Rodrigues旋转矩阵推导与应用详解

1. Rodrigues旋转矩阵推导概述

在三维空间变换中，旋转操作是最基础也是最重要的操作之一。Rodrigues旋转矩阵提供了一种优雅的方式，通过旋转轴和旋转角度来描述任意旋转。这种表示方法不仅直观，而且在计算机图形学、机器人学和物理仿真等领域有着广泛应用。

Rodrigues公式的核心思想是将向量v分解为平行于旋转轴k和垂直于旋转轴k的两个分量。平行分量在旋转过程中保持不变，而垂直分量则绕旋转轴进行二维平面旋转。这种分解方法使得三维旋转问题简化为一个二维旋转问题，大大降低了问题的复杂度。

提示：理解Rodrigues公式的关键在于掌握向量在旋转轴方向上的投影与正交分解。这是整个推导过程的基石。

2. 向量分解与旋转原理

2.1 向量在旋转轴上的投影

给定单位旋转轴k（||k||=1）和待旋转向量v，我们首先将v分解为平行于k的分量v∥和垂直于k的分量v⊥：

v∥ = (v·k)k
v⊥ = v - v∥ = v - (v·k)k

这种分解方式利用了向量的点积性质，其中v·k表示v在k方向上的投影长度。由于k是单位向量，这个投影长度直接给出了平行分量的大小。

2.2 垂直分量的旋转处理

在旋转过程中，平行分量v∥保持不变，而垂直分量v⊥将在垂直于k的平面内旋转θ角度。为了描述这个旋转，我们需要引入叉积的概念：

k × v = k × (v∥ + v⊥) = k × v⊥

因为k与v∥平行，它们的叉积为零。这个叉积结果给出了一个与k和v⊥都垂直的新向量，其大小等于||v⊥||（因为||k||=1）。

3. Rodrigues公式的完整推导

3.1 旋转后的向量表达式

旋转后的向量v'可以表示为：
v' = v∥ + cosθ v⊥ + sinθ (k × v)

将之前的分解表达式代入：
v' = (v·k)k + cosθ [v - (v·k)k] + sinθ (k × v)

这个表达式清晰地展示了旋转后的向量由三部分组成：保持不变的平行分量、旋转后的垂直分量以及由叉积产生的新分量。

3.2 矩阵形式的转换

为了将上述表达式转换为矩阵形式，我们需要将各项操作表示为矩阵乘法。首先，我们定义叉积矩阵K：

k × v = K v = [0 -kz ky