之前我们学到了矩阵的相关基础，了解矩阵使用了进行变幻的。可是在三维空间中我们不管是表示点还是向量，都是通过x,y,z来表示的。那我们如何在三维向量中，表示出来变换的呢？
齐次坐标
齐次坐标：将原本的n维向量用n+1维来表示。
原因：1.不论是点还是向量，都是三维坐标，无法区分，我们给他在加上1维做区分。（x,y,z,w）w为0，向量，为1，点
2.三维向量无法表示平移变换，只能进行旋转，缩放的线性变换。
既然提到了变换，那就来看看这些变换矩阵是什么样的。、
在此之前，我们先来看看基础变换矩阵的构成
基础变换矩阵
在4*4的矩阵中，分成了四个部分，右边的[t1,t2,t3]是用于平移变换，而m区域的3*3矩阵则是用于旋转和缩放变换，其他的两个部分，0和1都是写死的。不论是何种变换，都是在基础变换矩阵转换来的，接下来我们在看看他们。
平移矩阵
如图就是平移矩阵了，将m区域的3*3矩阵变为单位矩阵，就可以得到平移矩阵，通过修改右侧的tx,ty,tz来完成变换。
平移矩阵的计算
了解了平移矩阵，来看看怎么使用
如图，就是将点 x,y,z进行了平移变换后的位置
这个则是向量通过平移矩阵之后的样子，现在我们可以看到，为什么需要使用4*4的矩阵来进行变换，以及为什么需要给列向量加1维。
那为什么向量变换之后，还是原本的样子呢？
这是因为，向量表示的是大小与方向，而不是位置，不论如何变换，向量的大小与方向是不变的。
平移矩阵是否是正交矩阵
为什么需要在意是不是正交矩阵呢？这里的正交矩阵，我们主要是想要快速的得到它的逆矩阵，这一点我们之前提过为什么。
而得到逆矩阵之后，我们可以通过逆矩阵进行反向变换。
那么如何判断是否是正交矩阵，之前也提过，我们再来看看
显然，平移矩阵不是正交矩阵，不过虽然他不是正交矩阵，我们也可以通过计算得到，结果也简单，记一下就好
旋转矩阵
旋转矩阵比较复杂，如何推导就不说了，记住就行
旋转矩阵是否是正交矩阵
结论：旋转矩阵是正交矩阵，意味着旋转矩阵得转置矩阵就是它得逆矩阵。
缩放矩阵
缩放矩阵就是对点或者向量进行某一个方向上得放大缩小。他的构成也非常简单
需要注意得是：缩放对于点或者向量都是有意义的。
缩放矩阵是否是正交矩阵
通常来说，缩放矩阵不会是正交矩阵，因为kx,ky,kz需要为1的时候才能使正交矩阵，所以通常来说，不是。
不过，他的逆矩阵也非常简单
复合运算
由于矩阵的乘法是不满足交换律，所以变换的顺序很重要。
举个列子，先往前一步，再向左左转。和先向左转，再往前一步的结果是不一样的。
Unity 的规则
在进行符合运算是，遵循先缩放，再旋转，最后平移。
如果是旋转，先z轴，再x轴，最后y轴。
以上就是基本的变换矩阵相关的基础了