3、二维旋转矩阵：推导与几何意义，从平面几何到代数表达
各位同学，今天我们来聊聊二维旋转矩阵。说实话，这东西在气动坐标系里太常用了。我当年刚入行时，总觉得旋转矩阵就是个数学公式，背下来就行。直到有一次做风洞数据处理，发现姿态角算出来总对不上，折腾了两天才意识到是旋转方向搞反了。嗯，从那以后，我对旋转矩阵的几何意义再也不敢马虎了。
3.1 从平面几何说起
想象一下，你手里有一张坐标纸，上面画着一个点 P。现在你把这张纸逆时针转一个角度 θ，点 P 的位置就变了。你想想看，这个新位置和原来的位置有什么关系？
这就是二维旋转的核心问题。说白了，就是给定一个点原来的坐标 (x, y)，以及旋转角度 θ，求它旋转后的新坐标 (x', y')。
我们先从平面几何的角度来推导。假设点 P 到原点的距离是 r，它和 x 轴的夹角是 α。那么：
x = r · cos(α)
y = r · sin(α)现在把这个点逆时针旋转 θ 角，新位置和 x 轴的夹角就变成了 α + θ。所以：
x' = r · cos(α + θ)
y' = r · sin(α + θ)这里要用到三角函数的和角公式：
cos(α + θ) = cos(α)·cos(θ) - sin(α)·sin(θ)
sin(α + θ) = sin(α)·cos(θ) + cos(α)·sin(θ)把 x 和 y 代进去，就得到了：
x' = x·cos(θ) - y·sin(θ)
y' = x·sin(θ) + y·cos(θ)你看，这个推导过程其实很简单。但我个人习惯，每次推导完都会随手画个草图验证一下。比如取 θ = 90°，点 (1, 0) 旋转后应该变成 (0, 1)，代入公式确实成立。
3.2 从几何到矩阵表达
上面那组公式，写成矩阵形式就是：
[x'] [cos(θ) -sin(θ)] [x]
[y'] = [sin(θ) cos(θ)] [y]中间这个 2×2 的矩阵，就是二维旋转矩阵 R(θ)：
R(θ) = [cos(θ) -sin(θ)]
[sin(θ) cos(θ)]为什么要用矩阵？我刚开始学的时候也觉得多此一举。但后来做实际项目才发现，矩阵表达有两大好处：
- 简洁：一次旋转就是一个矩阵乘法，写起来方便
- 可组合：多次旋转就是矩阵相乘，计算效率高
举个例子，你要先转 30° 再转 45°，直接算两个矩阵的乘积就行：
R(75°) = R(45°) · R(30°)注意顺序！矩阵乘法不满足交换律，先转 30° 再转 45° 和先转 45° 再转 30°，结果是一样的（因为都是绕同一个点旋转），但如果是三维空间里的不同轴旋转，顺序就非常重要了。这个我们后面章节会详细讲。
3.3 旋转矩阵的几何意义
旋转矩阵的每一列，其实都有明确的几何意义。我建议你把这个记牢，因为后面学三维旋转时，这个思路会帮你省很多事。
你看，R(θ) 的第一列是 [cos(θ), sin(θ)]^T，它表示 x 轴单位向量 (1,0) 旋转后的位置。第二列是 [-sin(θ), cos(θ)]^T，表示 y 轴单位向量 (0,1) 旋转后的位置。
为什么会这样？因为矩阵乘法本质上就是线性变换。你把单位矩阵的每一列看作一个基向量，旋转矩阵就是把这些基向量映射到新的位置。
核心要点：旋转矩阵的列向量，就是原坐标系的基向量在新坐标系中的坐标表示。
这个性质在实际应用中非常有用。比如你在做风洞实验时，需要把模型坐标系的数据转换到风洞坐标系，只要知道两个坐标系之间的夹角，直接构造旋转矩阵就行。
3.4 旋转矩阵的重要性质
二维旋转矩阵有几个性质，我在项目中经常用到：
| 性质 | 表达式 | 说明 |
|---|---|---|
| 正交性 | R^T · R = I | 旋转矩阵的转置等于它的逆 |
| 行列式为 1 | det(R) = 1 | 旋转不改变面积 |
| 逆旋转 | R(-θ) = R^T(θ) | 反向旋转就是转置 |
正交性这个性质特别重要。我曾经在写代码时，直接用旋转矩阵的转置来代替求逆，结果算出来的姿态角完全不对。后来才发现，我用的矩阵不是严格正交的——因为数值计算中的舍入误差，导致 R^T · R 不等于单位矩阵。从那以后，我每次构造旋转矩阵后，都会顺手检查一下正交性。
小技巧：在实际编程中，如果频繁使用旋转矩阵的逆，建议直接用转置代替。但前提是你要确保矩阵是严格正交的。可以用 R^T · R 是否接近单位矩阵来验证。
3.5 顺时针 vs 逆时针
这里有个容易踩的坑——旋转方向的定义。不同的教材、不同的软件，对旋转正方向的定义可能不一样。
我们上面推导的是逆时针旋转为正。如果你需要顺时针旋转 θ 角，有两种做法：
- 直接用 R(-θ)，也就是把 θ 换成 -θ
- 或者用 R(θ) 的转置，因为 R(-θ) = R^T(θ)
我建议你养成一个习惯：在代码里明确注释旋转方向。比如：
# 逆时针旋转 30 度
theta = 30 * pi / 180
R = [[cos(theta), -sin(theta)],
[sin(theta), cos(theta)]]我曾经接手过一个项目，前同事写的旋转矩阵没有注释，代码里到处是正负号。我花了整整一个下午才理清楚他用的到底是左手系还是右手系。嗯，从那以后，我自己的代码里，旋转矩阵旁边一定会写上「逆时针为正」或者「顺时针为正」。
3.6 知识体系总览
下面这张图总结了二维旋转矩阵的核心逻辑，从平面几何出发，到矩阵表达，再到实际应用：
3.7 小结
二维旋转矩阵，说白了就是用一个 2×2 的矩阵来描述平面上的旋转操作。它的推导从平面几何出发，经过三角恒等变换，最终得到简洁的矩阵形式。
我个人觉得，理解旋转矩阵的关键不在于背公式，而在于理解它的几何意义——每一列代表一个基向量旋转后的位置。这个思路在三维旋转中同样适用，而且会更加重要。
最后提醒一句：写代码时一定要明确旋转方向，最好加上注释。这个习惯能帮你省下不少调试时间。
避坑指南：我曾经在项目中直接用旋转矩阵的转置代替逆矩阵，结果因为矩阵不是严格正交的（数值误差导致），算出来的结果偏差很大。建议每次构造旋转矩阵后，用 R^T · R 验证一下正交性，误差在 1e-12 以内才算合格。
公众号:蓝海资料掘金营，微信deep3321