为什么朝向需要的是数字，而不是文字
机器人必须对「自己的手指向哪边」有一个前后一致的说法。「稍微往左偏一点」对人来说够用了，但计算机需要一个能存储、能比较、能做乘法的东西。这个东西就是旋转矩阵：一小块大小固定的数字，精确地钉住朝向，既不含糊，也不留下任何猜测的余地。
回想前面几级讲过的设定：每一个测量都活在某个坐标系里，而机器人会同时操控好几个坐标系——一个钉在地面上的世界坐标系，还有一个随着运动部件移动的本体坐标系。旋转矩阵就是对「一个坐标系相对于另一个坐标系转了多少」的精确表述。一旦有了它，你就能回答这样的问题：「如果相机看到杯子在那边，那么对夹爪来说它在哪里？」
诀窍：每一列就是一根转过去的坐标轴
整个思想用一句话就能讲完。拿出本体坐标系的三根单位箭头——也就是画在运动部件上的小小的 x、y、z 轴——问每一根在转动之后指向哪里，并用世界坐标系的数字写出来。把这三个答案并排摆成三列，你就构造出了旋转矩阵。第一列是本体的 x 轴落到的地方，第二列是 y 轴落到的地方，第三列是 z 轴落到的地方。
这正是为什么矩阵是 3×3 的，而不是比如说单单一个角度。在平面 2D 里，一个数字（转角）就够了。在 3D 里你可以绕三个互相独立的方向转动，于是你需要记下这三根轴最终都落到了哪里——三列，每列三个数字。这个方阵并不是随意的记账；它实实在在就是转过去的那几根坐标轴的一张快照。
做乘法：旋转一个点，串接多次转动
回报在于：这个矩阵通过普通的乘法就能干真正的活。把任意一个点写成位置向量，用矩阵去乘它，出来的就是这同一个点旋转之后的样子。你不必每次都搬出三角函数——那九个数字已经把转动编码好了，而「矩阵乘以向量」无非是按合适的比例把各列混合起来。计算机每秒能做几百万次这样的运算，全程根本不用去想角度。
更妙的是，转动可以通过矩阵相乘来串接。先转 A，再转 B，那么合起来的转动就是 B 乘以 A 得到的那一个矩阵。于是一条有许多关节、每个关节各添一份扭转的长机械臂，就坍缩成一个只需算一次的乘积。这正是你将处处依赖的「变换串接」思想——不过要注意顺序很重要：B 乘 A 一般不等于 A 乘 B，因为「先转再倾」并不等于「先倾再转」。
2D rotation by angle t (the simplest case):
[ cos t -sin t ]
[ sin t cos t ]
Column 1 = where the x-axis lands = (cos t, sin t)
Column 2 = where the y-axis lands = (-sin t, cos t)
Rotate a point p = (px, py):
new_px = cos t * px - sin t * py
new_py = sin t * px + cos t * pySO(3)：所有「干净」旋转构成的家族
并不是每一个 3×3 方阵都是合法的旋转。真正的旋转从不拉伸、压扁或镜像空间——它只把空间转一转。所有通过这道检验的矩阵，有一个名字：特殊正交群 SO(3)。可以把它想成「诚实旋转」的会员俱乐部；前面那张「三列即三轴」的图，正是会员资格的样子。
两条简单的性质定义了这个俱乐部。第一，正交性：三列都是单位长度，且彼此互成直角——这无非是说「转过去的几根轴依然是一套干净、互相垂直的坐标轴」。第二，行列式等于 +1，这就禁止了那种偷偷把右手变成左手的镜像翻转。两者合在一起，保证这个矩阵是一次纯粹的转动，别无其他。
正交性还白送你一个好处：要撤销一次旋转，你只需把矩阵沿对角线翻折（取它的转置），而不必去做昂贵的求逆运算。于是「杯子对夹爪在哪」和「夹爪对杯子在哪」之间，只隔着一步廉价的运算。这正是机器人代码即便要花九个数字、也愿意用旋转矩阵来存储朝向的现实理由。