1 基本概念
1.1 定义
旋转矩阵是用于表示旋转变换的矩阵，常见于二维、三维及更高维空间。它描述的是一种刚性变换，即变换前后图形或向量的长度与夹角保持不变，只改变方向。在线性代数中，旋转矩阵通常被视为满足特定正交条件且行列式为 1 的矩阵。
1.2 几何意义
从几何上看，旋转矩阵对应于“绕某一点或某一轴转动”的操作。二维情形下，它表示平面内围绕原点的转动；三维情形下，它常表示物体绕空间中的某条轴旋转。该矩阵能够把坐标系中的点映射到新的位置，同时不改变图形的形状与大小。
1.3 与线性变换的关系
旋转矩阵本质上是一种线性变换的矩阵表示。在线性空间中，任意线性变换都可以用矩阵来描述，而旋转属于其中一种特殊类型。由于旋转对向量加法和数乘都保持兼容，因此可以通过矩阵乘法直接作用于向量坐标。
1.4 与正交矩阵的关系
旋转矩阵属于正交矩阵的一类。正交矩阵的特点是其转置等于逆矩阵，意味着它保持内积不变。并非所有正交矩阵都是旋转矩阵，因为正交矩阵还可能包含镜像反射；只有当行列式为 1 时，才对应纯粹的旋转。
2 二维旋转矩阵
2.1 标准形式
二维平面中，逆时针旋转角度为 θ 的标准旋转矩阵通常写作 \[ \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} \] 它作用于二维向量时，能够实现围绕原点的平面旋转。
2.2 顺时针与逆时针旋转
按照常用数学约定，角度为正时表示逆时针旋转，角度为负时表示顺时针旋转。因此，顺时针旋转可以看作逆时针旋转的负角度情形。两者在矩阵表达上只是在角度符号上有所区别。
2.3 角度表示
二维旋转矩阵通常直接由旋转角度决定。角度可以使用弧度制或角度制描述，但在理论推导和计算中，弧度制更常见。矩阵中的正弦与余弦项完全由该角度确定，因此它是一种参数化明确、计算简洁的表达方式。
2.4 性质
2.4.1 保长度
旋转矩阵作用于向量后，不会改变向量的模长。这是因为旋转只是改变方向，不会拉伸或压缩向量。因此，任意点到原点的距离在旋转前后保持一致。
2.4.2 保角度
旋转也不会改变两个向量之间的夹角。由于内积保持不变，向量间的几何关系得以完整保留。这使旋转矩阵在几何建模、图形变换和物理描述中非常重要。
2.4.3 行列式与迹
二维旋转矩阵的行列式恒为 1，这反映了它保持面积与方向的性质。其迹为 \(2\cos\theta\)，因此可用于辅助判断旋转角度。迹与角度之间的关系在矩阵分析中具有一定实用性。
3 三维旋转矩阵
3.1 基本形式
三维旋转矩阵用于描述空间中的旋转，通常是 3×3 矩阵。与二维情况相比，三维旋转更加灵活，因为旋转轴可以有无数种方向。一个三维旋转矩阵同样满足正交性与行列式为 1 的条件。
3.2 绕坐标轴旋转
3.2.1 绕 x 轴旋转
绕 x 轴旋转时，x 坐标保持不变，而 y、z 坐标在对应平面内发生变化。其矩阵形式通常呈现为一个带有正弦、余弦项的块结构，便于直接应用于空间点的变换。
3.2.2 绕 y 轴旋转
绕 y 轴旋转会保持 y 坐标不变，使 x、z 坐标发生转动。该旋转在三维建模与姿态控制中十分常见，常用于描述物体左右方向的调整。
3.2.3 绕 z 轴旋转
绕 z 轴旋转时，z 坐标保持固定，而 x、y 坐标在水平平面内旋转。这一形式与二维旋转最为接近，因此在平面运动和俯视建模中经常使用。
3.3 任意轴旋转
三维空间中的旋转不仅限于坐标轴，也可以围绕任意单位向量所指示的轴进行。任意轴旋转通常通过轴角表示或罗德里格斯公式构造，其表达更加一般，适合描述复杂姿态变化。
3.4 旋转矩阵的组合
多个旋转矩阵相乘可以表示连续旋转。需要注意的是，矩阵乘法通常不满足交换律，因此旋转顺序会影响最终结果。这一特性在三维姿态合成中尤其关键，不同顺序可能对应完全不同的空间方向。
4 代数性质
4.1 正交性
旋转矩阵的列向量与行向量彼此正交，且通常是单位向量。正交性意味着矩阵在变换过程中保持向量间的内积结构，从而保证长度和角度不变。
4.2 行列式为 1
旋转矩阵的行列式等于 1，表示它既不反射也不翻转空间的取向。这个性质使旋转矩阵与一般正交矩阵中的反射变换区分开来。
4.3 逆矩阵与转置
旋转矩阵的逆矩阵等于其转置矩阵。这一性质来源于正交性，也使得旋转的逆变换计算非常方便。实际应用中，只需对矩阵转置即可得到反向旋转。
4.4 特征值与特征向量
在二维中，旋转矩阵一般没有实特征向量，除非旋转角为 0 或 π。三维情况下，任意旋转通常会存在一个对应旋转轴方向的特征向量，其特征值为 1。其他特征值往往以复数共轭对的形式出现。
4.5 旋转群中的位置
所有旋转矩阵构成一个群结构，称为旋转群。群运算对应矩阵乘法，单位元是恒等矩阵，逆元则是转置矩阵。这个结构为旋转的组合、分解与理论研究提供了统一框架。
5 构造方法
5.1 由角度直接构造
在二维空间中，可以直接根据旋转角度写出旋转矩阵。在三维中，若旋转轴已知且旋转角明确，也可利用角度与轴信息直接组装矩阵。这种方式直观且易于计算。
5.2 由轴角表示构造
轴角表示将旋转描述为“绕某一单位轴旋转某一角度”。基于这一表示，可使用标准公式生成对应矩阵。该方法特别适用于三维空间，具有清晰的几何解释。
5.3 由欧拉角构造
欧拉角通过若干次绕不同坐标轴的旋转来表示最终姿态。将这些基本旋转矩阵按规定顺序相乘，即可得到总旋转矩阵。由于顺序敏感，欧拉角构造必须明确约定旋转次序。
5.4 由两个向量构造
在某些应用中，可根据初始向量与目标向量构造旋转矩阵，使一个方向对齐到另一个方向。若再结合辅助条件，还能确定唯一的旋转结果。这种方法常用于姿态匹配与坐标系对齐。
6 表示与参数化
6.1 欧拉角
欧拉角是描述空间姿态的经典参数化方式，通常由三个角度组成。它便于直观理解物体的朝向，但在某些姿态下会出现参数退化，因此在工程实现中需要谨慎处理。
6.2 轴角表示
轴角表示将旋转拆解为旋转轴与旋转角两个部分。它的优点是几何意义明确，适合小范围旋转与插值处理。在三维旋转表达中，轴角是一种十分重要的形式。
6.3 罗德里格斯公式
罗德里格斯公式给出了由单位旋转轴和旋转角直接生成三维旋转矩阵的方法。该公式结构紧凑，计算效率较高，常用于需要快速构造旋转的场景。它在理论推导和实际编程中都具有较高价值。
6.4 与四元数的对应关系
四元数可以与旋转矩阵相互转换，用于表示三维旋转。与旋转矩阵相比，四元数在插值和数值稳定性方面常有优势，而旋转矩阵则更便于直接作用于向量。二者在图形学和机器人学中经常配合使用。
7 计算与应用
7.1 坐标变换
旋转矩阵常用于坐标系之间的转换。例如，将一个点从局部坐标系变换到全局坐标系，或反向转换，都可以通过旋转矩阵实现。它是坐标几何和空间建模中的基础工具。
7.2 图形学中的姿态控制
在计算机图形学中，旋转矩阵用于控制模型、摄像机和光照方向的姿态。通过旋转，场景中的对象可以实现平滑转向、视角调整和动画过渡。它在三维渲染管线中占据重要位置。
7.3 机器人学中的运动描述
机器人学中，旋转矩阵用于描述机械臂关节姿态、末端执行器方向以及坐标系关系。由于机器人运动常包含多个关节的连续旋转，因此矩阵表示有助于进行精确的位姿分析与控制。
7.4 物理学中的刚体转动
在物理学里，旋转矩阵可用于刻画刚体在空间中的转动状态。它帮助描述物体在不发生形变的情况下如何改变朝向，并与角速度、惯性张量等概念配合使用。
7.5 信号处理与数据分析
旋转矩阵也出现在信号处理和数据分析中，例如坐标降维、主成分方向调整以及多维数据的方向变换。它能够在不改变数据本质几何关系的前提下，改变表示方式以便于分析。
8 数值计算
8.1 误差与稳定性
在计算机中，旋转矩阵的多次连乘可能产生浮点误差，导致矩阵逐渐偏离理想的正交形式。数值稳定性因此成为实际应用中的重要问题，尤其在长时间迭代或高频更新场景中更为明显。
8.2 旋转矩阵的正交化
当矩阵受到误差污染时，常需要对其重新正交化，使其恢复为接近旋转矩阵的形式。常见做法包括基于分解的方法或规范化处理，以修正累计误差。
8.3 迭代计算中的漂移修正
在姿态积分或连续旋转模拟中，矩阵可能出现缓慢漂移，表现为长度不再严格保持、正交性下降。为了避免误差扩大，通常会周期性进行修正，使结果稳定可靠。
8.4 矩阵分解与近似
旋转矩阵可与其他矩阵分解方法结合，用于提取纯旋转成分或进行近似计算。比如在某些问题中，需要从带噪声的变换中分离出最接近的旋转部分，这类分解技术很常见。
9 相关概念
9.1 平移矩阵
平移矩阵用于表示位置的平移变化，与旋转矩阵不同，平移不属于纯线性变换，通常需要借助齐次坐标来表示。它常与旋转共同构成完整的空间位姿变换。
9.2 缩放矩阵
缩放矩阵用于改变对象的大小，可在各坐标方向上施加不同倍数的伸缩。它与旋转矩阵共同出现在图形变换中，但缩放会改变长度，因此不保持旋转矩阵所具有的刚性特征。
9.3 仿射变换
仿射变换是线性变换与平移的组合，能够表示旋转、缩放、剪切和平移等操作。旋转矩阵是仿射变换中的重要组成部分，常作为其中的核心线性部分。
9.4 旋转群
旋转群是所有旋转变换构成的代数结构，体现了旋转的组合规律。它在抽象代数和几何中都具有重要地位，用于研究旋转的整体性质。
9.5 特殊正交群
特殊正交群是指满足正交性且行列式为 1 的矩阵集合。旋转矩阵正属于这一集合，因此可视为特殊正交群中的元素。该概念为旋转的代数化描述提供了统一框架。