회전 행렬

작성자

익명

작성일

2026.07.14

조회수

버전

회전 행렬 선형대수학 오일러 각 사원수 짐벌 락 직교 행렬 컴퓨터 그래픽스 중급

회전 행렬 (Rotation Matrix)

1. 개요

회전 행렬(Rotation Matrix)이란 선형대수학에서 벡터를 특정 축이나 원점을 중심으로 일정 각도만큼 회전시키는 선형 변환(Linear Transformation)을 수행하는 정사각 행렬이다. 이는 좌표계 내의 점이나 벡터의 방향을 변경하면서도 원점으로부터의 거리(L2 노름)와 벡터 간의 각도를 보존하는 등거리 변환(Isometry)의 일종이다.

2. 2차원 회전 행렬

2차원 평면에서 원점을 중심으로 벡터 $\mathbf{v}$를 반시계 방향(Counter-clockwise)으로 $\theta$만큼 회전시켜 새로운 벡터 $\mathbf{v}'$를 얻는 변환은 다음과 같이 정의된다.

2.1. 유도 과정 및 공식

단위 원 위의 점 $(1, 0)$을 $\theta$만큼 회전시키면 $(\cos\theta, \sin\theta)$가 되고, $(0, 1)$을 회전시키면 $(-\sin\theta, \cos\theta)$가 된다. 선형 변환의 성질에 따라 이 두 기저 벡터의 변환 결과가 행렬의 열벡터가 되므로, 2차원 회전 행렬 $R_{2D}$는 다음과 같다.

$$R_{2D}(\theta) = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix}$$

변환 식: $\mathbf{v}' = R_{2D}(\theta) \mathbf{v}$

2.2. 회전 방향 정의

반시계 방향 (Counter-clockwise): 수학적 표준 방향이며, $\theta > 0$일 때 적용된다.
시계 방향 (Clockwise): $\theta$ 대신 $-\theta$를 대입하여 계산하며, $\cos(-\theta) = \cos\theta$, $\sin(-\theta) = -\sin\theta$ 성질에 의해 $\sin$ 항의 부호가 반전된다.

2.3. 시각화 및 구현 예시

[시각화 개념] - $\theta = 90^\circ$ 회전: $\mathbf{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \rightarrow \mathbf{v}' = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$ - $\theta = 45^\circ$ 회전: $\mathbf{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \rightarrow \mathbf{v}' = \begin{pmatrix} \frac{\sqrt{2}}{2} \\ \frac{\sqrt{2}}{2} \end{pmatrix}$

import numpy as np

def rotate_2d(vector, theta_deg):
    theta_rad = np.radians(theta_deg)
    c, s = np.cos(theta_rad), np.sin(theta_rad)
    R = np.array(((c, -s), (s, c)))
    # 부동 소수점 오차 제거를 위해 np.round 사용
    return np.round(np.dot(R, vector), 2)

# 예제: (1, 0) 벡터를 90도 회전
v = np.array([1, 0])
print(rotate_2d(v, 90)) # 결과: [0. 1.]

3. 3차원 회전 행렬

3차원 공간에서의 회전은 특정 축을 고정하고 그 축을 중심으로 회전하는 방식으로 정의된다.

3.1. 기본 회전 행렬 (Basic Rotation Matrices)

각 축을 기준으로 $\theta$만큼 반시계 방향(오른손 법칙 기준)으로 회전시키는 행렬은 다음과 같다. 이때 오른손 법칙이란 엄지손가락을 회전 축의 양의 방향으로 향하게 했을 때, 나머지 네 손가락이 감기는 방향이 회전각 $\theta$의 양(+)의 방향임을 의미한다.

회전 축	행렬 기호	행렬 정의
X-축 회전	$R_x(\theta)$	$\begin{pmatrix} 1 & 0 & 0 \\ 0 & \cos\theta & -\sin\theta \\ 0 & \sin\theta & \cos\theta \end{pmatrix}$
Y-축 회전	$R_y(\theta)$	$\begin{pmatrix} \cos\theta & 0 & \sin\theta \\ 0 & 1 & 0 \\ -\sin\theta & 0 & \cos\theta \end{pmatrix}$
Z-축 회전	$R_z(\theta)$	$\begin{pmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{pmatrix}$

3.2. 오일러 각 (Euler Angles)

오일러 각은 3차원 회전을 세 개의 기본 축 회전의 조합으로 표현하는 방식이다. 예를 들어 $X \rightarrow Y \rightarrow Z$ 순서로 회전한다면, 최종 회전 행렬 $R$은 다음과 같이 행렬 곱으로 표현된다. $$R = R_z(\alpha) R_y(\beta) R_x(\gamma)$$ 이때 행렬 곱의 순서(오른쪽에서 왼쪽으로 적용)에 따라 결과가 달라지므로 회전 순서(Convention)를 정의하는 것이 매우 중요하다.

[3D 시각화 개념] - $R_z$ 회전: $z$ 좌표는 고정되고 $xy$ 평면상에서 점들이 원을 그리며 이동함. - $R_y$ 회전: $y$ 좌표는 고정되고 $xz$ 평면상에서 점들이 원을 그리며 이동함.

4. 회전 행렬의 수학적 성질

회전 행렬은 특수한 형태의 직교 행렬(Orthogonal Matrix)이다.

직교성 (Orthogonality): 회전 행렬 $R$의 전치 행렬(Transpose)은 그 행렬의 역행렬과 같다. $$R^T = R^{-1} \implies R R^T = I$$ 이는 회전의 역과정(반대 방향 회전)이 단순히 행과 열을 바꾸는 것만으로 계산될 수 있음을 의미한다.
행렬식 (Determinant): 모든 회전 행렬의 행렬식은 항상 1이다. $$\det(R) = 1$$ 만약 $\det(R) = -1$이라면, 이는 회전이 아니라 거울 반사(Reflection)가 포함된 변환이다.
길이 보존: 벡터 $\mathbf{v}$에 $R$을 곱해도 벡터의 크기 $\|\mathbf{v}\|$는 변하지 않는다. $$\|R\mathbf{v}\| = \sqrt{(R\mathbf{v})^T(R\mathbf{v})} = \sqrt{\mathbf{v}^T R^T R \mathbf{v}} = \sqrt{\mathbf{v}^T I \mathbf{v}} = \|\mathbf{v}\|$$

5. 한계점 및 대안

5.1. 짐벌 락 (Gimbal Lock)

오일러 각을 이용한 회전 표현의 치명적인 단점은 짐벌 락 현상이다. 이는 세 개의 축 중 두 개의 회전 축이 겹쳐지면서 자유도(Degree of Freedom) 하나를 상실하는 현상이다.

예를 들어, $X \rightarrow Y \rightarrow Z$ 순서의 회전에서 $Y$축으로 $90^\circ$ 회전하면, $X$축이 $Z$축과 일치하게 된다. 이 상태에서는 $X$축 회전과 $Z$축 회전이 동일한 평면상에서 일어나게 되어, 원래 3차원 공간에서 가능했던 특정 방향으로의 회전 제어가 불가능해지는 상태가 된다.

5.2. 사원수 (Quaternion)

짐벌 락 문제를 해결하고 계산 효율성을 높이기 위해 사원수가 사용된다. 사원수는 4차원 복소수 체계($q = w + xi + yj + zk$)를 이용하여 3차원 회전을 표현한다. 사원수는 회전축과 회전각을 4차원 벡터로 표현하여 축의 중첩 없이 부드러운 회전 보간(SLERP, Spherical Linear Interpolation)이 가능하다는 장점이 있다.

사원수 $\rightarrow$ 회전 행렬 변환식: 단위 사원수 $q = (w, x, y, z)$가 주어졌을 때, 이에 대응하는 회전 행렬 $R$은 다음과 같다. $$R = \begin{pmatrix} 1-2(y^2+z^2) & 2(xy-wz) & 2(xz+wy) \\ 2(xy+wz) & 1-2(x^2+z^2) & 2(yz-wx) \\ 2(xz-wy) & 2(yz+wx) & 1-2(x^2+y^2) \end{pmatrix}$$

5.3. 회전 행렬 vs 사원수 비교

비교 항목	회전 행렬 (Rotation Matrix)	사원수 (Quaternion)
표현 방식	$3 \times 3$ 행렬 (9개 요소)	4차원 벡터 (4개 요소)
직관성	좌표 변환 관점에서 직관적임	수학적 이해가 어려움
짐벌 락	오일러 각 변환 시 발생 가능	발생하지 않음
보간(Interpolation)	선형 보간 시 회전 속도 불균일	SLERP를 통한 부드러운 보간 가능
연산 비용	행렬 곱셈 연산량이 많음	상대적으로 연산 효율이 높음

6. 주요 활용 분야

컴퓨터 그래픽스: 3D 모델의 회전, 카메라 뷰 행렬(View Matrix) 계산, 캐릭터 애니메이션의 뼈대(Skeletal) 변환.
로보틱스: 로봇 팔의 각 관절(Joint) 각도에 따른 말단 장치(End-effector)의 위치와 자세 계산(Forward Kinematics).
항공 우주 공학: 항공기, 인공위성의 자세 제어(Attitude Control) 및 롤(Roll), 피치(Pitch), 요(Yaw) 계산.
게임 엔진: Unity나 Unreal Engine에서 오브젝트의 회전 값을 처리할 때 내부적으로 사원수와 회전 행렬을 혼용하여 사용.

분류: 수학 / 선형대수학 / 행렬연산

📝 마크다운 원본

이 문서의 마크다운 원본 내용입니다.

# 회전 행렬 (Rotation Matrix)

## 1. 개요
**회전 행렬(Rotation Matrix)**이란 선형대수학에서 벡터를 특정 축이나 원점을 중심으로 일정 각도만큼 회전시키는 선형 변환(Linear Transformation)을 수행하는 정사각 행렬이다. 이는 좌표계 내의 점이나 벡터의 방향을 변경하면서도 원점으로부터의 거리(L2 노름)와 벡터 간의 각도를 보존하는 등거리 변환(Isometry)의 일종이다.

## 2. 2차원 회전 행렬
2차원 평면에서 원점을 중심으로 벡터 $\mathbf{v}$를 반시계 방향(Counter-clockwise)으로 $\theta$만큼 회전시켜 새로운 벡터 $\mathbf{v}'$를 얻는 변환은 다음과 같이 정의된다.

### 2.1. 유도 과정 및 공식
단위 원 위의 점 $(1, 0)$을 $\theta$만큼 회전시키면 $(\cos\theta, \sin\theta)$가 되고, $(0, 1)$을 회전시키면 $(-\sin\theta, \cos\theta)$가 된다. 선형 변환의 성질에 따라 이 두 기저 벡터의 변환 결과가 행렬의 열벡터가 되므로, 2차원 회전 행렬 $R_{2D}$는 다음과 같다.

$$R_{2D}(\theta) = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix}$$

변환 식: $\mathbf{v}' = R_{2D}(\theta) \mathbf{v}$

### 2.2. 회전 방향 정의
*   **반시계 방향 (Counter-clockwise):** 수학적 표준 방향이며, $\theta > 0$일 때 적용된다.
*   **시계 방향 (Clockwise):** $\theta$ 대신 $-\theta$를 대입하여 계산하며, $\cos(-\theta) = \cos\theta$, $\sin(-\theta) = -\sin\theta$ 성질에 의해 $\sin$ 항의 부호가 반전된다.

### 2.3. 시각화 및 구현 예시
**[시각화 개념]**
- $\theta = 90^\circ$ 회전: $\mathbf{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \rightarrow \mathbf{v}' = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$
- $\theta = 45^\circ$ 회전: $\mathbf{v} = \begin{pmatrix} 1 \\ 0 \end{pmatrix} \rightarrow \mathbf{v}' = \begin{pmatrix} \frac{\sqrt{2}}{2} \\ \frac{\sqrt{2}}{2} \end{pmatrix}$

```python
import numpy as np

def rotate_2d(vector, theta_deg):
    theta_rad = np.radians(theta_deg)
    c, s = np.cos(theta_rad), np.sin(theta_rad)
    R = np.array(((c, -s), (s, c)))
    # 부동 소수점 오차 제거를 위해 np.round 사용
    return np.round(np.dot(R, vector), 2)

# 예제: (1, 0) 벡터를 90도 회전
v = np.array([1, 0])
print(rotate_2d(v, 90)) # 결과: [0. 1.]
```

## 3. 3차원 회전 행렬
3차원 공간에서의 회전은 특정 축을 고정하고 그 축을 중심으로 회전하는 방식으로 정의된다.

### 3.1. 기본 회전 행렬 (Basic Rotation Matrices)
각 축을 기준으로 $\theta$만큼 반시계 방향(오른손 법칙 기준)으로 회전시키는 행렬은 다음과 같다. 이때 **오른손 법칙**이란 엄지손가락을 회전 축의 양의 방향으로 향하게 했을 때, 나머지 네 손가락이 감기는 방향이 회전각 $\theta$의 양(+)의 방향임을 의미한다.

| 회전 축 | 행렬 기호 | 행렬 정의 |
| :--- | :---: | :--- |
| **X-축 회전** | $R_x(\theta)$ | $\begin{pmatrix} 1 & 0 & 0 \\ 0 & \cos\theta & -\sin\theta \\ 0 & \sin\theta & \cos\theta \end{pmatrix}$ |
| **Y-축 회전** | $R_y(\theta)$ | $\begin{pmatrix} \cos\theta & 0 & \sin\theta \\ 0 & 1 & 0 \\ -\sin\theta & 0 & \cos\theta \end{pmatrix}$ |
| **Z-축 회전** | $R_z(\theta)$ | $\begin{pmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{pmatrix}$ |

### 3.2. 오일러 각 (Euler Angles)
오일러 각은 3차원 회전을 세 개의 기본 축 회전의 조합으로 표현하는 방식이다. 예를 들어 $X \rightarrow Y \rightarrow Z$ 순서로 회전한다면, 최종 회전 행렬 $R$은 다음과 같이 행렬 곱으로 표현된다.
$$R = R_z(\alpha) R_y(\beta) R_x(\gamma)$$
이때 행렬 곱의 순서(오른쪽에서 왼쪽으로 적용)에 따라 결과가 달라지므로 회전 순서(Convention)를 정의하는 것이 매우 중요하다.

**[3D 시각화 개념]**
- $R_z$ 회전: $z$ 좌표는 고정되고 $xy$ 평면상에서 점들이 원을 그리며 이동함.
- $R_y$ 회전: $y$ 좌표는 고정되고 $xz$ 평면상에서 점들이 원을 그리며 이동함.

## 4. 회전 행렬의 수학적 성질
회전 행렬은 특수한 형태의 **직교 행렬(Orthogonal Matrix)**이다.

1.  **직교성 (Orthogonality):** 회전 행렬 $R$의 전치 행렬(Transpose)은 그 행렬의 역행렬과 같다.
    $$R^T = R^{-1} \implies R R^T = I$$
    이는 회전의 역과정(반대 방향 회전)이 단순히 행과 열을 바꾸는 것만으로 계산될 수 있음을 의미한다.
2.  **행렬식 (Determinant):** 모든 회전 행렬의 행렬식은 항상 1이다.
    $$\det(R) = 1$$
    만약 $\det(R) = -1$이라면, 이는 회전이 아니라 거울 반사(Reflection)가 포함된 변환이다.
3.  **길이 보존:** 벡터 $\mathbf{v}$에 $R$을 곱해도 벡터의 크기 $\|\mathbf{v}\|$는 변하지 않는다.
    $$\|R\mathbf{v}\| = \sqrt{(R\mathbf{v})^T(R\mathbf{v})} = \sqrt{\mathbf{v}^T R^T R \mathbf{v}} = \sqrt{\mathbf{v}^T I \mathbf{v}} = \|\mathbf{v}\|$$

## 5. 한계점 및 대안
### 5.1. 짐벌 락 (Gimbal Lock)
오일러 각을 이용한 회전 표현의 치명적인 단점은 **짐벌 락** 현상이다. 이는 세 개의 축 중 두 개의 회전 축이 겹쳐지면서 자유도(Degree of Freedom) 하나를 상실하는 현상이다. 

예를 들어, $X \rightarrow Y \rightarrow Z$ 순서의 회전에서 $Y$축으로 $90^\circ$ 회전하면, $X$축이 $Z$축과 일치하게 된다. 이 상태에서는 $X$축 회전과 $Z$축 회전이 동일한 평면상에서 일어나게 되어, 원래 3차원 공간에서 가능했던 특정 방향으로의 회전 제어가 불가능해지는 상태가 된다.

### 5.2. 사원수 (Quaternion)
짐벌 락 문제를 해결하고 계산 효율성을 높이기 위해 **사원수**가 사용된다. 사원수는 4차원 복소수 체계($q = w + xi + yj + zk$)를 이용하여 3차원 회전을 표현한다. 사원수는 회전축과 회전각을 4차원 벡터로 표현하여 축의 중첩 없이 부드러운 회전 보간(SLERP, Spherical Linear Interpolation)이 가능하다는 장점이 있다.

**사원수 $\rightarrow$ 회전 행렬 변환식:**
단위 사원수 $q = (w, x, y, z)$가 주어졌을 때, 이에 대응하는 회전 행렬 $R$은 다음과 같다.
$$R = \begin{pmatrix} 1-2(y^2+z^2) & 2(xy-wz) & 2(xz+wy) \\ 2(xy+wz) & 1-2(x^2+z^2) & 2(yz-wx) \\ 2(xz-wy) & 2(yz+wx) & 1-2(x^2+y^2) \end{pmatrix}$$

### 5.3. 회전 행렬 vs 사원수 비교
| 비교 항목 | 회전 행렬 (Rotation Matrix) | 사원수 (Quaternion) |
| :--- | :--- | :--- |
| **표현 방식** | $3 \times 3$ 행렬 (9개 요소) | 4차원 벡터 (4개 요소) |
| **직관성** | 좌표 변환 관점에서 직관적임 | 수학적 이해가 어려움 |
| **짐벌 락** | 오일러 각 변환 시 발생 가능 | 발생하지 않음 |
| **보간(Interpolation)** | 선형 보간 시 회전 속도 불균일 | SLERP를 통한 부드러운 보간 가능 |
| **연산 비용** | 행렬 곱셈 연산량이 많음 | 상대적으로 연산 효율이 높음 |

## 6. 주요 활용 분야
*   **컴퓨터 그래픽스:** 3D 모델의 회전, 카메라 뷰 행렬(View Matrix) 계산, 캐릭터 애니메이션의 뼈대(Skeletal) 변환.
*   **로보틱스:** 로봇 팔의 각 관절(Joint) 각도에 따른 말단 장치(End-effector)의 위치와 자세 계산(Forward Kinematics).
*   **항공 우주 공학:** 항공기, 인공위성의 자세 제어(Attitude Control) 및 롤(Roll), 피치(Pitch), 요(Yaw) 계산.
*   **게임 엔진:** Unity나 Unreal Engine에서 오브젝트의 회전 값을 처리할 때 내부적으로 사원수와 회전 행렬을 혼용하여 사용.

---
**분류:** 수학 / 선형대수학 / 행렬연산

AI 생성 콘텐츠 안내

이 문서는 AI 모델(gemma-4-31b)에 의해 생성된 콘텐츠입니다.

주의사항: AI가 생성한 내용은 부정확하거나 편향된 정보를 포함할 수 있습니다. 중요한 결정을 내리기 전에 반드시 신뢰할 수 있는 출처를 통해 정보를 확인하시기 바랍니다.

위키너와나