四元数：从入门到精通——一个关于旋转的故事

> *"如果你认为自己理解了四元数，那你还没有真正理解它们。"* > *—— 这句流传的话，我们今天要把它打破。* --- ## 引子：拧开一个瓶盖 想象你正拧开一个汽水瓶盖。 你的手指做了一个动作：捏住瓶盖，旋转，然后——砰，打开了。 这个动作看起来简单极了，但如果我要你**用数学精确描述这个旋转**，事情突然变得诡异起来。 你说："就是转了一圈啊，360度。" 但如果我问你："往哪个方向转？"你会伸出大拇指，比划一个方向。这是**旋转轴**。 如果我问："转多快？"你会说匀速，或者先慢后快——这是**角速度**。 现在问题来了：**我们如何用三个数字（x, y, z）来同时表示这三个信息？** 更糟糕的是，如果瓶盖拧到一半，我想知道它"现在"的姿态，该怎么办？ 这就是四元数要解决的问题。但在我们抵达那里之前，让我们先回到一个更简单的地方。 --- ## 第一章：复数——旋转的第一次启示 ### 1.1 负数开平方？疯了吧 很久以前，数学家们发现一个尴尬的事实：有些方程没有解。 比如：$x^2 + 1 = 0$ "什么数的平方等于 -1？"没有实数满足这个条件。于是数学家们做了一个大胆的决定：**发明一个数**。 他们称之为 $i$，并规定： $$i^2 = -1$$ 这就是**虚数单位**。当时的数学家们觉得这简直是作弊——"你解决不了问题，就发明一个新数？" 但等等，让我们看看这个"作弊"带来了什么。 ### 1.2 复平面上的旋转 复数看起来像这样：$z = a + bi$ - $a$ 是实部（水平方向） - $b$ 是虚部（垂直方向） 我们可以把复数画在平面上——这就是**复平面**。 现在，神奇的事情发生了。 **乘以 $i$ 等于逆时针旋转 90 度。** 让我再重复一遍：乘以 $i$ 等于旋转 90 度。 验证一下： - $1 \times i = i$（从 (1,0) 转到 (0,1)，确实是 90 度） - $i \times i = -1$（从 (0,1) 转到 (-1,0)，再转 90 度） - $-1 \times i = -i$（再转 90 度） - $-i \times i = 1$（回到起点，总共 360 度） 这不仅仅是巧合。这揭示了一个深刻的真理：**乘法可以是旋转**。 ### 1.3 欧拉公式的震撼 让我们更进一步。考虑这个复数： $$z = \cos\theta + i\sin\theta$$ 这个复数在复平面上位于单位圆上，与实轴夹角为 $\theta$。 现在，**欧拉**（对，就是那个欧拉）发现了这个惊人的等式： $$e^{i\theta} = \cos\theta + i\sin\theta$$ 这意味着：**指数的虚幂描述旋转**。 如果你把一个复数 $z$ 乘以 $e^{i\theta}$，你实际上是把 $z$ 旋转了角度 $\theta$。 这就是二维旋转的完整描述。优美、简洁、强大。 ### 1.4 但三维呢？ 现在问题来了。 复数完美地描述了**二维平面**上的旋转。但我们生活在三维空间。 瓶盖可以绕 x 轴转、绕 y 轴转、绕 z 轴转。如何用一种统一的数学语言描述这些旋转？ 19 世纪中叶，一位爱尔兰数学家为此苦苦思索。他的名字叫**威廉·罗恩·哈密顿**（William Rowan Hamilton）。 --- ## 第二章：哈密顿的十年求索 ### 2.1 从复数到三元数？ 哈密顿的想法很直接：如果复数 $a + bi$ 能描述二维旋转，那么**三元数** $a + bi + cj$ 应该能描述三维旋转吧？ 这里 $i$ 和 $j$ 是两个不同的虚数单位，满足： $$i^2 = j^2 = -1$$ 哈密顿花了**十年**时间试图让这种三元数工作。他需要定义乘法规则：$i \times j$ 应该等于什么？ 他尝试了各种可能性，但每次都遇到矛盾。要么乘法不满足结合律，要么无法保持向量的长度（这在旋转中很重要）。 ### 2.2 那个顿悟的早晨 1843 年 10 月 16 日，哈密顿和妻子沿着都柏林的皇家运河散步。 他的脑海里一直在转悠着那个问题：如何让三维旋转的代数工作？ 突然，灵光一闪。 他意识到：**他需要四个维度，而不是三个。** 他掏出小刀，在布鲁姆桥（Brougham Bridge）的石栏上刻下了这个公式： $$i^2 = j^2 = k^2 = ijk = -1$$ 这就是**四元数**的诞生时刻。 ### 2.3 为什么需要第四个维度？ 这是一个深刻的问题。为什么三维旋转需要四维的数学对象来描述？ 答案与**旋转的不可交换性**有关。 想象一本书： 1. 先绕 x 轴转 90 度，再绕 y 轴转 90 度 2. 先绕 y 轴转 90 度，再绕 x 轴转 90 度 结果一样吗？**不一样**。旋转的顺序很重要。 数学家说：三维旋转构成一个**非阿贝尔群**。这意味着乘法顺序不可随意交换。 复数的乘法是可交换的（阿贝尔的）。为了描述非交换的旋转，我们需要更丰富的代数结构——这就是四元数。 --- ## 第三章：四元数的基本结构 ### 3.1 四元数长什么样 一个四元数写成这样： $$q = w + xi + yj + zk$$ 或者更常见的向量形式： $$q = w + \mathbf{v}$$ 其中： - $w$ 是**标量部分**（实部） - $\mathbf{v} = (x, y, z)$ 是**向量部分** - $i, j, k$ 是三个虚数单位 ### 3.2 哈密顿关系 哈密顿刻下的那个公式，展开后给出以下乘法规则： $$i^2 = j^2 = k^2 = -1$$ $$ij = k, \quad ji = -k$$ $$jk = i, \quad kj = -i$$ $$ki = j, \quad ik = -j$$ 注意那个负号！**乘法顺序很重要**：$ij \neq ji$。 这是一个非交换代数。正是因为这个非交换性，四元数才能描述三维旋转。 ### 3.3 记忆的窍门 记住这些乘法规则有个简单的办法： 想象 $i, j, k$ 按顺时针排成一个圆圈： ``` i / \ k - j ``` **顺时针**相乘得到正的下一个：$ij = k$，$jk = i$，$ki = j$ **逆时针**相乘得到负的下一个：$ji = -k$，$kj = -i$，$ik = -j$ 这就像钟表的指针，或者就像……一个旋转本身。 --- ## 第四章：四元数的运算 ### 4.1 加法与减法 四元数的加法和减法很简单，就像向量一样： $$(w_1 + x_1i + y_1j + z_1k) + (w_2 + x_2i + y_2j + z_2k)$$ $$= (w_1+w_2) + (x_1+x_2)i + (y_1+y_2)j + (z_1+z_2)k$$ 没什么特别的，分量逐个相加就行。 ### 4.2 乘法——核心操作 四元数乘法才是精髓。让我们来计算： $$q_1 = w_1 + x_1i + y_1j + z_1k$$ $$q_2 = w_2 + x_2i + y_2j + z_2k$$ $$q_1 q_2 = ?$$ 我们需要逐项相乘，然后使用哈密顿关系化简。这有点繁琐，但结果是： $$q_1 q_2 = (w_1w_2 - x_1x_2 - y_1y_2 - z_1z_2)$$ $$+ (w_1x_2 + x_1w_2 + y_1z_2 - z_1y_2)i$$ $$+ (w_1y_2 - x_1z_2 + y_1w_2 + z_1x_2)j$$ $$+ (w_1z_2 + x_1y_2 - y_1x_2 + z_1w_2)k$$ 看起来一团糟？让我们用向量形式重写： $$q_1 q_2 = (w_1w_2 - \mathbf{v}_1 \cdot \mathbf{v}_2) + (w_1\mathbf{v}_2 + w_2\mathbf{v}_1 + \mathbf{v}_1 \times \mathbf{v}_2)$$ **等等！** 看到了吗？ - 标量部分包含**点积** $\mathbf{v}_1 \cdot \mathbf{v}_2$ - 向量部分包含**叉积** $\mathbf{v}_1 \times \mathbf{v}_2$ 四元数乘法**统一了点积和叉积**。这不是巧合——这是几何的深层结构。 ### 4.3 共轭与模 **共轭**（就像复数的共轭）： $$q^* = w - xi - yj - zk = w - \mathbf{v}$$ **模**（长度）： $$|q| = \sqrt{qq^*} = \sqrt{w^2 + x^2 + y^2 + z^2}$$ ### 4.4 逆元 有了共轭，我们可以定义**逆元**： $$q^{-1} = \frac{q^*}{|q|^2}$$ 验证：$q q^{-1} = \frac{qq^*}{|q|^2} = \frac{|q|^2}{|q|^2} = 1$ ✓ 注意：四元数的逆总是存在的（除了 $q=0$），这让我们可以做除法。 --- ## 第五章：用四元数表示旋转 ### 5.1 旋转四元数 现在到了最精彩的部分：如何用四元数表示三维旋转。 给定一个旋转： - 旋转轴：单位向量 $\mathbf{u} = (u_x, u_y, u_z)$ - 旋转角：$\theta$ 对应的**旋转四元数**是： $$q = \cos\frac{\theta}{2} + \sin\frac{\theta}{2}(u_x i + u_y j + u_z k)$$ 或者简写： $$q = \cos\frac{\theta}{2} + \mathbf{u}\sin\frac{\theta}{2}$$ 注意那个 $\frac{\theta}{2}$！这是四元数旋转的标志性特征。旋转角度被"平分"了。 ### 5.2 为什么是半角？ 这个问题困扰了我很久。为什么公式里是 $\theta/2$ 而不是 $\theta$？ 答案是：**四元数旋转使用"双侧乘法"**。 为了旋转一个向量 $\mathbf{v}$，我们这样做： $$\mathbf{v}' = q \mathbf{v} q^{-1}$$ 这里 $\mathbf{v}$ 被表示为纯虚四元数：$0 + v_x i + v_y j + v_z k$。 因为我们要乘以 $q$ **两次**（左乘和右乘），所以每个 $q$ 只需要包含一半的角度。$q$ 里的 $\theta/2$ 乘以 2，得到完整的 $\theta$。 这就像两个人抬重物：每人只需要出一半的力。 ### 5.3 旋转公式的工作原理 让我们验证这个公式确实产生旋转。 考虑简单情况：绕 z 轴旋转角度 $\theta$。 旋转轴是 $\mathbf{u} = (0, 0, 1)$，所以： $$q = \cos\frac{\theta}{2} + k\sin\frac{\theta}{2}$$ $$q^{-1} = \cos\frac{\theta}{2} - k\sin\frac{\theta}{2}$$（因为 $|q|=1$） 现在把向量 $\mathbf{v} = (x, y, 0)$（xy 平面上的点）写成四元数：$v = xi + yj$ 计算 $qvq^{-1}$： $$qv = (\cos\frac{\theta}{2} + k\sin\frac{\theta}{2})(xi + yj)$$ $$= x\cos\frac{\theta}{2}i + y\cos\frac{\theta}{2}j + x\sin\frac{\theta}{2}ki + y\sin\frac{\theta}{2}kj$$ $$= x\cos\frac{\theta}{2}i + y\cos\frac{\theta}{2}j + x\sin\frac{\theta}{2}j - y\sin\frac{\theta}{2}i$$ （用了 $ki=j$ 和 $kj=-i$） $$= (x\cos\frac{\theta}{2} - y\sin\frac{\theta}{2})i + (y\cos\frac{\theta}{2} + x\sin\frac{\theta}{2})j$$ 继续计算 $(qv)q^{-1}$……经过一番代数运算（相信我省略的代数，或者自己算一遍），你会得到： $$\mathbf{v}' = (x\cos\theta - y\sin\theta)i + (x\sin\theta + y\cos\theta)j$$ 这正是**二维旋转矩阵**的作用！ $$(x', y') = (x\cos\theta - y\sin\theta, x\sin\theta + y\cos\theta)$$ **它真的工作了！** ### 5.4 单位四元数 在旋转应用中，我们通常使用**单位四元数**，即模为 1 的四元数： $$|q| = 1$$ 对于单位四元数，逆元就是共轭： $$q^{-1} = q^*$$ 旋转公式简化为： $$\mathbf{v}' = q \mathbf{v} q^*$$ 单位四元数构成一个**三维球面**（在四维空间中），称为 $S^3$。所有三维旋转对应于 $S^3$ 上的点（以及对径点，因为 $q$ 和 $-q$ 表示同一个旋转——这就是为什么我们说旋转对应于 $S^3$ "模去" 对径映射）。 --- ## 第六章：四元数 vs 欧拉角 vs 旋转矩阵 ### 6.1 三种表示方法 在三维图形学和机器人学中，有三种主要的旋转表示方法： **1. 欧拉角**（俯仰、偏航、翻滚） 用三个角度 $(\alpha, \beta, \gamma)$ 描述旋转。 优点：直观，容易理解 缺点：**万向节锁**（Gimbal Lock） **2. 旋转矩阵** 用 3×3 矩阵描述旋转： $$R = \begin{pmatrix} r_{11} & r_{12} & r_{13} \\ r_{21} & r_{22} & r_{23} \\ r_{31} & r_{32} & r_{33} \end{pmatrix}$$ 优点：直接作用于向量 缺点：9 个数但只有 3 个自由度，有冗余；插值困难 **3. 四元数** 用 4 个数 $(w, x, y, z)$ 描述旋转，满足 $w^2 + x^2 + y^2 + z^2 = 1$ 优点：紧凑、无万向节锁、插值平滑 缺点：不直观、需要理解抽象代数 ### 6.2 万向节锁的悲剧 万向节锁是什么？想象一个陀螺仪： 当两个旋转轴对齐时，你突然失去了一个自由度。你只能绕着两个轴旋转，而不是三个。 用数学语言：当俯仰角为 ±90 度时，偏航和翻滚变成同一个旋转。 这不仅仅是理论问题。在航天史上，万向节锁真的造成过事故。阿波罗 11 号就曾经历过万向节锁的警报。 四元数**没有**这个问题。因为四元数直接描述最终旋转状态，而不是通过一系列中间旋转。 ### 6.3 插值：SLERP 的魔法 假设你有两个旋转，想在它们之间平滑过渡。 用欧拉角？你会经过奇怪的路径。 用旋转矩阵？线性插值矩阵会得到非正交矩阵（不是合法旋转）。 用四元数？欢迎来到**球面线性插值（SLERP）**的美妙世界。 给定两个单位四元数 $q_1$ 和 $q_2$，SLERP 公式是： $$\text{slerp}(q_1, q_2, t) = \frac{\sin((1-t)\Omega)}{\sin\Omega} q_1 + \frac{\sin(t\Omega)}{\sin\Omega} q_2$$ 其中 $\Omega$ 是两个四元数之间的夹角：$\cos\Omega = q_1 \cdot q_2$ 这个结果沿着**最短路径**（大圆）在四维球面上移动，对应于三维空间中的**恒定角速度旋转**。 这就是为什么游戏引擎和动画软件都用四元数。角色动画中那种流畅自然的旋转过渡？那就是 SLERP 的功劳。 --- ## 第七章：从四元数到几何代数 ### 7.1 回顾我们的旅程 让我们回顾我们已经走了多远： - **复数**：二维旋转 $e^{i\theta}$ - **四元数**：三维旋转 $q = \cos\frac{\theta}{2} + \mathbf{u}\sin\frac{\theta}{2}$ 自然会问：**四维旋转呢？五维呢？有没有一个统一的框架？** 有的。它叫做**几何代数**（Geometric Algebra）。 ### 7.2 几何代数的基本思想 几何代数的基本对象是**多向量**（multivector），它可以包含： - 标量（0维） - 向量（1维） - 双向量（2维，表示面积） - 三向量（3维，表示体积） - …… **几何积**是核心操作。对于两个向量 $\mathbf{a}$ 和 $\mathbf{b}$： $$\mathbf{a}\mathbf{b} = \mathbf{a} \cdot \mathbf{b} + \mathbf{a} \wedge \mathbf{b}$$ - $\mathbf{a} \cdot \mathbf{b}$ 是标量（内积） - $\mathbf{a} \wedge \mathbf{b}$ 是双向量（外积） 这看起来很像四元数乘法，不是吗？ ### 7.3 四元数是几何代数的子集 事实上，四元数就是**三维空间几何代数中的偶子代数**。 具体来说： - $i, j, k$ 对应于三个坐标平面上的**双向量**（有向面积） - $i = e_2 \wedge e_3$（yz 平面） - $j = e_3 \wedge e_1$（zx 平面） - $k = e_1 \wedge e_2$（xy 平面） 四元数的乘法规则，就是双向量在几何代数中的乘法规则。 ### 7.4 旋子：旋转的一般形式 在几何代数中，旋转由一个称为**旋子**（rotor）的对象描述： $$R = e^{-B/2}$$ 其中 $B$ 是一个双向量，表示旋转平面和大小。 对于三维空间中的绕轴旋转，$B = \theta \hat{B}$，其中 $\hat{B}$ 是垂直于旋转轴的平面的单位双向量。 展开指数： $$R = \cos\frac{\theta}{2} - \sin\frac{\theta}{2}\hat{B}$$ 如果你把 $\hat{B}$ 识别为 $u_x i + u_y j + u_z k$，你就得到了**四元数旋转公式**。 **四元数就是三维空间中的旋子。** ### 7.5 更高维度的推广 现在美妙的事情发生了。 在几何代数中，旋子公式 $R = e^{-B/2}$ 适用于**任意维度**。 - 二维：旋子是单位复数 $e^{i\theta}$ - 三维：旋子是单位四元数 - 四维：旋子是"双四元数"（有两个分量，8个数） - n维：旋子有 $2^{n-1}$ 个分量 更高维度的旋转可以同时在多个平面上进行，因为高维空间可以有不只一个"垂直于给定轴的平面"。 --- ## 第八章：实践中的四元数 ### 8.1 代码实现 以下是 Python 中一个简单的四元数类： ```python import numpy as np class Quaternion: def __init__(self, w, x, y, z): self.w = w self.x = x self.y = y self.z = z self.v = np.array([x, y, z]) def __mul__(self, other): """四元数乘法""" w = self.w * other.w - np.dot(self.v, other.v) v = (self.w * other.v + other.w * self.v + np.cross(self.v, other.v)) return Quaternion(w, v[0], v[1], v[2]) def conjugate(self): return Quaternion(self.w, -self.x, -self.y, -self.z) def norm(self): return np.sqrt(self.w**2 + self.x**2 + self.y**2 + self.z**2) def normalize(self): n = self.norm() return Quaternion(self.w/n, self.x/n, self.y/n, self.z/n) def inverse(self): """单位四元数的逆就是共轭""" return self.conjugate() def rotate_vector(self, vec): """用四元数旋转向量""" # 将向量表示为纯虚四元数 v_quat = Quaternion(0, vec[0], vec[1], vec[2]) # 应用旋转: q * v * q^-1 result = self * v_quat * self.inverse() return np.array([result.x, result.y, result.z]) @staticmethod def from_axis_angle(axis, angle): """从旋转轴和角度创建四元数""" axis = np.array(axis) / np.linalg.norm(axis) half_angle = angle / 2 w = np.cos(half_angle) v = axis * np.sin(half_angle) return Quaternion(w, v[0], v[1], v[2]) def to_axis_angle(self): """转换为轴-角表示""" if abs(self.w) > 1: self = self.normalize() angle = 2 * np.arccos(self.w) s = np.sqrt(1 - self.w**2) if s < 1e-8: # 接近零旋转 axis = np.array([1, 0, 0]) else: axis = self.v / s return axis, angle def __repr__(self): return f"Quaternion({self.w:.4f}, {self.x:.4f}, {self.y:.4f}, {self.z:.4f})" # 示例：绕 z 轴旋转 90 度 q = Quaternion.from_axis_angle([0, 0, 1], np.pi/2) vec = np.array([1, 0, 0]) rotated = q.rotate_vector(vec) print(f"Original: {vec}") print(f"Rotated: {rotated}") # 应该接近 [0, 1, 0] ``` ### 8.2 SLERP 实现 ```python def slerp(q1, q2, t): """球面线性插值""" # 确保输入是单位四元数 q1 = q1.normalize() q2 = q2.normalize() # 计算夹角 dot = q1.w*q2.w + q1.x*q2.x + q1.y*q2.y + q1.z*q2.z # 如果点积为负，反转一个四元数以走最短路径 if dot < 0: q2 = Quaternion(-q2.w, -q2.x, -q2.y, -q2.z) dot = -dot # 如果四元数非常接近，使用线性插值 DOT_THRESHOLD = 0.9995 if dot > DOT_THRESHOLD: # 线性插值并归一化 result = Quaternion( q1.w + t*(q2.w - q1.w), q1.x + t*(q2.x - q1.x), q1.y + t*(q2.y - q1.y), q1.z + t*(q2.z - q1.z) ) return result.normalize() # 计算插值角度 theta_0 = np.arccos(dot) # 原始夹角 theta = theta_0 * t # 当前角度 sin_theta = np.sin(theta) sin_theta_0 = np.sin(theta_0) s0 = np.cos(theta) - dot * sin_theta / sin_theta_0 s1 = sin_theta / sin_theta_0 return Quaternion( s0*q1.w + s1*q2.w, s0*q1.x + s1*q2.x, s0*q1.y + s1*q2.y, s0*q1.z + s1*q2.z ) ``` ### 8.3 常见应用 **游戏开发**： - Unity 使用四元数表示所有旋转 - Unreal Engine 也使用四元数 - 角色动画中的骨骼旋转 **航空航天**： - 航天器姿态控制 - 无人机飞行控制 - 惯性导航系统 **计算机视觉**： - 相机姿态估计 - 三维重建 - SLAM（同步定位与地图构建） **机器人学**： - 机械臂运动学 - 路径规划 - 抓取姿态 --- ## 结语：旋转的本质 让我们回到开头的那个汽水瓶盖。 你拧开瓶盖的动作，本质上是一个**旋转**——绕某个轴转动某个角度。 这个看似简单的动作，却需要四维的数学才能精确描述。这不是因为我们生活在四维空间，而是因为**三维旋转本身具有非交换的、拓扑的结构**。 四元数的美妙之处在于： 1. **它是紧凑的**：4 个数描述 3 个自由度（比旋转矩阵的 9 个数高效） 2. **它是无歧义的**：没有万向节锁 3. **它是可插值的**：SLERP 提供自然的旋转过渡 4. **它是普适的**：是几何代数中旋子的三维特例 但更重要的是，四元数教会我们一件事：**数学对象的价值不在于它的直观性，而在于它的力量。** 复数曾经被认为是"虚构"的，直到它们被证明是描述电磁波的完美工具。四元数曾经被嘲笑为非交换的怪物，直到它们成为计算机图形学的标准。 所以，下次当你在游戏中看到流畅的角色动画，或者使用手机的 AR 功能时，记住：**在那背后，有四个数在跳舞。** $$q = w + xi + yj + zk$$ 它们不直观，但它们真实。它们不显然，但它们强大。 这就是四元数——**旋转的诗篇**。 --- ## 延伸阅读 **历史与直觉**： - 《Quaternions and Rotation Sequences》(Kuipers) - 四元数经典教材 - 3Blue1Brown 的 YouTube 系列《四元数的可视化》 **技术深度**： - 《Geometric Algebra for Physicists》(Doran & Lasenby) - 《Geometric Algebra for Computer Science》(Dorst et al.) **现代应用**： - GATr 和 Versor 论文（几何代数在深度学习中的应用） --- #记忆 #四元数 #几何代数 #数学 #教程 #费曼风格 #小凯