在实时物理模拟与碰撞检测领域，GJK（Gilbert-Johnson-Keerthi）算法堪称经典中的经典。它通过迭代计算凸体间的支撑函数，高效判断两个凸多面体是否相交。然而，当物体遭遇非均匀缩放（即沿不同轴向具有不同缩放因子）时，许多开发者困惑地发现：用逆矩阵变换方向向量会导致错误结果，而转置矩阵却始终有效。这背后隐藏着深刻的线性代数原理，理解它对于编写健壮的碰撞检测代码至关重要。
支撑函数的本质：方向与点的对偶关系
GJK算法的核心在于“支撑函数”（Support Function），它接受一个方向向量，返回该方向上凸体的最远点。数学上，对于凸体A，支撑函数定义为：
[ S_A(d) = \arg\max_{p \in A} (d \cdot p) ]
这个点积最大化操作建立了方向与点之间的对偶关系。当我们对物体施加仿射变换（如旋转、平移、缩放）时，世界空间中的凸体变为 ( M \cdot A = {M p \mid p \in A} )，其中M是3×3仿射变换矩阵（忽略平移，因为平移不影响方向变换）。此时，世界空间中的支撑函数需求变成：给定世界方向d，找到变换后凸体上使 ( d \cdot (M p) ) 最大的点p_local。
为什么转置矩阵能保持方向一致
将点积展开：( d \cdot (M p) = d^T M p = (M^T d)^T p )。这意味着，最大化 ( d \cdot (M p) ) 等价于在局部空间中最大化 ( (M^T d) \cdot p )。因此，算法可以这样做：
- 将世界方向d用转置矩阵 ( M^T ) 变换到局部方向 ( d_{local} = M^T d )。
- 在局部坐标系中计算支撑点 ( p_{local} = S_A(d_{local}) )。
- 将局部点用M变换回世界坐标 ( p = M p_{local} )。
这个流程对任意仿射变换（包括非均匀缩放）都成立，因为转置操作精确保持了点积的线性对应关系。
逆矩阵为何在非均匀缩放时崩溃
许多开发者直觉上认为，应该用逆矩阵来“反向”变换方向，就像逆矩阵用于变换法线一样。确实，对于法线向量（其与表面切线正交），正确的变换矩阵是 ( M^{-T} )（逆的转置）。但方向向量不同——它不是一个几何法线，而是一个用于点积最大化的“搜索方向”。
当我们尝试用逆矩阵 ( M^{-1} ) 变换方向时，局部方向变为 ( d'_{local} = M^{-1} d )。此时，点积关系是：
[ d \cdot (M p) = (M^T d) \cdot p \neq (M^{-1} d) \cdot p \quad \text{除非} \quad M^T = M^{-1} ]
而 ( M^T = M^{-1} ) 成立的条件是M为正交矩阵——即仅包含旋转（可能加反射），不包含缩放。当非均匀缩放引入时，M不再正交，因此 ( d'{local} ) 与正确方向 ( d变换为(0.5,0)，而被M^T变换为(2,0)。这两个方向指向同一个轴但缩放因子不同，导致计算出的支撑点位置完全不同，最终碰撞检测结果错误。} ) 发生偏差。例如，假设M在X轴缩放2倍、Y轴缩放0.5倍，那么沿世界X轴的方向d=(1,0)会被M^{-1
实践中的注意事项
在实现GJK时，正确的做法是： - 对于方向向量（用于搜索），始终使用变换矩阵的转置（或等价地，将方向作为行向量左乘矩阵）。 - 对于法线向量（如计算碰撞法线），使用逆矩阵的转置。 - 如果变换包含平移，需要将平移分量分离，因为方向向量是零阶张量，不受平移影响。
此外，若矩阵包含投影变换（如透视投影），线性关系不再适用，需采用更复杂的处理。但在常见的仿射变换场景下，牢记“转置优先”即可避免非均匀缩放带来的陷阱。
结语
GJK算法的优雅之处在于它将几何问题转化为线性代数运算。理解转置矩阵为何工作、逆矩阵为何失效，不仅能让开发者避开常见的Bug，更能深化对向量变换本质的认识：方向向量是协变向量，其变换规律与逆变向量（如位置点）不同。下次当你为碰撞检测编写代码时，不妨检查一下——你是否在不知不觉中误用了逆矩阵？毕竟，在非均匀缩放的世界里，转置才是真正的“朋友”。