嘿，这个问题我太熟了！绕三维空间里的任意轴旋转向量，完全不用拆成绕x、y、z轴分步旋转（那种方法不仅麻烦，还容易碰到万向锁的坑），直接用**罗德里格斯旋转公式（Rodrigues' Rotation Formula）**就能一步到位。下面给你掰碎了讲清楚：

核心疑问解答：要不要移动坐标系原点？ #

答案是必须要！因为你的旋转轴是“过指定点的任意方向轴”，不是过原坐标系原点的轴。说白了，旋转的中心是轴上的那个指定点，所以得先把要旋转的向量平移到以这个轴上点为原点的局部坐标系里，旋转完成后再平移回原坐标系。

具体实现步骤 #

咱们一步步来，假设已知：

• 要旋转的向量（或空间点）：V = (x, y, z)
• 旋转角度（弧度制）：θ
• 旋转轴上的点：P = (p_x, p_y, p_z)
• 旋转轴的方向向量：axis_dir = (a_x, a_y, a_z)（长度大于1e-8，满足单位化条件）

1. 预处理旋转轴：单位化方向向量 #

罗德里格斯公式要求旋转轴是单位向量（长度为1），所以先把方向向量归一化：

u = axis_dir / ||axis_dir||  # ||axis_dir||是向量的模长

2. 平移向量到局部坐标系 #

把要旋转的向量V转化为相对于轴上点P的局部向量：

V_prime = V - P

这一步相当于把坐标系原点移到P点，现在问题就变成了“绕原点处的单位轴u旋转向量V_prime”。

3. 应用罗德里格斯旋转公式 #

旋转后的局部向量V''计算如下：

V'' = V' * cosθ + (u × V') * sinθ + u * (u · V') * (1 - cosθ)

公式里的符号说明：

• ×：向量叉乘
• ·：向量点乘
• cosθ/sinθ：旋转角度的三角函数值

4. 平移回原坐标系 #

把旋转后的局部向量移回原坐标系，得到最终结果：

V_final = V'' + P

伪代码示例（用Python+Numpy实现） #

import math
import numpy as np

def rotate_vector_around_axis(V, theta, P, axis_dir):
    # 单位化旋转轴方向向量
    u = axis_dir / np.linalg.norm(axis_dir)
    # 平移到局部坐标系
    V_prime = V - P
    # 计算点乘和叉乘
    dot_product = np.dot(u, V_prime)
    cross_product = np.cross(u, V_prime)
    # 应用罗德里格斯公式
    V_double_prime = (
        V_prime * math.cos(theta) 
        + cross_product * math.sin(theta) 
        + u * dot_product * (1 - math.cos(theta))
    )
    # 平移回原坐标系
    return V_double_prime + P

# 示例用法
V = np.array([1, 0, 0])       # 要旋转的向量
theta = math.pi / 2           # 旋转90度（弧度）
P = np.array([1, 1, 0])       # 旋转轴上的点
axis_dir = np.array([0, 0, 1])# 旋转轴方向（z轴方向）
result = rotate_vector_around_axis(V, theta, P, axis_dir)
print(result)  # 输出: [1. 2. 0.]，符合预期

为什么不用绕x/y/z轴分步旋转？ #

绕三个坐标轴分步旋转需要计算欧拉角，不仅步骤繁琐，还会遇到万向锁问题（当某个旋转角度为90度时，两个坐标轴会重合，丢失一个自由度）。而罗德里格斯公式直接针对任意轴旋转设计，没有这个问题，计算效率也更高。

内容的提问来源于stack exchange，提问作者natikos