在二维和三维空间中，向量旋转是一个常见的操作，广泛应用于计算机图形学、物理模拟、机器人技术等领域。本文将详细解释向量旋转的概念，并介绍如何计算旋转后的坐标点，同时提供一些实用的技巧。
1. 向量旋转基础
1.1 定义
向量旋转是指将一个向量绕固定点（称为旋转中心）按照一定的角度进行旋转。在二维空间中，旋转通常围绕原点进行；而在三维空间中，旋转可以围绕任意点。
1.2 旋转矩阵
旋转矩阵是描述向量旋转的一种数学工具。对于二维空间中的向量旋转，旋转矩阵如下所示：
\[ \begin{bmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{bmatrix} \]
其中，\(\theta\) 表示旋转角度，单位为弧度。
对于三维空间中的向量旋转，可以使用三维旋转矩阵。以下是一个绕 Z 轴旋转 \(\theta\) 角度的三维旋转矩阵：
\[ \begin{bmatrix} \cos \theta & -\sin \theta & 0 \\ \sin \theta & \cos \theta & 0 \\ 0 & 0 & 1 \end{bmatrix} \]
2. 计算旋转后的坐标点
2.1 二维空间
假设有一个二维向量 \(\vec{v} = (x, y)\)，要将其绕原点旋转 \(\theta\) 角度，可以使用以下公式计算旋转后的坐标点：
\[ \begin{bmatrix} x' \\ y' \end{bmatrix} = \begin{bmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} \]
其中，\(x'\) 和 \(y'\) 分别表示旋转后的坐标点。
2.2 三维空间
假设有一个三维向量 \(\vec{v} = (x, y, z)\)，要将其绕 Z 轴旋转 \(\theta\) 角度，可以使用以下公式计算旋转后的坐标点：
\[ \begin{bmatrix} x' \\ y' \\ z' \end{bmatrix} = \begin{bmatrix} \cos \theta & -\sin \theta & 0 \\ \sin \theta & \cos \theta & 0 \\ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} x \\ y \\ z \end{bmatrix} \]
其中，\(x'\)、\(y'\) 和 \(z'\) 分别表示旋转后的坐标点。
3. 实用技巧
3.1 旋转角度转换为弧度
在计算旋转矩阵时，需要将角度转换为弧度。可以使用以下公式进行转换：
\[ \theta_{\text{radians}} = \theta_{\text{degrees}} \times \frac{\pi}{180} \]
3.2 使用旋转函数库
在实际编程中，可以使用各种函数库来计算向量旋转，例如 Python 的 NumPy 库：
import numpy as np
# 定义二维向量
v = np.array([x, y])
# 定义旋转角度（弧度）
theta = np.radians(30)
# 计算旋转后的坐标点
v_rotated = np.dot([[np.cos(theta), -np.sin(theta)], [np.sin(theta), np.cos(theta)]], v)
3.3 注意旋转方向
在计算旋转矩阵时，需要注意旋转方向。正旋转方向是逆时针旋转，而负旋转方向是顺时针旋转。
4. 总结
本文详细介绍了向量旋转的概念，并解释了如何计算旋转后的坐标点。通过学习本文，读者可以掌握向量旋转的基本原理和计算方法，并在实际应用中灵活运用。