> *"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）
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）
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 $\mathbf{v}_1 \times \mathbf{v}_2$
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：$\theta$
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 $q = \cos\frac{\theta}{2} + \mathbf{u}\sin\frac{\theta}{2}$
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）
- ……
- $\mathbf{a} \cdot \mathbf{b}$ 是标量（内积）
- $\mathbf{a} \wedge \mathbf{b}$ 是双向量（外积）
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）
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
---
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：
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
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
- 航天器姿态控制
- 无人机飞行控制
- 惯性导航系统
- 相机姿态估计
- 三维重建
- SLAM（同步定位与地图构建）
- 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》
- 《Geometric Algebra for Physicists》(Doran & Lasenby)
- 《Geometric Algebra for Computer Science》(Dorst et al.)
- 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