）。如果使用普通的线性插值（Lerp），变化速度是恒定的，会显得非常生硬和机械。
- 数学原理：利用余弦波在波峰（1）和波谷（-1）附近变化率极慢（趋近于0）的特性，我们可以构造出一个“缓入缓出”的 S 形曲线。它能让动画在开始和结束时非常柔和，中间加速，视觉效果极其自然。
💡 真实的光照渲染（朗伯余弦定律）

你在游戏中看到的物体表面明暗变化，其底层物理法则就是朗伯余弦定律（Lambert's Cosine Law）。
- 数学原理：当光线照射到一个粗糙表面时，表面的亮度与光线入射方向和表面法线之间夹角的余弦值成正比。简单来说，光线越垂直照射（夹角为0度，\cos(0)=1），表面就越亮；光线越倾斜，表面接收到的能量就越少。
- 代码逻辑（GLSL Shader 示例）：

// normal 是表面法线，lightDir 是指向光源的方向（两者均为单位向量）
// 它们的点积(dot)在数学上就等于夹角的余弦值
float brightness = max(dot(normal, lightDir), 0.0); 
// 也可以直观地写成： float brightness = max(cos(theta), 0.0);

这行简单的代码决定了漫反射光照的强度，是实时渲染中最基础的运算之一。

⚙️ 完美的圆周运动与旋转（配合 Sin）
正如之前提到的，圆周运动的本质就是三角函数。余弦函数通常负责控制水平方向（X轴）的坐标变化，而正弦函数负责垂直方向（Y/Z轴）。
- 实战应用：无论是炮塔绕着基地旋转巡逻，还是摄像机围绕主角做360度环绕拍摄，底层都在实时计算 x = cos(time * speed) * radius。
🌊 程序化特效生成（波纹与噪声）
在模拟水面涟漪、地形起伏或者复杂的纹理扰动时，开发者通常会叠加多个不同频率、振幅和相位的正弦与余弦波。
- 数学原理：通过余弦函数对纹理的 UV 坐标进行周期性的偏移，可以制造出逼真的水纹扭曲感。同时，在生成程序化地形（Procedural Generation）时，利用余弦插值可以让随机生成的山峰高度过渡得更加平滑连续，避免出现尖锐的锯齿。
💡 总结：正弦与余弦的分工记忆法
你可以把它们看作是一对默契的搭档：
- 正弦（Sin）：是**“从零开始的节奏大师”**。适合处理从静止状态启动的上下浮动、呼吸灯等效果。
- 余弦（Cos）：是**“追求极致的平滑工匠”。只要涉及到“两个状态之间的完美过渡”（如插值）或者“基于角度的能量衰减”**（如光照），余弦函数往往是更优雅、更符合物理规律的选择。

🔴 向量

什么是向量

向量，简单来说就是 “带方向的量。

如果说普通的数字（标量）只告诉你“有多少”，那么向量不仅告诉你“有多少”，还告诉你“往哪去”。

为了让你更直观地理解，我们可以从生活、游戏和数学三个维度来看：

1. 生活中的例子：导航指令

标量（普通数字）：“往前走 500米”。
- 这里只有距离（大小），没有方向。你只知道要走多远，但不知道往东还是往西。
向量：“往 正北方向 走 500米”。
- 这里既有距离（大小），又有明确的方向。这就是一个典型的向量。

2. 游戏中的例子：速度与位移

结合你之前问的“速度存储”，游戏里的速度就是一个完美的向量例子。

只有大小（速率）：汽车时速 100 km/h。（你不知道车是往前开还是倒车，甚至是在漂移）
向量（速度）：(0, 0, 100)。
- 这告诉引擎：X轴不动，Y轴不动，Z轴（前方）以 100 的速度前进。
- 如果变成 (0, 0, -100)，那就是倒车。
- 如果变成 (100, 0, 0)，那就是横着平移。

3. 数学上的样子：箭头与坐标

在数学和计算机图形学中，向量通常有两种表现形式：

几何形式：带箭头的线段

长度：代表向量的大小（模）。比如箭头的长短代表速度的快慢或力的大小。
指向：代表向量的方向。箭头指哪，就往哪去。

代数形式：一组数字（坐标）

在二维平面中，向量写作 (x, y)；在三维空间中，写作 (x, y, z)。

例如向量 \vec{v} = (3, 4)。
这意味着：从原点出发，向右走 3 步，向上走 4 步，到达终点。这个“从起点到终点的过程”就是向量。

4. 向量能做什么？

在游戏开发和物理模拟中，向量是万能的工具，因为它可以进行运算：

加法：你在船上向前走（速度向量A），船也在向前开（速度向量B），你的实际对地速度就是 A+B。
减法：计算敌人离你有多远、在哪个方向（目标位置 - 我的位置 = 指向目标的向量）。
乘法（数乘）：想让速度变快一倍？把向量乘以 2。想倒车？把向量乘以 -1。
点积与叉积：这是进阶用法，用来判断“敌人是否在我面前”（点积）或者“计算垂直于地面的法线方向”（叉积）。

一句话概括：向量就是游戏世界里描述“位置、移动、受力、朝向”的最基本语言。

二维向量

\vec v=(x,y)

三维向量

\vec v=(x,y,z)

🟠 向量所在的空间

因为很多教程会告诉你：Vector3(x,y,z)

但不会告诉你：同样是三维向量，它们在数学意义上其实完全不同

在数学里：向量本身没有“身份”它只是：(x,y,z)

真正决定它含义的是：它所在的“空间”和：你如何解释它这点极其重要。因为：

方向向量
法线向量
速度向量

虽然数据格式都一样：(x,y,z) 但数学意义完全不同。

⬇️ 三维向量最核心的分类

类型	本质
Position	位置	(空间中的一个点)
Direction	方向	(朝哪里在哪里)
Velocity	速度	(每秒移动多少v⃗=\frac{\Delta x}{\Delta t},速度没有固定位置,它只是移动趋势)
Normal	法线	（光照依赖表面朝向，垂直向量最能代表平面朝向）
Tangent	切线	表面“横向”
Euler/Rotation	旋转表达	注意：它不是向量，虽然写成：(x,y,z)它表示：绕三个轴旋转角度

方向向量为什么通常 normalize？因为方向不应该包含距离所以长度通常设为1

Position 与 Direction 最大区别？Position 会受平移影响，Direction 不会受平移影响

为什么矩阵里 Position 和 Direction 乘法不同？
- Position 使用：(x,y,z,1),Direction使用：(x,y,z,0)
  - 背后原理（齐次坐标）
  - 第四维：w 决定：是否受平移影响
  - w=1 说明：这是空间中的点 会被平移。
  - w=0说明：这是纯方向不受平移。
法线为什么必须垂直？
- 因为它定义：表面方向，垂直向量最能代表平面朝向
为什么需要 Tangent？
- 因为法线贴图：不是世界空间，而是：局部表面空间。所以必须建立：TBN 坐标系
为什么它们必须正交？
- 因为：坐标系必须稳定，数学上：互相垂直避免形变。
叉积为什么能得到 Right？例如：right=forward×up
- 因为叉积本质：生成垂直于两者的新方向
为什么欧拉角会万向节锁？
- 因为：三个旋转轴会重合，导致：丢失一个自由度
Quaternion（四元数）
- 它也不是普通向量。
- 虽然：(x,y,z,w)
- 本质：旋转空间中的复数

🔴🔴向量运算

向量运算是游戏开发、物理模拟和计算机图形学的核心数学基础。它不仅能描述空间中的位置与方向，还能通过一系列代数运算解决碰撞检测、光照计算、运动控制等复杂问题。下面从基本运算、几何意义、公式推导和实际应用四个维度，为你系统梳理向量的运算方式与用法。

一、基本运算与公式

1. 向量加法

公式：\vec{a} + \vec{b} = (a_x + b_x, a_y + b_y, a_z + b_z)
几何意义：将两个向量首尾相接，从第一个向量的起点指向第二个向量的终点，即为和向量。
应用：角色移动与位置更新

应用场景

角色在场景中按方向移动（如玩家控制角色前进）。
- 数学原理：
- 位置向量 \vec{p} 表示当前坐标，方向向量 \vec{v} 表示移动方向（需归一化）。
- 每帧更新位置：\vec{p}_{\text{new}} = \vec{p} + \vec{v} \cdot \text{speed} \cdot \Delta t。
- 关键点：方向向量 \vec{v} 必须归一化（单位长度），否则移动速度会受原始向量长度影响。
- 示例：
  若角色位置 \vec{p} = (10, 0, 5)，移动方向 \vec{v} = (0, 0, 1)（归一化后），速度 5 单位/秒，帧间隔 \Delta t = 0.02 秒，则新位置：
  \vec{p}_{\text{new}}=(10,0,5)+(0,0,1)⋅5⋅0.02=(10,0,5.1)

2. 向量减法

公式：\vec{a} - \vec{b} = (a_x - b_x, a_y - b_y, a_z - b_z)
几何意义：从向量 \vec{b} 的终点指向向量 \vec{a} 的终点的向量。
应用：计算两点间的相对位移；AI追踪目标时，用 “目标位置 - 自身位置” 得到朝向目标的向量。

应用场景

敌人自动追踪玩家、导弹锁定目标。

数学原理：
- 通过减法计算相对位置向量：\vec{d} = \text{玩家位置} - \text{敌人位置}。
- 归一化 \vec{d} 得到移动方向，再通过加法更新敌人位置。
关键点：减法结果 \vec{d} 天然包含方向与距离信息，模长 \|\vec{d}\| 可用于判断是否进入攻击范围。
示例：
敌人位置 \vec{e} = (2, 3, 0)，玩家位置 \vec{p} = (5, 7, 0)，则：
\hat{d}=(5−2,7−3,0−0)=(3,4,0),∥d∥=5(距离)
- 敌人移动方向：\hat{d} = \vec{d} / \|\vec{d}\| = (0.6, 0.8, 0)。

碰撞检测与距离判断
应用场景：检测两个物体是否相交（如子弹击中敌人）。
数学原理：
计算两物体中心位置向量的差： \vec{d} = \vec{p}_1 - \vec{p}_2
比较 \|\vec{d}\| 与两物体半径之和：若 \|\vec{d}\| < r_1 + r_2，则发生碰撞。
关键点：减法结果的模长直接等于欧几里得距离，避免重复计算平方根（可用 \|\vec{d}\|^2 < (r_1 + r_2)^2 优化性能）。
示例：两个球体半径均为 11，中心距离 \|\vec{d}\| = 1.8 < 2，判定为相交。

3. 标量乘法（数乘）

公式：k \cdot \vec{a} = (k \cdot a_x, k \cdot a_y, k \cdot a_z)
几何意义：改变向量的长度，方向不变（若 k > 0）或反向（若 k < 0）。
应用：调整移动速度；缩放力的大小；归一化前的长度调整。

4. 向量模长（长度）

公式：\|\vec{a}\| = \sqrt{a_x^2 + a_y^2 + a_z^2}
- |\vec v|=\sqrt{x^2+y^2}
- |\vec v|=\sqrt{x^2+y^2+z^2}
几何意义：向量在空间中的实际长度。
应用：计算两点间距离；判断物体是否在攻击范围内。
在ue中获取向量长度

为什么长度公式是平方根？

因为“长度”本质上是在回答一个问题：两个点之间最短距离是多少？

而二维空间里的最短距离，来自欧几里得几何，也就是勾股定理。

假设一个向量是 (x,y)，你可以把它想象成：从原点 (0,0) 走到 (x,y)。这会形成一个直角三角形，其中：横边长度是 x 竖边长度是 y向量本身是斜边于是根据勾股定理：x^2+y^2=c^2 所以斜边长度就是：c = \sqrt{(x² + y²)}。这就是为什么向量长度公式一定有平方根。因为前面的 x² + y² 实际上算出来的是：“长度的平方” 而不是长度本身。

5. 单位向量（归一化）

公式：\hat{a} = \frac{\vec{a}}{\|\vec{a}\|}
- \hat v=\frac{\vec v}{|\vec v|}
几何意义：保留原向量方向，但长度变为1。
应用：表示纯方向（如摄像机朝向、武器瞄准方向）；避免速度受原始向量长度影响。

为什么“除以长度”就能变成单位向量？

因为这相当于：把所有分量按同一比例缩小。例如 (3,4) 长度是 5，那么：\left(\frac35,\frac45\right)

新长度：\sqrt{(\frac35)^2+(\frac45)^2}=1 由于所有分量同比例缩放，所以方向不会改变，只是长度变成了 1。

二、核心点积与叉积运算

1. 点积

公式：\vec{a} \cdot \vec{b} = a_x b_x + a_y b_y + a_z b_z = \|\vec{a}\| \|\vec{b}\| \cos\theta
几何意义：衡量两个向量的“相似程度”，结果是一个标量。当 \theta = 0^\circ 时最大，\theta = 90^\circ 时为0，\theta = 180^\circ 时最小。
数学性质
- 正负性决定方向关系：这是游戏中最常用的特性。当两个向量都经过归一化（长度为1）时，点积的结果就等于 cos 𝜃，其数值含义如下：
  结果 > 0：夹角为锐角（小于90°），两向量大致朝向同一侧。
  结果 = 0：夹角为直角（等于90°），两向量互相垂直。
  结果 < 0：夹角为钝角（大于90°），两向量大致朝向相反两侧。
  结果 = 1：方向完全相同（夹角0°）；结果 = -1：方向完全相反（夹角180°）。
应用
- 计算光照强度（光线方向与表面法线的点积决定明暗）。
- 投影计算（将一个向量投影到另一个向量上）。
- 判断物体是否在视野内（点积 > 0 表示在前方）。

在游戏中的应用

🔴 AI 视野检测（是否在扇形范围内？）

⬇️ b炮塔指向玩家的归一化向量 a是炮塔的向前向量。判读敌人是否在30度角的范围内 30度的余弦值大约是0.866（归于话向量）
|500
在游戏中判断敌人是否在玩家的视野内，或者玩家是否看到了某个宝箱，本质上就是判断两个方向的夹角是否小于视野范围的一半。

数学原理：利用点积的正负性和余弦值大小。
实现逻辑：
1. 获取玩家的面朝方向向量 Forward（单位向量）。
2. 计算从玩家指向目标的向量 ToTarget，并将其归一化。
3. 计算两者的点积。如果点积大于预设的阈值（例如视野角为90度，则阈值为 cos⁡(45∘)≈0.707cos(45∘)≈0.707 ），说明目标在视野内。
优势：相比直接计算角度（需要昂贵的反三角函数），点积只需要简单的乘法和加法，性能极高。

🔴 实时光照计算（兰伯特光照模型）

你看到的物体明暗变化，底层大多依赖点积。比如经典的漫反射（Diffuse）光照。

数学原理：光线照射到表面时，入射角越接近垂直（法线方向），表面接收到的光能越多，看起来就越亮。
实现逻辑：
1. 获取物体表面的法线向量 Normal（垂直于表面的单位向量）。
2. 获取指向光源的方向向量 LightDir（单位向量）。
3. 计算 dot(Normal, LightDir)。
4. 结果越接近 1，光照越强；结果为 0 或负数时，说明光线平行或从背面照射，该区域变暗（通常用 max(0, dot_result) 截断负值）。

🔴 前后方位判定与背刺机制

如何判断敌人是在你的正前方还是正后方？或者在动作游戏中，如何判定一次攻击是否触发了“背刺”伤害加成？

数学原理：利用点积的正负性。
实现逻辑：
- 计算 dot(自身面朝方向, 指向敌人的方向)。
- 若结果 > 0，敌人在前方；若结果 < 0，敌人在后方。
- 同理，若计算 dot(敌人的面朝方向, 指向玩家的方向) 得到负值，说明玩家在敌人的背后，此时可触发背刺判定。

🔴 向量投影（斜坡移动与受力分解）

拓展：GASP5.7.1-Mover 2.0 自动滑行 (根据坡度角度自动实现斜坡滑行)_哔哩哔哩_bilibili

|250

当角色在斜坡上行走时，重力并不会把他垂直往下拉死，而是会让他沿着斜坡向下滑。这就需要把重力向量“投影”到斜坡的表面上。

数学原理：点积的几何意义之一就是投影。向量 a⃗ 在向量 b⃗ 上的投影长度可以通过点积求得。
实现逻辑：
- 将重力向量投影到斜坡的切线方向上，就能算出角色沿斜坡下滑的分力。
- 在赛车游戏中，计算车速在赛道前进方向上的分量（有效速度），也需要用到投影。

📐 1. 核心数学原理：如何用点积求投影？

我们的目标是求出重力在法线方向上的投影。根据向量投影公式，
\vec{G} 在 \vec{N} 上的投影向量 \vec{P}_{normal} 为： \vec{P}_{normal} = \left( \frac{\vec{G} \cdot \vec{N}}{|\vec{N}|^2} \right) \vec{N}

由于在游戏引擎（如 Unity、Unreal）中，法线 \vec{N} 已经是**归一化（长度为1）**的单位向量，所以 |\vec{N}|^2 = 1，公式可以简化为： \vec{P}_{normal} = (\vec{G} \cdot \vec{N}) \vec{N}

这里的点积 (\vec{G} \cdot \vec{N}) 算出的就是一个标量（即重力在法线方向的“有效长度”），再乘以方向 \vec{N}，就得到了完整的压力向量。

🔴 上坡与玩家移动控制（投影的另一种妙用）

除了分解重力，当你控制角色主动上坡时，点积和投影同样至关重要。

假设玩家在水平地面上输入了一个向前的移动指令（比如按下了 W 键），产生了一个水平的输入方向向量 \vec{I}。如果直接把这个向量加给站在斜坡上的角色，角色可能会因为方向不贴合地面而“腾空”或者“钻入地下”。

为了让角色完美贴合斜坡行走，我们需要把玩家的输入向量 \vec{I} 投影到斜坡所在的平面上。

● 操作方法：使用“投影到平面”的逻辑（在 Unity 中对应 API Vector3.ProjectOnPlane）。它的底层数学原理其实就是从原向量中减去它在法线上的投影：

\vec{I}_{斜坡} = \vec{I} - (\vec{I} \cdot \vec{N}) \vec{N}

结果：得到的 \vec{I}_{斜坡} 就是一个完全平行于斜坡表面的纯移动方向。无论坡度多陡，角色都会老老实实地贴着地面向上爬，而不会发生穿模或悬空。

2. 叉积

公式： \vec{a} \times \vec{b} = (a_y b_z - a_z b_y, a_z b_x - a_x b_z, a_x b_y - a_y b_x)

几何意义：结果是一个垂直于 \vec{a} 和 \vec{b} 所在平面的新向量，其长度为 \|\vec{a}\| \|\vec{b}\| \sin\theta，方向由右手定则确定。

应用：

计算平面的法线（如地面、墙壁的法线用于碰撞和光照）。
判断旋转方向（如角色转向时，叉积可判断左转还是右转）。
生成垂直于两个方向的第三个方向（如角色面朝方向与上方向叉乘得到右方向）。

🔴应用场景

向量叉积（Cross Product）是游戏开发中处理三维空间问题的核心数学工具。如果说点积是用来衡量“方向相似度”的，那么叉积的核心作用就是用来寻找“垂直方向”和判断“左右转向”。

在游戏引擎中，叉积的应用非常广泛且硬核，以下是它在游戏中的几大核心应用场景：

🧭 1. 构建角色的局部坐标系（求“右手边”在哪里）
在3D游戏中，角色或摄像机通常只知道自己的“面朝方向（Forward）”和“头顶方向（Up）”。但为了计算侧向移动、播放侧翻动画或挂载武器，程序必须知道角色的“右手边（Right）”到底是哪个方向。
- 应用原理：利用叉积可以求出同时垂直于 Forward 和 Up 的新向量。
- 实际操作：Right = Cross(Forward, Up)。通过右手法则，这个运算能瞬间帮角色建立起完整的三维本地坐标系。
💡 2. 实时光照与渲染（计算法线 Normal）
你在游戏中看到的物体明暗、光影反射，底层都依赖于物体表面的“法线”（即垂直于表面的向量）。
- 应用原理：任意一个三角形面片（Mesh的基本单元），只要知道它的三个顶点 A、B、C，就能算出两条边向量 AB 和 AC。这两条边的叉积，就是垂直于该面的法线。
- 实际操作：Normal = Cross(B - A, C - A)。显卡拿到法线后，才能结合光源方向计算出逼真的漫反射和高光效果。
⚔️ 3. 判断目标的左右方位（左右判定）

在赛车游戏或格斗游戏中，系统需要精准判断对手是在你的左边还是右边，或者玩家的攻击是否命中了敌人的左侧弱点。
- 应用原理：叉积的结果向量不仅垂直于原向量，其方向还遵循右手法则。在Unity等左手坐标系中，通过观察叉积结果特定分量（通常是Y轴）的正负，就能直接得出左右关系。
- 实际操作：计算 Cross(自身面朝方向, 指向目标的方向)。如果结果的 Y 分量大于 0，说明目标在你的右侧；小于 0 则在左侧。
🏀 4. 物理碰撞反弹（求反弹轨迹）
当球体撞击到斜面墙壁时，如何计算它弹出的真实轨迹？这需要用到入射方向和墙面的法线。
- 应用原理：在处理复杂的3D碰撞响应、摩擦力计算以及旋转力矩（比如推门时的旋转轴）时，叉积是必不可少的工具。它能帮助物理引擎确定物体撞击后的旋转轴心以及正确的反弹平面。
🗺️ 5. 2D平面中的方向裁判（顺逆时针与区域检测）
在2D游戏或UI交互中，叉积虽然不产生垂直向量，但其计算结果的正负号具有极强的几何意义，被称为“方向裁判”。
- 应用原理：在二维平面上，叉积退化为一个标量。它的正负可以直接反映两个向量的相对转向关系。
- 实际操作：
  - 判断多边形顶点顺序：依次计算相邻边的叉积，根据正负号判断顶点是顺时针还是逆时针排列（用于图形渲染的背面剔除）。
  - 点在旋转矩形内检测：对于任意角度旋转的矩形（OBB），可以通过判断目标点是否在四条边的同一侧（利用叉积正负号一致性）来精准实现点击判定，这在塔防游戏斜向警戒区、RTS技能范围判定中极其常用。
💡 总结：叉积的直观记忆法
你可以把叉积想象成游戏世界的 “空间法则制定者” ：
- 在3D中：它是 “垂直制造机” 。给它两个方向，它立刻给你一个与之都垂直的新方向（用来定法线、定左右手）。
- 在2D中：它是 “方向红绿灯” 。给它两个方向，它通过正负号告诉你这是左转（逆时针）还是右转（顺时针）。
  掌握了叉积，你就掌握了在虚拟世界中定义“上下左右”以及处理一切立体空间交互的底层钥匙。

三、进阶运算与应用场景

1. 向量投影

公式：\text{proj}_{\vec{b}} \vec{a} = \left( \frac{\vec{a} \cdot \vec{b}}{\|\vec{b}\|^2} \right) \vec{b}
几何意义：将向量 \vec{a} “压”到向量 \vec{b} 上的分量。
应用：角色在斜坡上移动时，计算沿斜坡方向的位移分量；物理引擎中分解力的分量。

2. 向量反射

公式：\vec{r} = \vec{a} - 2(\vec{a} \cdot \hat{n}) \hat{n}（其中 \hat{n} 是表面法线单位向量）
几何意义：模拟光线或 物体撞击平面 后的 反弹方向。
应用：子弹反弹、镜面反射、角色滑墙效果。

3. 向量插值

线性插值（Lerp）：\vec{c} = \vec{a} + t(\vec{b} - \vec{a})，其中 t \in [0, 1]
球面插值（Slerp）：用于平滑旋转插值，保持角速度恒定。
应用：角色平滑移动、摄像机跟随、动画过渡。

四、总结：向量运算在游戏开发中的核心价值

运算类型	核心作用	典型应用场景
加减法	位置更新、相对位移	角色移动、AI追踪
数乘	速度/力的大小调整	加速、减速、缩放
模长	距离计算	攻击范围、碰撞检测
归一化	提取纯方向	瞄准、朝向控制
点积	角度/相似度判断	视野检测、光照计算
叉积	生成垂直向量/法线	平面法线、旋转方向
投影/反射	分解/反弹方向	斜坡移动、子弹反弹
插值	平滑过渡	动画、摄像机跟随

掌握这些运算，你就能在游戏引擎中精确控制物体的运动、交互和视觉效果，是实现复杂游戏逻辑的数学基石。

📦 矩阵

❔️矩阵是什么

在 3 D 游戏引擎（如Unity、Unreal）中，矩阵通常是一个 4 x 4 的数字表格（4行4列，共16个数字）。

你可以把它想象成一个**“空间变换的集装箱”**。它把平移、旋转、缩放这三种最基础的动作，全部打包塞进了这16个数字里。当我们需要移动或旋转一个角色时，不需要写一堆复杂的逻辑，只需要让这个角色的顶点坐标去“乘”这个矩阵，角色就会瞬间完成所有动作。

T = \begin{bmatrix} 1 & 0 & 0 & t_x \\ 0 & 1 & 0 & t_y \\ 0 & 0 & 1 & t_z \\ 0 & 0 & 0 & 1 \end{bmatrix}

⚙️矩阵的三大功能

在游戏开发中，矩阵最核心的作用就是处理 仿射变换。具体来说，它能把以下三种动作完美融合：
1. 平移（Translation）：把物体从A点移动到B点。
2. 旋转（Rotation）：让物体绕着X、Y或Z轴转动。
3. 缩放（Scaling）：把物体变大、变小，或者压扁、拉长。
在底层的 4 x 4 矩阵中，这些动作各自占据了不同的位置：
- 左上角的 3 x 3 区域：负责掌管旋转和缩放。
- 第四列（或第四行，取决于引擎标准）的前三个数：负责掌管平移（即物体在X、Y、Z轴上移动了多少距离）。
- 右下角的 1：是为了配合“齐次坐标”存在的，它保证了平移操作能用矩阵乘法来实现。

🎬 矩阵乘法与变换串联

矩阵串联
- 假设你有一个飞碟，你想让它先原地旋转，再飞到天空的某个位置
  - 笨办法：先遍历飞碟的所有顶点做一次旋转计算，再遍历一次做平移计算
  - 矩阵的办法：把“旋转矩阵”和“平移矩阵”直接相乘，生成一个**“复合矩阵”**。然后只需要遍历一次顶点，乘上这个复合矩阵，飞碟就既旋转又平移了。

📹 MVP矩阵 : 从 3 d 模型转换为 2 d 像素位置

MVP 其实是三个矩阵的缩写，它们按顺序相乘得到：
- M_{MVP}=M_{Projection}×M_{View}×M_{Model}
- 注意顺序很重要：在数学计算中，通常是从右向左生效的（模型 × 视图 × 投影）
M_{Model} 模型矩阵
作用：负责**“摆放物体”**。
功能：它把物体从自己的“局部坐标系”（原点通常在物体中心）搬运到“世界坐标系”的某个位置。
包含操作
- 平移：把树从原点移到 (10, 0, 5)。
- 旋转：让树随风转动 30 度。
- 缩放：把小树变成大树（放大 2 倍）。
M_{View} 视图矩阵
作用：负责**“架设摄像机”**。
功能：它把“世界坐标系”转换成“摄像机坐标系”。
原理：正如我们之前聊的，为了计算方便，它不是移动摄像机，而是反向移动整个世界。如果你让摄像机后退 10 米，视图矩阵就会让所有物体前进 10 米。
目的：确定哪些物体在摄像机面前，哪些在背后。
M_{Projection} 投影矩阵
- 作用：负责**“拍照压扁”**。
- 功能：它把 3 D 的视锥体（摄像机看到的金字塔形区域）挤压成一个标准的立方体（通常是 -1 到 1 的范围），并产生近大远小的效果。
- 类型
  - 透视投影：有近大远小效果，用于 3 D 游戏（如《原神》、《C S : GO》）。
  - 正交投影：没有近大远小，物体大小不变，用于 2 D 游戏或工程图纸（如《纪念碑谷》）。

数学计算过程（顶点着色器中的流程）

在图形管线中，每一个顶点（Vertex）都要经历这个“MVP 之旅”。

假设有一个顶点的原始位置是 P_{local} （比如模型的一个角），它的变换过程如下：
1. 模型变换：P_{world}=M_{model}×P_{local} （把顶点放到世界的大地图里）
2. 视图变换：P_{view}=M_{view}×P_{world}（把顶点转换到摄像机面前）
3. 投影变换：P_{clip}=M_{project}×P_{view}（把顶点压扁，变成“裁剪空间”坐标）
4. 最终公式（也就是我们在 Shader 代码中最常见的一行）：P_{clip}=M_{MVP}×P_{local}

🧮 矩阵运算

📍 平移矩阵 (Translation)

假设我们要把物体在 X、Y、Z 轴上分别移动 xx 、 yy 、 zz 的距离。
平移矩阵的公式就是把这三个数填到第四列，其他地方保持“单位矩阵”（对角线为1，其余为0）的状态：
- 平移计算实例

T = \begin{bmatrix}1 & 0 & 0 & x \\0 & 1 & 0 & y \\0 & 0 & 1 & z \\0 & 0 & 0 & 1\end{bmatrix}

计算效果：当你用这个矩阵去乘一个点 (x_{0},y_{0},z_{0},1) 时，根据“行乘列”规则，新坐标就变成了

(x_{0} + x , y_{0} + y , z_{0} + z)

🔴平移计算实例

假设游戏里有一个小怪兽，它身上的一个顶点（比如鼻尖）的原始坐标是 P(1,2,3) 。在矩阵运算中，我们需要把它写成齐次坐标的列向量形式：

P = \begin{bmatrix} 1 \\ 2 \\ 3 \\ 1 \\ \end{bmatrix}

目标：把小怪兽向右移动 10 米（X轴+10），向上移动 5 米（Y轴+5），Z轴不动。
平移矩阵 T （填入 x=10,y=5,z=0）：

T = \begin{bmatrix} 1 & 0 & 0 & 10 \\ 0 & 1 & 0 & 5 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

开始计算（矩阵乘向量）：规则是“矩阵的每一行”去点乘“向量的每一列”。

P_{new}= T \cdot P =\begin{bmatrix} 1 & 0 & 0 & 10 \\ 0 & 1 & 0 & 5 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} 1 \\ 2 \\ 3 \\ 1 \\ \end{bmatrix}

第1行算新X： (1×1)+(0×2)+(0×3)+(10×1)=1+10=11
第2行算新Y： (0×1)+(1×2)+(0×3)+(5×1)=2+5=7
第3行算新Z： (0×1)+(0×2)+(1×3)+(0×1)=3+0=3
第4行算新W： (0×1)+(0×2)+(0×3)+(1×1)=1

结果：新坐标变成了 (11,7,3) 。
结论：你看，X 真的加了 10，Y 真的加了 5，平移成功！

🔍 缩放矩阵 (Scaling)

假设我们要把物体在 X、Y、Z 轴上分别放大 S_{x}、 S_{y} 、 S_{z}倍。
缩放矩阵的公式就是把这三个缩放系数，直接填在左上角的对角线上：

S = \begin{bmatrix} S_{x} & 0 & 0 & 10 \\ 0 & S_{y} & 0 & 5 \\ 0 & 0 & S_{z} & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

计算效果：用它乘以一个点 (x_{0},y_{0},z_{0},1) ，新坐标就变成了
(x_{0} \cdot S_{x} , y_{0} \cdot S_{y} , z_{0} \cdot S_{z}) 。

🔍 缩放计算实例

目标：把小怪兽整体放大 2 倍。
缩放矩阵 S （填入 Sx=2,Sy=2,Sz=2 ）

S = \begin{bmatrix} 2 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 2 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

开始计算：

P_{new}= S \cdot P =\begin{bmatrix} 2 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 2 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} 1 \\ 2 \\ 3 \\ 1 \\ \end{bmatrix}

第1行算新X： (2×1)+0+0+0==2
第2行算新Y：0+(2×2)+0+0=4
第3行算新Z：0+0+(2×3)+0=6
第4行算新W：0+0+0+(1×1)= 1

结果：新坐标变成了 (2,4,6)。
结论：原本的 (1,2,3) 全部乘以了 2，缩放成功！

🔄 旋转矩阵 (Rotation)

旋转稍微复杂一点，需要用到三角函数（\sin 和 \cos）。在游戏中，旋转通常是绕着 X、Y、Z 三个轴分别进行的。

1 . 绕 X 轴旋转 \theta 角（ pitch，抬头/低头）： X 坐标保持不变，Y 和 Z 发生变化。

R_x(\theta) = \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & \cos\theta & -\sin\theta & 0 \\ 0 & \sin\theta & \cos\theta & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

2. 绕 Y 轴旋转 \theta **角（yaw，左右转头）：**Y 坐标保持不变，X 和 Z 发生变化。

R_y(\theta) = \begin{bmatrix} \cos\theta & 0 & \sin\theta & 0 \\ 0 & 1 & 0 & 0 \\ -\sin\theta & 0 & \cos\theta & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

3. 绕 Z 轴旋转\theta **角（roll，歪头）：**Z 坐标保持不变，X 和 Y 发生变化。

R_z(\theta) = \begin{bmatrix} \cos\theta & -\sin\theta & 0 & 0 \\ \sin\theta & \cos\theta & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

🔄旋转计算实例（绕 Z 轴转 90 度）

为了计算方便，我们假设绕 Z 轴旋转 90 度（ θ=90∘θ=90∘ ）。
此时数学上： cos⁡(90°)=0 ， sin⁡(90°)=1 。

旋转矩阵 R_{z} ：

S = \begin{bmatrix} 0 & -1 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

开始计算：

P_{new}= R_{z} \cdot P =\begin{bmatrix} 0 & -1 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \cdot \begin{bmatrix} 1 \\ 2 \\ 3 \\ 1 \\ \end{bmatrix}

第1行算新X： (0×1)+(−1×2)+0+0=−2
第2行算新Y： (1×1)+(0×2)+0+0=1
第3行算新Z：0+0+(1×3)+0=3
第4行算新W：0+0+0+(1×1)=1

结果：新坐标变成了 (−2,1,3) 。
结论：你可以想象一下，原本在 XY 平面上 (1,2)的点，绕着原点逆时针甩了 90 度，确实会跑到 (−2,1) 的位置，Z 轴高度保持不变。旋转成功！

🧩 终极公式：TRS 复合变换矩阵

在实际游戏开发中，我们通常会把**平移(T)、旋转(R)、缩放(S)**打包进一个矩阵里。如果不考虑复杂的旋转顺序，一个标准的 TRS 变换矩阵长这样（假设旋转后的基向量为右向量 r、上向量 u、前向量 f）：

M = \begin{bmatrix} S_x \cdot r_x & S_y \cdot u_x & S_z \cdot f_x & T_x \\ S_x \cdot r_y & S_y \cdot u_y & S_z \cdot f_y & T_y \\ S_x \cdot r_z & S_y \cdot u_z & S_z \cdot f_z & T_z \\ 0 & 0 & 0 & 1 \end{bmatrix}

简单总结怎么算：

平移：把 X, Y, Z 的位移量填到矩阵的第4列前三个格子。
缩放：把 X, Y, Z 的缩放倍数乘到左上角 3x3 区域的对应轴上。
旋转：把算好的 sin⁡\sinsin 和 cos⁡\coscos 值填进左上角的 3x3 区域，用来改变物体的朝向。

只要记住这三个矩阵的样子，你就掌握了游戏引擎里 Matrix4x4.TRS 这个函数底层的数学公式了！

复合矩阵实例

在计算机图形学中，复合变换的核心原则是：矩阵乘法不满足交换律。这意味着 T \times R \times S 和 S \times R \times T 的结果完全不同。

业界最通用的标准顺序是 TRS（先缩放、再旋转、最后平移）。下面我将以一个具体的“机械臂关节”实例，带你手算一遍完整的复合矩阵构建过程。

🎯 实例场景：放置一个倾斜的长方体柱子

假设我们有一个长方体模型，它的原点在几何中心。我们需要将它变换到世界空间中的指定位置：

缩放 (S)：沿 Y 轴拉长 2 倍（X、Z 保持不变）。
旋转 (R)：绕 Z 轴逆时针旋转 45°。
平移 (T)：移动到世界坐标 (3,4,0)。

⚠️ 关键提醒 在列向量体系（OpenGL / Vulkan / Unity）中，矩阵是左乘顶点的，即 P_{new} = M \times P_{old}。因此复合矩阵的书写顺序与执行顺序相反： M_{composite} = T \times R \times S （计算时先从右边的 S 开始作用于顶点）

① 第一步：构建基础变换矩阵

缩放矩阵 S

S = \begin{bmatrix} s_x & 0 & 0 & 0 \\ 0 & s_y & 0 & 0 \\ 0 & 0 & s_z & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

旋转矩阵 R（绕 Z 轴旋转 \theta = 45° ）

R_z = \begin{bmatrix} \cos\theta & -\sin\theta & 0 & 0 \\ \sin\theta & \cos\theta & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} 0.707 & -0.707 & 0 & 0 \\ 0.707 & 0.707 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

平移矩阵 T

T = \begin{bmatrix} 1 & 0 & 0 & t_x \\ 0 & 1 & 0 & t_y \\ 0 & 0 & 1 & t_z \\ 0 & 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} 1 & 0 & 0 & 3 \\ 0 & 1 & 0 & 4 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

② 第二步：按 TRS 顺序相乘得到复合矩阵

先算 R \times S（旋转 × 缩放）

R \times S = \begin{bmatrix} 0.707 & -0.707 & 0 & 0 \\ 0.707 & 0.707 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} 1 & 0 & 0 & 0 \\ 0 & 2 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} 0.707 & -1.414 & 0 & 0 \\ 0.707 & 1.414 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

再算 T \times (R \times S)（平移 × 上一步结果）

M_{TRS} = \begin{bmatrix} 1 & 0 & 0 & 3 \\ 0 & 1 & 0 & 4 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} \times \begin{bmatrix} 0.707 & -1.414 & 0 & 0 \\ 0.707 & 1.414 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} = \begin{bmatrix} 0.707 & -1.414 & 0 & 3 \\ 0.707 & 1.414 & 0 & 4 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix}

💡 核心规律：在列向量体系中，平移矩阵左乘任何矩阵，只会改变该矩阵的第 4 列（平移分量），前三列完全不变。这就是为什么我们总是把平移放在最后乘——它不会干扰旋转和缩放的基向量。

③ 第三步：验证复合矩阵的正确性

取模型局部空间的原点 (0,0,0,1)^T 代入验证：

M_{TRS} \times \begin{bmatrix} 0 \\ 0 \\ 0 \\ 1 \end{bmatrix} = \begin{bmatrix} 3 \\ 4 \\ 0 \\ 1 \end{bmatrix}

原点被正确平移到了 (3,4,0)，且没有受到缩放和旋转的影响（因为原点本身没有方向）。

再取局部空间的 Y 轴顶点(0,1,0,1)^T 验证：

M_{TRS} \times \begin{bmatrix} 0 \\ 1 \\ 0 \\ 1 \end{bmatrix} = \begin{bmatrix} -1.414 + 3 \\ 1.414 + 4 \\ 0 \\ 1 \end{bmatrix} = \begin{bmatrix} 1.586 \\ 5.414 \\ 0 \\ 1 \end{bmatrix}

Y 轴先被缩放为 2 倍长度；
再绕 Z 轴旋转 45°，指向了左上方（X 为负，Y 为正）；
最后整体平移到 - (3,4,0)的基础上偏移。结果完全符合预期。

错误顺序	后果
先平移再旋转 (R \times T \times S)	物体会绕着世界原点公转，而不是绕自身中心自转，位置会严重偏离预期
先平移再缩放 (S \times T \times R)	平移量也会被缩放！比如平移 3 个单位，缩放 2 倍后实际移动了 6 个单位
先旋转再缩放 (S \times R \times T)	缩放会沿着世界坐标轴进行，而不是沿着物体旋转后的局部轴，导致物体被“压扁”而非“拉长”

取模运算

取模运算：x % y（或x mod y），表示x除以y的余数。
取余和取模的区别
- 通常取模运算(mod)也叫取余(.rem)运算，它们返回结果都是余数
- .rem 和 mod 唯一的区别在于:
  当 x 和 y 的正负号一样的时候，两个函数结果是等同的；当 x 和 y 的符号不同时，rem 函数结果的符号和 x 的一样，而 mod 和 y 一样。
- 取余和取模的区别 | 菜鸟教程 (runoob.com)
进制运算与转换
科学技术法

游戏数学

游戏中的数学知识

符号的含义

什么是归一化（Normalize）

📏 线性插值

应用场景

📐 三角函数

一、直角三角形中的定义（初中阶段）

1. 正弦（sine）

2. 余弦（cosine）

3. 正切（tangent）

二、单位圆中的扩展定义（高中阶段）

1. 单位圆定义法

2. 关键突破

三、核心关系与实用意义

1. 基本恒等式

2. 实际应用场景

总结

🔴 正弦（sine） 在游戏中的应用

🔴余弦函数（Cosine）在游戏中的应用

🔴 向量

什么是向量

1. 生活中的例子：导航指令

2. 游戏中的例子：速度与位移

3. 数学上的样子：箭头与坐标

几何形式：带箭头的线段

代数形式：一组数字（坐标）

4. 向量能做什么？

二维向量

三维向量

🟠 向量所在的空间

🔴🔴向量运算

一、基本运算与公式

1. 向量加法

应用场景

2. 向量减法

应用场景

3. 标量乘法（数乘）

4. 向量模长（长度）

5. 单位向量（归一化）

二、核心点积与叉积运算

1. 点积

在游戏中的应用

🔴 AI 视野检测（是否在扇形范围内？）

🔴 实时光照计算（兰伯特光照模型）

🔴 前后方位判定与背刺机制

🔴 向量投影（斜坡移动与受力分解）

🔴 上坡与玩家移动控制（投影的另一种妙用）

2. 叉积

🔴应用场景

三、进阶运算与应用场景

1. 向量投影

2. 向量反射

3. 向量插值

四、总结：向量运算在游戏开发中的核心价值

📦 矩阵

❔️矩阵是什么

⚙️矩阵的三大功能

🎬 矩阵乘法与变换串联

📹 MVP矩阵 : 从 3 d 模型转换为 2 d 像素位置

数学计算过程（顶点着色器中的流程）

🧮 矩阵运算

📍 平移矩阵 (Translation)

🔴平移计算实例

🔍 缩放矩阵 (Scaling)

🔍 缩放计算实例

🔄 旋转矩阵 (Rotation)

**🔄**旋转计算实例（绕 Z 轴转 90 度）

🧩 终极公式：TRS 复合变换矩阵

复合矩阵实例

① 第一步：构建基础变换矩阵

② 第二步：按 TRS 顺序相乘得到复合矩阵

③ 第三步：验证复合矩阵的正确性

取模运算

评论区

🔴 正弦（sine）在游戏中的应用

🔄旋转计算实例（绕 Z 轴转 90 度）