` 详解：矩阵逐分量乘法与矩阵乘法的本质区别（The Book of Shaders 词条深度解读）)
【免费下载链接】thebookofshadersStep-by-step guide through the abstract and complex universe of Fragment Shaders.项目地址https://gitcode.com/gh_mirrors/th/thebookofshaders点击查看免费下载导读本文围绕 The Book of Shaders 开源仓库中的matrixCompMult词条展开系统讲解 GLSL 内置矩阵函数matrixCompMult()的声明形式、参数语义与逐分量component-wise运算规则并通过与*矩阵乘法运算符的对比厘清两者极易混淆的核心差异。读完本文你将掌握mat2/mat3/mat4三种矩阵类型下该函数的用法理解其与向量逐分量运算的一致性并能在片段着色器中正确选择“逐分量乘法”或“线性代数矩阵乘法”来完成坐标变换、颜色空间转换等实战任务。函数定位GLSL 矩阵专用内置函数在 GLSL 中矩阵是二维浮点数据的组织方式其索引约定为“列优先”column-major即mat[i]表示第i列。GLSL 原生支持二维、三维和四维方阵mat22×2、mat33×3与mat44×4。The Book of Shaders 第 08 章矩阵 明确指出GLSL 除支持矩阵乘法运算符*外还提供了矩阵专用函数matrixCompMult()而matrixCompMult在仓库的 glossary 总目录 中被归类在MATRIX FUNCTIONS矩阵函数分组下是该类别中唯一的函数条目可见其在矩阵运算体系中的独特地位。* MATRIX FUNCTIONS matrixCompMult()函数声明三种矩阵维度的重载matrixCompMult()为三个重载版本分别对应 GLSL 支持的三种方阵类型。原词条给出的声明如下mat2 matrixCompMult(mat2 x, mat2 y) mat3 matrixCompMult(mat3 x, mat3 y) mat4 matrixCompMult(mat4 x, mat4 y)从声明可以看出三点关键信息输入输出同型两个入参x、y与返回值必须同为mat2、mat3或mat4不允许混用不同维度例如mat2与mat3相乘在编译期即视为类型错误。无精度修饰要求作为内置函数它继承当前着色器的默认精度设置在 The Book of Shaders 的示例着色器中通常先通过precision mediump float;声明默认精度见 08/cross-rotate.frag 等文件的头部写法。函数名语义CompMult即Component-wise Multiplication逐分量相乘的缩写直接点明其运算本质。参数语义参数类型含义xmat2/mat3/mat4第一个矩阵因子first matrix multiplicandymat2/mat3/mat4第二个矩阵因子second matrix multiplicand两个参数地位对等运算满足交换律因为标量乘法本身满足交换律matrixCompMult(x, y)与matrixCompMult(y, x)结果相同。运算规则真正的“逐分量”乘法原词条对运算语义的定义十分精确matrixCompMult()对两个矩阵执行逐分量乘法返回一个新矩阵其中每个分量result[i][j]按以下方式计算result[i][j] x[i][j] * y[i][j];也就是说它等价于对矩阵的每个对应位置的分量做一次标量乘法属于数学中的Hadamard 乘积Hadamard product或逐元素乘积element-wise product。以mat2为例展开即为// 输入 // x | x00 x01 | y | y00 y01 | // | x10 x11 | | y10 y11 | // // 输出 result | x00*y00 x01*y01 | // | x10*y10 x11*y11 |注意索引[i][j]遵循 GLSL 的列优先约定i为列索引、j为行索引这一点与mat2词条中aMat2[1][1]、aMat2[0] vec2(1.0)的逐列访问示例完全一致。与*矩阵乘法运算符的本质区别这是理解matrixCompMult()最关键的一点。GLSL 中的*运算符作用于两个矩阵时执行的是线性代数意义上的矩阵乘法matrix product其每个分量的计算涉及整行与整列的点积求和result[i][j] sum(k) x[i][k] * y[k][j]; // 矩阵乘法*而matrixCompMult()只做对应位置相乘不涉及任何求和。两者在结果上几乎总是不同除非恰好在某些对角阵等特殊情形下巧合相等。从 The Book of Shaders 第 08 章的代码可以清晰看到*的典型用途——构造旋转、缩放矩阵后与向量相乘以变换坐标空间// 来自 08/cross-rotate.frag旋转坐标系 st rotate2d( sin(u_time)*PI ) * st;// 来自 08/cross-scale.frag缩放坐标系 st scale( vec2(sin(u_time)1.0) ) * st;这两个示例中的rotate2d、scale函数其定义分别见 08/cross-rotate.frag 与 08/cross-scale.frag返回mat2随后通过*与vec2坐标相乘完成旋转与缩放——这正是“矩阵 × 向量”的线性变换语义。而matrixCompMult()处理的是“矩阵 ↔ 矩阵”的逐元素运算用途与语义都截然不同。实战示例逐分量乘法的典型应用理解了语义之后来看几个可以直接放进片段着色器验证的用法。示例一矩阵逐分量缩放当你想对矩阵的每个分量统一按某组权重进行调制而不是做整体线性变换时matrixCompMult()是最直接的工具// 构造一个“权重矩阵”与目标矩阵逐分量相乘 mat2 weights mat2(2.0, 0.5, 0.5, 2.0); mat2 myMat mat2(1.0, 2.0, 3.0, 4.0); mat2 scaled matrixCompMult(myMat, weights); // scaled | 1*2 2*0.5 | // | 3*0.5 4*2 |示例二与逐分量向量运算的类比matrixCompMult()与 GLSL 中向量的逐分量运算符完全同构。对vec2而言vec2 * vec2本身就是逐分量乘法而对矩阵*却被保留给了矩阵乘积因此 GLSL 专门提供了matrixCompMult()来填补“矩阵逐分量乘法”的空缺。可以这样类比记忆vec2 a vec2(1.0, 2.0); vec2 b vec2(3.0, 4.0); vec2 v a * b; // 向量逐分量乘法结果为 (3.0, 8.0) mat2 m matrixCompMult(a2, b2); // 矩阵逐分量乘法result[i][j] a2[i][j]*b2[i][j]示例三YUV/颜色通道处理场景的延伸The Book of Shaders 第 08 章末尾的 08/yuv.frag 展示了用mat3 * vec3完成 RGB 与 YUV 颜色空间转换的做法// RGB to YUV matrix来自 08/yuv.frag mat3 rgb2yuv mat3(0.2126, 0.7152, 0.0722, -0.09991, -0.33609, 0.43600, 0.615, -0.5586, -0.05639); color yuv2rgb * vec3(0.5, st.x, st.y); // 矩阵乘法作用于颜色向量该场景使用的是*矩阵乘法。若需求变为“对转换矩阵本身做逐分量调制”例如按通道给矩阵系数加权则应当改用matrixCompMult(rgb2yuv, weights)——两者分工明确空间/颜色变换用*分量级调制用matrixCompMult()。矩阵类型速览从词条到完整声明matrixCompMult()的三个重载分别作用于三种矩阵类型理解这些类型本身的构造与访问方式有助于正确使用该函数。仓库中对应的词条给出了完整声明与初始化方式例如mat2词条mat2 aMat2 mat2(1.0, 0.0, // 第 1 列 0.0, 1.0); // 第 2 列 mat2 bMat2 mat2(1.0); // 仅主对角线为 1.0其余为 0.0 mat2 cMat2 mat2(aVec2, bVec2); // 由向量与标量组合构造访问方式同样支持逐分量与逐列两种mat2 aMat2; aMat2[1][1] 1.0; // 逐分量写入 float aFloat aMat2[1][1]; // 逐分量读取 aMat2[0] vec2(1.0); // 整列写入 vec2 aVec2 aMat2[0]; // 整列读取mat3词条与mat4词条遵循完全相同的构造与访问约定仅维度扩展为 3×3 与 4×4。这正是matrixCompMult()逐分量语义的底层基础由于矩阵本质上就是“若干列向量”的集合逐分量索引x[i][j]天然成立。源码佐证矩阵构造函数与使用场景从仓库源码可以进一步印证该函数在 GLSL 矩阵体系中的定位。第 08 章的可运行演示脚本 08/matrices.frag 中定义了一整套矩阵构造工具函数包括 2D 旋转矩阵rotate2D()、3D 三轴旋转矩阵rotateX3D()/rotateY3D()/rotateZ3D()及对应的mat4版本、缩放矩阵scale4D()、平移矩阵translate4D()// 来自 08/matrices.fragmat3 沿 X 轴旋转 mat3 rotateX3D(float phi){ return mat3( vec3(1.,0.,0.), vec3(0.,cos(phi),-sin(phi)), vec3(0.,sin(phi),cos(phi))); }观察这些构造函数可以发现它们全部依赖逐列构造用vec3/vec4作为列以及随后与向量的*乘法即线性变换路径而matrixCompMult()则属于另一条“逐元素”路径两者在 GLSL 中由内置函数与运算符分别承载共同构成完整的矩阵运算能力。从代码结构看这种设计使得“构造变换矩阵用*、逐分量调制矩阵用matrixCompMult()”成为 GLSL 着色器开发的通行惯例。延伸阅读词条原文英文版glossary/matrixCompMult/README.md另有乌克兰语版与越南语版可供对照相关矩阵类型词条mat2、mat3、mat4词条所属分类总览glossary/README.mdMATRIX FUNCTIONS 分组矩阵实战章节第 08 章矩阵平移、旋转、缩放与 YUV 颜色空间示例可运行示例源码08/cross-rotate.frag、08/cross-scale.frag、08/yuv.frag、08/matrices.frag赞分享【免费下载链接】thebookofshadersStep-by-step guide through the abstract and complex universe of Fragment Shaders.项目地址https://gitcode.com/gh_mirrors/th/thebookofshaders点击查看免费下载相关推荐Notepad-- 免费跨平台文本编辑器实战指南批量替换、乱码与日志跟随一次学会Notepad 免费跨平台文本编辑器实战指南批量替换、乱码与日志跟随一次学会 Notepad 是一款免费开源的文本编辑器Windows、Linux、macO如何快速掌握矩阵乘法与分块矩阵的工程实践鸢尾花书《矩阵力量》入门指南如何快速掌握矩阵乘法与分块矩阵的工程实践鸢尾花书《矩阵力量》入门指南 鸢尾花书《矩阵力量》是一本从加减乘除到机器学习的实用指南旨在帮助新手和普通用户理解矩阵教育机器学习GitHub_Trending/go2/GoStrassen矩阵乘法算法深度解析GitHub_Trending/go2/GoStrassen矩阵乘法算法深度解析 引言矩阵乘法的性能瓶颈与突破 在现代计算科学中矩阵乘法是许多核心算法的基示例工程上一篇完整指南xiaozhi-esp32 摄像头 3 步接入让语音助手开口描述画面下一篇RxMarbles项目演进从React到Cycle.js的技术架构变迁终极指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/16 5:37:59 · 阅读 1.2k GLSL `matrixCompMult()` 详解：矩阵逐分量乘法与矩阵乘法的本质区别（The Book of Shaders 词条深度解读）
【免费下载链接】thebookofshadersStep-by-step guide through the abstract and complex universe of Fragment Shaders.项目地址https://gitcode.com/gh_mirrors/th/thebookofshaders点击查看免费下载导读本文围绕 The Book of Shaders 开源仓库中的matrixCompMult词条展开系统讲解 GLSL 内置矩阵函数matrixCompMult()的声明形式、参数语义与逐分量component-wise运算规则并通过与*矩阵乘法运算符的对比厘清两者极易混淆的核心差异。读完本文你将掌握mat2/mat3/mat4三种矩阵类型下该函数的用法理解其与向量逐分量运算的一致性并能在片段着色器中正确选择“逐分量乘法”或“线性代数矩阵乘法”来完成坐标变换、颜色空间转换等实战任务。函数定位GLSL 矩阵专用内置函数在 GLSL 中矩阵是二维浮点数据的组织方式其索引约定为“列优先”column-major即mat[i]表示第i列。GLSL 原生支持二维、三维和四维方阵mat22×2、mat33×3与mat44×4。The Book of Shaders 第 08 章矩阵 明确指出GLSL 除支持矩阵乘法运算符*外还提供了矩阵专用函数matrixCompMult()而matrixCompMult在仓库的 glossary 总目录 中被归类在MATRIX FUNCTIONS矩阵函数分组下是该类别中唯一的函数条目可见其在矩阵运算体系中的独特地位。* MATRIX FUNCTIONS matrixCompMult()函数声明三种矩阵维度的重载matrixCompMult()为三个重载版本分别对应 GLSL 支持的三种方阵类型。原词条给出的声明如下mat2 matrixCompMult(mat2 x, mat2 y) mat3 matrixCompMult(mat3 x, mat3 y) mat4 matrixCompMult(mat4 x, mat4 y)从声明可以看出三点关键信息输入输出同型两个入参x、y与返回值必须同为mat2、mat3或mat4不允许混用不同维度例如mat2与mat3相乘在编译期即视为类型错误。无精度修饰要求作为内置函数它继承当前着色器的默认精度设置在 The Book of Shaders 的示例着色器中通常先通过precision mediump float;声明默认精度见 08/cross-rotate.frag 等文件的头部写法。函数名语义CompMult即Component-wise Multiplication逐分量相乘的缩写直接点明其运算本质。参数语义参数类型含义xmat2/mat3/mat4第一个矩阵因子first matrix multiplicandymat2/mat3/mat4第二个矩阵因子second matrix multiplicand两个参数地位对等运算满足交换律因为标量乘法本身满足交换律matrixCompMult(x, y)与matrixCompMult(y, x)结果相同。运算规则真正的“逐分量”乘法原词条对运算语义的定义十分精确matrixCompMult()对两个矩阵执行逐分量乘法返回一个新矩阵其中每个分量result[i][j]按以下方式计算result[i][j] x[i][j] * y[i][j];也就是说它等价于对矩阵的每个对应位置的分量做一次标量乘法属于数学中的Hadamard 乘积Hadamard product或逐元素乘积element-wise product。以mat2为例展开即为// 输入 // x | x00 x01 | y | y00 y01 | // | x10 x11 | | y10 y11 | // // 输出 result | x00*y00 x01*y01 | // | x10*y10 x11*y11 |注意索引[i][j]遵循 GLSL 的列优先约定i为列索引、j为行索引这一点与mat2词条中aMat2[1][1]、aMat2[0] vec2(1.0)的逐列访问示例完全一致。与*矩阵乘法运算符的本质区别这是理解matrixCompMult()最关键的一点。GLSL 中的*运算符作用于两个矩阵时执行的是线性代数意义上的矩阵乘法matrix product其每个分量的计算涉及整行与整列的点积求和result[i][j] sum(k) x[i][k] * y[k][j]; // 矩阵乘法*而matrixCompMult()只做对应位置相乘不涉及任何求和。两者在结果上几乎总是不同除非恰好在某些对角阵等特殊情形下巧合相等。从 The Book of Shaders 第 08 章的代码可以清晰看到*的典型用途——构造旋转、缩放矩阵后与向量相乘以变换坐标空间// 来自 08/cross-rotate.frag旋转坐标系 st rotate2d( sin(u_time)*PI ) * st;// 来自 08/cross-scale.frag缩放坐标系 st scale( vec2(sin(u_time)1.0) ) * st;这两个示例中的rotate2d、scale函数其定义分别见 08/cross-rotate.frag 与 08/cross-scale.frag返回mat2随后通过*与vec2坐标相乘完成旋转与缩放——这正是“矩阵 × 向量”的线性变换语义。而matrixCompMult()处理的是“矩阵 ↔ 矩阵”的逐元素运算用途与语义都截然不同。实战示例逐分量乘法的典型应用理解了语义之后来看几个可以直接放进片段着色器验证的用法。示例一矩阵逐分量缩放当你想对矩阵的每个分量统一按某组权重进行调制而不是做整体线性变换时matrixCompMult()是最直接的工具// 构造一个“权重矩阵”与目标矩阵逐分量相乘 mat2 weights mat2(2.0, 0.5, 0.5, 2.0); mat2 myMat mat2(1.0, 2.0, 3.0, 4.0); mat2 scaled matrixCompMult(myMat, weights); // scaled | 1*2 2*0.5 | // | 3*0.5 4*2 |示例二与逐分量向量运算的类比matrixCompMult()与 GLSL 中向量的逐分量运算符完全同构。对vec2而言vec2 * vec2本身就是逐分量乘法而对矩阵*却被保留给了矩阵乘积因此 GLSL 专门提供了matrixCompMult()来填补“矩阵逐分量乘法”的空缺。可以这样类比记忆vec2 a vec2(1.0, 2.0); vec2 b vec2(3.0, 4.0); vec2 v a * b; // 向量逐分量乘法结果为 (3.0, 8.0) mat2 m matrixCompMult(a2, b2); // 矩阵逐分量乘法result[i][j] a2[i][j]*b2[i][j]示例三YUV/颜色通道处理场景的延伸The Book of Shaders 第 08 章末尾的 08/yuv.frag 展示了用mat3 * vec3完成 RGB 与 YUV 颜色空间转换的做法// RGB to YUV matrix来自 08/yuv.frag mat3 rgb2yuv mat3(0.2126, 0.7152, 0.0722, -0.09991, -0.33609, 0.43600, 0.615, -0.5586, -0.05639); color yuv2rgb * vec3(0.5, st.x, st.y); // 矩阵乘法作用于颜色向量该场景使用的是*矩阵乘法。若需求变为“对转换矩阵本身做逐分量调制”例如按通道给矩阵系数加权则应当改用matrixCompMult(rgb2yuv, weights)——两者分工明确空间/颜色变换用*分量级调制用matrixCompMult()。矩阵类型速览从词条到完整声明matrixCompMult()的三个重载分别作用于三种矩阵类型理解这些类型本身的构造与访问方式有助于正确使用该函数。仓库中对应的词条给出了完整声明与初始化方式例如mat2词条mat2 aMat2 mat2(1.0, 0.0, // 第 1 列 0.0, 1.0); // 第 2 列 mat2 bMat2 mat2(1.0); // 仅主对角线为 1.0其余为 0.0 mat2 cMat2 mat2(aVec2, bVec2); // 由向量与标量组合构造访问方式同样支持逐分量与逐列两种mat2 aMat2; aMat2[1][1] 1.0; // 逐分量写入 float aFloat aMat2[1][1]; // 逐分量读取 aMat2[0] vec2(1.0); // 整列写入 vec2 aVec2 aMat2[0]; // 整列读取mat3词条与mat4词条遵循完全相同的构造与访问约定仅维度扩展为 3×3 与 4×4。这正是matrixCompMult()逐分量语义的底层基础由于矩阵本质上就是“若干列向量”的集合逐分量索引x[i][j]天然成立。源码佐证矩阵构造函数与使用场景从仓库源码可以进一步印证该函数在 GLSL 矩阵体系中的定位。第 08 章的可运行演示脚本 08/matrices.frag 中定义了一整套矩阵构造工具函数包括 2D 旋转矩阵rotate2D()、3D 三轴旋转矩阵rotateX3D()/rotateY3D()/rotateZ3D()及对应的mat4版本、缩放矩阵scale4D()、平移矩阵translate4D()// 来自 08/matrices.fragmat3 沿 X 轴旋转 mat3 rotateX3D(float phi){ return mat3( vec3(1.,0.,0.), vec3(0.,cos(phi),-sin(phi)), vec3(0.,sin(phi),cos(phi))); }观察这些构造函数可以发现它们全部依赖逐列构造用vec3/vec4作为列以及随后与向量的*乘法即线性变换路径而matrixCompMult()则属于另一条“逐元素”路径两者在 GLSL 中由内置函数与运算符分别承载共同构成完整的矩阵运算能力。从代码结构看这种设计使得“构造变换矩阵用*、逐分量调制矩阵用matrixCompMult()”成为 GLSL 着色器开发的通行惯例。延伸阅读词条原文英文版glossary/matrixCompMult/README.md另有乌克兰语版与越南语版可供对照相关矩阵类型词条mat2、mat3、mat4词条所属分类总览glossary/README.mdMATRIX FUNCTIONS 分组矩阵实战章节第 08 章矩阵平移、旋转、缩放与 YUV 颜色空间示例可运行示例源码08/cross-rotate.frag、08/cross-scale.frag、08/yuv.frag、08/matrices.frag赞分享【免费下载链接】thebookofshadersStep-by-step guide through the abstract and complex universe of Fragment Shaders.项目地址https://gitcode.com/gh_mirrors/th/thebookofshaders点击查看免费下载相关推荐Notepad-- 免费跨平台文本编辑器实战指南批量替换、乱码与日志跟随一次学会Notepad 免费跨平台文本编辑器实战指南批量替换、乱码与日志跟随一次学会 Notepad 是一款免费开源的文本编辑器Windows、Linux、macO如何快速掌握矩阵乘法与分块矩阵的工程实践鸢尾花书《矩阵力量》入门指南如何快速掌握矩阵乘法与分块矩阵的工程实践鸢尾花书《矩阵力量》入门指南 鸢尾花书《矩阵力量》是一本从加减乘除到机器学习的实用指南旨在帮助新手和普通用户理解矩阵教育机器学习GitHub_Trending/go2/GoStrassen矩阵乘法算法深度解析GitHub_Trending/go2/GoStrassen矩阵乘法算法深度解析 引言矩阵乘法的性能瓶颈与突破 在现代计算科学中矩阵乘法是许多核心算法的基示例工程上一篇完整指南xiaozhi-esp32 摄像头 3 步接入让语音助手开口描述画面下一篇RxMarbles项目演进从React到Cycle.js的技术架构变迁终极指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考