罗德里格斯旋转公式及其推导
罗德里格斯（Rodrigues）旋转公式及其推导三维空间旋转矩阵罗德里格斯旋转方程（Rodrigues）*叉积矩阵**拉格朗日公式（向量三重积展开）**罗德里格斯旋转方程推导*罗德里格斯（Rodrigues）旋转公式及其推导
三维空间旋转矩阵
计算机图形学中，三维空间下绕不同坐标轴的旋转矩阵如下（右手系逆时针）：
绕X轴旋转： R x = [ 1 0 0 0 c o s θ − sin θ 0 s i n θ cos θ ] (1) R_x = \left[ \begin{matrix} \ 1 & 0 & 0 \\ \ 0 &cos \theta & -\sin \theta \\ \ 0 &sin \theta& \cos \theta \end{matrix} \right] \tag{1} Rx=⎣⎡1000cosθsinθ0−sinθcosθ⎦⎤(1)
绕Y轴旋转： R y = [ cos θ 0 sin θ 0 1 0 − sin θ 0 cos θ ] (2) R_y= \left[ \begin{matrix} \cos \theta & 0 & \sin \theta \\ \ 0 & 1 & 0 \\ -\sin \theta & 0 & \cos \theta \end{matrix} \right] \tag{2} Ry=⎣⎡cosθ0−sinθ010sinθ0cosθ⎦⎤(2)
绕Z轴旋转： R z = [ c o s θ − sin θ 0 s i n θ cos θ 0 0 0 1 ] (3) R_z = \left[ \begin{matrix} \ cos \theta & -\sin \theta & 0 \\ \ sin \theta& \cos \theta & 0 \\ 0 & 0 & 1 \end{matrix} \right] \tag{3} Rz=⎣⎡cosθsinθ0−sinθcosθ0001⎦⎤(3)
可以看到，这三个旋转矩阵，只有在三维空间下物体围绕某一特定坐标轴旋转的特殊情况下才能使用。从几何角度来讲，三维空间中任意一个旋转（绕任意轴），都可以分解为绕X轴，Y轴，Z轴旋转的复合。即对于任意旋转轴 n ⃗ \vec{n} n ,旋转角 θ \theta θ： R ( n ⃗ , θ ) = R ( x ⃗ , θ x ) ∗ R ( y ⃗ , θ y ) ∗ R ( z ⃗ , θ z ) . (4) R(\vec{n},\theta) = R(\vec{x},\theta x) * R(\vec{y},\theta y) * R(\vec{z},\theta z)\,.\tag{4} R(n ,θ)=R(x ,θx)∗R(y ,θy)∗R(z ,θz).(4)
然而，这样分解与矩阵运算的计算量显然是十分大的。
罗德里格斯旋转方程（Rodrigues）
罗德里格斯旋转公式，用于表示空间中任一向量 v ⃗ \vec{v} v ，沿任一旋转轴 k ⃗ \vec{k} k , 旋转任一角度 θ \theta θ后，得到的结果: v ⃗ r o t = v ⃗ cos θ + ( 1 − cos θ ) ( k ⃗ ⋅ v ⃗ ) ⋅ k ⃗ + sin θ ∗ k ⃗ × v ⃗ (5) \vec{v}_{rot} = \vec{v} \cos\theta + (1-\cos\theta)(\vec{k} \cdot\ \vec{v})\cdot \vec{k} + \sin\theta *\vec{k} \times \vec{v} \tag{5} v rot=v cosθ+(1−cosθ)(k ⋅v )⋅k +sinθ∗k ×v (5)
这个式子还不是很直观，所以需要引入另外两个公式来再推导两步化简：
叉积矩阵
~~~~~~~ 关于 a ⃗ × b ⃗ \vec{a} \times \vec{b} a ×b ，有： ( x a y a z a ) × ( x b y b z b ) = ( y a z b − z a y b z a x b − x a z b x a y b − y a x b ) (6) \begin{pmatrix} x_a \\y_a \\ z_a \end{pmatrix} \times \begin{pmatrix} x_b \\y_b \\ z_b \end{pmatrix}= \begin{pmatrix} y_az_b - z_ay_b \\z_ax_b - x_az_b \\ x_ay_b -y_ax_b \end{pmatrix}\tag{6} ⎝⎛xayaza⎠⎞×⎝⎛xbybzb⎠⎞=⎝⎛yazb−zaybzaxb−xazbxayb−yaxb⎠⎞(6)
~~~~~~~ 可以写成矩阵形式： ( y a z b − z a y b z a x b − x a z b x a y b − y a x b ) = ( 0 − z a y a z a 0 − x a − y a x a 0 ) ⋅ ( x b y b z b ) (7) \begin{pmatrix} y_az_b - z_ay_b \\z_ax_b - x_az_b \\ x_ay_b -y_ax_b \end{pmatrix} = \begin{pmatrix} 0&-z_a & y_a \\z_a &0&-x_a \\ -y_a &x_a &0 \end{pmatrix} \cdot \begin{pmatrix} x_b \\y_b \\ z_b \end{pmatrix}\tag{7} ⎝⎛yazb−zaybzaxb−xazbxayb−yaxb⎠⎞=⎝⎛0za−ya−za0xaya−xa0⎠⎞⋅⎝⎛xbybzb⎠⎞(7)
~~~~~~~ 则可记 a ⃗ \vec{a} a 的 " 叉积矩阵 " 为：
R a ⃗ = ( 0 − z a y a z a 0 − x a − y a x a 0 ) (8) R_{\vec{a}} = \begin{pmatrix} 0&-z_a & y_a \\z_a &0&-x_a \\ -y_a &x_a &0 \end{pmatrix} \tag{8} Ra =⎝⎛0za−ya−za0xaya−xa0⎠⎞(8)
~~~~~~~ 对于任意向量 b ⃗ \vec{b} b , 有 :
a ⃗ × b ⃗ = R a ⃗ ⋅ b ⃗ (9) \vec{a} \times \vec{b} = R_{\vec{a}} \cdot \vec{b}\tag{9} a ×b =Ra ⋅b (9)
拉格朗日公式（向量三重积展开）
~~~~~~~ 对于三个向量 a ⃗ b ⃗ c ⃗ \vec{a} ~\vec{b} ~\vec{c} a b c ，向量的三重积定义为：
a ⃗ × ( b ⃗ × c ⃗ ) \vec{a} \times (\vec{b} \times \vec{c}) a ×(b ×c )
~~~~~~~ 值得注意的是，一般来说 :
a ⃗ × ( b ⃗ × c ⃗ ) ≠ ( a ⃗ × b ⃗ ) × c ⃗ \vec{a} \times (\vec{b} \times \vec{c}) \neq(\vec{a} \times \vec{b}) \times \vec{c} a ×(b ×c )=(a ×b )×c
~~~~~~~ 以下恒等式，称作三重积展开或拉格朗日公式，对于任意向量 a ⃗ 、 b ⃗ 、 c ⃗ \vec{a}、\vec{b}、\vec{c} a 、b 、c 均成立 ：
a ⃗ × ( b ⃗ × c ⃗ ) = ( a ⃗ ⋅ c ⃗ ) b ⃗ − ( a ⃗ ⋅ b ⃗ ) c ⃗ (10) \vec{a} \times (\vec{b} \times \vec{c}) = (\vec{a} \cdot \vec{c}) ~\vec{b} -(\vec{a} \cdot \vec{b}) ~\vec{c}\tag{10} a ×(b ×c )=(a ⋅c )b −(a ⋅b )c (10)
罗德里格斯旋转方程推导
~~~~~~~ 如上图所示，描述了一个空间中的向量 v ⃗ \vec{v} v ，沿旋转轴 k ⃗ \vec{k} k (单位向量), 逆时针旋转了 θ \theta θ角度到 v ⃗ r o t \vec{v}_{rot} v rot的几何关系。
~~~~~~~ 在 v ⃗ 与 k ⃗ \vec{v} 与 \vec{k} v 与k 组成的平面上, v ⃗ \vec{v} v 可以分解为:与 k ⃗ \vec{k} k 垂直的分量 v ⊥ ⃗ \vec{v_{\perp}} v⊥ 和与 k ⃗ \vec{k} k 平行的分量 v ∥ ⃗ \vec{v_{\parallel}} v∥ ,有：
v ⃗ = v ∥ ⃗ + v ⊥ ⃗ v ⃗ r o t = v ⃗ r o t ∥ + v ⃗ r o t ⊥ (11) \vec{v} = \vec{v_{\parallel}} + \vec{v_{\perp}} \tag{11} ~~ \vec{v}_{rot} = \vec{v}_{rot\parallel} + \vec{v}_{rot\perp} v =v∥ +v⊥ v rot=v rot∥+v rot⊥(11)
~~~~~~~ 其中,易得：
v ∥ ⃗ = ( v ⃗ ⋅ k ⃗ ) ∗ k ⃗ (12) \vec{v_{\parallel}} = (\vec{v} \cdot \vec{k}) * \vec{k}\tag{12} v∥ =(v ⋅k )∗k (12)
~~~~~~~ 则，由（11）式：
v ⊥ ⃗ = v ⃗ − v ∥ ⃗ = v ⃗ − ( v ⃗ ⋅ k ⃗ ) ∗ k ⃗ (13) \vec{v_{\perp}} = \vec{v} - \vec{v_{\parallel}} = \vec{v} - (\vec{v} \cdot \vec{k}) * \vec{k}\tag{13} v⊥ =v −v∥ =v −(v ⋅k )∗k (13)
~~~~~~~ 由 （10）式拉格朗日公式：
v ⃗ − ( v ⃗ ⋅ k ⃗ ) ∗ k ⃗ = ( k ⃗ ⋅ k ⃗ ) ∗ v ⃗ − ( k ⃗ ⋅ v ⃗ ) ∗ k ⃗ = k ⃗ × ( v ⃗ × k ) ⃗ (14) \vec{v} - (\vec{v} \cdot \vec{k}) * \vec{k} = (\vec{k} \cdot \vec{k}) *\vec{v} - (\vec{k} \cdot \vec{v}) * \vec{k} = \vec{k} \times(\vec{v}\times \vec{k)}\tag{14} v −(v ⋅k )∗k =(k ⋅k )∗v −(k ⋅v )∗k =k ×(v ×k) (14)
~~~~~~~ 则：
v ⊥ ⃗ = k ⃗ × ( v ⃗ × k ) ⃗ = − k ⃗ × ( k ⃗ × v ) ⃗ (15) \vec{v_{\perp}} = \vec{k} \times(\vec{v}\times \vec{k)} = -\vec{k} \times(\vec{k}\times \vec{v)}\tag{15} v⊥ =k ×(v ×k) =−k ×(k ×v) (15)
~~~~~~~ 根据几何关系，平行于旋转轴的分量在旋转时不会改变其幅度和方向，因此有：
v ⃗ r o t ∥ = v ⃗ ∥ (16) \vec{v}_{rot\parallel} = \vec{v}_{\parallel} \tag{16} v rot∥=v ∥(16)
~~~~~~~ 解旋转后的垂直分量，由图中的几何关系可得 v ⃗ r o t ⊥ \vec{v}_{rot\perp} v rot⊥可以分解为 k ⃗ × v ⃗ \vec{k} \times \vec{v} k ×v 和 v ⃗ ⊥ \vec{v}_{\perp} v ⊥方向上两个分量相加，即
v ⃗ r o t ⊥ = v ⃗ r o t ⊥ ⋅ k ⃗ × v ⃗ ∣ k ⃗ × v ⃗ ∣ + v ⃗ r o t ⊥ ⋅ v ⃗ ⊥ ∣ v ⃗ ⊥ ∣ = sin θ ∗ ( k ⃗ × v ⃗ ) + cos θ ∗ v ⃗ ⊥ (17) \begin{aligned} \vec{v}_{rot\perp} = \vec{v}_{rot\perp} \cdot \frac{\vec{k} \times \vec{v}}{ \vert \vec{k} \times \vec{v} \vert}+ \vec{v}_{rot\perp} \cdot \frac{\vec{v}_{\perp}}{\vert\vec{v}_{\perp\vert}} = \sin\theta * (\vec{k} \times \vec{v}) + \cos\theta * \vec{v}_{\perp} \tag{17} \end{aligned} v rot⊥=v rot⊥⋅∣k ×v ∣k ×v +v rot⊥⋅∣v ⊥∣v ⊥=sinθ∗(k ×v )+cosθ∗v ⊥(17)
~~~~~~~ 将(12)(16)(17)式代入，有：
v ⃗ r o t = v ⃗ ∥ + cos θ ∗ ( v ⃗ − v ⃗ ∥ ) + sin θ ∗ ( k ⃗ × v ⃗ ) = cos θ v ⃗ + ( 1 − cos θ ) v ⃗ ∥ + sin θ ( k ⃗ × v ⃗ ) = v ⃗ cos θ + ( 1 − cos θ ) ( k ⃗ ⋅ v ⃗ ) ⋅ k ⃗ + sin θ ∗ k ⃗ × v ⃗ = 式 5 \begin{aligned} \vec{v}_{rot}&= \vec{v}_{\parallel} + \cos\theta * (\vec{v} - \vec{v}_{\parallel}) + \sin\theta * (\vec{k} \times \vec{v})\\&=\cos\theta\vec{v} + (1 - \cos\theta)\vec{v}_\parallel + \sin\theta(\vec{k} \times \vec{v})\\&=\vec{v} \cos\theta + (1-\cos\theta)(\vec{k} \cdot\ \vec{v})\cdot \vec{k} + \sin\theta *\vec{k} \times \vec{v}&=式5 \end{aligned} v rot=v ∥+cosθ∗(v −v ∥)+sinθ∗(k ×v )=cosθv +(1−cosθ)v ∥+sinθ(k ×v )=v cosθ+(1−cosθ)(k ⋅v )⋅k +sinθ∗k ×v =式5
~~~~~~~ 此式还可继续化简，变成矩阵形式：
v ⃗ r o t = v ⃗ cos θ + ( 1 − cos θ ) ( k ⃗ ⋅ v ⃗ ) ⋅ k ⃗ + sin θ ∗ k ⃗ × v ⃗ = v ⃗ − v ⃗ + v ⃗ cos θ + ( 1 − cos θ ) ( k ⃗ ⋅ v ⃗ ) ⋅ k ⃗ + sin θ ∗ k ⃗ × v ⃗ = v ⃗ − ( 1 − cos θ ) v ⃗ + ( 1 − cos θ ) ( k ⃗ ⋅ v ⃗ ) ⋅ k ⃗ + sin θ ∗ k ⃗ × v ⃗ = v ⃗ + ( 1 − cos θ ) ( ( k ⃗ ⋅ v ⃗ ) k ⃗ − ( k ⃗ ⋅ k ⃗ ) v ⃗ ) + sin θ ∗ k ⃗ × v ⃗ = v ⃗ + sin θ k ⃗ × v ⃗ + ( 1 − cos θ ) k ⃗ × ( k ⃗ × v ⃗ ) \begin{aligned} \vec{v}_{rot} &= \vec{v} \cos\theta + (1-\cos\theta)(\vec{k} \cdot\ \vec{v})\cdot \vec{k} + \sin\theta *\vec{k} \times \vec{v} \\&= \vec{v} - \vec{v} + \vec{v} \cos\theta + (1-\cos\theta)(\vec{k} \cdot\ \vec{v})\cdot \vec{k} + \sin\theta *\vec{k} \times \vec{v} \\&= \vec{v} - (1-\cos\theta)\vec{v} +(1-\cos\theta)(\vec{k} \cdot\ \vec{v})\cdot \vec{k} + \sin\theta *\vec{k} \times \vec{v}\\&=\vec{v} + (1-\cos\theta)((\vec{k}\cdot\vec{v})\vec{k} - (\vec{k}\cdot\vec{k})\vec{v}) + \sin\theta *\vec{k} \times \vec{v} \\&=\vec{v}+\sin\theta\vec{k}\times\vec{v}+ (1-\cos\theta)\vec{k}\times(\vec{k}\times\vec{v}) \end{aligned} v rot=v cosθ+(1−cosθ)(k ⋅v )⋅k +sinθ∗k ×v =v −v +v cosθ+(1−cosθ)(k ⋅v )⋅k +sinθ∗k ×v =v −(1−cosθ)v +(1−cosθ)(k ⋅v )⋅k +sinθ∗k ×v =v +(1−cosθ)((k ⋅v )k −(k ⋅k )v )+sinθ∗k ×v =v +sinθk ×v +(1−cosθ)k ×(k ×v )
~~~~~~~ 设 k ⃗ \vec{k} k 的叉积矩阵为 R k ⃗ R_{\vec{k}} Rk ，有：
v ⃗ r o t = v ⃗ + sin θ R k ⃗ ∗ v ⃗ + ( 1 − cos θ ) R k ⃗ ∗ R k ⃗ ∗ v ⃗ = ( I + sin θ R k ⃗ + ( 1 − cos θ ) R k ⃗ 2 ) ∗ v ⃗ = M v ⃗ \begin{aligned} \vec{v}_{rot} &= \vec{v} + \sin\theta R_{\vec{k}} * \vec{v} + (1-\cos\theta) R_{\vec{k}} *R_{\vec{k}} * \vec{v} \\&=(I + \sin\theta R_{\vec{k}} + (1-\cos\theta) R_{\vec{k}}^2) * \vec{v}\\&=M\vec{v} \end{aligned} v rot=v +sinθRk ∗v +(1−cosθ)Rk ∗Rk ∗v =(I+sinθRk +(1−cosθ)Rk 2)∗v =Mv
~~~~~~~ 其中：
M = I + sin θ R k ⃗ + ( 1 − cos θ ) R k ⃗ 2 M = I + \sin\theta R_{\vec{k}} + (1-\cos\theta) R_{\vec{k}}^2 M=I+sinθRk +(1−cosθ)Rk 2
~~~~~~~ 为三维空间中任意向量绕轴 k ⃗ \vec{k} k 逆时针旋转 θ \theta θ角度的旋转矩阵。
