根據 尤拉旋轉定理,任何 旋轉 都可以用三個 角來描述。如果 旋轉 用 旋轉矩陣 、
和
表示,那麼一般 旋轉
可以寫成
|
(1)
|
給出三個旋轉矩陣的三個角稱為尤拉角。尤拉角有幾種約定,取決於旋轉所繞的軸。將矩陣 寫成
|
(2)
|
上面所示的所謂“-約定”是最常見的定義。在這個約定中,由尤拉角
給出的旋轉,其中
1. 第一次旋轉是繞 z 軸旋轉角度 ,使用
,
2. 第二次旋轉是繞先前的 x 軸(現在是 )旋轉角度
,
在 [0,pi] 範圍內,使用
,以及
3. 第三次旋轉是繞先前的 z 軸(現在是 )旋轉角度
,使用
。
然而,請注意,角的幾種符號約定是通用的。Goldstein (1980, pp. 145-148) 和 Landau and Lifschitz (1976) 使用 ,Tuma (1974) 說
在航空工程中用於分析航天器(但聲稱
用於分析陀螺運動),而 Bate et al. (1971) 使用
。Goldstein 評論說,歐洲大陸的作者通常使用
,並警告說偶爾也會使用左手座標系 (Osgood 1937, Margenau and Murphy 1956-64)。Varshalovich (1988, pp. 21-23) 使用符號
或
來表示尤拉角,並給出了三種不同的角度約定,沒有一種對應於
-約定。
在這裡,使用符號 ,這是一種可以在 6 之前的 Wolfram 語言 版本中使用的約定,如RotationMatrix3D[phi, theta, psi](可以在載入後執行Geometry`Rotations`)以及RotateShape[g, phi, theta, psi](可以在載入後執行Geometry`Shapes`)。在
-約定中,分量旋轉由下式給出
|
(3)
| |||
|
(4)
| |||
|
(5)
|
所以
|
(6)
| |||
|
(7)
| |||
|
(8)
| |||
|
(9)
| |||
|
(10)
| |||
|
(11)
| |||
|
(12)
| |||
|
(13)
| |||
|
(14)
|
|
(15)
|
這是成立的
|
(16)
| |||
|
(17)
|
現在, 對應於繞
軸的旋轉,所以檢視
的
分量,
|
(18)
| |||
|
(19)
|
交點線對應於繞 軸旋轉
,所以檢視
的
分量,
|
(20)
| |||
|
(21)
| |||
|
(22)
|
類似地,要找到繞剩餘軸旋轉 ,請檢視
的
分量,
|
(23)
| |||
|
(24)
| |||
|
(25)
|
結合這些部分得到
|
(26)
|
更多細節,請參見 Goldstein (1980, p. 176) 和 Landau and Lifschitz (1976, p. 111)。
-約定尤拉角由 Cayley-Klein 引數 表示為
|
(27)
| |||
|
(28)
| |||
|
(29)
|
在“-約定”中,
|
(30)
| |||
|
(31)
|
因此,
|
(32)
| |||
|
(33)
| |||
|
(34)
| |||
|
(35)
|
給出旋轉矩陣
|
(36)
| |||
|
(37)
| |||
|
(38)
|
並且 由下式給出
|
(39)
| |||
|
(40)
| |||
|
(41)
| |||
|
(42)
| |||
|
(43)
| |||
|
(44)
| |||
|
(45)
| |||
|
(46)
| |||
|
(47)
|
在 “ (俯仰-滾轉-偏航) 約定”中,
是俯仰角,
是滾轉角,
是偏航角。
|
(48)
| |||
|
(49)
| |||
|
(50)
|
並且 由下式給出
|
(51)
| |||
|
(52)
| |||
|
(53)
| |||
|
(54)
| |||
|
(55)
| |||
|
(56)
| |||
|
(57)
| |||
|
(58)
| |||
|
(59)
|
有時使用一組引數代替角,即 尤拉引數 、
、
和
,定義為
|
(60)
| |||
|
(61)
|
|
(62)
| |||
|
(63)
| |||
|
(64)
| |||
|
(65)
| |||
|
(66)
| |||
|
(67)
| |||
|
(68)
| |||
|
(69)
| |||
|
(70)
|
(Goldstein 1980, p. 153)。
如果已知兩組 個點
和
的座標,一組相對於另一組旋轉,那麼可以使用 最小二乘擬合 以直接的方式獲得尤拉旋轉矩陣。將點寫成向量陣列,因此
|
(71)
|
將向量陣列寫成矩陣得到
|
(72)
|
|
(73)
|
並且求解 得到
|
(74)
|
然而,我們想要的是角 、
和
,而不是它們在矩陣
中包含的組合。因此,將
矩陣
|
(75)
|
作為 向量
|
(76)
|
現在設定矩陣
|
(77)
|
然後使用 非線性最小二乘擬合 給出收斂到 的解。