
1.1.6 罗德里格斯旋转公式
矩阵指数。给定一个n维方阵M,其指数可以定义为:

式中,In为n维单位矩阵。而eM和M是同维的。在此有一些关于矩阵指数的重要性质。如果0n是n×n的零矩阵,且M和N为两个n×n的矩阵,则:

矩阵对数。给定一个矩阵M,如果eL=M,则称矩阵L是M的矩阵对数。对复数而言,其指数函数并不是一对一的方程,矩阵可能有多个指数。利用幂级数,可将方阵的对数定义为:

当M趋于单位矩阵时,其和是收敛的。
罗德里格斯公式。R↔(n,α)在某一旋转矩阵R中,会存在一个由单位向量n表示的轴和相对于该轴的角α,通过单位向量n和角度α亦可生成该矩阵R。该关系R↔(n,α)可由如下罗德里格斯公式得到:

第一个公式(i)可见习题1.4,公式(ii)是公式(i)的倒数。在这些公式中,符号αn^表示矩阵Ad(αn),见习题1.4。R=eαn^是一旋转矩阵,n是一个与R的特征值1相关联的特征向量。
旋转矩阵的轴和角。给定某一旋转矩阵R,其轴可用特征值λ=1的归一化特征向量n表示(可以找到其中两个,但在此只需其中一个)。在此,可利用式αn=logR去计算α和n,如果R趋于单位矩阵,则该式计算效果很好。一般情况下,更适合使用以下定理:
定理:给定某一旋转矩阵R,则有R=eαn^,其中:

证明:取一旋转矩阵R,其特征值为1,λ1,λ2,特征向量为n,v1,v2,考虑该广义多项式f(x)=x-x-1,其中x是不确定的。根据特征值/向量的对应定理,f(R)=R-R-1=R-RT的特征值为f(1)=0,f(λ2),f(λ3),但其特征向量仍为n,v1,v2。由于f(R)是斜对称的,且f(R)·n=0,则有f(R)∝Adn。因此,向量Ad-1(R-RT)为矩阵R的与特征值1相对应的特征向量。R的轴便由其给出。利用矩阵的迹是相似不变的性质便可得到角度α,即对于任何可逆矩阵P,有tr(R)=tr(P-1·R·P)。以P为旋转矩阵,使R绕第一轴旋转。可得:

该式给出了旋转角度。习题1.5从几何上证明了该定理。