线性代数之深入理解旋转矩阵

1. 旋转矩阵的概述

旋转矩阵是一个用于描述空间中旋转变换的矩阵。在二维平面中，旋转矩阵用于将一个点围绕原点旋转一个特定角度。旋转矩阵的主要特点是，它是一个正交矩阵，且其行列式为 1，这意味着旋转是一个不改变点距离原点的等距变换（即不发生缩放或扭曲）。

旋转矩阵的形式（二维平面）

对于二维平面上的旋转，旋转矩阵 $R(\theta )$ 的形式如下：

$$R(\theta )=\left[\begin{array}{cc}\cos (\theta )& -\sin (\theta )\\ \sin (\theta )& \cos (\theta )\end{array}\right]$$

其中：

• $\theta$ 是旋转的角度。
• $\cos (\theta )$ 和 $\sin (\theta )$ 分别是旋转角度的余弦和正弦值。

这个矩阵描述了一个点绕原点逆时针旋转 $\theta$ 角度后的新坐标。

旋转的效果

当旋转矩阵作用于一个点 $\mathbf{v}=\left[\begin{array}{c}x\\ y\end{array}\right]$ 时，它会将点 $\mathbf{v}$ 映射到旋转后的新点 ${\mathbf{v}}^{\prime }=\left[\begin{array}{c}{x}^{\prime }\\ y^{\prime }\end{array}\right]$，计算公式为：

$${\mathbf{v}}^{\prime }=R(\theta )\mathbf{v}$$

其中：

$$x^{\prime }=x\cos (\theta )-y\sin (\theta )$$

$$y^{\prime }=x\sin (\theta )+y\cos (\theta )$$

2. 旋转矩阵的计算方法

旋转矩阵的计算其实基于三角函数的加法公式。我们可以通过几何理解来推导它。

2.1 几何推导

设一个点 $\mathbf{v}=\left[\begin{array}{c}x\\ y\end{array}\right]$ 在二维平面上，我们希望将其绕原点旋转角度 $\theta$ 后得到新的坐标。

1. 原点和极坐标：在旋转前，点 $\mathbf{v}$ 的坐标可以通过极坐标表示：

   • 半径 $r=\sqrt{x^2+y^2}$
   • 角度 $\alpha =\arctan \left(\frac{y}{x}\right)$

2. 旋转后的坐标：旋转 $\theta$ 后，新的坐标变成：

   • $x^{\prime }=r\cos (\alpha +\theta )$
   • $y^{\prime }=r\sin (\alpha +\theta )$

3. 三角加法公式：利用三角函数的加法公式：

   $$\cos (\alpha +\theta )=\cos (\alpha )\cos (\theta )-\sin (\alpha )\sin (\theta )$$

   $$\sin (\alpha +\theta )=\sin (\alpha )\cos (\theta )+\cos (\alpha )\sin (\theta )$$

   通过这个公式，我们可以展开 $x^{\prime }$ 和 $y^{\prime }$，最终得到：

   $$x^{\prime }=x\cos (\theta )-y\sin (\theta )$$

   $$y^{\prime }=x\sin (\theta )+y\cos (\theta )$$

   这就给出了旋转矩阵的计算公式。

2.2 矩阵形式

这个变换过程可以通过矩阵乘法简洁地表示出来。原始点的坐标 $\mathbf{v}$ 和旋转矩阵 $R(\theta )$ 相乘，得到旋转后的坐标 ${\mathbf{v}}^{\prime }$：

$$R(\theta )\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{c}x\cos (\theta )-y\sin (\theta )\\ x\sin (\theta )+y\cos (\theta )\end{array}\right]$$

这就是旋转矩阵的实际计算过程，旋转矩阵通过基于三角函数的公式，构造了一个能描述旋转变换的矩阵。

3. 从基向量的角度理解旋转矩阵

3.1 基向量的定义

在二维坐标系中，通常我们选择两个基向量：

• ${\mathbf{e}}_1=\left[\begin{array}{c}1\\ 0\end{array}\right]$，表示x轴方向的单位向量。
• ${\mathbf{e}}_2=\left[\begin{array}{c}0\\ 1\end{array}\right]$，表示y轴方向的单位向量。

这两个向量构成了我们坐标系的基础，任何二维点 $\mathbf{v}=\left[\begin{array}{c}x\\ y\end{array}\right]$ 都可以表示为基向量的线性组合：

$$\mathbf{v}=x{\mathbf{e}}_1+y{\mathbf{e}}_2$$

3.2 旋转对基向量的作用

旋转矩阵通过旋转基向量 ${\mathbf{e}}_1$ 和 ${\mathbf{e}}_2$ 来实现整体的旋转变换。

• 旋转矩阵作用于 ${\mathbf{e}}_1$ 后，得到新的基向量：

  $$R(\theta ){\mathbf{e}}_1=\left[\begin{array}{c}\cos (\theta )\\ \sin (\theta )\end{array}\right]$$

  这说明，旋转后的 ${\mathbf{e}}_1^{\prime }$ 向量是沿着角度 $\theta$ 旋转的方向。

• 同样，旋转矩阵作用于 ${\mathbf{e}}_2$ 后，得到新的基向量：

  $$R(\theta ){\mathbf{e}}_2=\left[\begin{array}{c}-\sin (\theta )\\ \cos (\theta )\end{array}\right]$$

  这说明，旋转后的 ${\mathbf{e}}_2^{\prime }$ 向量也沿着旋转角度 $\theta$ 旋转的方向。

3.3 基向量与坐标点的关系

旋转矩阵通过改变基向量的方向来影响整个坐标系的方向。通过基向量的旋转，我们可以看到旋转矩阵如何改变整个空间中的坐标点。

假设我们有一个点 $\mathbf{v}=\left[\begin{array}{c}x\\ y\end{array}\right]$，可以将其表示为：

$$\mathbf{v}=x{\mathbf{e}}_1+y{\mathbf{e}}_2$$

旋转矩阵作用于点 $\mathbf{v}$ 时，实际上是将原始坐标系的基向量 ${\mathbf{e}}_1$ 和 ${\mathbf{e}}_2$ 旋转了 $\theta$ 角度，进而改变了 $\mathbf{v}$ 的坐标。通过旋转矩阵的作用，原基向量 ${\mathbf{e}}_1$ 和 ${\mathbf{e}}_2$ 被映射到旋转后的新位置，进而影响整个空间中所有点的坐标变换。

总结

1. 旋转矩阵概述：旋转矩阵用于描述平面上绕原点旋转的变换。它的形式是：

   $$R(\theta )=\left[\begin{array}{cc}\cos (\theta )& -\sin (\theta )\\ \sin (\theta )& \cos (\theta )\end{array}\right]$$

2. 旋转矩阵的计算方法：通过三角函数的加法公式，我们可以得到旋转矩阵的具体计算方法，并利用矩阵乘法将原始点坐标旋转到新的坐标。

3. 基向量的角度理解：旋转矩阵通过旋转基向量 ${\mathbf{e}}_1$ 和 ${\mathbf{e}}_2$ 来影响整个坐标系，从而改变任意点的坐标。