一、先从最直观的问题说起：怎么描述一个物体"转了多少"

想象你手里拿着一架玩具飞机，飞机在空间里的朝向（姿态）可以用三个互相垂直的坐标轴 $X,Y,Z$ 来表示——这三根轴一起固定在飞机机身上，随着飞机一起转动，叫做"机体坐标系"。
现在问题来了：怎么用几个简单的数字，把飞机从"最初朝向"转到"现在朝向"这件事描述清楚？
欧拉（Euler）给出的办法是：把一次任意复杂的三维旋转，拆成三次绕坐标轴的简单旋转。每次旋转只绕一根轴转过一个角度，转三次以后，就能把物体转到空间中任意想要的朝向。这三个角度，就叫做欧拉角。
这个想法非常朴素：三维空间中一个物体的朝向本来就有三个自由度（可以绕 $X$ 转、绕 $Y$ 转、绕 $Z$ 转），所以用三个角度、三次旋转，理论上刚好能表示出所有可能的朝向。

二、旋转顺序可以随便选，但选了就不能变

图片开头这句话是理解欧拉角最关键的一句：

可以自由选择三次旋转的顺序：$XZX,XYX,XYZ,ZYX\dots$
但是不同旋转顺序结果互不相同：旋转群不满足交换律
拆开来看两层意思：
第一层：顺序是可以自由约定的。 你可以规定"先绕 $X$ 转，再绕 $Z$ 转，再绕 $X$ 转"（写作 $XZX$），也可以规定"先绕 $X$ 转，再绕 $Y$ 转，再绕 $Z$ 转"（写作 $XYZ$）。因为每次转完之后坐标轴本身也跟着动了，所以到底选哪三根轴、按什么顺序转，一共有很多种合法的组合方式，都能达到"三次旋转覆盖三个自由度"的效果。
第二层：但是顺序一旦选定，就必须固定下来，不能中途换，也不能颠倒。 因为矩阵乘法（也就是旋转的复合）不满足交换律：先转 $A$ 再转 $B$，和先转 $B$ 再转 $A$，通常会得到两个完全不同的最终姿态。这一点在下面的 PDF 图（见图2）中有非常直观的例子：同样是"绕 $X$ 转 $90^{\circ }$" 加上"绕 $Z$ 转 $90^{\circ }$"，仅仅是顺序换了一下，最终朝向就从 $+X$ 方向变成了 $-Y$ 方向，完全不同。
这也是为什么，只要一提到"欧拉角"，就必须同时说清楚"是哪种旋转顺序"——脱离了顺序单独说"欧拉角是 (30°, 45°, 60°)" 是没有意义的，必须说成"按 $ZYX$ 顺序的欧拉角是 (30°, 45°, 60°)" 才是完整的描述。

三、两大类欧拉角：Proper Euler Angles 与 Tait–Bryan Angles

图片里的表格其实分成了左右两大类，这是欧拉角里非常重要的一个分类标准：第一根轴和第三根轴是不是同一根轴。

• Proper Euler angles（本征欧拉角）：第一次和第三次旋转绕的是同一根轴，比如 $X_1{Z}_2{X}_3$（先绕 $X$，再绕 $Z$，最后又绕 $X$）、$Z_1{Y}_2{Z}_3$（先绕 $Z$，再绕 $Y$，最后又绕 $Z$）。一共有 6 种组合：$XZX,XYX,YXY,YZY,ZYZ,ZXZ$。
• Tait–Bryan angles（卡尔丹角 / 泰特-布莱恩角）：三次旋转分别绕三根不同的轴，比如 $X_1{Z}_2{Y}_3$、$X_1{Y}_2{Z}_3$。一共也是 6 种组合：$XZY,XYZ,YXZ,YZX,ZYX,ZXY$。飞行器姿态里常说的"横滚-俯仰-偏航"（Roll-Pitch-Yaw）用的就是这一类。
  两类角在应用上各有偏好：Proper Euler angles 常见于陀螺仪、机械臂关节这类"轴对称"结构；Tait–Bryan angles 则更常见于飞行器、航天器的姿态描述（比如常说的横滚角、俯仰角、偏航角）。

四、下面这张表在讲什么：从"三个角度"算出"旋转矩阵"

图中第一张大表，本质上是在回答这样一个问题：

已知三个欧拉角 $({\theta }_1,{\theta }_2,{\theta }_3)$（表中记作对应的正弦 $s_1,s_2,s_3$ 和余弦 $c_1,c_2,c_3$），如果按某种指定顺序（比如 $Z_1{Y}_2{X}_3$）依次旋转，那么最终得到的旋转矩阵 $R$ 长什么样？
这里做一个符号约定，后面统一使用：
$$c_1=\cos {\theta }_1,s_1=\sin {\theta }_1,c_2=\cos {\theta }_2,s_2=\sin {\theta }_2,c_3=\cos {\theta }_3,s_3=\sin {\theta }_3$$
其中 ${\theta }_1$ 是第一次旋转的角度，${\theta }_2$ 是第二次，${\theta }_3$ 是第三次。

4.1 矩阵是怎么来的：三个基础旋转矩阵相乘

无论是哪一种顺序，做法都完全一样，分三步：
第一步，写出绕单一坐标轴旋转的三个"基础旋转矩阵"（这是一切的地基，请务必先记住这三个）：
$$R_X(\theta )=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \theta & -\sin \theta \\ 0& \sin \theta & \cos \theta \end{array}\right],R_Y(\theta )=\left[\begin{array}{ccc}\cos \theta & 0& \sin \theta \\ 0& 1& 0\\ -\sin \theta & 0& \cos \theta \end{array}\right],R_Z(\theta )=\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]$$
规律很好记：转哪根轴，对应那一行那一列就保持"单位矩阵"的样子（比如绕 $X$ 转，第一行第一列就是 $1,0,0$），剩下的 $2\times 2$ 子块就是标准的二维旋转矩阵 $\left[\begin{array}{cc}\cos & -\sin \\ \sin & \cos \end{array}\right]$，只是嵌入的位置、正负号会因为坐标轴顺规（右手系）略有不同。
第二步，把三次旋转依次"复合"起来。注意复合的方向：如果旋转顺序是先绕 $Z$（用 ${\theta }_1$），再绕新的 $Y$（用 ${\theta }_2$），再绕新的 $X$（用 ${\theta }_3$），那么写成矩阵乘法时，最先发生的旋转矩阵写在最右边：
$$R=R_Z({\theta }_1)R_Y({\theta }_2)R_X({\theta }_3)$$
这是因为矩阵作用在列向量上是从右往左依次生效的，最右边的矩阵先作用在向量上，等价于"最先发生"。这一点新手很容易搞反，一定要记牢。
第三步，把上面三个矩阵老老实实地按矩阵乘法展开、合并同类项，用 $c_1,s_1,c_2,s_2,c_3,s_3$ 表示出来，就得到了表格里那一大块 $3\times 3$ 矩阵。表格已经把 12 种组合（6种 Proper Euler + 6种 Tait-Bryan）全部算好了，你只需要根据自己用的旋转顺序，直接去表里查对应的矩阵，不需要每次都重新推导。
举例：查表格中的 $Z_1{Y}_2{X}_3$（属于 Tait–Bryan 一类），矩阵是：
$$R=\left[\begin{array}{ccc}{c}_1{c}_2& c_1{s}_2{s}_3-c_3{s}_1& s_1{s}_3+c_1{c}_3{s}_2\\ c_2{s}_1& c_1{c}_3+s_1{s}_2{s}_3& c_3{s}_1{s}_2-c_1{s}_3\\ -s_2& c_2{s}_3& c_2{c}_3\end{array}\right]$$
这正是航空航天里最常用的"偏航-俯仰-横滚"（yaw-pitch-roll，先绕机体 $Z$ 偏航，再绕 $Y$ 俯仰，再绕 $X$ 横滚）对应的旋转矩阵。

4.2 图1解读：旋转的动态过程

前面提到的整个"三步复合"，可以对照本文档配套的 PDF 文件中的图1 来看（位置提示：请在这里插入"图1"）。图1画的是 $Z_1{Y}_2{X}_3$ 这一种旋转顺序（对应第一步绕 $Z_0$、第二步绕新的 $Y_1$、第三步绕新的 $X_2$）的完整动态过程：

• 第一步：坐标系还是原始状态 $X_0,Y_0,Z_0$；
• 第二步：绕 $Z_0$ 轴转过 $\alpha$ 角后，$X,Y$ 轴变成了新的 $X_1,Y_1$，但 $Z$ 轴没变（$Z_1=Z_0$）；
• 第三步：绕新的 $Y_1$ 轴转过 $\beta$ 角后，$X,Z$ 轴又变成了新的 $X_2,Z_2$，而 $Y$ 轴不变（$Y_2=Y_1$）；
• 第四步：绕最新的 $X_2$ 轴转过 $\gamma$ 角后，得到最终坐标系 $X_3,Y_3,Z_3$。
  关键点在于：每一次旋转都是绕着"上一步转完之后的新轴"来转的，而不是一直绕着最初、固定不动的世界坐标轴转。这种方式叫做"内旋"（intrinsic rotation），也是图中默认表示的方式（这与另一种"外旋"/extrinsic 方式——每次都绕固定不动的世界坐标轴转——是欧拉角里另一个容易混淆的知识点，两者能通过顺序颠倒互相转换，这里先不展开）。

五、为什么旋转顺序不能乱换：一个具体的例子

这一点光看文字公式不够直观，最好的办法是拿两个具体的 $90^{\circ }$ 旋转来对比一下，对应本文档配套 PDF 中的图2（位置提示：请在这里插入"图2"）。
假设物体一开始朝向 $+Z$ 方向。做两组实验：

顺序	第一次旋转	第二次旋转	最终朝向
顺序一	绕 $X$ 轴转 $90^{\circ }$	绕 $Z$ 轴转 $90^{\circ }$	$+X$
顺序二	绕 $Z$ 轴转 $90^{\circ }$	绕 $X$ 轴转 $90^{\circ }$	$-Y$

---

两组实验用的是完全相同的两个旋转动作，仅仅是先后顺序换了一下，最终朝向却截然不同（$+X$ 对比 $-Y$）。这就是"旋转群不满足交换律"最直观的体现：用数学语言写出来就是
$$R_Z(90^{\circ })R_X(90^{\circ })\ne R_X(90^{\circ })R_Z(90^{\circ })$$
正因为如此，凡是使用欧拉角的场合（游戏引擎、机器人学、航天姿态控制、CAD软件……），第一件事永远是先把旋转顺序的约定搞清楚，否则同一组角度数字，放到不同软件、不同顺规下，会指向完全不同的姿态，这也是欧拉角在工程实践中最容易踩坑的地方。

六、右边小表格在讲什么：反过来，从旋转矩阵"反推"欧拉角

图片右边那张小表格，做的是和第4节相反的事情：

已知一个旋转矩阵 $R$（矩阵里的每个元素记作 $R_{ij}$，表示第 $i$ 行第 $j$ 列），如果知道这个矩阵是按某种指定顺序（比如 $X_1{Z}_2{Y}_3$）旋转得到的，怎么把三个欧拉角 $\alpha ,\beta ,\gamma$ 反过来算出来？
这个过程叫做"欧拉角提取"（Euler angle extraction），在实际工程中同样重要——比如传感器直接给出的姿态往往是旋转矩阵或四元数形式，但人更容易理解"绕某轴转了多少度"，所以经常需要把矩阵转换回欧拉角。
以表格中的 $X_1{Z}_2{Y}_3$（Proper Euler 分类）为例：
$$\alpha =\arctan \left(\frac{R_{31}}{R_{21}}\right),\beta =\arccos (R_{11}),\gamma =\arctan \left(\frac{R_{13}}{-R_{12}}\right)$$
以及 Tait–Bryan 分类中的 $X_1{Z}_2{Y}_3$：
$$\alpha =\arctan \left(\frac{R_{32}}{R_{22}}\right),\beta =\arcsin (-R_{12}),\gamma =\arctan \left(\frac{R_{13}}{R_{11}}\right)$$
这些公式是怎么来的？ 思路其实很朴素：第4节里已经把每一种旋转顺序对应的矩阵，用 $c_1,s_1,c_2,s_2,c_3,s_3$ 展开写出来了。既然矩阵每个位置的表达式已知，那么反过来，只要在矩阵里找到某个位置恰好等于单独的 $\sin {\theta }_2$ 或 $\cos {\theta }_2$（这样的位置通常只有一个，因为 ${\theta }_2$ 是"中间那次旋转"，在矩阵展开式里最容易单独出现），就可以先用 $\arcsin$ 或 $\arccos$ 解出中间角 $\beta$（即 ${\theta }_2$）；再找两个只包含 ${\theta }_1$ 或只包含 ${\theta }_3$ 的比值组合（通常是形如 $\frac{\sin {\theta }_1\cos {\theta }_2}{\cos {\theta }_1\cos {\theta }_2}$ 这样一约分，$\cos {\theta }_2$ 就消掉了，只剩 $\tan {\theta }_1$），用 $\arctan$ 分别解出 $\alpha$（即 ${\theta }_1$）和 $\gamma$（即 ${\theta }_3$）。
这里有一个所有欧拉角方法都逃不掉的"坑"：当中间角 $\beta$ 恰好等于 $\pm 90^{\circ }$ 时（比如 $\cos {\theta }_2=0$），第一次和第三次旋转的轴会重合到一起，导致丢失一个自由度，此时 $\alpha$ 和 $\gamma$ 无法被唯一确定——这就是著名的"万向节死锁"（Gimbal Lock）问题，是欧拉角这种表示方法与生俱来的缺陷（这也是为什么工程上很多时候更偏爱四元数来表示旋转，但四元数不在这张图的讨论范围内，这里只做一个提醒）。

七、内容小结

• 欧拉角把一次任意的三维旋转，拆成三次绕坐标轴的简单旋转，用三个角度描述姿态。
• 旋转顺序可以在 12 种组合（6 种 Proper Euler + 6 种 Tait–Bryan）里自由选择，但一旦选定必须严格固定，因为旋转的复合不满足交换律，顺序不同、结果不同。
• Proper Euler angles 的特点是第一轴和第三轴相同（如 $ZYZ$）；Tait–Bryan angles 的特点是三轴互不相同（如 $ZYX$）。
• 从欧拉角推旋转矩阵：把三个基础旋转矩阵按"从右到左"的顺序依次相乘、展开合并即可，最先发生的旋转写在最右边。
• 从旋转矩阵反推欧拉角：先用矩阵中单独出现 $\sin /\cos ({\theta }_2)$ 的位置解出中间角，再用比值消去 $\cos {\theta }_2$、通过 $\arctan$ 解出另外两个角；当中间角为 $\pm 90^{\circ }$ 时会遇到万向节死锁问题。
  （本文档配套的 PDF 文件包含两张 TikZ 绘制的示意图：图1展示了 $Z_1{Y}_2{X}_3$ 顺序下坐标系三次旋转的完整过程；图2用具体的 $90^{\circ }$ 旋转对比，直观展示了旋转顺序不满足交换律这一核心结论。）

欧拉角（Euler Angle）从零理解

1. 为什么需要欧拉角

在三维空间里，一个物体（比如飞机、机械臂末端、摄像机）不仅有位置，还有姿态（朝向）。姿态的数学本质是一个旋转矩阵 $R$，它是一个 $3\times 3$ 的矩阵，一共有 9 个数字，但由于旋转矩阵必须满足"正交且行列式为1"这个约束，真正独立的自由度只有 3 个。
欧拉角就是用三个角度（记作 $\psi ,\theta ,\varphi$，分别对应偏航 yaw、俯仰 pitch、横滚 roll，或者不同教材里叫 $\alpha ,\beta ,\gamma$）来描述这三个自由度。它的思路很朴素：把一次复杂的三维旋转，拆成三次绕单一坐标轴的简单旋转，依次执行，最后叠加起来就等于任意一个三维旋转。
拆分的方式不是唯一的，图中展示的是最常见的两种理解方式——内旋和外旋。它们用的是完全相同的三个角度，但对"绕哪根轴转"的理解不同，所以最终算出来的旋转矩阵的乘法顺序是相反的。这正是这份讲义要讲清楚的核心问题。

2. 预备知识：单轴旋转矩阵

在讲内旋外旋之前，先复习一下"绕一根固定坐标轴转某个角度"对应的矩阵长什么样。设某个向量在旋转前坐标是 $v$，旋转后坐标是 $v^{\prime }$，则 $v^{\prime }=Rv$。
绕 $z$ 轴转角度 $\psi$（$x,y$ 平面内旋转）：
$$R_z(\psi )=\left[\begin{array}{ccc}\cos \psi & -\sin \psi & 0\\ \sin \psi & \cos \psi & 0\\ 0& 0& 1\end{array}\right]$$
绕 $y$ 轴转角度 $\theta$：
$$R_y(\theta )=\left[\begin{array}{ccc}\cos \theta & 0& \sin \theta \\ 0& 1& 0\\ -\sin \theta & 0& \cos \theta \end{array}\right]$$
绕 $x$ 轴转角度 $\varphi$：
$$R_x(\varphi )=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \varphi & -\sin \varphi \\ 0& \sin \varphi & \cos \varphi \end{array}\right]$$
这三个矩阵是所有后续推导的"零件"，记住它们的含义（绕哪个轴转、正方向按右手定则），后面就只是"怎么把零件组装起来"的问题。

3. 内旋（intrinsic rotations）：绕"不断更新的"动坐标轴转

看原图的第一行。整个过程分三步，每一步转完之后，坐标轴都会跟着物体一起转动，下一步是绕新的坐标轴转的：

• 第一步：绕世界坐标系的 $z$ 轴转 $\psi$，得到新的坐标系 $(x^{\prime },y^{\prime },z^{\prime })$（此时 $z^{\prime }=z$，因为是绕 $z$ 转的，$z$ 轴本身不动）。
• 第二步：绕新坐标系自己的 $y^{\prime }$ 轴（不是原来的 $y$ 轴！）转 $\theta$，得到 $(x^{\prime \prime },y^{\prime \prime },z^{\prime \prime })$。
• 第三步：绕最新坐标系自己的 $x^{\prime \prime }$ 轴（不是原来的 $x$ 轴！）转 $\varphi$，得到最终坐标系 $(x_f,y_f,z_f)$。
  核心特征：每次旋转的转轴都"跟着物体走"，是"动坐标系"的轴，所以叫内旋。图中的 $x^{\prime },y^{\prime },z^{\prime }$ 用不同颜色（蓝→橙→绿）画出来，就是在强调"坐标轴每一步都在换"。

3.1 内旋矩阵怎么推导

推导内旋矩阵的关键技巧是：把每一步的旋转都换算回"世界坐标系"里表示，这样才能把三步合并成一个矩阵乘法。
设向量在世界坐标系下的坐标是 $v$。
第一步：绕世界 $z$ 轴转 $\psi$，这是标准的 $R_z(\psi )$，直接得到：
$$v_1=R_z(\psi )v$$
第二步：绕新的 $y^{\prime }$ 轴转 $\theta$。这根轴不是世界坐标系的 $y$ 轴，而是"$z$ 轴转过 $\psi$ 之后"的 $y$ 轴。数学上可以证明：绕一个"已经被旋转过的轴"做旋转，等价于——先把当前坐标"变换回旋转前的样子"（乘 $R_z(\psi {)}^{-1}$），绕标准 $y$ 轴转 $\theta$（乘 $R_y(\theta )$），再变换回来（乘 $R_z(\psi )$）。写成公式：
$$v_2=R_z(\psi )R_y(\theta )R_z(\psi {)}^{-1}\cdot v_1=R_z(\psi )R_y(\theta )R_z(\psi {)}^{-1}\cdot R_z(\psi )v=R_z(\psi )R_y(\theta )v$$
注意中间的 $R_z(\psi {)}^{-1}{R}_z(\psi )$ 抵消了，结果非常简洁：只是在原来的矩阵右边多乘了一个 $R_y(\theta )$。
第三步同理，绕最新的 $x^{\prime \prime }$ 轴转 $\varphi$，经过同样的抵消，结果是在右边再乘一个 $R_x(\varphi )$：
$$v_3=R_z(\psi )R_y(\theta )R_x(\varphi )v$$
于是内旋的总旋转矩阵是：
$$\boxed{R_{\text{内旋}}=R_z(\psi )R_y(\theta )R_x(\varphi )}$$
记忆技巧：内旋——矩阵按"转动发生的先后顺序"，从左到右排列，依次右乘。第一个转的 $\psi$ 对应的矩阵在最左边。

4. 外旋（extrinsic rotations）：绕"始终不变的"世界坐标轴转

看原图第二行。同样是三步，但这次每一步都是绕最初就固定好的世界坐标轴转，坐标轴本身从头到尾都不动：

• 第一步：绕固定的 $z$ 轴转 $\psi$。
• 第二步：绕固定的 $y$ 轴（还是最初的 $y$，不是转过的）转 $\theta$。
• 第三步：绕固定的 $x$ 轴（还是最初的 $x$）转 $\varphi$。
  图中三次旋转都画在同一套黑色坐标轴 $(x,y,z)$ 上，物体（橙色/绿色箭头）自己转动，坐标系背景不变，这就是外旋和内旋在图上最直观的区别。

4.1 外旋矩阵怎么推导

这个推导比内旋简单，因为不需要"变换回去再变换回来"的技巧——外旋的轴本来就是固定的世界坐标轴，直接按旋转发生的先后顺序，把矩阵左乘上去即可（这是旋转矩阵作用在向量上的基本规则：后发生的旋转，矩阵写在左边）。
第一步：$v_1=R_z(\psi )v$
第二步（绕固定 $y$ 轴）：$v_2=R_y(\theta )v_1=R_y(\theta )R_z(\psi )v$
第三步（绕固定 $x$ 轴）：$v_3=R_x(\varphi )v_2=R_x(\varphi )R_y(\theta )R_z(\psi )v$
于是外旋的总旋转矩阵是：
$$\boxed{R_{\text{外旋}}=R_x(\varphi )R_y(\theta )R_z(\psi )}$$
记忆技巧：外旋——矩阵按"转动发生的先后顺序"，从右到左排列，依次左乘。第一个转的 $\psi$ 对应的矩阵在最右边（离原始向量 $v$ 最近）。

图1（见配套 PDF：欧拉角_内旋外旋合成顺序图.pdf）：这张图用流程框的方式，把内旋"轴不断更新、矩阵右乘"和外旋"轴始终不变、矩阵左乘"这两条规律并排画出来，并在底部给出了矩阵合成公式，建议对照原始的坐标轴图一起看。

5. 作业解答：内旋与外旋的关系是什么？

对比第 3 节和第 4 节推出的两个矩阵：
$$R_{\text{内旋}}(\psi ,\theta ,\varphi )=R_z(\psi )R_y(\theta )R_x(\varphi )$$
$$R_{\text{外旋}}(\psi ,\theta ,\varphi )=R_x(\varphi )R_y(\theta )R_z(\psi )$$
这两个矩阵长得几乎一样，只是矩阵出现的顺序被整体颠倒了（$R_z,R_y,R_x$ 变成了 $R_x,R_y,R_z$）。这不是巧合，而是一个具有一般性的规律：

结论：以某个顺序做内旋（例如先绕 $z$，再绕新 $y^{\prime }$，最后绕新 $x^{\prime \prime }$，角度依次是 $\psi ,\theta ,\varphi$），得到的旋转矩阵，与以完全相反的轴顺序、完全相反的角度顺序做外旋（先绕固定 $x$ 轴转 $\varphi$，再绕固定 $y$ 轴转 $\theta$，最后绕固定 $z$ 轴转 $\psi$），得到的旋转矩阵完全相同。反过来也成立。
用公式表达就是：
$$R_{\text{内旋}}(\text{轴顺序 }z,y,x;\text{角度 }\psi ,\theta ,\varphi )=R_{\text{外旋}}(\text{轴顺序 }x,y,z;\text{角度 }\varphi ,\theta ,\psi )$$
也就是说，同一串数字（比如 “先 $\psi$、再 $\theta$、再 $\varphi$，轴序 z-y-x”）如果按内旋方式理解和按外旋方式理解，算出来的姿态是不一样的（这也是为什么原图里外旋部分最终画出来的姿态，和内旋部分不同）；但如果你愿意把顺序整体倒过来读，两种旋转方式就能互相转换、互相等价。

5.1 为什么会这样：一个更本质的原因

这个规律的本质原因是：“绕动轴转"这件事，本身就等价于"用相反顺序绕定轴转”。直观理解：

• 想象你在做内旋的最后一步——绕最新的 $x^{\prime \prime }$ 轴转 $\varphi$。这根 $x^{\prime \prime }$ 轴，其实就是"世界坐标系的 $x$ 轴，先后被 $R_z(\psi )$ 和 $R_y(\theta )$ 转过之后"的样子。
• 而"先绕动轴 A 转 $\alpha$，再绕动轴 B（是 A 转完之后的新轴）转 $\beta$"，从整体效果上看，与"先绕固定轴 B 转 $\beta$，再绕固定轴 A 转 $\alpha$"是同一个旋转——因为内旋的每一步都会把"抵消项"消掉（就是第 3.1 节推导里出现的 $R^{-1}R$ 抵消），抵消之后剩下的矩阵乘积顺序，正好和外旋反过来。
  所以只要记住第 3、4 节里两个加框的公式，这道作业题的答案就是"顺序整体颠倒，内旋外旋等价"这一句话，加上上面的公式即可。

6. 用具体数字验证一下

为了确认公式没有理解错，取一组简单角度代入验证矩阵乘法顺序确实不同（也就是内旋和外旋，如果轴序和角度都不颠倒，结果一般不相等）。
取 $\psi =90°,\theta =90°,\varphi =0°$（$\varphi =0$ 时 $R_x(\varphi )$ 是单位矩阵，方便手算）：

• $R_z(90°)=\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 1\end{array}\right]$，$R_y(90°)=\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ -1& 0& 0\end{array}\right]$
  内旋：$R_{\text{内旋}}=R_z(90°)R_y(90°)=\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ -1& 0& 0\end{array}\right]=\left[\begin{array}{ccc}0& -1& 0\\ 0& 0& 1\\ -1& 0& 0\end{array}\right]$
  外旋：$R_{\text{外旋}}=R_y(90°)R_z(90°)=\left[\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ -1& 0& 0\end{array}\right]\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 1\end{array}\right]=\left[\begin{array}{ccc}0& 0& 1\\ 1& 0& 0\\ 0& -1& 0\end{array}\right]$
  可以看到两个矩阵确实不同——这说明"同一组角度、同一个轴序名字（先 z 后 y）“，用内旋理解和用外旋理解，结果是两种不同的姿态。这正是为什么使用欧拉角时必须明确标注"这是内旋还是外旋、轴的顺序是什么”，否则同一串数字会指向两个完全不同的姿态。
  如果按第 5 节的规律，把外旋的顺序颠倒（先绕固定 $z$ 转 $90°$，再绕固定 $y$ 转 $90°$，即 $R_y(90°)R_z(90°)$，这正好是我们上面算的"外旋"那一项！）会发现它恰好等于"先绕动 $z$ 转 $90°$、再绕动 $y^{\prime }$ 转 $90°$"的内旋结果吗？读者可以自己验证：把内旋公式里的角度顺序也倒过来代入，即可看到两者吻合，从而验证第 5 节结论。

7. 内旋与外旋对比总结

---

对比项	内旋（intrinsic）	外旋（extrinsic）
旋转轴	绕"动坐标系"自身的轴，每一步都更新	绕"世界坐标系"固定轴，从不更新
矩阵合成方向	按时间顺序从左到右、右乘：$R=R_1{R}_2{R}_3$	按时间顺序从右到左、左乘：$R=R_3{R}_2{R}_1$
常见应用	飞行器姿态（先偏航，再俯仰，再横滚，都是绕机体轴）	把一个固定编队/固定坐标系下的多次转动叠加
与对方的关系	顺序与角度整体颠倒后，等于外旋	顺序与角度整体颠倒后，等于内旋

---

8. 常见误区提醒

1. 不要以为"轴序名字一样，内旋外旋结果就一样"：第 6 节的算例已经证明，同样是"先 z 后 y"，内旋和外旋算出来的矩阵是不同的两个矩阵。
2. 内旋记忆口诀：“轴跟着物体转，矩阵往右加”；外旋记忆口诀：“轴焊死在世界上，矩阵往左加”。
3. 在机器人学、航空航天、计算机图形学中，不同软件库（比如某些引擎用 ZYX 内旋，某些用 XYZ 外旋）默认约定不同，使用欧拉角前一定要先确认对方用的是哪一种约定，否则姿态会算错。

欧拉角的另一种叫法：俯仰（Pitch）／横滚（Roll）／航向（Yaw）

1. 这三个词是什么意思

上一份讲义里讲的欧拉角，用的是比较抽象的符号 $\psi ,\theta ,\varphi$。但在飞行器、机器人、游戏摄像机、人物角色控制这些实际场景里，大家更习惯给这三个转动角度起一个"看得懂"的名字，这样描述起来更直观：

• 横滚（Roll）：绕机身"从尾到头"的那根轴转动，效果是机身像拧麻花一样左右滚动，两侧机翼一高一低。可以想象一架飞机在天上"翻滚"的动作。
• 俯仰（Pitch）：绕左右机翼方向的轴转动，效果是机头抬起或低下，就像点头动作（抬头看天、低头看地）。
• 航向（Yaw）：绕垂直于地面的轴转动，效果是机头左右摆动，就像摇头动作（左右转向），飞行里也叫"偏航"。
  把这三个词和人的身体动作对应起来记，会更好理解：横滚像"歪头"（耳朵贴向肩膀），俯仰像"点头"（下巴上下动），航向像"摇头"（左右转脸）。游戏里角色转身面向另一个方向，对应的就是航向角变化；角色抬头看天上的东西，对应的就是俯仰角变化。

2. 三根轴的精确定义（配合图1理解）

三根轴都穿过飞行器的重心，并且两两互相垂直，具体方向是：

• Roll Axis（横滚轴）：沿着机身纵向，指向机头方向。
• Pitch Axis（俯仰轴）：垂直于机身，指向机翼延伸的方向（也就是与横滚轴垂直、并且大致水平的那根轴）。
• Yaw Axis（航向轴）：垂直于机身所在的水平面，指向地面（按照右手定则，指向下方）。

图1（见配套 PDF：欧拉角_俯仰横滚航向三轴图.pdf）：

图中用黑色箭头画出了这三根轴，橙色小圆弧箭头表示每根轴对应的正向转动方向，黄色小圆点是旋转中心（重心）。图下方的结论框把这三根轴和上一份讲义里的内旋公式对应了起来，放在完全空白、不遮挡飞机图形的位置。

2.1 正方向怎么确定：右手定则

三根轴的正转方向都遵守右手定则：大拇指指向轴的正方向，四指弯曲的方向就是这根轴的正转方向。比如航向轴指向地面，那么右手大拇指指向地面时，四指弯曲方向是"从机头往右转"，所以航向角增大，对应机头向右偏。同理可以自己用右手比划出俯仰和横滚的正方向。

3. 三轴和上一份讲义里内旋公式的关系

细心观察会发现一个重要事实：这三根轴不是固定在地面上的，而是牢牢固定在机身上的——飞机怎么转，这三根轴就跟着怎么转。这正好呼应了上一份讲义里讲的**内旋（绕动坐标轴）**的定义！
按照飞行器姿态描述里最常用的约定（工程上常称为 “Z-Y-X 欧拉角” 或 “yaw-pitch-roll 顺序”），三步旋转依次是：

1. 先绕航向轴（此时航向轴和世界坐标系的竖直轴重合）转 $\psi$（航向角）；
2. 再绕转过一次之后的俯仰轴转 $\theta$（俯仰角）；
3. 最后绕转过两次之后的横滚轴转 $\varphi$（横滚角）。
   这和上一份讲义里"绕 $z$ 轴转 $\psi$ → 绕新的 $y^{\prime }$ 轴转 $\theta$ → 绕最新的 $x^{\prime \prime }$ 轴转 $\varphi$"完全是同一件事，只是把 $z,y,x$ 换成了更好记的名字：$z\leftrightarrow$ 航向轴，$y\leftrightarrow$ 俯仰轴，$x\leftrightarrow$ 横滚轴。所以旋转矩阵的写法也完全照搬上一份讲义的结论，只是把角标换成好记的名字：
   $$R_{\text{机体姿态}}=R_{\text{yaw}}(\psi )R_{\text{pitch}}(\theta )R_{\text{roll}}(\varphi )$$
   矩阵右乘的顺序（先发生的旋转矩阵写在最左边）和上一份讲义完全一致，因为这仍然是内旋。

4. 具体数值例子：一次完整的姿态变化

假设一架飞机（或者一个游戏角色的朝向）依次做了三个动作：

1. 先向右转身（航向角）$\psi =30°$；
2. 再抬头（俯仰角）$\theta =15°$；
3. 最后向右侧倾斜身体（横滚角）$\varphi =10°$。
   按第 3 节的公式，最终姿态矩阵是：
   $$R=R_z(30°)R_y(15°)R_x(10°)$$
   把第一份讲义里给出的三个单轴旋转矩阵代入，依次用 $\cos 30°\approx 0.866,\sin 30°=0.5$，$\cos 15°\approx 0.966,\sin 15°\approx 0.259$，$\cos 10°\approx 0.985,\sin 10°\approx 0.174$：
   $$R_z(30°)=\left[\begin{array}{ccc}0.866& -0.5& 0\\ 0.5& 0.866& 0\\ 0& 0& 1\end{array}\right],R_y(15°)=\left[\begin{array}{ccc}0.966& 0& 0.259\\ 0& 1& 0\\ -0.259& 0& 0.966\end{array}\right],R_x(10°)=\left[\begin{array}{ccc}1& 0& 0\\ 0& 0.985& -0.174\\ 0& 0.174& 0.985\end{array}\right]$$
   先算 $R_y(15°)R_x(10°)$：
   $$R_y(15°)R_x(10°)=\left[\begin{array}{ccc}0.966& 0.045& 0.255\\ 0& 0.985& -0.174\\ -0.259& 0.168& 0.952\end{array}\right]$$
   再左乘 $R_z(30°)$，得到最终姿态矩阵（保留三位小数）：
   $$R\approx \left[\begin{array}{ccc}0.837& -0.451& 0.312\\ 0.483& 0.898& -0.017\\ -0.259& 0.168& 0.952\end{array}\right]$$
   这个矩阵就是"先转身、再抬头、再侧倾"这一整套动作叠加后的最终朝向。读者可以把它作用在一个初始朝向向量（比如机头初始朝向 $(1,0,0)$）上，用 $R\cdot (1,0,0{)}^T$ 算出最终机头指向的方向向量，直观感受角度叠加的效果。

5. 一个值得了解的坑：万向节死锁（Gimbal Lock）

这不是这次作业要求的内容，但了解一下会让你对欧拉角有更完整的认识：当俯仰角 $\theta$ 恰好转到 $90°$（比如飞机垂直朝天飞）时，航向轴和横滚轴会重合成同一根轴，这时候航向角和横滚角就分不清了——转航向和转横滚变成了同一个动作，少了一个自由度。这个现象叫万向节死锁，是欧拉角表示法一个公认的缺点，工程上有时会改用四元数（quaternion）来避免这个问题。这里只是提一下背景，不展开推导。

6. 总结对照表

---

轴名称	英文	对应欧拉角符号	穿过的方向	动作比喻	对应上一讲的轴
横滚轴	Roll Axis	$\varphi$	沿机身指向机头	像"歪头"，两翼一高一低	内旋第三步 $x^{\prime \prime }$
俯仰轴	Pitch Axis	$\theta$	垂直机身、沿机翼方向	像"点头"，机头抬起或低下	内旋第二步 $y^{\prime }$
航向轴	Yaw Axis	$\psi$	垂直向下	像"摇头"，机头左右摆动	内旋第一步 $z$

---

三根轴始终固定在机身上、随机身一起转动，这正是它属于内旋的原因；旋转矩阵按"航向→俯仰→横滚"这个发生顺序，从左到右依次右乘，就得到最终姿态：$R=R_{\text{yaw}}(\psi )R_{\text{pitch}}(\theta )R_{\text{roll}}(\varphi )$。

Blender 里的欧拉角旋转模式怎么理解

1. 面板里那个"模式"下拉框是在选什么

打开 Blender 物体属性面板的"旋转"部分，会看到三个角度输入框（旋转 X、Y、Z），下面还有一个"模式"下拉框，里面列了一大串选项：
四元数运算(WXYZ)、XYZ欧拉、XZY欧拉、YXZ欧拉、YZX欧拉、ZXY欧拉、ZYX欧拉、坐标轴角度
这个下拉框本质上是在回答一个问题：“旋转 X、Y、Z 这三个角度值，到底应该按什么顺序、绕哪几根轴依次转？”
前面两份讲义已经讲过，同一组角度数字，如果转动的先后顺序不同，最终转出来的姿态是完全不一样的。Blender 的做法是把"三个角度值"和"转动顺序"拆开成两件事分别设置：角度值填在 X/Y/Z 三个输入框里，顺序则通过"模式"这个下拉框单独选择。选中的六个"字母组合欧拉"选项，就是欧拉角三次旋转轴的六种排列方式；另外两个选项（四元数运算、坐标轴角度）根本不是欧拉角，而是另外两套完全不同的姿态表示方法，第 5 节会简单介绍。

2. "XYZ欧拉"到底是怎么转的

以截图里选中的默认模式"XYZ欧拉"、面板数值 X=$60°$、Y=$20°$、Z=$0°$ 为例。模式名字里字母的顺序，就是三次旋转真正发生的先后顺序，并且都是绕物体"自身不断更新的轴"转（也就是前两份讲义讲过的内旋）：

1. 第一步：绕物体自身的 $X$ 轴转 $60°$；
2. 第二步：绕转过一次之后的 $Y$ 轴转 $20°$（注意这已经不是世界坐标系的 $y$ 轴了）；
3. 第三步：绕转过两次之后的 $Z$ 轴转 $0°$（因为这个例子里 Z 填的是 $0°$，所以这一步实际上什么都没转）。

图1（见配套 PDF：欧拉角_Blender旋转模式示意图.pdf）：

图中用流程框展示了这三步的先后关系，并在下方给出了这组数值代入后算出的具体旋转矩阵，结论框放在图形完全空白的下方区域，不遮挡任何流程内容。

2.1 对应的旋转矩阵

按照前两份讲义总结的内旋规律（矩阵按发生顺序从左到右依次右乘），"XYZ欧拉"模式对应的旋转矩阵是：
$$R_{\text{XYZ欧拉}}=R_x(X)R_y(Y)R_z(Z)$$
把截图里的具体数值 $X=60°,Y=20°,Z=0°$ 代入（因为 $Z=0°$，$R_z(0°)$ 是单位矩阵，相当于没转），算出来大约是：
$$R\approx \left[\begin{array}{ccc}0.940& 0& 0.342\\ 0.296& 0.5& -0.814\\ -0.171& 0.866& 0.470\end{array}\right]$$
这个矩阵就是截图左侧视口里那个六边形网格物体，从"没有任何旋转"的初始状态，变成当前歪斜姿态所经历的完整旋转变换。

3. 六种"字母组合欧拉"模式的通用规律

Blender 一共提供了 6 种欧拉角顺序：XYZ、XZY、YXZ、YZX、ZXY、ZYX，对应三个坐标轴的全部排列组合。它们的原理完全一样，区别只是"哪根轴先转、哪根轴后转"。按照第 2 节的规律，可以直接写出全部 6 种模式对应的旋转矩阵公式（角度仍然用面板里对应轴的输入值表示，比如 “X” 代表旋转X输入框里的数值）：

模式名称	旋转发生顺序	对应旋转矩阵
XYZ欧拉	先X，再Y，最后Z	$R=R_x(X)R_y(Y)R_z(Z)$
XZY欧拉	先X，再Z，最后Y	$R=R_x(X)R_z(Z)R_y(Y)$
YXZ欧拉	先Y，再X，最后Z	$R=R_y(Y)R_x(X)R_z(Z)$
YZX欧拉	先Y，再Z，最后X	$R=R_y(Y)R_z(Z)R_x(X)$
ZXY欧拉	先Z，再X，最后Y	$R=R_z(Z)R_x(X)R_y(Y)$
ZYX欧拉	先Z，再Y，最后X	$R=R_z(Z)R_y(Y)R_x(X)$

---

记忆规律只有一句话：模式名字从左到右读出来的字母顺序，就是旋转矩阵从左到右的排列顺序，也是三次旋转实际发生的先后顺序。这六种模式全部都是内旋（绕自身不断更新的轴），Blender 官方文档里把这套坐标轴体系形象地称为"欧拉云台"（Euler gimbal）——三根轴像老式陀螺仪里一层套一层的圆环，最外层的环带着中间层转，中间层又带着最内层转。

4. 为什么会有 6 种选择，以及万向节死锁

既然 6 种模式本质上是同一件事的不同排列，为什么 Blender 要都提供出来？原因是不同的物体、不同的动画场景，转动时"更自然"的轴顺序不一样——比如一个人的手臂，先抬肩、再转肘、最后转手腕会更符合关节的实际约束；而一架飞机则更适合按航向-俯仰-横滚（也就是 ZYX 顺序）来描述。选对顺序能让动画曲线更平滑、更好编辑。
这 6 种模式还有一个共同的缺点，也是欧拉角这种表示方法本身固有的问题——万向节死锁（Gimbal Lock）。以"XYZ欧拉"为例：当中间那个字母对应的轴（这里是 $Y$ 轴）转到 $\pm 90°$ 附近时，第一个字母和第三个字母对应的轴（$X$ 轴和 $Z$ 轴）会重合成同一根轴，此时绕 $X$ 轴转和绕 $Z$ 轴转会产生完全相同的效果，实际上就丢失了一个自由度，导致这个方向上的旋转再也调不出来。这也是截图里下拉菜单每个模式后面都标注"容易发生万向节死锁"的原因。

5. 另外两个选项：四元数与坐标轴角度

下拉菜单里除了 6 种欧拉角，还有两个完全不同的姿态表示方式，都是为了解决万向节死锁问题而存在的：

• 四元数运算(WXYZ)：用一个四维向量 $(w,x,y,z)$ 来表示旋转，不依赖任何"先转哪根轴"的顺序，因此天生不会有万向节死锁问题，是游戏引擎和动画系统底层最常用的旋转表示方式，缺点是这四个数字本身不直观，人很难直接读懂"转成这样"具体是什么姿态。
• 坐标轴角度：直接指定一根旋转轴（一个三维方向向量）和绕这根轴转动的角度，是"轴角表示法"（axis-angle）。这种方式在几何直觉上很清晰（一次性绕一根轴转一个角度就搞定），也不会有万向节死锁，但同样不方便像欧拉角那样分别控制"抬头"“转身”"侧倾"这种独立的动作。
  这两种方式的具体数学定义和推导，超出了本讲义"从欧拉角入手"的范围，这里只作为背景知识，帮助理解 Blender 为什么在下拉菜单里把它们和欧拉角放在一起——它们解决的是同一个问题（怎么描述三维旋转），只是各有各的取舍。

6. 小结

---

要点	内容
"模式"下拉框的作用	决定欧拉角三次旋转的轴顺序，或改用四元数／轴角表示
字母顺序的含义	从左到右就是旋转发生的先后顺序，也是矩阵从左到右的乘法顺序
本质	6 种"字母组合欧拉"模式全部都是内旋（绕自身更新的轴）
共同缺点	都存在万向节死锁：中间字母对应的轴转到 $\pm 90°$ 附近时丢失一个自由度
不会死锁的替代方案	四元数运算(WXYZ)、坐标轴角度（轴角表示法）

---

万向节死锁（Gimbal Lock）从零理解

1. 先看实物：万向节长什么样

万向节（gimbal）是一种机械结构，由三个互相嵌套的圆环组成：最外层的环固定在机身或支架上，中间层的环挂在最外层环内部、可以绕一根轴转动，最内层的环又挂在中间层环内部、也能绕另一根轴转动。三层环各自的转轴依次对应航向（yaw，最外层）→ 俯仰（pitch，中间层）→ 横滚（roll，最内层），最内层环的中心固定着飞行器（或者任何需要描述姿态的物体）。
正常情况下，三层环的转轴两两之间保持不同方向，转动任意一层环，物体姿态的变化效果都是独一无二的，互不重复——这时候三个自由度（航向、俯仰、横滚）都能被自由、独立地调节。
但当中间层的俯仰环转到 $90°$（也就是 $\pi /2$ 弧度）时，会出现一个很反直觉的现象：最外层的航向环转轴和最内层的横滚环转轴，会变成完全平行、甚至重合的两根轴。这时候不管你转的是最外层环还是最内层环，物体姿态的变化效果都变得完全一样——原本三个独立可调的自由度，在这一瞬间只剩下两个能用了，第三个自由度"丢失"了，这就是万向节死锁。

图1（见配套 PDF：欧拉角_万向节死锁示意图.pdf）：

左边画的是正常状态，三根轴（紫色航向、绿色俯仰、蓝色横滚）两两方向不同；右边画的是俯仰角转到 $90°$ 之后的死锁状态，航向轴和横滚轴几乎贴在一起变成了同一根轴，用红色"Lock!"箭头强调这一点。

2. 为什么俯仰轴转到 90° 会导致这个问题

结合前面几份讲义讲过的知识，飞行器姿态最常用的欧拉角约定是按航向 $\psi$ → 俯仰 $\theta$ → 横滚 $\varphi$ 的顺序做内旋，对应的旋转矩阵是：
$$R=R_z(\psi )R_y(\theta )R_x(\varphi )$$
注意这三步旋转里，俯仰这一步排在中间：先转航向、再转俯仰、最后转横滚。正是因为俯仰排在中间，它转动的角度会同时影响"航向轴接下来指向哪"和"横滚轴接下来指向哪"这两件事——这也是为什么俯仰角是这三个角里唯一会引发死锁的那个（这一点其实和之前 Blender 讲义里"模式名字中间那个字母最容易出问题"的规律是同一件事）。

2.1 完整的旋转矩阵展开式

把三个单轴旋转矩阵按顺序相乘（这是一个纯粹的矩阵乘法运算，可以自己动手验证），展开后得到：
$$R=\left[\begin{array}{ccc}\cos \psi \cos \theta & \cos \psi \sin \theta \sin \varphi -\sin \psi \cos \varphi & \cos \psi \sin \theta \cos \varphi +\sin \psi \sin \varphi \\ \sin \psi \cos \theta & \sin \psi \sin \theta \sin \varphi +\cos \psi \cos \varphi & \sin \psi \sin \theta \cos \varphi -\cos \psi \sin \varphi \\ -\sin \theta & \cos \theta \sin \varphi & \cos \theta \cos \varphi \end{array}\right]$$
这是一个关于 $\psi ,\theta ,\varphi$ 三个独立变量的矩阵——正常情况下，任意改变这三个角度中的一个，矩阵都会发生不同的变化。

2.2 代入 $\theta =90°$ 之后发生了什么

现在把 $\theta =90°$（即 $\pi /2$）代入，此时 $\cos \theta =0,\sin \theta =1$。把这两个值代进上面的矩阵，很多项会因为乘上 $\cos \theta =0$ 而直接消失：
$$R(\theta =90°)=\left[\begin{array}{ccc}0& \cos \psi \sin \varphi -\sin \psi \cos \varphi & \cos \psi \cos \varphi +\sin \psi \sin \varphi \\ 0& \sin \psi \sin \varphi +\cos \psi \cos \varphi & \sin \psi \cos \varphi -\cos \psi \sin \varphi \\ -1& 0& 0\end{array}\right]$$
矩阵里剩下的这些项，形式正好是三角函数的和差角公式：
$$\cos \psi \sin \varphi -\sin \psi \cos \varphi =-\sin (\psi -\varphi ),\cos \psi \cos \varphi +\sin \psi \sin \varphi =\cos (\psi -\varphi )$$
把所有项都换成 $(\psi -\varphi )$ 的形式，最终化简为：
$$\boxed{R(\theta =90°)=\left[\begin{array}{ccc}0& -\sin (\psi -\varphi )& \cos (\psi -\varphi )\\ 0& \cos (\psi -\varphi )& \sin (\psi -\varphi )\\ -1& 0& 0\end{array}\right]}$$
这一步是整个万向节死锁问题的数学核心：可以看到，化简后的矩阵里，$\psi$ 和 $\varphi$ 不再是各自独立出现的，它们只以 $(\psi -\varphi )$ 这一个组合的形式出现在矩阵里。这意味着：只要 $\psi -\varphi$ 的值不变，不管 $\psi$ 和 $\varphi$ 单独取多少，算出来的旋转矩阵都完全相同！原本三个独立参数 $(\psi ,\theta ,\varphi )$，在 $\theta =90°$ 这一点上，实际能影响姿态的只剩下两个独立的量：固定的 $\theta =90°$，加上一个组合量 $(\psi -\varphi )$——这就是"三个自由度退化成两个"的精确数学含义。

2.3 用数字验证一下

取三组不同的 $\psi ,\varphi$，但保持 $\psi -\varphi =20°$ 不变（$\theta$ 固定为 $90°$），代入验证：

$\psi$	$\varphi$	$\psi -\varphi$	算出的旋转矩阵
$30°$	$10°$	$20°$	$\left[\begin{array}{ccc}0& -0.342& 0.940\\ 0& 0.940& 0.342\\ -1& 0& 0\end{array}\right]$
$50°$	$30°$	$20°$	$\left[\begin{array}{ccc}0& -0.342& 0.940\\ 0& 0.940& 0.342\\ -1& 0& 0\end{array}\right]$
$80°$	$60°$	$20°$	$\left[\begin{array}{ccc}0& -0.342& 0.940\\ 0& 0.940& 0.342\\ -1& 0& 0\end{array}\right]$

---

三组完全不同的 $(\psi ,\varphi )$，只要差值一样，算出来的矩阵逐个数字都完全相同。这也正好验证了原图文字说的那句话——“改变横滚角的效果与改变航向角相同”：既然只有差值 $\psi -\varphi$ 才影响结果，那么把 $\varphi$（横滚）增大一点，和把 $\psi$（航向）减小同样的量，效果是完全等价的，两者变成了"绑在一起"、没法再单独控制的同一个自由度。

3. 一句话理解"奇点"是什么意思

原图里提到"俯仰角等于 $\pi /2$ 是一个奇点（singularity）"，这里的"奇点"不是指某个具体的数值坏掉了，而是指：用 $(\psi ,\theta ,\varphi )$ 这三个数字去描述所有可能的三维旋转，这种描述方法本身在 $\theta =\pm 90°$ 这个特殊位置上失效了——在其他任何角度，给定一个旋转姿态，都能唯一地反推出对应的 $(\psi ,\theta ,\varphi )$；但在 $\theta =90°$ 时，无数组不同的 $(\psi ,\varphi )$（只要差值相同）都对应着同一个旋转矩阵，"角度数字"和"实际姿态"不再是一一对应的关系了。这种"描述方法在某个特殊点上失效、多个参数值对应同一个结果"的现象，在数学上就统称为奇点。

4. 怎么避开这个问题

结合之前 Blender 讲义里提到的内容，工程上主要有两种思路来彻底避免万向节死锁：

• 换一种旋转顺序：欧拉角有 6 种轴顺序可选，死锁只会在"中间那根轴转到 $90°$"时发生，所以可以根据具体应用场景，选择一个物体在正常工作范围内不太可能转到 $90°$ 的那根轴放在中间，从而在实际使用中避开这个奇点（但这只是"绕开"，理论上死锁依然存在，只是出现的角度不一样）。
• 换一种表示方法：从根本上放弃欧拉角，改用**四元数（quaternion）或轴角表示法（axis-angle）**来描述旋转。这两种方式用更多的数字（四元数用 4 个数、轴角用 4 个数：一根轴方向 + 一个角度）换来了"处处光滑、没有奇点"的好处，是游戏引擎、机器人学、航天姿态控制里更常用的底层实现方式。

5. 小结

---

要点	内容
发生条件	三步内旋（航向→俯仰→横滚）中，中间那一步的角度 $\theta$ 转到 $\pm 90°$
直观表现	最外层轴（航向）和最内层轴（横滚）方向重合，转其中一个等于转另一个
数学本质	化简后的旋转矩阵只依赖组合量 $\psi -\varphi$，3 个独立参数退化成 2 个
专业说法	欧拉角参数空间到旋转姿态之间的映射，在 $\theta =\pm 90°$ 处出现奇点
解决办法	更换轴顺序（治标）；改用四元数或轴角表示法（治本）

---

轴角表示（Axis-Angle）从零理解

配套图形见 PDF 文件《轴角表示_图解.pdf》，其中：

• 图1(a) 对应下文"直观理解"部分；
• 图1(b) 对应下文"数学推导"部分，图中标注的每一个符号（$u,v,v_{\parallel },v_{\perp },w,v_{\mathrm{rot}},\theta$）都和文字中的记号完全一致，可以对照着看。

一、先建立直觉：什么是"轴角"

想象一头玩具奶牛，我们想让它转个身。最自然的描述方式是：找一根穿过奶牛的轴，然后让奶牛绕着这根轴转过某个角度。
这就是"轴角表示"的全部思想——用两个东西描述一次三维旋转：

• 一根转轴：告诉你"绕哪个方向转"；
• 一个角度：告诉你"转了多少"。
  （对应 图1(a)：物体绕轴 $u$ 转过角度 $\theta$）
  这和我们熟悉的"旋转矩阵"（一个 $3\times 3$ 的矩阵，9个数字）比起来，轴角表示只需要 4 个数字（轴的3个分量 + 1个角度，因为轴是单位向量，实际上只有2个自由度描述方向），信息更紧凑，也更符合人的直觉——没有人会说"我把这个物体用某个 $3\times 3$ 矩阵变换了一下"，但会说"我把它绕着这根轴转了45度"。

二、数学定义

给定一次三维旋转，可以用下面两个量唯一（在 $\theta \in (-\pi ,\pi ]$ 范围内几乎唯一，除了 $\theta =0$ 或 $\theta =\pi$ 的特殊情况）确定它：

• 旋转轴：$u\in {\mathbb{R}}^3$，且 $\Vert u\Vert =1$（必须是单位向量，否则"转多少度"这件事就没有统一的度量标准）；
• 旋转角度：$\theta \in \mathbb{R}$（正负号约定：从轴的正方向看过去，逆时针为正，遵循右手定则）。
  把这两个信息合并成一个向量，就得到了旋转向量（rotation vector）：
  $$\mathbf{\theta }=\theta u\in {\mathbb{R}}^3$$
  这个向量非常巧妙：它的方向就是转轴方向，它的长度就是旋转的角度。一个向量同时装下了"轴"和"角"两个信息，这也是它在工程上（比如机器人学、SLAM、计算机视觉里的位姿优化）被大量使用的原因——三个自由度、无约束、可以直接做加减法参与优化。

三、推导：轴角是怎么把一个向量转到另一个位置的

现在的问题是：已知转轴 $u$、转角 $\theta$，以及空间中任意一个向量 $v$，转完之后的新向量 $v_{\mathrm{rot}}$ 该怎么算？这就是**罗德里格斯旋转公式（Rodrigues’ Rotation Formula）**要回答的问题。推导思路其实很朴素，分三步走。

第一步：把 $v$ 拆成"跟轴平行"和"跟轴垂直"两部分

任何一个向量 $v$，都可以唯一地分解成两部分：一部分和转轴 $u$ 平行（记作 $v_{\parallel }$），另一部分和转轴 $u$ 垂直（记作 $v_{\perp }$）：
$$v=v_{\parallel }+v_{\perp }$$
其中 $v_{\parallel }$ 就是 $v$ 在 $u$ 方向上的投影，用点积公式直接写出来：
$$v_{\parallel }=(u\cdot v)u$$
（$u\cdot v$ 是一个标量，表示投影的长度；乘上 $u$ 把这个长度变回一个沿 $u$ 方向的向量）
剩下的部分自然就是垂直分量：
$$v_{\perp }=v-v_{\parallel }$$
（对应 图1(b) 中：红色实线箭头 $v$，被拆成沿轴向上的红色箭头 $v_{\parallel }$，以及躺在与轴垂直的平面内的红色虚线箭头 $v_{\perp }$，图中的虚线是辅助构造线，表示 $v=v_{\parallel }+v_{\perp }$ 这个向量加法的平行四边形）
为什么要这样拆？ 因为绕轴 $u$ 旋转的时候，凡是躺在轴上的部分根本不会动（就像地球自转，地轴上的点永远在原地），会动的只有垂直于轴的那一部分。所以：
$$v_{\mathrm{rot}}=v_{\parallel }+(v_{\perp }\text{ 旋转 }\theta \text{ 角度后的结果})$$
问题就转化成了：$v_{\perp }$ 这个向量，在垂直于 $u$ 的那个平面内，转过 $\theta$ 角之后变成什么？

第二步：在垂直平面内，借助叉乘构造一个"帮手"向量

要在一个平面内描述"转过 $\theta$ 角"，最简单的办法是找到这个平面内的一组正交基（两个互相垂直、长度相等的向量），然后用高中学过的二维旋转公式（$\cos \theta$、$\sin \theta$ 的组合）去表示旋转结果。
$v_{\perp }$ 本身就是这个平面内的一个基方向。另一个方向，可以通过叉乘构造出来：
$$w=u\times v$$
（因为 $u\times v_{\parallel }=0$，两个平行向量叉乘结果是零向量，所以 $u\times v$ 其实等于 $u\times v_{\perp }$，写成 $u\times v$ 只是省去了一步分解）
这个 $w$ 有两个很好的性质：

1. $w$ 垂直于 $v_{\perp }$：因为叉乘的结果必然垂直于参与叉乘的两个向量，所以 $w=u\times v_{\perp }$ 同时垂直于 $u$ 和 $v_{\perp }$；既然 $w$ 垂直于 $u$，它自然也躺在那个与 $u$ 垂直的平面里，和 $v_{\perp }$ 在同一个平面内；
2. $w$ 和 $v_{\perp }$ 长度相等：叉乘的模长公式是 $\Vert u\times v_{\perp }\Vert =\Vert u\Vert \Vert v_{\perp }\Vert \sin \varphi$，这里 $\varphi$ 是 $u$ 和 $v_{\perp }$ 的夹角。因为 $v_{\perp }\perp u$，夹角 $\varphi =90°$，$\sin \varphi =1$；又因为 $\Vert u\Vert =1$，所以 $\Vert w\Vert =\Vert v_{\perp }\Vert$。
   一句话总结：$w$ 就是把 $v_{\perp }$ 在这个垂直平面内原地转 90 度得到的向量。有了 $v_{\perp }$ 和 $w$ 这一组等长且正交的基，这个平面内任意角度的旋转都可以写出来了。
   （对应 图1(b) 中的蓝色箭头 $w=u\times v$，以及底部那条从 $v_{\perp }$ 转到某一点、标注了 $\theta$ 的圆弧——这条圆弧画在垂直于 $u$ 的单位圆上，直观地表示"转过角度 $\theta$"这件事到底发生在哪个平面里）

第三步：套用二维旋转公式，再把平行分量加回来

有了 $v_{\perp }$ 和 $w$ 这组正交基，$v_{\perp }$ 转过 $\theta$ 角之后的结果，就是标准的二维旋转公式：
$$v_{\perp ,\mathrm{rot}}=\cos \theta v_{\perp }+\sin \theta w$$
这一步的直觉和平面直角坐标系里"一个点绕原点转 $\theta$ 角"完全一样：新位置等于"原方向乘 $\cos \theta$"加上"垂直方向乘 $\sin \theta$"。
最后，把不参与旋转的平行分量加回来：
$$v_{\mathrm{rot}}=v_{\parallel }+v_{\perp ,\mathrm{rot}}=v_{\parallel }+\cos \theta v_{\perp }+\sin \theta w$$
把 $v_{\perp }=v-v_{\parallel }$、$w=u\times v$ 代进去展开：
$$\begin{array}{rl}{v}_{\mathrm{rot}}& =v_{\parallel }+\cos \theta (v-v_{\parallel })+\sin \theta (u\times v)\\ & =\cos \theta v+(1-\cos \theta )v_{\parallel }+\sin \theta (u\times v)\end{array}$$
再把 $v_{\parallel }=(u\cdot v)u$ 代进去，就得到了最终的罗德里格斯旋转公式：
$$\boxed{v_{\mathrm{rot}}=\cos \theta v+(1-\cos \theta )(u\cdot v)u+\sin \theta (u\times v)}$$
（对应 图1(b) 中蓝色箭头 $v_{\mathrm{rot}}$，它同样可以分解成"沿轴方向的 $v_{\parallel }$"和"垂直平面内旋转后的分量"两部分，图中用虚线画出了这个分解的平行四边形，和 $v$ 的分解方式完全对称）
这个公式的意义在于：只用一个转轴 $u$ 和一个角度 $\theta$，就能把任意向量 $v$ 转到旋转之后的位置 $v_{\mathrm{rot}}$，而且全程只用到了点积和叉乘，不需要先构造出完整的 $3\times 3$ 旋转矩阵。
得到这个公式后，其实还可以借助一个向量恒等式，把它改写成另一种更适合推出"旋转矩阵"的等价形式——这就是下一节要做的事。

四、等价形式与旋转矩阵

一个好用的向量恒等式：$u\times (u\times v)=(u\cdot v)u-v$

三维向量的二重叉乘有一个很经典的恒等式（常被称为"BAC-CAB"公式），对任意向量 $a,b,c$ 都成立：
$$a\times (b\times c)=b(a\cdot c)-c(a\cdot b)$$
把 $a=b=u$（单位向量）、$c=v$ 代进去：
$$u\times (u\times v)=u(u\cdot v)-v(u\cdot u)$$
因为 $u$ 是单位向量，$u\cdot u=\Vert u{\Vert }^2=1$，所以：
$$u\times (u\times v)=(u\cdot v)u-v$$
这个恒等式的意义在于：它把"点积构造出的平行分量 $(u\cdot v)u$"和"两次叉乘"联系了起来，这样一来，罗德里格斯公式里就不需要点积了，全部可以用叉乘表示，这在计算机里实现起来更统一（只需要一个叉乘操作就够了）。

用恒等式改写罗德里格斯公式

把上面的恒等式变形一下，可以反解出：
$$(u\cdot v)u=u\times (u\times v)+v$$
代入第三节推出的罗德里格斯公式：
$$v_{\mathrm{rot}}=\cos \theta v+(1-\cos \theta )(u\cdot v)u+\sin \theta (u\times v)$$
把 $(u\cdot v)u$ 替换掉：
$$\begin{array}{rl}{v}_{\mathrm{rot}}& =\cos \theta v+(1-\cos \theta )[u\times (u\times v)+v]+\sin \theta (u\times v)\\ & =[\cos \theta +(1-\cos \theta )]v+(1-\cos \theta )u\times (u\times v)+\sin \theta (u\times v)\end{array}$$
注意中括号里 $\cos \theta +(1-\cos \theta )=1$，正好把 $v$ 前面的系数化简成了 $1$，于是得到一个同样成立、但形式更简洁的等价公式：
$$\boxed{v_{\mathrm{rot}}=v+(1-\cos \theta )u\times (u\times v)+\sin \theta (u\times v)}$$
这个式子和第三节的原始公式完全等价（只是代数变形），好处是全程只需要"叉乘"这一种运算，不再需要单独算点积，写代码或者写成矩阵形式时会更整齐。

从等价公式直接得到旋转矩阵

叉乘可以写成矩阵乘法：任取向量 $a$，$a\times v$ 总能写成某个矩阵乘以 $v$，这个矩阵记作 $[a]$（有的书里写作 $[a{]}_{\times }$），叫做由 $a$ 生成的反对称矩阵（也叫斜对称矩阵，因为它满足 $[a{]}^{\top }=-[a]$）。对于 $u=(u_x,u_y,u_z)$，具体写出来是：
$$[u]=\left[\begin{array}{ccc}0& -u_z& u_y\\ u_z& 0& -u_x\\ -u_y& u_x& 0\end{array}\right]$$
有了这个矩阵，$u\times v$ 就等于 $[u]v$，而"叉乘两次" $u\times (u\times v)$ 自然就等于把矩阵 $[u]$ 连续乘两次，也就是 $[u{]}^{2}v$。把这两个替换代入上面的等价公式：
$$v_{\mathrm{rot}}=v+(1-\cos \theta )[u{]}^{2}v+\sin \theta [u]v=[I+(1-\cos \theta )[u{]}^2+\sin \theta [u]]v$$
方括号里的这一整块就是把"轴角 $(u,\theta )$"转换成"旋转矩阵"的公式，记作 $R(u,\theta )$：
$$\boxed{R(u,\theta )=I+(1-\cos \theta )[u{]}^2+\sin \theta [u]}$$
也就是说，只要按上面的公式先把 $u$ 组装成反对称矩阵 $[u]$，再代入这个式子，算出来的 $R(u,\theta )$ 就是一个标准的 $3\times 3$ 旋转矩阵，之后直接用 $v_{\mathrm{rot}}=R(u,\theta )v$ 就能对任意向量做旋转，不需要每次都重新走一遍点积、叉乘的推导过程——这在需要对同一个旋转反复作用在很多个点上时（比如旋转一整个点云）效率更高，因为矩阵只需要算一次。
这个从轴角推出旋转矩阵的过程，也是后面理解李群 $SO(3)$ 上的指数映射、四元数与旋转矩阵相互转换的基础，这里先记住结论即可。

五、用一个具体数字例子过一遍（和图1(b)完全对应）

为了把公式落到实处，这里给出一组具体数字，图1(b) 就是严格按照这组数字画出来的，可以逐个数字对照图形理解：

• 转轴：$u=(0,0,1)$（沿 $z$ 轴）
• 待旋转向量：$v=(1,0,0.6)$
• 转角：$\theta =60°$
  一步步算：
• $v_{\parallel }=(u\cdot v)u=0.6\times (0,0,1)=(0,0,0.6)$
• $v_{\perp }=v-v_{\parallel }=(1,0,0)$
• $w=u\times v=(0,1,0)$（可以验证 $\Vert w\Vert =1=\Vert v_{\perp }\Vert$，两者长度确实相等）
• $v_{\perp ,\mathrm{rot}}=\cos 60°(1,0,0)+\sin 60°(0,1,0)=(0.5,0.866,0)$
• $v_{\mathrm{rot}}=v_{\parallel }+v_{\perp ,\mathrm{rot}}=(0.5,0.866,0.6)$

六、计算流程一览

下面用一张流程图梳理"输入轴角和向量，算出旋转结果"的完整步骤，和上面的推导一一对应：

七、C++ 代码实现

下面给出一份完整、可以直接编译运行的 C++ 代码。分成两部分：第一部分是第三节推出的"直接对向量做旋转"的罗德里格斯公式；第二部分是第四节推出的"先算旋转矩阵 $R(u,\theta )$，再用矩阵乘向量"的写法，并验证两种写法算出的结果完全一致。代码不依赖任何第三方库，只用了标准库的 <cmath>。

#include <iostream>
#include <cmath>
// 用一个简单的结构体表示三维向量，只实现旋转计算需要用到的运算
struct Vec3 {
    double x, y, z;
    // 向量加法：对应分量相加
    Vec3 operator+(const Vec3& other) const {
        return {x + other.x, y + other.y, z + other.z};
    }
    // 向量减法：对应分量相减
    Vec3 operator-(const Vec3& other) const {
        return {x - other.x, y - other.y, z - other.z};
    }
    // 向量数乘：每个分量都乘上同一个标量 s
    Vec3 operator*(double s) const {
        return {x * s, y * s, z * s};
    }
    // 点积（内积）：对应分量相乘后求和，结果是一个标量
    // 几何意义：反映两个向量方向的接近程度，也用来算投影长度
    double dot(const Vec3& other) const {
        return x * other.x + y * other.y + z * other.z;
    }
    // 叉积（外积）：结果是一个新向量，同时垂直于参与运算的两个向量
    // 这里用的是标准的行列式展开公式
    Vec3 cross(const Vec3& other) const {
        return {
            y * other.z - z * other.y,
            z * other.x - x * other.z,
            x * other.y - y * other.x
        };
    }
    // 向量的模长（长度）：勾股定理的三维版本
    double norm() const {
        return std::sqrt(x * x + y * y + z * z);
    }
    // 归一化：把向量方向不变，长度缩放成1，变成单位向量
    Vec3 normalized() const {
        double n = norm();
        return {x / n, y / n, z / n};
    }
};
// 核心函数：用罗德里格斯公式把向量 v 绕单位轴 u 旋转 theta 弧度
// 数学公式： v_rot = cosθ*v + (1-cosθ)*(u·v)*u + sinθ*(u×v)
Vec3 rotateByAxisAngle(const Vec3& v, const Vec3& u_raw, double theta) {
    // 第一步：把传入的轴强制归一化，保证 ||u|| = 1
    // 公式推导时用到了 ||u||=1 这个前提（比如叉乘模长公式里少乘了一个 ||u||），
    // 如果轴不是单位向量，直接代公式会得到错误结果
    Vec3 u = u_raw.normalized();
    double cosTheta = std::cos(theta);
    double sinTheta = std::sin(theta);
    // 第一项：v 整体按 cosθ 缩放
    // 这是当 theta 很小或者 v 本身就在轴上时的"主项"
    Vec3 term1 = v * cosTheta;
    // 第二项：(1-cosθ)(u·v) u
    // u·v 先算出 v 在轴方向上的投影长度，乘上 (1-cosθ) 是在补偿
    // "平行分量本不该被 cosθ 缩放"这件事（因为平行分量根本不参与旋转）
    double u_dot_v = u.dot(v);
    Vec3 term2 = u * (u_dot_v * (1.0 - cosTheta));
    // 第三项：sinθ (u×v)
    // u×v 就是推导过程中的"帮手向量" w，代表垂直分量旋转后
    // 新增出来的、原来的 v 里完全没有的那个方向分量
    Vec3 term3 = u.cross(v) * sinTheta;
    // 三项相加，就是旋转后的向量
    return term1 + term2 + term3;
}
// 打印一个向量，方便观察结果
void printVec(const char* name, const Vec3& v) {
    std::cout << name << " = (" << v.x << ", " << v.y << ", " << v.z << ")\n";
}
// ------------------------------------------------------------
// 下面是第四节推导的"旋转矩阵"写法：先把轴角组装成一个3x3矩阵R，
// 再用 v_rot = R * v 做旋转。用一个简单的3x3矩阵结构体来实现。
// ------------------------------------------------------------
struct Mat3 {
    double m[3][3]; // m[行][列]
    // 矩阵乘向量：标准的矩阵乘法定义，第i个分量 = 第i行 点乘 v
    Vec3 multiply(const Vec3& v) const {
        return {
            m[0][0]*v.x + m[0][1]*v.y + m[0][2]*v.z,
            m[1][0]*v.x + m[1][1]*v.y + m[1][2]*v.z,
            m[2][0]*v.x + m[2][1]*v.y + m[2][2]*v.z
        };
    }
    // 矩阵乘矩阵：用来计算 [u]的平方，即 [u]乘以[u]自己
    Mat3 multiply(const Mat3& other) const {
        Mat3 result{};
        for (int i = 0; i < 3; ++i) {
            for (int j = 0; j < 3; ++j) {
                double sum = 0.0;
                for (int k = 0; k < 3; ++k) {
                    sum += m[i][k] * other.m[k][j];
                }
                result.m[i][j] = sum;
            }
        }
        return result;
    }
    // 矩阵数乘：每个元素都乘上标量s
    Mat3 scale(double s) const {
        Mat3 result{};
        for (int i = 0; i < 3; ++i)
            for (int j = 0; j < 3; ++j)
                result.m[i][j] = m[i][j] * s;
        return result;
    }
    // 矩阵加法：对应元素相加
    Mat3 add(const Mat3& other) const {
        Mat3 result{};
        for (int i = 0; i < 3; ++i)
            for (int j = 0; j < 3; ++j)
                result.m[i][j] = m[i][j] + other.m[i][j];
        return result;
    }
};
// 单位矩阵 I：对角线是1，其余是0
Mat3 identity3() {
    Mat3 I{};
    I.m[0][0] = I.m[1][1] = I.m[2][2] = 1.0;
    return I;
}
// 由向量u构造反对称矩阵 [u]，满足对任意v都有 [u]*v == u.cross(v)
Mat3 skewMatrix(const Vec3& u) {
    Mat3 S{};
    S.m[0][0] = 0;    S.m[0][1] = -u.z; S.m[0][2] =  u.y;
    S.m[1][0] = u.z;  S.m[1][1] = 0;    S.m[1][2] = -u.x;
    S.m[2][0] = -u.y; S.m[2][1] = u.x;  S.m[2][2] = 0;
    return S;
}
// 核心函数：由轴角 (u, theta) 构造旋转矩阵 R(u,theta)
// 数学公式： R(u,θ) = I + (1-cosθ)*[u]^2 + sinθ*[u]
Mat3 axisAngleToMatrix(const Vec3& u_raw, double theta) {
    Vec3 u = u_raw.normalized();      // 同样要先保证是单位向量
    Mat3 U = skewMatrix(u);           // 反对称矩阵 [u]
    Mat3 U2 = U.multiply(U);          // [u]的平方，对应 u×(u×v) 这个操作
    double cosTheta = std::cos(theta);
    double sinTheta = std::sin(theta);
    // 按公式把三项加起来： I + (1-cosθ)[u]^2 + sinθ[u]
    Mat3 R = identity3()
                .add(U2.scale(1.0 - cosTheta))
                .add(U.scale(sinTheta));
    return R;
}
int main() {
    // ---- 例1：对应文档第四节的数值例子，方便和图1(b)对照 ----
    Vec3 u1 = {0.0, 0.0, 1.0};   // 转轴：z轴方向
    Vec3 v1 = {1.0, 0.0, 0.6};   // 待旋转向量
    double theta1 = 60.0 * M_PI / 180.0;  // 60度转成弧度
    Vec3 v1_rot = rotateByAxisAngle(v1, u1, theta1);
    std::cout << "===== 例1：与图1(b)对应的数值例子 =====\n";
    printVec("v", v1);
    printVec("v_rot", v1_rot);
    std::cout << "理论结果应为 (0.5, 0.866, 0.6)，可以看到数值基本吻合\n\n";
    // ---- 例2：绕z轴转90度，验证结果符合直觉 ----
    // x轴方向的向量绕z轴转90度，应该正好转到y轴方向
    Vec3 u2 = {0.0, 0.0, 1.0};
    Vec3 v2 = {1.0, 0.0, 0.0};
    double theta2 = M_PI / 2.0;
    Vec3 v2_rot = rotateByAxisAngle(v2, u2, theta2);
    std::cout << "===== 例2：验证直角旋转 =====\n";
    printVec("v", v2);
    printVec("v_rot", v2_rot);
    std::cout << "理论结果应为 (0, 1, 0)\n\n";
    // ---- 例3：用旋转矩阵方法重算例1，验证两种写法结果一致 ----
    Mat3 R = axisAngleToMatrix(u1, theta1);   // 先把轴角组装成矩阵R
    Vec3 v1_rot_by_matrix = R.multiply(v1);   // 再用矩阵乘向量
    std::cout << "===== 例3：矩阵法与向量公式法对比（应与例1结果相同） =====\n";
    printVec("v_rot（旋转矩阵法）", v1_rot_by_matrix);
    printVec("v_rot（向量公式法，例1结果）", v1_rot);
    return 0;
}

代码逻辑讲解

整段代码分成三块：
Vec3 结构体：把三维向量需要的基本运算（加、减、数乘、点积、叉积、归一化）都封装成成员函数，这样后面写公式的时候可以像写数学表达式一样直接写 v * cosTheta、u.cross(v)，代码和公式基本一一对应，不容易出错。
rotateByAxisAngle 函数：这是整段代码的核心，严格按照推导出的三项公式实现：

• 先对轴做 normalized() 归一化，这一步容易被忽略，但公式的正确性完全依赖 $\Vert u\Vert =1$ 这个前提，如果直接传入一个没有归一化的轴，算出来的结果会是错的；
• term1、term2、term3 三个变量分别对应公式里的三项，命名和顺序都和数学公式保持一致，方便对照检查；
• 最后把三项相加返回，就是旋转后的向量。
  Mat3 结构体：表示一个 $3\times 3$ 矩阵，实现了矩阵乘向量（multiply(const Vec3&)）、矩阵乘矩阵（multiply(const Mat3&)）、矩阵数乘（scale）、矩阵加法（add）四个基本操作，第四节推出的矩阵公式里出现的运算，这里都能找到对应的函数。
  skewMatrix 函数：按第四节给出的公式，把向量 $u$ 组装成反对称矩阵 $[u]$。这个矩阵的作用等价于叉乘：对任意向量 $v$，skewMatrix(u).multiply(v) 算出来的结果和 u.cross(v) 应该完全一样，这是理解后面矩阵公式的关键一步。
  axisAngleToMatrix 函数：这是矩阵形式的核心，严格对应公式 $R(u,\theta )=I+(1-\cos \theta )[u{]}^2+\sin \theta [u]$：
• 先对轴归一化（原因和向量法一样，公式依赖 $\Vert u\Vert =1$）；
• 用 skewMatrix 算出 $[u]$，再用矩阵乘矩阵算出 $[u{]}^2$（对应恒等式里"叉乘两次"的操作）；
• 最后按公式把单位矩阵、$(1-\cos \theta )[u{]}^2$、$\sin \theta [u]$ 三部分加在一起，返回旋转矩阵 $R$。
  main 函数：一共给了三个测试例子。例1直接用文档里推导用的数字，算出来的结果应该约等于 $(0.5,0.866,0.6)$，可以和图1(b)里的 $v_{\mathrm{rot}}$ 对上；例2是一个更容易靠直觉验证的例子——把 $x$ 轴方向的向量绕 $z$ 轴转 90 度，结果理应正好落在 $y$ 轴上；例3用矩阵法重新计算了一遍例1的场景，用来验证"直接对向量套公式"和"先算矩阵再乘向量"这两种写法算出来的结果完全一致，从代码层面印证第四节的推导没有问题。
  编译运行方式（Linux/Mac 下）：

g++ -O2 -o rodrigues rodrigues.cpp
./rodrigues

八、轴角表示在旋转描述家族里的位置

三维旋转常见的几种描述方式各有优劣，简单对比一下，方便理解轴角表示适合用在什么场景：

表示方法	自由度	优点	缺点
旋转矩阵	9个数（受6个约束）	直接可用于变换点，无奇异性	参数冗余，不便于优化和插值
欧拉角	3个数	直观，符合日常语言习惯	存在万向锁（Gimbal Lock）奇异性
轴角/旋转向量	3个数	紧凑，无冗余，适合参与优化（比如非线性最小二乘）	角度接近 $0$ 或 $2\pi$ 附近时轴的方向不稳定
四元数	4个数（受1个约束）	无奇异性，插值（球面线性插值）效果好	不直观，理解门槛稍高

---

轴角表示的最大优势在于只用三个自由度就完整描述了一次旋转（转轴用两个自由度描述方向，加上一个角度），既不像旋转矩阵那样冗余，也不像欧拉角那样存在万向锁问题，所以在 SLAM、三维重建、机器人位姿估计等需要对旋转做优化迭代的场景里非常常用，比如著名的 Ceres Solver、g2o 等优化库内部都大量使用旋转向量作为旋转的优化变量。