2D空间中点位置变换：旋转矩阵与直接使用sin、cos的对比及优势疑问

嘿，这个问题问得特别接地气，很多刚接触2D空间变换的开发者都会有这个困惑——这俩方法看似都能实现点的位置调整，但适用场景和扩展性差别不小，咱们拆开来说：

首先先明确你的核心场景：把点B绕点A旋转，同时保持AB之间的距离不变。先拆解两种方法的本质：

你的直接公式：极坐标偏移法 #

你写的：
$$Bx = Ax + \cos(\theta) * length$$
$$By = Ay + \sin(\theta) * length$$
这个本质是以A为原点，直接用极坐标计算新点的位置——相当于从A点出发，沿着θ角的方向，延伸固定length长度得到新的B点。这个方法在**单次、简单的“定点定向生成新点”**场景下特别直观，代码写起来也短。

但它有个明显局限：如果原来的B点不是在“从A出发沿x轴正方向”的初始位置，而是任意位置，那你得先算出原来AB的角度α，再用α+θ作为新角度代入公式，步骤就变多了：
$$\alpha = \text{atan2}(By - Ay, Bx - Ax)$$
$$Bx' = Ax + \cos(\alpha+\theta) * length$$
$$By' = Ay + \sin(\alpha+\theta) * length$$

旋转矩阵：向量旋转变换的标准工具 #

旋转矩阵
$$\begin{bmatrix}\cos \theta &-\sin \theta \\sin \theta &\cos \theta \end{bmatrix}$$
的核心作用是旋转向量。要实现绕A点旋转B点，正确的步骤是：

1. 把B点转换成相对于A点的向量：$\vec{AB} = (Bx - Ax, By - Ay)$
2. 用旋转矩阵乘以这个向量，得到旋转后的向量$\vec{AB}'$：
   $$\vec{AB}' = \begin{bmatrix}\cos \theta &-\sin \theta \\sin \theta &\cos \theta \end{bmatrix} \times \begin{bmatrix}Bx - Ax \By - Ay\end{bmatrix}$$
3. 把旋转后的向量加回A点坐标，得到新的B点：
   $$Bx' = Ax + \vec{AB}'_x$$
   $$By' = Ay + \vec{AB}'_y$$

那旋转矩阵的优势到底在哪？

• 扩展性拉满：如果后续要叠加其他变换（比如缩放、平移、多次旋转），矩阵可以直接相乘组合成一个复合变换矩阵，不用每次都重新推导坐标公式。比如你要先旋转θ，再把AB长度缩放1.5倍，直接把旋转矩阵和缩放矩阵相乘，得到组合矩阵后一次应用到向量上就行，逻辑清晰不混乱。
• 批量处理更高效：如果有一堆点都要做同样的旋转变换，用矩阵的话只需要计算一次矩阵，然后每个点都套用同样的矩阵乘法逻辑，代码更简洁易维护，不会重复写一堆cos/sin的公式。
• 对接专业工具更顺畅：几乎所有图形学库、物理引擎都是基于矩阵变换来实现空间操作的，用矩阵的话更容易和这些工具对接，也能帮你更快理解后续3D旋转、投影等更复杂的变换逻辑。
• 无需关注原始角度：不管原来的AB向量是什么角度，旋转矩阵只需要你指定要旋转的角度θ，就能直接得到旋转后的向量，不用像直接公式那样先计算原始角度α，步骤更少。

什么时候用哪种？ #

• 如果只是单次、简单的“从定点出发生成定向点”，直接用cos/sin的公式就足够，直观又快捷；
• 如果需要对已有向量/点做旋转变换、组合多种变换，或者批量处理多个点，旋转矩阵是更专业、更高效的选择。

备注：内容来源于stack exchange，提问作者abcdef