矩阵在图形学中扮演着核心角色，几乎所有图形变换、投影和空间转换都依赖矩阵运算来实现高效计算。以下是矩阵在图形学中的主要作用及具体应用：
1. 几何变换
矩阵乘法可以高效表示物体的平移、旋转、缩放等基本变换，并通过矩阵连乘实现复合变换：
- 平移（Translation） ：
通过齐次坐标（4×4矩阵）表示三维平移：1 0 0 t x 0 1 0 t y 0 0 1 t z 0 0 0 1 \] \\begin{bmatrix} 1 \& 0 \& 0 \& t_x \\\\ 0 \& 1 \& 0 \& t_y \\\\ 0 \& 0 \& 1 \& t_z \\\\ 0 \& 0 \& 0 \& 1 \\end{bmatrix} 100001000010txtytz1
绕X/Y/Z轴的旋转用3×3或4×4矩阵表示。例如绕Z轴旋转：cos θ − sin θ 0 sin θ cos θ 0 0 0 1 \] \\begin{bmatrix} \\cos\\theta \& -\\sin\\theta \& 0 \\\\ \\sin\\theta \& \\cos\\theta \& 0 \\\\ 0 \& 0 \& 1 \\end{bmatrix} cosθsinθ0−sinθcosθ0001
s x 0 0 0 s y 0 0 0 s z \] \\begin{bmatrix} s_x \& 0 \& 0 \\\\ 0 \& s_y \& 0 \\\\ 0 \& 0 \& s_z \\end{bmatrix} sx000sy000sz
2. 坐标空间转换
图形管线中，顶点需要从局部坐标逐步转换到屏幕坐标，每一步都依赖矩阵乘法：
- 模型矩阵（Model Matrix）：局部坐标 → 世界坐标。
- 视图矩阵（View Matrix）：世界坐标 → 相机坐标系（通过LookAt矩阵实现）。
- 投影矩阵（Projection Matrix） ：
- 透视投影（Perspective）：模拟近大远小效果。
- 正交投影（Orthographic）：保持平行线不变。
3. 投影变换
- 透视投影矩阵 ：将视锥体映射到立方体（NDC空间），产生深度感。
2 n r − l 0 r + l r − l 0 0 2 n t − b t + b t − b 0 0 0 − f + n f − n − 2 f n f − n 0 0 − 1 0 \] \\begin{bmatrix} \\frac{2n}{r-l} \& 0 \& \\frac{r+l}{r-l} \& 0 \\\\ 0 \& \\frac{2n}{t-b} \& \\frac{t+b}{t-b} \& 0 \\\\ 0 \& 0 \& -\\frac{f+n}{f-n} \& -\\frac{2fn}{f-n} \\\\ 0 \& 0 \& -1 \& 0 \\end{bmatrix} r−l2n0000t−b2n00r−lr+lt−bt+b−f−nf+n−100−f−n2fn0
4. 法向量变换
物体变换时，法向量需通过逆转置矩阵 （Inverse Transpose Matrix）保持正确方向：
N new = ( M − 1 ) T N original \mathbf{N}{\text{new}} = (\mathbf{M}^{-1})^T \mathbf{N}{\text{original}} Nnew=(M−1)TNoriginal
5. 骨骼动画
在蒙皮动画中，矩阵用于表示骨骼的变换层级（骨骼空间→模型空间），顶点权重混合多个骨骼矩阵实现平滑变形。
6. 光线追踪与着色
- 变换光线：将光线从世界坐标转换到物体局部坐标以简化求交计算。
- 切线空间矩阵（TBN矩阵）：将法线贴图从切线空间转换到模型空间。
7. GPU优化
矩阵运算（如MVP矩阵）在着色器中通过并行计算高效执行，现代GPU针对4×4矩阵乘法有硬件优化。
总结
矩阵是图形学的"数学语言"，其核心价值在于：
- 统一性：所有变换均可表示为矩阵运算。
- 可组合性：通过矩阵乘法合并复杂操作。
- 硬件友好：适合GPU并行计算。
理解矩阵变换是掌握图形编程的基础。