游戏客户端架构 / 系统课时
行向量列向量为何会影响结果
行向量列向量为何会影响结果
同一个平移矩阵,乘在向量左边还是右边,会改变计算含义。本篇用二维齐次坐标对照列向量与行向量,找出需要转置的地方,并把乘法约定与内存排列分开检查。
学习目标
- 按列向量和行向量分别计算同一变换。
- 理解转置如何改变矩阵链顺序。
- 避免把行主序存储等同于行向量数学。
固定一份列向量约定
二维点 (1,2) 加一个齐次分量 1,写成列向量 p。本例平移 (10,20) 的矩阵 T 三行分别为 (1,0,10)、(0,1,20)、(0,0,1)。计算 T p 得到 (11,22,1),最后一列负责平移。
齐次方向的最后一个分量为 0,使用同一矩阵不会加上平移。这个分量表示点与方向的区别,不是第四个空间轴。检查矩阵时不能丢掉它,否则某些错误只有在带平移时才暴露。
换成行向量要连矩阵一起转置
行向量等价表达为 p 的转置乘 T 的转置。此时平移项在最后一行。只把向量写横过来,却仍用原 T,结果就不再等价。若列约定中世界变换为 T R p,行约定应写 pᵀ Rᵀ Tᵀ,矩阵链也反过来。
| 数学约定 | 点的计算 | 平移位置 |
|---|---|---|
| 列向量 | T p | 最后一列 |
| 等价行向量 | pᵀ Tᵀ | 最后一行 |
运行两种约定的对照
以下 Python 3.12 程序用普通元组计算,不涉及 GPU 上传或第三方矩阵库。错误分支保留最后分量,避免误把前两个“似乎没变”的数当成有效齐次结果。
python
def mv(m, v):
return tuple(sum(a*b for a, b in zip(row, v)) for row in m)
def vm(v, m):
return tuple(sum(v[i]*m[i][j] for i in range(3)) for j in range(3))
t = ((1, 0, 10), (0, 1, 20), (0, 0, 1))
tt = tuple(zip(*t)) # 行表达要使用转置后的矩阵。
p = (1, 2, 1)
print('column=', mv(t, p))
print('row=', vm(p, tt))
print('wrong=', vm(p, t))预期输出:
text
column= (11, 22, 1)
row= (11, 22, 1)
wrong= (1, 2, 51)存储方式需要另外核对
行主序或列主序描述矩阵元素如何连续存放;行向量或列向量描述数学乘法。一个库可以用行主序存储但仍让列向量右乘。只看数组第几个元素,无法证明几何约定正确。
迁移时先测单位矩阵、单轴平移、四分之一圈,再测两者组合。若本地计算正确而渲染错误,检查上传转置标志、着色器乘法方向和缓冲布局;不要同时修改三处,让两次错误恰好抵消。
按自己的节奏,确认真正理解。