游戏客户端架构 / 系统课时
矩阵相乘为什么不能交换
矩阵相乘为什么不能交换
先把物体移到右侧再绕原点旋转,与先旋转再平移,会把物体放到不同位置。本篇用同一个点执行两条矩阵链,建立“每一步结果属于哪个空间”的检查习惯,而不是只背乘法从右向左。
学习目标
- 用数值反例验证矩阵乘法不交换。
- 按执行顺序读取矩阵链。
- 区分矩阵结合律与交换律。
两条合法变换链得到两个不同终点
在 XY 平面用列向量,点 p=(1,0),T 表示沿 X 平移 10,R 表示正 90 度旋转。R T p 先平移到 (11,0),再绕原点旋转到 (0,11);T R p 先转到 (0,1),再平移到 (10,1)。
两条链都没有语法错误,区别是需求。想把局部模型转好后放到世界位置,通常使用 T R;想让已偏离原点的对象绕原点转圈,则可能使用 R T。调换次序不能当作通用修复。

用程序对照两种次序
以下使用 Python 3.12 与 NumPy 2.x,在独立环境安装依赖后直接运行。@ 是矩阵乘法,不能改成逐元素的 *;逐元素乘法会把变换含义彻底改变。
python
import numpy as np
t = np.array([[1, 0, 10], [0, 1, 0], [0, 0, 1]], dtype=float)
r = np.array([[0, -1, 0], [1, 0, 0], [0, 0, 1]], dtype=float)
p = np.array([1, 0, 1], dtype=float)
print('R T p=', (r @ t @ p).tolist())
print('T R p=', (t @ r @ p).tolist())
# 可以改变括号以预先合成,但不能调换因子次序。
print('associative=', bool(np.allclose((t @ r) @ p, t @ (r @ p))))预期输出:
text
R T p= [0.0, 11.0, 1.0]
T R p= [10.0, 1.0, 1.0]
associative= True结合律允许预先合成
矩阵乘法满足结合律,T(Rp) 与 (TR)p 在精确数学中等价。实际浮点计算可能有微小舍入差异,通常用容差比较。把多个矩阵合成一次后处理很多点,是常见优化;合成顺序仍必须保持。
某些特殊变换确实可以交换,例如围绕同一轴的纯旋转,或同一空间中的两个纯平移。只用这些样例测试,会误以为所有矩阵都可以交换。选择带平移和旋转的非对称例子更容易暴露错误。
按中间空间定位错误
在代码注释中给矩阵标出输入、输出空间,例如局部到父级、父级到世界。相邻因子的空间必须能衔接。父子模型通常是父世界矩阵乘子局部矩阵,不是相反;切换到行向量约定时,整条等价表达需一起转换。
调试时输出每一步的点,而不是只输出最终矩阵。如果第一步已经错误,检查单个变换;如果各步独立正确、合成错误,检查顺序与布局。不要靠反复转置和交换直到画面碰巧正常。
按自己的节奏,确认真正理解。